|
Post by Doockles on Dec 21, 2004 11:27:17 GMT -5
Is er iemand die me kan uitleggen wat er op p 123 in hoofdstuk 7 onderaan de pagina gebeurt? Het gaat daar over die edge detection filtering. De grenskenmerken die kleiner zijn dan de halve dimensie van de gebruikte filterbox worden verbeterd. Sorry dit snap ik niet echt, misschien omdat ik gewoon die filterprocedure niet zo goed door heb?
bij zo'n filter is het de bedoeling dat je grenzen tussen verschillende waarden een beetje duidelijker gaat maken. Met zo'n filter zorg je ervoor dat als je twee waarden hebt, bijv 0 en 1, het verschil tussen die waarden wordt uitvergroot. de 'high-pass' staat op het relatief 'beter doorlaten' van hogere waarden omdat die sterker uitvergroot worden.
over die halve dimensie ben ik niet zo zeker. Ik denk gewoon dat als je een box hebt van 3op3, dat je dan geen rand van 2 cellen breed moet proberen uit te vergroten omdat je dan maar langs 1 kant van die rand het verschil ziet. Maar ik denk eigenlijk niet dat dit de juiste uitleg is... Ik weet wel dat we dit vorig jaar bij aardobservatie ook gezien hebben, maar ik heb dat precies te zeer verdrongen uit mijn hoofd
|
|
|
Post by Doockles on Dec 21, 2004 11:28:01 GMT -5
emand die me dit kan uitleggen want snap t nie goe eigenlijk, vooral wanneer het kan gebruikt worden staat nogal vreemd verwoord in de cursus vind ik
k weet dat je het verschil tussen die direct en de andere moet je niet kennen. Mijn mening van die indexed files is dat de attributen in tabellen worden opgeslagen en dat er een sleutel is die verwijst naar de juiste tabel. Het verschil met de vorige 2 is dat daar de attributen apart opgenoemd worden. Als iemand anders een betere oplossing weet, please help want ik ben helemaal niet zeker van mijn stuk.
at ik er uit opmaak:
De geordende sequentiele files worden op een bepaalde manier gesorteerd, zijnde alfabetisch of numerische of .... Wel de geindexeerde files worden gesorteerd op basis van hun sleutelattribuut... En dan staat er dat het niet altijd het sleutelattribuut zoekt, maar vaak ook andere geassocieerde attributen DUUUUUS, we hebben voor het opsporen van denrgelijke files een andere methode nodig (dan de andere files, natuurlijk)namelijk 'HET GINDEXEERDE FILE MODEL' (om dus bij het zoeken naar een bepaalde file anders te werk te gaan dan bijvoorbeeld bij het zoeken naar een geordende sequentiele file... ge zou lang kunnen zoeken)
en dan is er iets van versnellen van de 'access' tot de originele data... ma da begrijp ik ook ni ... en ik laat dat zo ....
botomline is dat queries sneller gaan door het gebruiken van dergelijke files, maar dat inbreng en 'boekhouden' van data ni gemakkelijk is ....
|
|
|
Post by Doockles on Dec 21, 2004 11:28:49 GMT -5
* Callibratie voor topografische effecten (p121): die formule vanonder: wat is die mu(k) en die Xij juist? En hoe interpreteert ge dan waarom uw genormaliseerde reflectantie dan bv. kleiner is dan de gewone als Xij>mu(k) en omgekeerd (als ge t invult ok, maar waarom juist?)
* p122: Mozaicking: die tekening vanboven p 123 snap ik niet zo goed.. Iemand die het kan uitleggen?
ok, ik ga gewoon geven wat ik heb opgeschreven in de les. p122: als je een pos waarde van (mu(k)-X)/mu(k) wil zeggen dat je op het illuminatiemodel op die plaats minder instraling krijgt dan normaal (gemiddelde).Dus mu(k) is het gemiddelde en X is de instraling op die plaats gemeten. als je dit in de hele formule bekijkt dan wordt de genormaliseerde factor groter dan de oorspronkelijke reflectie.
|
|
|
Post by Doockles on Dec 21, 2004 11:29:51 GMT -5
s er niemand die die vraag van Iris weet over het figuurke op p. 123, want ik zit er ook mee...
verder nog een tweede vraag: wat doe je juist bij de IHS-transformatie om een scherper beeld te krijgen (p126)? Komt het er op neer dat je voor elke kleur je intensiteit enzo maximaliseert om een zo groot mogelijk contrast te krijgen? En waarom mag je dan maar 3 banden gebruiken?
