podstatou je rozšíření příznakového prostoru (vytváření nových pásem s cílem zvýšit odlišení různých objektů) nebo zúžení příznakového prostoru (hledání nových – nejinformativnějších pásem, při čemž nedojde k podstatné ztrátě informace)

příznak = v každém použitém pásmu představuje hodnota odražené nebo vyzářené energie určitou charakteristiku o objektu zachyceném na ploše daného pixelu

vzniká skládáním 3 pásem v odstínech RGB

objektivní metody → výběr takových pásem, které jsou mezi sebou co nejméně korelovány (podávají co nejvíce odlišné informace), Optimum index faktor (OIF)

zobrazení v pravých a nepravých barvách

rotuje osami vícerozměrného prostoru tvořícího multispektrální snímek, a to ve směru maximálního rozptylu dat

redukuje rozměrnost dat (omezení na méně pásem bez podstatné ztráty informace)

proložím PC1 (hlavní komponenta) největším rozptylem dat → ta přímka (osa) mi potom definuje pásmo nového transformovaného obrazu → pak proložím druhou přímku, která bude kolmá na PC1 a bude v místě druhého největšího rozptylu dat (vedlejší komponenta)

PC2 obsahuje sice míň informací než PC1, ale zato nové informace, které v PC1 nejsou

99 % informací je kumulováno v prvních dvou až třech hlavních komponentách

PC1 vždy obsahuje informace o hlavních topografických rysech v obraze

tato metoda nevyžaduje žádnou předchozí znalost zpracovávaného území

rozdíl je v tom, že PCA byla prováděna na náhodném výběru původních dat, tak CCA může být prováděna jenom pro určité části obrazu

je to 2D prostor a analýza je prováděna tam, kde se vytvářejí shluky

nový systém souřadnic definují nová transformovaná pásma → počítá se to tak, aby rozptyl byl co nejmenší a separobilita mezi shluky zase co největší

hlavně jako vstup do automatické klasifikace

můžu také zvýraznit specifickou tematickou informaci (vegetační složka obrazu) → ortogonální vegetační indexy, Tasseled cup

ČB, barevně, pseudobarevně

popsání barevného obrazu pomocí IHS (intensity, hue, saturation)

intensity (jas) – míra jasu v obraze, hue (odstín) – odstín je mírou bravy a reprezentuje dominantní vlnovou délku ve světle a saturation (sytost) – reprezentuje hloubku čistoty barvy vzhledem k odstínu šedi

transformace: promítnu kostku na rovinu kolmou k linii šedi → vznikne 6úhelník (hrany RGB a CMY)

můžu zvýrazňovat jednotlivé složky a ostatní složky zůstanou nezměněny (upravím kontast jasu → ostatní se nezmění)

pomocí IHS je možné spojovat data s různým prostorovým rozlišením

PAN + MULTI = PANCHRO jako složka jasu, multispektrální snímek jako odstín a sytost → získám prostorový detail z panchra a barevnost z multi

data s největším prostorovým obsahem (textura, …) → jsou přiřazena jasu

data s největším dynamickým rozsahem → jsou přiřazena odstínu

transformace barevného obrazu do systému zobrazení, který více odpovídá citlivosti lidského vidění

Jas – složka s nejvíce informacemi

Červeno-zelené barvy – nízký informační obsah

Modro-žluté barvy – nejméně informativní

techniky zvýraznění více pásem – vhodné pro zpracování vysoce korelovaných dat

zahrnují úpravu kontrastu hlavních komponent a jejich následnou transformaci zpět do RGB