Dating Apps Kostenlos

1) Korrektur von hyperspektralen Bildern durch Eliminierung von Verzerrungseffekten aus periodischen Schiffsbewegungen; 2) lithologische Kartierung basierend auf Spektralinformationen; und 3) genaue 3D-Integration von Spektralprodukten mit photogrammetrischen Geländedaten. Die Méthode ist mit experimentellen Daten aus zwei Teilen Grönlands, in der Mitte von Karat und im Südwesten von Søndre Strømfjord, getestet worden.

Wurzel-Mittelwert Fehler von (6. 7, 9, 7, 8. 5 ) Pixeln für Karrat und (3. 9, 5. 5) Pixeln für Søndre Strømfjord in X- und Y-Richtung zeigen die geometrische Genauigkeit der fertigen 3D-Produkte und ermöglichen eine präzise Abbildung der identifizierten Ziele unter Verwendung von hyperspektralen Dateninhalten. Diese Studie verdeutlicht das Potenzial der Nutzung anderer operativer mobiler Plattformen (z.B. unbemannter Systeme) für regionale Mineralienkartierungen auf der Grundlage horizontaler Beobachtungsgeometrie und Multi-Source- und Multi-Skalen-Datenfusionsansätzen.

Ainsi, die Methoden zur Extraktion von Informationen aus hyperspektralen Daten müssen daher an die lokalen Gegebenheiten angepasst werden und diese Auswirkungen minimieren. 1 ) eine kostengünstige Methode zur Verfügung zu stellen, die es ermöglicht, direkt von einem fahrenden Schiff aus, d.h. ohne dass eine Tankstelle an Land benötigt wird; 2) eine robuste Verarbeitungskette zu entwickeln, die die Leistung optimiert und die Zeit und den Aufwand für die Kartierung großer unzugänglicher Bereiche von vertikalen Aufschlüssen verringert; und 3) digitale Aufschlussmodelle mit quantitativen Informationen über Mineralvariationen unter Verwendung kombinierter digitaler Photogrammetrie und hyperspektraler Scandaten an Bord des Schiffes zu ergänzen.

Die Korrespondenz und die Koordinaten des 3D-Objektraumes sind gefunden, so dass hyperspektral abgeleitete Produkte (mineralische/lithologische Karten) in Verbindung mit Modellen aus der konventionellen Photogrammetrie verwendet werden können. Eine dreidimensionale Interpretation und Quantifizierung der Geologie entlang der Topographie ist dann auf Basis dieser Produkte möglich. Bilder von Landsat-8 OLI der Untersuchungsgebiete von :

Die Routen der hyperspektralen Schifffahrt entlang der Küste (13., 18. und 8. Oktober 2016) sind in grün, rot und gelb dargestellt. die Ergebnisse einer detaillierten Strukturuntersuchung linearer Gebiete, die durch Fernerkundung geophysikalischer und topographischer Daten und der Interprätentierung von Luftbildern sowie detaillierte geologische Kartierungen an Schlüsselstandorten aufgedeckt wurden, vorgestellt.

Die beiden Faltstufen (F1 und F2) wurden ebenso identifiziert wie eine große Eindringungsepisode des 2,05 Grad Celsius großen Deiches, und mehrere ausgeprägte Fehler- und Scherereignisse nach der Datierung der Kangâmiut-Deiche, die sowohl die tektonische Geschichte der Kollision als auch die postkollisionale Deformation der Region abdecken.

Die Arbeit ist nicht nur mühsam, sondern auch mit vielen Annahmen verbunden, da der Umfang der In-situ-Daten begrenzt ist und die Beobachtungsmaßstäbe unterschiedlich sind. Der Datenwürfel wurde in Fahrtrichtung durch gleichmäßige Rotation des Sensors um die vertikale Achse des Stativs mit einem Gesamtabstrahlwinkel von ca. 120 Grad konstruiert und war durch eine räumliche Höhe von 384 Pixeln und eine spektrale Abdeckung von 624 diskreten Bändern gekennzeichnet.

