应用颜色阈值以提升可视化粒度
17263 文章评分:
5.0
应用颜色阈值以提升可视化粒度
作者匿名 2015年4月7日，星期二
如果你查阅资料，会发现专家们对于人眼究竟能分辨多少种不同颜色意见不一。但大多数人都同意，我们能区分超过数百万种不同的颜色。与颜色类似，我们的眼睛也非常擅长解读空间分辨率。想想绘画中的点彩技法，画布上布设着单色点，近距离观察时看到的是点，但后退几步，颜色就会融合在一起，有时形成非常生动的画作。
今天，我想分享一个例子，将高空间分辨率卫星影像的衍生产品与我称之为“智能”色表相结合，从衍生产品中提取出一些非常容易观察到的细节粒度。
原始Astrium影像由空客防务与航天公司提供
在这个例子中，我使用的是一幅由空客防务与航天公司提供的Astrium影像。我已将该影像预处理为地表反射率，并计算生成了NDVI影像。使用这幅影像的目标是找出那些已准备好收割的田地。
这个用例是理论性的，我假设影像中的某些作物可能是小麦、玉米或其他作物，但种植的作物存在一定多样性。我将只关注那些在准备收割时NDVI值为0.91的作物*（见注释）。
在最初的分析之后，我得到了一幅单波段灰度NDVI影像。我可以看到，一些较亮的区域可能是更健康的田地，但当影像以这种方式显示时，很难推导出具体的上下文信息：
将原始数据处理为地表反射率后的NDVI影像
我能做的一件事是对影像应用色表。我是通过获取影像中代表的所有值（NDVI影像的范围是-1到1）并创建等尺寸的直方图分组来实现的。每个分组代表一个数据范围，看起来像下图这样，其中黑色曲线代表了场景中具有特定值的像素数量：
ENVI中的栅格颜色切片工具。黑色曲线代表NDVI影像数据的直方图，颜色代表每个分组。颜色范围涵盖从-1到1的所有数据值。
结果是，我可以猜测感兴趣的田地已非常接近收割，因为它们是红色的——这代表了我数据中的最高值（记住我们要寻找的值是0.91）。
对数据值-1到1应用彩虹色表的NDVI影像。
然而，我的产品中包含了与分析无关的信息。这并不理想，因为我的色表底部包含了不透水表面和非常干燥的物质。因此，我没有看到田地内部的粒度变化，它们大多都被归类为“植被”。为了让我的分析更有意义，我可以对NDVI影像应用一个“智能”色表，并将我的阈值设置为仅包含我关心的数据值。我还可以应用一个更符合我分析逻辑的色表，使健康的植被像素比其他植被像素显示为更深的绿色。现在我的分组看起来是这样：
颜色范围从0.86到0.92，其中最深的绿色代表最接近本次分析最优值0.91的像素。
我使用了同样数量的颜色，但通过将所有颜色应用于更小的数据范围，我为我的分析增加了粒度。结果讲述了一个与最初分析不同的故事。一些我认为已准备好收割的田地可能需要更多时间，而其他一些田地确实看起来已准备好收割。
对数据范围0.86到0.92应用黄绿色表的NDVI影像。
总之，结合高空间分辨率、可靠的指数和“智能”颜色阈值，提供了一种方法来生成易于解释的分析产品，从而更便于制定计划。
*注：收割特定作物的最佳NDVI值因作物和具体田地的独特性而异。这个值在某种程度上也是主观的，通常需要结合其他植被指数来确定，并且几乎总是需要地面测量。本例中使用的值不适用于实际生产。