آموزش ماسک کردن در ENVI

یکی دیگر از فرایند های که بسیار مهم است ماسک کردن است. ماسک کردن یعنی حذف عارضه یا پدیده خاص در داخل تصویر ماهواره ای . در آموزش آموزش ماسک کردن در ENVI فرایند ماسک کردن متفاوت در ورژن 5.6 و 5.3 به شما عزیزان آموزش داده شده است. در این آموزش ماسک کردن ابر و آب و سایه به شما آموزش داده شده است. این دوره کاربردی را به دوستان خود معرفی کنید.

موارد کلی آموزش داده شده:

آموزش ماسک سایه

• آموزش ماسک اب
• آموزش ماسک آب
• آموزش ماسک NuN Pixels

آموزش ماسک کردن در ENVI

در بسیاری از مواقع وجود یک عارضه میتواند در داخل کار ما خطا ایجاد کند. برای نمونه وجود ابر میتواند بر روی میزان رفتار طیفی و مقدار حداقل و حداکثر بازتاب تاثیر گذار باشد. در این حالت نیاز است که فیلتر کردن صورت بگیرد. ماسک‌ها نقش حیاتی در حوزه سنجش از دور ایفا می‌کنند و دلایل مختلفی برای استفاده از آنها وجود دارد.  در ادامه دلایل آن ارائه خواهد شد.

دلایل ماسک کردن در تصاویر ماهواره ای

ماسک‌ها نقش حیاتی در حوزه حسگری از دور ایفا می‌کنند و دلایل مختلفی برای استفاده از آنها وجود دارد. در زیر، برخی از اهداف و مزایای متداول استفاده از ماسک‌ها در حوزه حسگری از دور ذکر شده است:

تمرکز بر روی مناطق علاقه‌مند (AOI)

ماسک‌ها به کاربران این امکان را می‌دهند که مناطق خاصی را در داخل تصویر تعریف کنند. با اعمال یک ماسک، تحلیل‌گران می‌توانند تحلیل خود را بر روی مناطق، ویژگی‌ها یا اشیاء خاص داخل صحنه بزرگتر متمرکز کنند.

حذف ویژگی‌های ناخواسته

ماسک‌ها برای حذف ویژگی‌های ناخواسته یا بی‌ربط از تحلیل مفید هستند. به عنوان مثال، اگر شما در حال مطالعه انواع پوشش زمین در یک منطقه شهری هستید و در این حالت وجود پهنه ابی میتواند یکی از دلایل خطا باشد و میتوان آن را به سادگی ماسک تا تحلیل بهتری داشت.

فیلترینگ داده و کنترل کیفیت

ماسک‌ها می‌توانند برای فیلتر کردن نقاط داده استفاده شوند که با معیارهای خاصی همخوانی ندارند. به عنوان مثال، یک ماسک ممکن است برای حذف مناطقی با ابر، مه، یا مشکلات دیگر جوی استفاده شود تا اطمینان حاصل شود که تحلیل در بخش‌های با کیفیت بالا و واضح تر صورت می‌گیرد.

افزایش دقت طبقه‌بندی

در وظایف طبقه‌بندی تصویر، ماسک‌ها برای بهبود فرآیند طبقه‌بندی مورد استفاده قرار می‌گیرند. با ماسک‌گذاری روی بخش‌ها یا کلاس‌های خاص، الگوریتم‌های طبقه‌بندی می‌توانند بر روی انواع خاص پوشش زمین تمرکز کنند و دقت نتایج را افزایش دهند.

کاهش حجم داده و کارایی پردازش

در مجموعه داده‌های سنجش از دور بزرگ، ماسک‌ها برای کاهش حجم داده که نیاز به پردازش دارد، مورد استفاده قرار می‌گیرند. با تمرکز بر روی مناطق خاص از علاقه، تحلیل‌گران می‌توانند منابع محاسباتی و زمان پردازش را صرفه‌جویی کنند.

تشخیص تغییر و نظارت

ماسک‌ها برای مطالعات تشخیص تغییر مفید هستند. با ایجاد ماسک برای دوره‌ها یا مناطق زمانی خاص، تحلیل‌گران می‌توانند تنها بخش‌های مرتبط تصاویر را مقایسه کنند که تشخیص تغییرات در طول زمان را آسان‌تر می‌کند.

تمرین: در این بخش از شما 3 تمرین خواسته می شود:

1- فیلتر کردن آب در داخل منطقه 

2-فیلتر کردن ابر و سایه داخل منطقه

3-فیلتر کردن پوشش گیاهی داخل منطقه