Android-приложение для поиска дешевых авиабилетов: play.google.com
Главная -> Дистанционное зондирование

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 [74] 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129

Проектировщик системы может подойти к такого рода оценке, предварительно обсудив подсистему вывода с пользователем системы. Вместе они могут приписать соответствующие веса выходным материалам в соответствии с ценностью каждого из них для пользователя.

Далее проектировщик может обсудить подсистему ввода, подсистему анализа и интерактивную подсистему с аналитиком данных. Вначале аналитик данных присвоит соответствующие веса различным тинам вводимых данных, которые, но его мнению, потребуются для получения видов выходных материалов, ожидаемых пользователем системы. Затем веса присваиваются возможностям обработки на основании опыта аналитика. И, наконец, веса ирисваиваются возможностям интерактивной подсистемы в соответствии с потребностями предполагаемых операций анализа.

Типичные веса для компонент подсистем приведены в табл. IV.6. Заметим, что интерактивной подсистеме был приписан наибольший общий вес - 35 из 100. Это было сделано потому, что способность аналитика взаимодействовать с системой, как считается, имеет решающее значение для эффективности всей системы. Второй но величине вес - 25 из 100 приписан возможностям подсистемы вывода, потому что абсолютно необходимо дать пользователю требуемые ему выходные материалы. Веса со значением 20 присвоены подсистеме ввода и подсистеме анализа.

Этот метод оценки дает количественный подход к качественной оценке системы, но не должен служить единственным критерием для выбора системы. Скорее данные, содержащиеся в оценочной таблице, будут давать и аналитику данных, и пользователю системы полезную информацию, которая вместе со стоимостью и другими критериями составляет разумную основу для выбора наиболее эффективной системы для рассматриваемого применения дистанционного зондирования.

Задачи

IV.18. Рассмотрите пример с бассейном Великих Озер, приведенный в разделах IV.2 и IV.6. Предположим, что стоимость обслуживания и модернизации системы корпорации по производству машин для дистанционных исследований (RSM) - 15 000 долларов в год (см. рис. 1V.10) и что предполагаемый срок службы пять лет.

а) Сколько округов сможете Вы проанализировать, используя удаленный терминал корпорации, предлагающий услуги по обработке данных дистанционного зондирования (RSS), прежде чем превысите стоимость системы RSM?

б) Каким должен быть срок службы системы RSM, чтобы она была экономически эффективной относительно системы RSS, предполагая, что все 191 округ в бассейне Великих Озер необходимо картографировать один раз в год?

1V.19. Оцените RSS и RSM системы, используя метод табл. IV.6. (Указание: Вам может пригодиться повторное чтение предыдущих разделов этой главы, чтобы решить, какие выходные материалы, данные для ввода и возможности обработки потребуются.)



1. Reeves R. G. (Ed.) «Nanual of Remote Sensing», 2 vols., American Society of Photogrammetry, Falls Church, Va., 1975.

2. Haralick R. M. Glossary and Index to Remotely Sensed Image Pattern Recognition Concepts, Pattern Recognition, vol. 5, pp. 391-403, 1973.

3. Lintz J., Ir., and Simonett D. S. (Eds.) «Remote Sensing of Environment*, Addison - "Wesley, Reading, Mass., 1976.

4. Duda R. O. and Hart P. E. «Pattern Classification and Scene Analy-sis»*, John Wiley and Sons, New York, 1973.

5. Nalepka R. F. and Morgenstern J. P. Signature Extension Techniques Applied to Multispectral Scanner Data, in Proc. Eighth Internationa] Symposium on Remote Sensing of Environment, Environmental Research Institute of Michigen, Ann Arbor, Mich., pp. 881-893, October, 1972.

6. National Aeronautics and Space Administration. «ERTS Data Users Handbook», General Electric Document no. 71SD4249, Goddard Space Flight Center, Greenbelt, Md., 1972.

7. Hoffer R. M. and Goodrich F. E. Variables in Automatic Classification over Extended Test Sites, in Proc. Seventh Internationa] Symposium on Remote Sensing of Environment, Environmental Research Institute of Michigan, Ann Arbor, Mich., pp. 1967-1981. 1971.

8. Phillips T. L. Calibration of Scanner Data for Operational Processing Programs at LARS, LARS Information Note 071069, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette, Ind., 1969.

9. Rindfleish T. C, Dunne J. A., Frieden H. J., Stromberg W. D. and Ruiz R. M.: Digital Processing of the Mariner 6 and 7 Pictures, Journal of Geophysical Research, vol. 76, no. 2, pp. 394-417, 1971.

10. Maxwell E. L. Multivariate System Analysis of Multi spectra] Imagery, Photogrammetric Engineering and Remote Sensing, vol. 42, no. 9, pp. 1173- 1186, 1976.

11. Cochran J. K. and Bailey R. E. Computer - Aided Extension of Digitized Remotely Sensed Water Surface Temperatures into the Third Dimension, LARS Information Note 070576, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette, Ind., 1976.

12. Bartolucci L. A., Swain P. H., and Wu C. L. Selective Radiant Temperature Mapping Using a Layered Classifier, IEEE Trans. Geoscience Electronics, vol. GE - 14. no. 2, pp. 101-106, 1976.

13. Landgrebe D. A. Data Processing II: Advancements in Large-Scale Data Processing Systems for Remote Sensing, in Proc. Fourth Annual Earth Resources Program Review, NASA Manned Spacecraft Center, Houston. Tex., pp. 51-1 to 51-31, 1972.

