Potential accuracy of image orientation of small satellites: a case study of CHRIS/Proba data
Notice bibliographique
Résumé
Abstract The new technology of small satellites (microsatellites) opens a new era in satellite observation of the earth. Small satellites such as ESA’s Project for On‐Board Autonomy (Proba), launched on 22nd October 2001, are of interest due to their low cost, flexibility of positioning, and capability for multiangular scanning in both across‐track and along‐track directions. Proba’s Compact High Resolution Imaging Spectrometer (CHRIS) provides multidirectional, as well as hyperspectral, data at 18 m resolution and is supplied mainly to the scientific community for experimental environmental applications. This research evaluates the use of various empirical mathematical models for small satellite orientation and terrain modelling using the multidirectional viewing capabilities of CHRIS data. Geometric correction and co‐registration of multiangle images is essential for their use for data extraction. Ideally, rigorous mathematical models should be formulated which precisely describe the satellite motion and represent the relationship between the image and the object spaces. The use of rigorous mathematical models has not been fully investigated using CHRIS/Proba data, because the satellite information provided is not adequate for rigorous sensor modelling. In this paper, several alternative empirical models are tested for the orientation and 3D geopositioning of CHRIS sensor images. The images used in this study cover extremely mountainous terrain in central Hong Kong. A set of five images from CHRIS/Proba taken in December 2005 from different angles are used to test the applicability of different forms of the empirical models for 3D geopositioning. The accuracy of the models is tested for different numbers and distribution of ground control points (GCPs) using different combinations of observation angles and base‐to‐height ratios. The results obtained show high integrity of the models used for CHRIS/Proba image orientation. In some cases, accuracy better than 2 pixels can be achieved using a modest number of GCPs.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».