Die Bilder wurden kontinuierlich und mit ausreichender Überlappung bei einer konstanten Reisegeschwindigkeit von 6 Knoten und einer Entfernung von 1,5 bis 2,5 Kilometern von der Küste aufgenommen, was zu Bildern mit einer Bodenpixelgröße (Bodenabtastabstand) von ca. 2-4 m führt. Jede Datei ist ca. 600 MB groß und benötigt ca. eine Minute, um das Spektralbild zu erfassen (je nach Wellenamplitude und Schiffsgeschwindigkeit kann eine höhere oder niedrigere Abtastgeschwindigkeit gewählt werden).

Einrichtung zum Sammeln von hyperspektralen Daten in der Datei : Die Bilder wurden mit Hilfe eines an der Kamera befestigten GPS automatisch geolokalisiert, so dass eine Genauigkeit von 5-10 Metern erreicht wurde. Im Falle der stereoskopischen und hyperspektralen Bildaufnahme von einem Schiff wurden die Positionen der Kamera und des SPECIM AisaFenix-Instruments so gewählt, dass sie nahe beieinander liegen (eine Grundlinie von ca. 1,5 m), um Unterschiede im Blickwinkel während der Datenerfassung zu minimieren.

Für ein genaueres Ergebnis bei der Integration zweier Datensätze, unabhängig davon, ob identische oder unterschiedliche Plattformen für die Datenerfassung verwendet werden, werden Bilder mit einem Blick (fast) senkrecht zur Oberfläche des Aufschlusses aufgenommen. Die Hyperspectrales Scans werden an das erzeugte Pseudo-Orthophoto angepasst; und (5) die Hyperspectrale Produkte (d.h. Mineralkarten, etc.) werden mit Hilfe der im vorherigen Schritt berechneten Transformationsmatrix und den Informationen über die Lage der Originalpixel in das 3D-Oberflächenmodell konvertiert.

Organigramm des Analysedesigns und der angewandten Methoden zur Integration von hyperspektralen Produkten und 3D-photogrammetrischen Felddaten. Das Bild kann dann korrigiert werden, indem die Tiefen des atmosphärischen Referenz-Absorptionsspektrums angepasst und jedes ursprüngliche Pixelspektrum mit dem eingestellten Referenzspektrum multipliziert wird. a). Ensuite wurde dann der mittlere Reflexionswert über alle ausgewählten Bänder für alle Pixel berechnet und ein Single-Band-Bild (hier als durchschnittliches Reflexionsbild bezeichnet) erzeugt.

a) Repräsentative, aus dem hyperspektralen Reflexionsbild gesammelte Endelementspektren für die Exposition gegenüber Gestein, Himmel, Erde und Wasser. Der Fall zeigt den Wellenlängenbereich des höchsten Spektralkontrastes (d.h. 2004-2453 nm) zwischen den ausgewählten Endgliedern an. Die Spektren von Wasser und Himmel zeigen niedrigere Reflexionswerte (0,2).

b) Histogramm der mittleren Reflexionswerte über den gewählten Wellenlängenbereich in a) für alle Pixel. Die rosafarbene gestrichelte Linie zeigt die Maskierungsschwelle an, die zur Unterscheidung von Gesteinsbelichtung und Vegetation von Himmels- und Wasserpixeln gewählt wurde. Die Verzerrungen durch die periodischen Bewegungen des Gefäßes wurden im nächsten Schritt aus den hyperspektralen Verzerrungen eliminiert.

Die Verbindung zur Küste wurde zu diesem Zweck extrahiert, wobei in jeder Spalte der obigen Binärmaske (von oben nach unten; c) das letzte Pixel ungleich Null gefunden wurde. Die Arbeitsverfahren zur Korrektur von wellenbedingten Bildverzerrungen für: a, d) Die Original-Reflexionsbilder werden mit Spektralbändern dargestellt, die für echte Farben repräsentativ sind (R: 640 nm ; G: 550 nm ; und B: 470 nm), mit Verzerrungseffekten durch die periodischen Bewegungen des Gefäßes ; (b, e) Reflexionsbild nach Maskierung von Wasser, Himmel, Erde und niedrigen Albedopixel (angezeigt durch weiße Pixel) ; und (c, f) resultierendes korrigiertes Wellenreflexionsbild.