p123: het kleine grijze stukje dat gearceerd is,is het deel dat je bekeken hebt. Als je de foto een 2de keer bekijkt, dan zie je een ander stukje. Als je die 2 optelt dan krijg je die kleine overlap. Op de 3figuurtjes op de onderste lijn wordt een 1 weergeven als je een waarde kent en een 0 als je er geen waarde van kent. Bij overlap is er een waarde 2. Als je nu bij die overlap de 2 waarden die je gekregen hebt bij het 2maal bekijken van de foto optelt, dan moet je delen door het aantal keer dat je dat deel van die foto bekeken hebt. Zo kom je aan een gemiddelde waarde.
ah, maar mag je dan die gemiddelde waarde voor gans de 2 foto's? Anders heeft het geen zin want je wil toch die twee beelden aan elkaar aanpassen (ik dacht eerst dat je die gemiddelde dan enkel voor het overlapgebiedje gebruikte)?
of nee, tweede theorie: je hebt nu een gemiddelde waarde, en de waarde van je foto. Het verschil hiertussen is je radiometrische fout en moet je dus van al de rest van de pixels van je foto aftrekken/ er bij optellen?
of zoek ik het gewoon veel te ver...?
p123 dat figuurke bovenaan, is volgens mij het volgende:
In het bovenste deel van de figuur worden de werkelijke beelden weergegeven en als je die dan optelt krijg je hun overlap en daaronder worden voordiezelfde beelden als er vlak bovenstaan de masks weergegeven. 0 als er geen beeld is en 1 als er wel een beeld is. Ook deze masks worden opgeteld. Uw finale kaart krijg je dan door de overlap van de werkelijke beelden te delen door de overlap van de masks. Was dit de vraag? Want ik kon er niet goed aanuit.
Bij IHS-transformaties, mag je maar drie banden hebben, omdat je hierin ook maar drie componenten hebt. Nl uw intensiteit, uw hue (kzou nie weten wat dat is zie aardobservatie denk ik) en uw saturatie. Aan de hand van deze drie componenten worden er dan veranderingen doorgevoerd om uw kleurschakeringen beter, duidelijker te krijgen en daardoor een duidelijker beeld te bekomen. (bv bij PCA mag je ook maar twee banden hebben, want dan vergelijk je die twee banden tov elkaar in een assenstelsel)
|
|
|
Post by Doockles on Dec 21, 2004 11:31:02 GMT -5
op p. 97 helemaal onderaan staat als 3e beperking van proximal mapping: "Proximal mapping does not take into account...that points close together are more similar than points far apart"
Nu, da's just, maar dat is toch zo bij élke vorm van discrete interpolatie?? Je werkt immers met gebieden die homogeen zijn qua waarde, er is enkel verandering van waarde bij een grensovergang. Is het dan niet meer dan logisch dat steeds, en niet alleen bij proximale mapping, waarden net aan de grens zeer dicht bij elkaar liggen, maar toch een verschillende waarde aannemen?
Mja, maar bij die proximal mapping is dat't meest uitgesproken he: de isolijnentoestand impliceert al meteen dat ertussen de waarden min of meer geleidelijk overgaan, bij chloropleth gaat ge ervan uit dat uw waarden ongeveer discontinu zijn op hun grenzen (omdat ge met behulp van een andere variabele uw grenzen bepaalt), en bij die concentrische toaestand, tja, daar hebt ge wel gelijk neem ik aan... maar uw cirkels hoeven natuurlijk niet te raken, dus misschien is't daarom dat dat alleen bij die proximal mapping bijstaat?
daar had ik idd ook al wel aangedacht, maar aangezien de pol in de les heeft gezegd dat je bij die isolijnen er niet van uit mag gaan dat je tussen de lijnen 40 en 50 bijv. waarden 44 ofzo hebt liggen. Maw: het blijft discreet, een bandje met hoogte 40 en pal ernaast een met waarde 50, tegen alle intuïtie en werkelijkheid in...