14. Parsons C. L. and Jurica G. M. Correction of Earth Resources Technology Satellite Multispectral Scanner Data for the Effect of Atmocphere, LARS Information Note 061875, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette, Ind. 1975.

15. Crane R. B. Preprocessing Techniques to Remove Atmospheric and Sensor Variability in Multispectral Scanner Data, in JProc. Seventh International Symposium on Remote Sensing of Environment, Enviromental Research Institute of Michigan, Ann. Arbor, Mich., pp. 1345-1355, 1971.

16. Rogers R. H.. Peacock K.. Shah N. J. A Technique for Correcting ERTS Data for Solar and Atmospheric Effects, in Proc. Third Earth Resources Technology Satellite Symposium, vol. 1(B). NASA Goddard Space Flight Center, Green-belt, Md., pp. 1787-1604, 1973.

17. Emmert R. A., McGillem C. D. Multitemporal Geometric Distortion Correction Using the Affine Transformation in Proc. Symposium on Machine Processing of Remotely Sensed Data, IEEE Cat. no. 73 CHO 834-2 GE, IEEE Single Copy Sales, Piscataway, N. J., pp. IB -24 to IB -32, 1973.

18. Kingston P., LaGarde V. Spatial Data Massaging Techniques, in

* Дуда P., Харт П. Распознавание образов и анализ сцен. М., Мир, 1976. (Прим. пер.).



R. F. Tomlinson (Ed.), Geographical Data Handling, vol. 2, International Geographical Union Commission. Ottawa, Canada, 1972.

19. Van Wie P., Stein M. A Landsat Digital Image Rectification System, in Proc. Symposium on Machine Processing of Remotely Sensed Data, IEEE Cat. no. 76 CH 1103-1 MPRSD, IEEE Single Vopy Sales, Piscataway, N.J., pp. 4A - 18 to 4A -26, 1976.

,20. Anuia P. E. Spatial Registration of Multispectral and Multitemporal Digital Imagery Using Fast Fourier Transform Techniques, IEEE Trans. Geo-science Electronics, vol. GE -8, no. 4, pp. 353-368, 1970.

21. Svedlow M. C, McGillem C. D., Anuia P. E. Analytical and Experimental Design and Analysis of an Optimal Processor for Image Registration. LARS Information Note 090776. Laboratory for Applications of Remote Sensing. Purdue University, West Lafayette, Ind., 1976.

22. Kaneko T. Evaluation of Landsat Image Registration Accuracy. Pho-togrammetric Engineering and Remote Sensing, vol. 42, no. 1, pp. 1285-1299, 1976.

23. Barnea D. K-, Silverman H. F. A Class of Algorithms for Fast Digital Image Registration. IEEE Trans. Computers, vol. C -21, no. 2, pp. 179-186, February, 1972.

24. Anuta P. E. Geometric Correction of ERTS - 1 Digital Multispectral Scanner Data. LARS Information Note 103073, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette, Ind., 1973.

25. Baker I. R., Mikhail E. M. Geometric Analysis and Restitution of Digital Multispectral Scanner Data Arrays. LARS Information Note 052875. Laboratory for Applications of Remote Sensing. Purdue University, West Lafayette, Ind., 1975.

26. Anuta P. E. Spline Function Approximation Techniques for Image Geometric Distortion Representation. LARS Information Note 103174. Laboratory for Applications of Remote Sensing. Purdue University, West Lafayette, Ind., 1974.

27. Wong K. W. Geometric and Cartographic Accuracy of ERTS - 1 Imagery. Photogrammetric Engineering and Remote Sensing, vol. 41, no. 5, pp. 621 - 635, 1975.

28. PuccinelU E. F. Ground Location of Satellite Scanner Data. Photogrammetric Engineering and Remote Sensing, vol. 42, no. 4, pp. 537-543, 1976.

29. Billingsley F. C. Digital Image Processing for Photoreconnaissance Applications, in Proc. Conference on Parallel Image Processing for Earth Observational Systems, X - 711-72-308, NASA Goddard Space Flight Center, Greenbelt, Md., pp. 41-57, March. 1972.

30. Phillips T. L. (Ed.). LARSYS Version 3 Users Manual. Laboratory for Applications of Remote Sensing. Purdue University, West Lafayette, Ind., 1973.

31. Jones A. D. Photographic Data Extraction from Landsat Images. Photogrammetric Engineering and Remote Sensing, vol. 42, no. 11, pp. 1423-1426, 1976.

32. Duan J. R., Wintz P. A. Information - Preserving Coding for Multispectral Data, in Proc. Conference on Machine Processing of Remotely Sensed Data. IEEE Cat, no. 73, CHO 834-2 GE, IEEE Single Copy Sales, Piscataway, N. J., pp. 4A - 28 to 4A - 35, 1973.

33. Andrews H. C. Computer Techniques in Image Processing*, Academic Press, New York, 1970.

34. Wintz P. A. Transform Picture Coding, Proc. IEEE, vol. 60, no. 7, pp. 809-820, 1972.

35. Ready P. J., Wintz P. A. Multispectral Data Compression Through Transform Coding and Block Quantization. Technical Report TR - EE 72-2,

* Эндрюс Г. Применение вычислительных машин для обработки изображения. М., Энергия, 1977. (Прим. пер.).



0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 [74] 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129



0.0105
Яндекс.Метрика