Adjustement de bloc d'images : examples avec SPOT, Landsat-7 et IKONOS
Bibliographic record
Abstract
Cette recherche démontre le potentiel de la compensation de bloc d'images de moyenne et haute résolution. La méthode utilise l'outil mathématique de correction géométrique pour les images de source multiple développé au Centre canadien de télédétection. Les résultats avec 17 images de SPOT, 15 images ETM+ de Landsat-7 et 4 images d'IKONOS démontrent que la même précision peut être obtenue avec le même nombre de points d'appui (PA) sur des grands blocs d'images que sur une seule image. Ce nombre de PA, répartis afin éviter les extrapolations planimétriques et altimétrique, dépend de la précision des données cartographiques de façon à réduire la propagation de l'erreur des PA dans la compensation par moindres carrés. Des points de liaison altimétriques sont utilisés dans tous les recouvrements nord-sud et est-ouest quand les différences d'angle de visée d'images adjacentes sont inférieures à 25º. Par contre, si des images adjacentes de SPOT sont choisies avec des angles de visée, dont les différences sont inférieures à 7º, la précision peut être réduite par un facteur de 4 à 6.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".