|
|
|
Post by Doockles on Dec 21, 2004 11:31:40 GMT -5
Over kriging: ik snap dat precies niet zo goed: als ik het goed begrijp is kriging dus een stochastische interpolatiemethode waarbij ge eerst de semivariantie moet bepalen om dan op basis van het semivariogram dat ge bekomt de wegingsfactoren te kunnen bepalen, waarbij dat ge bij het kiezen van de wegingsfactoren moet zorgen dat uw kriging variantie zo klein mogelijk is. dus zoals bij moving averages? maar dan wegingsfactoren hier niet bepalen op basis van afstand, maar wel op basis van dat semivariogram? kunt ge dat zo beschouwen? En dan: punt kriging: wat gebeurt daar juist? want er wordt gezegd dat de geïnterpolleerde waarden overeenkomen met geobserveerde waarden voor locale punten: wil dit dan zeggen dat er maar vanuit 1 punt wordt gekeken om een ongekend punt dan een waarde te geven? Want dat lijkt me zo raar, want dan pakt ge toch gewoon de waarde van het punt dat het dichts bij is (omwille van autocorrelatie) en hebt ge toch niks meer te zoeken met die kriging?? of begrijp ik het helemaal verkeerd?
kriging: uwe uitleg is juist denk ik. 't Komt gewoon op 't zelfde neer als die moving averages, alleen bepaal je de lambda op een statistisch meer verantwoorde manier (met dat semivariogram, waar ook de relatie met de afstand wordt gebruikt), zodat je er een betrouwbaarheidsanalyse op kan doen
puntkriging: je bepaalt mbv kriging voor elk punt apart een waarde. Je gebruikt dus niet 1 punt ofzo. 't Is gewoon een zeer omslachtige methode, maar zo heb je wel voor elk punt een exacte waarde. 't nadeel is dat je zo wel een vreemd interpolatie-oppervlak krijgt, omdat al de extremen er ook in zitten. Als je't vergelijkt met blockkriging zie je dat die eerder een continu oppervlak heeft als resultaat, maar niet alle waarden komen dan overeen met een echte waarde (een beetje een smoothing tov puntkriging)
|
|
|
Post by Doockles on Dec 21, 2004 11:33:34 GMT -5
dennentoestanden voorstel Vector: omzetten in een arc/node structuur, die heeft als altribuutwaarden wat er links en rechts van een poligoon ofzo ligt ... en daar dan een Boolean Logic op uitvoeren die voor de selectie van de juiste polygonen zorgt
Raster: nabuurschap ..., een buffer van, neem nu 1 m, rond de heidebestanden nemen, en nagaan voor welke heidegebieden er in die buffer (enkel) dennenbos aanwezig is ....
Kritiek ?ok, nen buffer waar alleen bos inzit, da wilt dan zeggen dat er alleen bos rond een bepaald heidegebied zit. Dus die buffer hebt ge en ge WEET welke gebieden omgeven zijn door enkel bos, MAAR hoe selecteert ge dan die heidegebieden daar dan nog eens uit?k veronderstel dat dat niet zomaar op't zicht mag, die bestanden uitselecteren?
ik dacht anders nog aan iets anders, maar waarschijnlijk te ver gezocht: je gaat met de 'search'functie een waarde toekennen aan je heide bestand die afhankelijk is van zijn omgeving. Je kan dan de heidebestanden selecteren (reclassificatie) die een waarde hebben die overeenkomt met 'dennenbos in de buurt' Je weet dan wel niet of die dennenbestanden er ook effectief aan grenzen...ik kom er nu net op dat die opl voor vector (arc/node) het ook ni is, denk ik .... Arc/node bevat immers geen attributen ..., dus de verschillende polygonen kunnen niet onderscheden worden ....
search goes onoei, arc/node bevat geen attributen?? Ik dacht dat het topological gecodeerd netwerk en de georelationele structuur 2 modellen waren die beide topologie bevatten dmv die arc/node (p.35)? Het ene heeft de attribuutdata tesamen met de ruimtelijke data in zijn databank, de andere gescheiden, maar ze hebben wel beide attributen. Ik denk niet dat een model zin heeft als je er geen attribuutwaarden in kan opslaan.
en voor het probleem in raster: *in de records van je verschillende heidebestanden zet je als extra attribuut de waarde van de buffer die errond ligt *als je na overlay enerzijds buffers hebt met bijv. waarde 1 (overlappen niet met dennenbos) en anderzijds met waarde 2 (wel overlap) *nu kan je de heidebestanden selecteren die als bufferwaarde 2 hebbenwat dachtte hiervan? voor raster: zorg ervoor dat dennen bv een waarde 1 krijgen en heide een waarde twee; dan laat je een convolutie filter lopen over de layer, waar alles den is krijgt elke cel opnieuw waarde 1; waar alles heide is blijft het waarde twee en in het grensgebied gaan de waarden verminderen met een minimum voor de grens. deze kan dan door bv reclassificatie er uitgehaald worden
wat de oplossing voor vector betreft: volgens mij kunde iets doen met de topologie aangezien het een arc/node is; maar wat precies...
|
|