napoveda_k_zapoctu [Wiki GIS/KGI UPOL]

This page is read only. You can view the source, but not change it. Ask your administrator if you think this is wrong.
DPZ Zbyna \\
https://docs.google.com/document/d/1Mk-ByhiUa92Aiz4C3FS29jsaPdZskVIGHoDgSzMIfms/edit?usp=sharing

\\
DPZ Lucka \\
https://docs.google.com/document/d/1mPweoop4MSINXaNv4l5_tihhOOzVl7ExV_tR38otYQs/edit?usp=sharing

 \\
rizena klasifikace excel\\
https://drive.google.com/file/d/0BwxMF3drsf-8RjRSYkRVQVFUMEtPNzlFRnpuTFowVzFJem5N/view?usp=sharing

\\
rizena klasifikace text \\
https://drive.google.com/file/d/0BwxMF3drsf-8SENJdGdjRnE0LVhCS0t3TVRwNnd4MEg4cUlz/view?usp=sharing


====== rozdělení pásem ======
{{ :wiki:bands.jpg |}}
{{ :wiki:bands2.jpg?direct |}}

----

----

----

====== georeferencování ======
  * //customize -> georeferencing -> fit to display//
  * **georeferencing -> transformation** (čím vyšší řád, tím je potřeba víc bodů)
    * liší se od sebe, jak budou deformovat obraz
  * nejlepší je udělat bod na kraji a uprostřed
  * první se začíná tou fotkou, potom kliknu na ortofoto
  * //rectify// -> udělá nový georeferencovaný tiff
  * //View link table// -> ukáže mi chyby, ja moc je velká odchylka jednotlivých bodů
  * //image link viewer// -> vyhodí obrázek v novém okně, ale to nepotřebuješ


====== načtení dat ======
==== open ====
  * u //open// stačí otevřít texťák
  * pak stačí přes //data manager// načíst infa, red, green
  * ale dá se to udělat jenom u snímku s metadaty

==== layer stacking ====
  * normálně načtu všechny vrstvy
  * layer stack je dobré udělat pro všechny a pak si aorát vyberu barvy
  * pravým -> change RGB Bands, nebo taky přes data manager
    * máme landsat 7, vybrali jsme 3,2,1
    * u landsat 8 vyberu 4,3,2 pro opravdové barvy (5,4,3 pro infra)
    * **inclusive** -> spojí snímky tak jak jsou nad sebou
    * **exclusive** -> spojí jenom průnik těch snímků

====== ořez ======
  * File -> new-> vector layer -> OK -> nakreslit -> save as (ukládá se jako .shp)
  * //resize data// -> a vyberu tu vrstvu kterou budu ořezávat -> spatial subset -> subset using -> ROI/EVF
===== na 8bit =====
  * Strech data -> Strech range (0 - 100%) -> velikost (ořezání) snímku
  * Output Data Range 0 - 255 (8bit), data type Byte 
  * unsigned int je 16bit, unsigned long je 16bit? (no nevíme jak to je)
  - signed char: -127 to 127 (note, not -128 to 127; this accommodates 1's-complement and sign-and-magnitude platforms)
  - unsigned char: 0 to 255 (4BIT)
  - "plain" char: same range as signed char or unsigned char, implementation-defined
  - signed short: -32767 to 32767 (8BIT)
  - unsigned short: 0 to 65535 (16BIT)
  - signed int: -32767 to 32767
  - unsigned int: 0 to 65535
  - signed long: -2147483647 to 2147483647
  - unsigned long: 0 to 4294967295
  - signed long long: -9223372036854775807 to 9223372036854775807
  - unsigned long long: 0 to 18446744073709551615

====== upravení atmosféry metodou nejtmavšího prvku ======
  * //Dark Subtraction// -> vyberu ten snímek -> na nic nešahám a nechám to tak
  * najde netmavší prvek kterému dá nulu a určí rozdíl který odečte od všech

====== reflektance a radiance ======
  * radiance je vyzařování, refletance je odrazivost
  * dá se tam multispektrální snímek 
  * je to statistika, prostě to, co jsme dělali u té řízené klasifikace
  * //region of interest// (takový polygon na horní liště roi) -> vykreslíme polygon pro požadované oblasti -> //new ROI// (pro další atributy) - skrz pravé tlačítko a statistics se zobrazí statistika vybraných oblastí (lze uložit)
  * **radiometric calibration** - vybrat snímek (multispectral) - lze vybrat mezi radiancí a reflektancí (Reflectance, BSQ, Float, … OK)
  * ukáže to, jaké je tam rozmězí odrazivosti a vyzařování
  * reflektance se musí dělat na celé území nebo jestli chci nějaké vybrané území, tak to musím až v té funci udělat ROI