Die Menge an Offset (4), die für jede Bildsäule gelten soll, wird berechnet, indem zuerst die allgemeinen Trendwerte der Küstenlinie (2) von den Werten der extrahierten Küstenlinie (1) subtrahiert und dann ein Savitzky-Golay-Filter angewendet wird, um die äußeren Pixel zu glätten und zu entfernen. Pourpoint generieren (gemeinsame Punkte zwischen den Bildern).

Um die Qualität der verfügbaren Kamerastandortdaten (z.B. GPS-Daten, die mit den Bildern gesammelt wurden) zu gewährleisten, können diese Informationen als Eingabe in die Bündelausgleichslösung in jeder SfM-Software und in der weiteren Verarbeitungskette verwendet werden. 3-D Stereomischung wurde verwendet, um die Bilder mit Hilfe von Agisofts Rohbildübereinstimmungen sowie einer Kombination aus monochromen Luftbildkreuzungspunkten, GPS-Daten und photogrammetrischen Meeresspiegelmesspunkten zu triangulieren.

Die quadratische Abweichung der Triangulation, die eine Schätzung der Anpassung der Bilder an die Kontrollquelle (Luftbildaufnahmen) darstellt, beträgt etwa 3 Meter in x, y und z Dimensionen. Die Stellungen und Ausrichtungen der Kameras wurden dann im nächsten Schritt verwendet, um eine dichte Punktwolke mit dem stereoskopischen Rekonstruktionsalgorithmus von Photoscan mit mehreren Ansichten zu erzeugen.

In Ermangelung von Luftaufnahmen im Gebiet des Søndre Strømfjord wurde eine dichte Punktwolke aus den stereoskopischen Aufnahmen des Schiffes mittels eines stereoskopischen Rekonstruktionsalgorithmus erzeugt. Die GPS-Daten, die mit den Bildern gesammelt wurden, wurden für die absolute Positionierung der Punktwolke verwendet. Die Anzahl der Punkte in der erzeugten Punktwolke beträgt im Mittel 0,25 Punkte-m-2. b).

CeciData hat die Punktwolke zunächst auf eine Kugel transformiert, deren Mittelpunkt der GPS-Position der Hyperspektralkamera entspricht. Deuxièmement: Die transformierte Punktwolke wurde zylindrisch entlang der Blickrichtung der Kamera projiziert und in ein GeoTiff (Pseudo-Orthophoto) RGB-Bild gerastert, wobei die Ursprungspunkte als skalare Werte in zusätzlichen Bildbändern erhalten bleiben.

a) Rechtschreibansicht der interpolierten Punktwolke für Karrat, wobei die x-, y- und z-Achse durch rote, grüne bzw. blaue Farben gekennzeichnet sind; und b) Pseudo-Orthophoto, das aus einer ansichtsbasierten Projektion der 3D-Punktwolke erzeugt wird. Optional kann das Pseudo-Orthophoto zur Optimierung der Anpassungsbedingungen und zur Verkürzung der Verarbeitungszeit durch Oberflächeninterpolation mit einem Skalierungsfaktor unterabgetastet werden, der in etwa dem Verhältnis der Pixelgrößenunterschiede zwischen den beiden Bildern entspricht.

Die Hyperspektren- und Pseudo-Orthophoto-Scans haben daher nahezu identische Objektabtastauflösungen. Der Ratgeber weist darauf hin, dass eine Erhöhung der Anzahl der Matching-Punkte durch Änderung der Parameter nicht notwendigerweise die Genauigkeit erhöht und zu Fehlern und Unsicherheiten (Mismatches) führen kann. Ausgeschlossen sind die SIS-Datenwürfel vor der Anwendung von Mapping-Methoden.

Darüber hinaus wurden photogrammetrische Felddaten verwendet, um Strukturinformationen in der Region zu extrahieren, die dann mit hyperspektralen Daten integriert wurden, um den Einfluss der Struktur auf die räumliche Verteilung von Mineralien zu verstehen. Ausgehend von den resultierenden Bildkarten ist es einfach, dominante Mineralgruppen und deren räumliche Verteilung zu bewerten und subtile spektrale Eigenschaften zu analysieren.

