De-noised and contrast enhanced KH-9 HEXAGON mapping and panoramic camera images for urban research
Notice bibliographique
Résumé
In 2002 and 2020–2022, KH-9 HEXAGON mapping camera system (MCS) and panoramic camera system (PCS) images were made available to the public, respectively. Although great efforts have been made by the scientific community to develop applications that utilize KH-9 HEXAGON images, little attention has been paid to de-noising and contrast enhancement of these images particularly over urban landscapes. This paper focuses on developing a de-noising and contrast enhancement pipeline for KH-9 HEXAGON MCS and PCS over urban regions. The proposed approach employs first a wavelet transform trained using a suite of ‘degree of over-smoothing’ metrics (DOSM) for image de-noising. These metrics are sensitive to structure, texture, edges and local homogeneity of image objects. Then the de-noised image is subjected to the multi-resolution Top-hat to optimize the contrast. This method incorporates a range of shapes and neighborhoods at multiple scales. The method was applied to a KH-9 HEXAGON MCS image (acquired in 1975) and PCS image (acquired in 1974) representing a complex urban landscape, to support comprehensive evaluation under a range of settings. Performance was assessed against three state-of-the-art benchmark approaches: residual learning (deep learning), blind deconvolution and spatial filtering. To evaluate the performance of the proposed pipeline against the benchmarks, we employed the saturation image edge difference standard-deviation, co-occurrence metrics and the semivariogram. Additionally, the potential applications of pre-processed results were demonstrated using change detection, identification reference points and stereo images. The proposed method not only improved the quality of the KH-9 image across the different urban landscape types, but also preserved the original spatial characteristics of the image in comparison with the benchmark methods. At a time when understanding the nature of our changing planet is paramount, the proposed pipeline should be of great benefit to investigators wishing to use KH program images to extend their historical or time-series analyses further back in time.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».