====== band math ======
  * //band math// - napíšeme příkaz, přidáme do sezmanu pak přiřadíme pásma
  * pokud nechceme výsledek složený z 0 a 1, musíme před každoou proměnou dát float (float(b1)/float(b2))
  * **vegetation index calculator** - vybereme si index (my jsme dělali ten první) 
    * NDVI - světle mi to vyhodí úroveň stavu vegetace, čím světlejší tím jsou víc ve vegetu

====== FILTRY ======
  * //Convolutions and Morpohlogy// -> convolutions výběr filtrů
  *  //sieve filtr// -> ten si musím nadefinovat, a to najdu na internetu nebo v prezentacích
  *  vysokofrekvenční filtry propouštějí vysokofrekvenční informaci
  * jakože zvýrazní komín a větrák na střeše, nízkofrekvenční mi udělá jednolitou střechu, ale ta střecha už nebude mít tak výrazné hrany
  * **nízkofrekvenční filtry** (průměrový, mediánový, sieve filtry, majoritní filtry)
  * **vysokofrekvenční filtry** (diferenční, zostřující)
  * vyhodí to procenta informace (tak, aby se to dalo zobrazit jao RGB)
  * kanonická komponentní analýza
  * podíváme se na snímek a určíme typy shluku

====== PCA ======
= analýza hlavních komponent
  * Toolbox PCA -> **forward PCA rotation news statistics** -> vybrat vrstvu -> výsledný soubor -> Select Subset from Eigunvales pokud YES tak to spočítá pro všechny pásma
  * ze sedmi pásem mi to vybere třeba jenom tři (podle nějaé nejdůležitější informace)
  * spojíme více pásem (7) do méně pásem (3) a ze 100 % informace dostaneme 90 % informace ve 3 pásmech

====== tasseled cap ======
  * podobný jako PCA, ale osy jsou dopředu vypočítané
  * u wetness je voda bílá, greenes zvýrazňuje lesy, brightness zvýrazňuje lidské plochy, střechy, silnice
  * v envi - pro snímky landsat 5 - tasseled cap
  * zvolit landsat 5TM (jsou to druhy snímačů na té družici)
  * převádí to RGB na HSV 

====== Fourierovy transformace ======
  * máme na stupni snímek, který si převedeme do Fourierova spektra (je to jeden z typů vlnkových transformací, převádíme to do frekvenčního systému), převod do podoby sinových a kosinových fcí /filter/FFT 
  * //build mask// → fft.tiff → pak ořezat, ale nedávat příponu tiff!, a vybrat ještě v options **Selected areas OFF**
  * horizontální linie se ve fourierove spektru zobrazují o 90 stupnů, takže verttikální jsou horizonální a naopak
  * prostě dostanu nějaký snímek s proužama 
  * //FFT Forward// -> YES
  * na to FFT forward vytvoříme ROIko s těma čárama (NESMÍME ZARÝT KOLEČKO!!!!!)
  * {{ :roi_fft.jpg?200 |}}
  * z ROI udělám //Build Mask// -> a vybrat v options **Selected areas Off**
  * Apply Mask -> vyberu snímek fft forward -> select mask band -> a vyberu tu masku kterou jsme vytvořili z těch ROIek (co jsou na obrázku) <- **TO NEFUNGUJE TO NEDĚLEJTE** !!!!
  * FFT Inverse -> vyberu ten poslední file co jsem udělala z apply mask 

====== pan sharpening ======
  * Nahrát vrstvu z landsatu pomocí metadat -> vytvořit zájmové ROI-> New file bouilder -> vybrat první pásmo (multispektral) a celé znovu pro druhé pásmo (panchromatik)
  * toolbox - **image sharpening** -> první zadáváme multispekral, druhé zadáme panchromatický

====== NEŘÍZENÁ KLASIFIKACE ======
==== K-Means Classification ====
  *  vybrat snímek OK -> Počet tříd např. 5,Treshold práh př. 5.00 pokud se nezmění 5% pixlů ukončí se iterace, maximum iterací např. 20
 
==== Iso Data Classification ====
  *  -vybrat snímek OK -> max min tříd. (např. 1 - 7) Počet iterací (např.20), velikost třídy (minimum pixlů ve třídě např 50)

==== Confusion Matrix Ground Truth image  ====
  * př.  ISO data z 5 tříd a pak K means z 5 tříd -> další nastavení nechat (třídy jsou zařazeny správně) -> nechat nastavení, zvolit výstup OK -> výsledkem Confusion Matrix

==== Confusion Matrix pomocí ROI ====
  * naklikat ROI - každý bod potvrdit entrem -> Confusion Matrix Ground Truth ROI -> v případě potíží naklikat kombinace ROI + Class OK -> vyběhne matice
User Tools

Site Tools

Page Tools