Diese Methode basiert auf der Spektralkurvenanalyse und ist relativ unempfindlich gegen Beleuchtung und Albedo-Effekte. Die topographische Korrektur korrigiert die Intensität des Spektrums zwischen den Pixeln, ohne die spektrale Form selbst zu verändern, und in dieser Studie wird keine topographische Korrektur durchgeführt, weshalb SAM eine gut angepasste Technik zur Klassifizierung ist.

Der SAM vergleicht den Winkel zwischen dem Spektrum des Anschlusselements und jedem Pixelvektor im n-dimensionalen Raum und erzeugt ein klassifiziertes Bild basierend auf der maximalen Winkelschwelle des SAM. Die Vergrößerung dieser Schwelle kann zu einem räumlich konsistenteren Bild führen, jedoch sind die Pixelübereinstimmungen insgesamt nicht so gut wie bei der unteren Schwelle.

Der SAM-Ausgang ist ein klassifiziertes Bild und ein Satz von Linealbildern, die dem berechneten Spektralwinkel zwischen jedem Pixel und jedem Ende entsprechen. Die Position der Absorptionswellenlänge kann mit den Mineralien und deren Vorkommen korreliert werden, während die Absorptionstiefe von der relativen Häufigkeit und Korngröße bestimmter Mineralien in einem Gemisch abhängt.

Abbildung 7. für eine detaillierte Beschreibung der Paarung von hyperspektralen Produkten mit Pseudo-Orthophoto. Abbildung 8. für eine detaillierte Beschreibung der Paarung von hyperspektralen Produkten mit Pseudo-Orthophoto. Es handelt sich um einen Wellenlängenbereich, der wertvolle mineralogische Informationen enthält und nur wenige Zeilen des Bildes beeinflusst, so dass dieser Wellenlängenbereich nicht aus dem Datensatz ausgeschlossen ist.

Membranspektren des spektralen Endes des: für eine detaillierte Beschreibung der Paarung von hyperspektralen Produkten mit Pseudo-Orthophoto. f). Die Ausnutzung eines ungenauen Betrachtungswinkels würde den Abgleichvorgang erschweren, da keine Punkte gefunden, vermindert oder falsch zugeordnet werden, was die erforderliche Bearbeitungszeit erhöhen würde. Die Apparatur wird durch die erzwungene Anpassung der beiden Bildsätze zu Verzerrungen in der resultierenden georeferenzierten AisaFENIX-Hyperspektralabtastung durch hohe Pixelinterpolation führen und somit mögliche Auswirkungen auf das endgültige Mapping-Ergebnis haben.

Die Visualisierung in 3-D ermöglicht die Visualisierung und Interpretation von hyperspektralen Bildprodukten in Verbindung mit 3D-Ausschnittmodellen. a) 3D-Punktwolke der mit dem MNF-Bild texturierten Karrat-Region; Eigenvektoren 2, 7 und 5 der MNF-Transformationsdaten werden in RGB dargestellt. x-, y- und z-Achse werden durch rote, grüne bzw. blaue Farben dargestellt.

b) Ein gezoomter Bereich (durch einen weißen Rahmen in (a) gekennzeichnet) wird verwendet, um die Genauigkeit der Übereinstimmung zwischen den beiden Datensätzen zu visualisieren. Bewertung der Aufzeichnungsgenauigkeit anhand ausgewählter Kontrollpunkte auf den Pseudo-Orthophotos. Die PC-Koordinaten werden gegen die entsprechenden Koordinaten in den hyperspektralen Daten ausgewertet, die entlang der X- und Y-Achse rekonstruiert werden.

Unabhängig davon ist ein solcher Ansatz jedoch nicht immer möglich, wenn Daten routinemäßig und operativ erfasst werden müssen, um mineralogische Informationen für groß angelegte Kartierungen zur Verfügung zu stellen. Außerdem ist ein solcher Scan möglicherweise nicht für steile Küstenabschnitte möglich, bei denen die Zugänglichkeit des Geländes die Installation des Geräts behindert.

