Orthorectification and Pan-Sharpening of WorldView-2 Satellite Imagery to Produce High Resolution Coloured Ortho-Photos
Notice bibliographique
Résumé
In the last decade VHR (Very High Resolution) images from satellite, because of the reduced dimensions of pixel (less than 1 meter) and the availability in different acquisition bands (4 or more), have had major dffusion in many application fields of remote sensing. They can be used also to produce high resolution coloured ortho-photos, but adequate levels of positional accuracy as well as small pixel dimensions are necessary. The aim of this paper is to demonstrate that WorldView-2 (WV-2) images satisfy totally these requirements if firstly submitted to high accurate rectification and Pan-Sharpening processes. Using Rational Polynomial Functions (RPFs), original dataset can be better overlapped to cartographic maps at medium or great scale; multispectral images (cell size: 2 m) can be resampled to meet geometric resolution of pan one (cell size: 0.5 m), so detailed and attendible RGB composition results. Applications are carried out on one sample of WV-2 imagery concerning a scene within the Province of Caserta (Italy) that includes vegetated as well as urban areas. Finally RGB composition with pixel dimensions of 0.5 m, positional accuracy less than 1 meter and likely colors are achieved, confirming the possibility to use this type of images for coloured ortho-photos at scale 1:5.000 at least.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».