Der automatisierte Workflow ermöglicht eine einfache Verarbeitung von Szenen aus einer großen Kampagne und eine wesentlich schnellere Bereitstellung dieser Daten im Vergleich zu manuellen Ansätzen. Die Eigenschaften von mehreren Spektraldaten werden für die meisten Vorverarbeitungsschritte im Stapelverfahren verarbeitet und dauern für jede Spektralszene einige Minuten. In Bezug auf die Rechenzeit haben wir festgestellt, dass der Teil, der die meiste Zeit in Anspruch nimmt, die richtigen Pseudo-Orthophotos erzeugt, die benötigt werden, um die beiden Datensätze genau abzugleichen.

Das Gerät benötigt außerdem ein bis zwei Tage, abhängig von der Größe der Punktwolke und der Genauigkeit der Kameraposition und -ausrichtung. Sie bestätigte die einfache Anwendbarkeit dieser Methode, zeigte aber auch, dass die verschiedenen verwendeten Sensoren und die auftretenden Umwelteinflüsse die Kalibrierung und Analyse dieser Datentypen zu einer Herausforderung machen können.

Die Installation der weißen Platte in der gleichen Entfernung und Ausrichtung wie der Aufschluss, die für eine realistische Umrechnung in Reflexionswerte unerlässlich ist, ist aufgrund der Unzugänglichkeit des beobachteten Aufschlusses und der Tatsache, dass sich die Plattform bewegt, nicht möglich. Konsequenterweise beeinflusst die Atmosphäre zwischen dem Gefäß und den senkrechten Klippen die Oberflächenreflexionsspektren.

Eine spektrale Verarbeitung ist erforderlich, um diese Effekte zu eliminieren und die Genauigkeit und Zuverlässigkeit der Bildspektren zu gewährleisten, was für geologische Zielunterscheidungen und detaillierte spektrale Kartierungen von entscheidender Bedeutung ist. Die Sammlung von Bodenreflexionsmessungen von homogenen Targets kann eine Lösung sein, um Kalibrierkoeffizienten für jedes einzelne Material kalkulierbar zu machen und die Auswirkungen von Streuung und atmosphärischer Absorption zu eliminieren, um zuverlässige Daten zu erhalten.

Ausgehend von der Erfassung der Reflexionsspektren von Bodenzielen sollten jedoch ausreichende Messungen durchgeführt werden, um eine Zielheterogenität adäquat abzubilden, die aufgrund der Beschaffenheit der fast vertikalen Felsabschnitte nicht immer möglich ist. Auf diese Weise wird die spektrale Stabilität der Oberfläche über die Zeit berücksichtigt.

Es ist nicht möglich, Daten in großem Maßstab und in kurzer Zeit zu erfassen, wie es für geologische Untersuchungen in der Arktis typisch ist. Auf diese Weise kann auch ein atmosphärisches Referenzspektrum aus dem Bild ausgewählt und die Bildspektren für die tatsächliche Tiefe der atmosphärischen Eigenschaften korrigiert werden.

Eine weitere Sensor-Herausforderung ergibt sich aus Unterschieden in der Aufnahmetechnik von RGB-Rahmenkameras und hyperspektralen Kammscannern, die auf einem Stativ rotieren. 9) unterstützt nur die Rasterung mit der Rechtschreibansicht, um die Punktewolke auf eine 2D-Ebene zu projizieren, ein Python-Skript wurde als Teil dieser Studie entwickelt, um die perspektivische Ansicht zur Rekonstruktion des genauen Blickwinkels zu erzeugen.

Der Strahlengang des gleichen Materials variiert, wenn es sich an einem Hang befindet, der zum Sonneneinfall hin oder von diesem weg orientiert ist und somit optimale Ergebnisse erzielt werden, wenn der Blick auf den Sensor senkrecht zur Neigung des Ausbruchs steht. Für die hier verwendete Hyperspektralkamera ergibt sich bei einer Reichweite von 1,5 bis 2,5 Kilometern eine Größe der Bodenpixel von ca. zwei bis vier Metern. Dies stellt ein Problem für den Datensatzabgleich dar, wenn die photogrammetrische Punktwolke zu hoch in der räumlichen Auflösung ist (d.h. die Pixelgröße in cm in dieser Studie).

Die Lösung: Die Punktwolke kann reduziert (resampled) werden, um die Transformationsmatrix zu finden und später mit dem Originalmaßstab zur geologischen Kartierung verwendet werden. Im Ensemble überwiegen die Vorteile der Methode deutlich, wenn diese bei der Verarbeitung der Daten und der Interpretation der Ergebnisse berücksichtigt werden.

Die Erfahrung zeigt zwar deutlich das Potenzial der Verwendung von horizontalen hyperspektralen Scans und stereoskopischen Bildern zur Erzeugung von DOMs für geologische Zwecke, aber zusätzliche Tests unter verschiedenen Kontexten, Maßstäben und Bedingungen wären von Vorteil, um zu bestimmen, wie der hyperspektrale Funktionsumfang des Sensors unter verschiedenen Bedingungen ist. Ähnliche Studien könnten auch an anderer Stelle durchgeführt werden, um zu beurteilen, inwieweit das konzeptionelle Verständnis eines Gebietes der "realen" dreidimensionalen Struktur entspricht.

Die im Rahmen dieser Studie zur Verfügung gestellten Daten könnten als Hintergrund für solche detaillierten Modelle dienen. Außerdem ist die Methode nicht speziell für AisaFenix-Hyperspektraldaten konzipiert und kann leicht an jeden verfügbaren Hyperspektralsensor angepasst werden. Comptect® kann aufgrund der raschen Entwicklung verschiedener Sensoren (höhere spektrale und räumliche Auflösung, bessere Leistung, kleinere Abmessungen und geringeres Gewicht) auch von anderen Plattformen wie Hubschraubern, Kleinflugzeugen oder UAVs aus eingesetzt werden.

Ein Aspekt wäre beispielsweise die Integration und der Vergleich von Modellen mit geophysikalischen Eigenschaften oder die Einschränkung geophysikalischer Inversionsmodelle entlang der Oberfläche. À la carte ist das erste Mal, dass ein Schiff zur Erfassung von Spektraldaten von senkrechten Klippen verwendet wird. Die automatische Kombination von Spektral- und Punktwolkendaten stellt eine schnelle Alternative zu manuellen Ansätzen dar und bietet ein großes Potenzial für Feldgeologen, die genaue Aufschlussmodelle erstellen möchten, die in 3D-Oberflächenmodellen animiert und visualisiert werden können.

Die Algorithmen werden auch bei komplexen Geometrien zuverlässig und mit hoher Präzision implementiert. Die Bilder einer Flachrelieflandschaft können durch homographische oder polynomiale Transformationen schnell verarbeitet werden und auch Daten mit starken lokalen Verzerrungen durch die zugrunde liegende Topographie können verarbeitet werden. Der Algorithmus des SIFT-Bildabgleichs passt die beiden Bilder, die aus unterschiedlichen Blickwinkeln und mit unterschiedlichen räumlichen Auflösungen und geometrischen Projektionen aufgenommen wurden (d.h. Spektraldaten mit hochschrägen stereoskopischen Luftbildern, die von einem Hubschrauber oder nahezu horizontalen stereoskopischen Bildern, die von einem Schiff mit tragbaren Digitalkameras aufgenommen wurden), zuverlässig an.

Die Schiffe bieten eine stabilere Plattform für die Datenerfassung (d.h. weniger Pitch und Uplift führen zu weniger Verzerrungen in den HSI-Daten). Néanmoins, das vorgestellte Verfahren, ermöglicht jedoch die Verarbeitung von Daten, die von kleinen und großen Schiffen erfasst wurden. Die Kartographie der hyperspektralen Abbildung vertikaler Felswände ist nicht einfach, weil

a) die relativ flachen Absorptionseigenschaften von Oberflächenmineralien in Spektren; b) in den Daten vorhandene Instrumentenartefakte; und c) das Fehlen von Bodenproben von Oberflächenmaterialien. Malgrédia ist trotz der geringen Anzahl von mineralogiebedingten Absorptionseigenschaften im SWIR-Spektralbereich eine Differenzierung der lithologischen Endglieder aufgrund geringer Unterschiede in Steigung, Konvexität und Intensität der Reflexionsspektren möglich.

Trois wird der Informationsgehalt von hyperspektralen Bildern und die Gruppe der in den Bildern vorhandenen Mineralien mit drei Methoden bewertet: Die empirische lineare Korrekturmethode geht davon aus, dass es keine Unterschiede in der Ausleuchtung des Bildes gibt; daher werden Änderungen in der Ausstrahlung durch Wolkenschatten oder Topographie nicht korrigiert.

Eine topographische Nachkorrektur ist neben sensor- und plattformspezifischen Verzeichnungskorrekturen vor allem für Standorte mit hohem Relief oder suboptimalen Lichtverhältnissen bei der Datenerfassung zu empfehlen. Die Verwendung der Kontinuums-Eliminierung in einem Wellenlängen-Mapping-Verfahren reduziert Schatteneffekte und Unterschiede in der Bühnenbeleuchtung, wodurch nahtlose Kartenprodukte hergestellt werden können.

Hängend davon wird jedoch das spektrale Albedo, das sich auf die Helligkeit eines Objekts bezieht, verworfen. Eine wichtige Rolle spielt auch das globale Reflexionsvermögen bei der Kartierung von Mineralien ohne spektrale Eigenschaften. Die Methode geht auch davon aus, dass die Wirkung der Atmosphäre im gesamten Bild einheitlich ist, aber es wurde beobachtet, dass atmosphärische Bestandteile, insbesondere Wasserdampf, über kurze Strecken stark variieren können.

Die Reflexion, die nicht von Lamberts stammt, ist größtenteils auf das Vorhandensein von Schatten zurückzuführen, die durch das Mikrorelief der Oberfläche verursacht werden. Für die Weiterentwicklung der Methodik ist die Berücksichtigung der bidirektionalen Reflexionseigenschaften der Ziele und die Messung der räumlichen Variabilität der Ausstrahlung des atmosphärischen Pfades im gesamten Bild erforderlich. Die Wahl des Referenzspektrums zur Eliminierung des Einflusses der Atmosphäre zwischen dem Gefäß und dem Aufschluss hat einen großen Einfluss auf die Qualität der Spektraldaten und muss sorgfältig studiert werden, da es nicht-atmosphärische Absorptionseigenschaften erzeugen kann.

a) aus großen und homogenen blanken Bereichen (mindestens ein Vielfaches der Größe des momentanen Sichtfeldes auf dem Boden des Sensors), die vorzugsweise vertikal angeordnet sind; b) frei von Vegetation oder anderen zeitveränderlichen Merkmalen; und c) idealerweise frei von spektralen Merkmalen. Aus diesem Grund haben wir festgestellt, dass genauere Ergebnisse erzielt werden können, wenn eine Ansicht senkrecht zur Oberfläche des Ausschnitts für die Datenerfassung definiert wird und eine Projektion von 3D-Punktwolken auf 2D-Pseudo-Orthophotos verwendet wird, um einzelne hyperspektrale Produkte auf das 2D-Pseudo-Orthophoto zu projizieren.

Die Ausnutzung eines ungenauen Blickwinkels würde den Prozess des Abgleichs der beiden Bildsätze erschweren, was zu Verzerrungen in der resultierenden georeferenzierten hyperspektralen Abtastung führen und somit mögliche Auswirkungen auf die endgültigen Kartierungsergebnisse haben würde. Das Helmholtz-Institut Freiberg für Ressourcentechnik ist dankbar für den Einsatz des Hyperspektralscanners SPECIM AisaFenix. Die Arbeit zur Datenerfassung wurde von Sara Salehi, Sandra Lorenz, Erik Vest Sørensen und Robert Zimmermann durchgeführt.

Die Entwicklung des Workflows und die Datenintegration erfolgte durch Sara SaleHi und Sandra Lorenz. Ein konstruktiver Beitrag von Moritz Kyrill zur Eingliederung von HSI und Punktwolken. Er ist verantwortlich für die Aufnahme und Platzierung der stereoskopischen Bilder und die Erzeugung der Punktwolke. Lorenz, S. ; Lorenz, S. ; Salehi, S.; Kyrill, M. ; Unger, G. ; G. ; Lorenz; R. Radiometrische Korrektur und 3D-Integration von weiträumigen bodengestützten Hyperspektralaufnahmen für die Mineralexploration von vertikalen Aufschlüssen. eingereicht.

Bilder von Landsat-8 OLI der Untersuchungsgebiete von : Die Routen der hyperspektralen Schifffahrt entlang der Küste (13., 18. und 8. Oktober 2016) sind in grün, rot und gelb dargestellt. Einrichtung zum Sammeln von hyperspektralen Daten in der Datei : Organigramm des Analysedesigns und der angewandten Methoden zur Integration von hyperspektralen Produkten und 3D-photogrammetrischen Felddaten.

a) Repräsentative, aus dem hyperspektralen Reflexionsbild gesammelte Endelementspektren für die Exposition gegenüber Gestein, Himmel, Erde und Wasser. Der Fall zeigt den Wellenlängenbereich des höchsten Spektralkontrastes (d.h. 2004-2453 nm) zwischen den ausgewählten Endgliedern an. Die Spektren von Wasser und Himmel zeigen niedrigere Reflexionswerte (0,2).

b) Histogramm der mittleren Reflexionswerte über den gewählten Wellenlängenbereich in a) für alle Pixel. Die rosafarbene gestrichelte Linie zeigt die Maskierungsschwelle an, die zur Unterscheidung von Gesteinsbelichtung und Belichtung von Himmels- und Wasserpixeln gewählt wurde. Die Arbeitsverfahren zur Korrektur von wellenbedingten Bildverzerrungen für: a, d) Die Original-Reflexionsbilder werden mit Spektralbändern dargestellt, die für echte Farben repräsentativ sind (R: 640 nm ; G: 550 nm ; und B: 470 nm), mit Verzerrungseffekten durch die periodischen Bewegungen des Gefäßes ; (b, e) Reflexionsbild nach Maskierung von Wasser, Himmel, Erde und niedrigen Albedopixel (angezeigt durch weiße Pixel) ; und (c, f) resultierendes korrigiertes Wellenreflexionsbild.

Die Menge an Offset (4), die für jede Bildsäule gelten soll, wird berechnet, indem zunächst die allgemeinen Trendwerte der Küstenlinie (2) von den Werten der extrahierten Küstenlinie (1) subtrahiert und dann ein Savitzky-Golay-Filter angewendet wird, um die äußeren Pixel zu glätten und zu entfernen. a) Rechtschreibansicht der interpolierten Punktwolke für Karrat, wobei die x-, y- und z-Achse durch rote, grüne bzw. blaue Farben gekennzeichnet sind; und b) Pseudo-Orthophoto, das aus einer ansichtsbasierten Projektion der 3D-Punktwolke erzeugt wird.

Abbildung 7. für eine detaillierte Beschreibung der Paarung von hyperspektralen Produkten mit Pseudo-Orthophoto. Abbildung 8. für eine detaillierte Beschreibung der Paarung von hyperspektralen Produkten mit Pseudo-Orthophoto. Spektrale Elemente des spektralen Endes des: für eine detaillierte Beschreibung der Paarung von hyperspektralen Produkten mit Pseudo-Orthophoto. a) 3D-Punktwolke der mit dem MNF-Bild texturierten Karrat-Region; Eigenvektoren 2, 7 und 5 der MNF-Transformationsdaten werden in RGB dargestellt. x-, y- und z-Achse werden durch rote, grüne bzw. blaue Farben dargestellt.

b) Ein gezoomter Bereich (durch einen weißen Rahmen in (a) gekennzeichnet) wird verwendet, um die Genauigkeit der Übereinstimmung zwischen den beiden Datensätzen zu visualisieren. Bewertung der Aufzeichnungsgenauigkeit anhand ausgewählter Kontrollpunkte auf den Pseudo-Orthophotos. Die PC-Koordinaten werden gegen die entsprechenden Koordinaten in den hyperspektralen Daten ausgewertet, die entlang der X- und Y-Achse rekonstruiert werden.