投影航空照片时应使用哪种重采样技术？

我正在对航空照片进行一些时间密集的投影，而且很好奇-哪种最佳重采样技术最适合用于航空照片？在ArcMap中，我的选项是NEAREST，BILINEAR，CUBIC和MAJORITY。

建议将最近邻和多数用于分类数据，而将三次卷积和双线性插值用于连续数据。

我很好奇，是否有用于投影航空照片的常用算法。我刚刚完成了使用最近邻投影的图像，看起来似乎不错，但是航拍照片不是分类数据，因此接下来我将尝试使用Bilinear。

编辑
我不认为航空照片与DEM或降水数据是连续数据一样，但是whuber指出它们是连续的，应该这样处理。再次感谢。

航拍照片是连续数据。 每个像素代表传感器区域对指向它的光的响应，并且随着光的变化，响应会连续变化。结果通常是离散的（通常分为255或256个）类别，但这不会改变数据的性质。因此，您想插值而不是使用分类算法，例如最近邻居或多数算法。双线性插值通常就可以了；在执行时间上要付出一些代价，三次卷积会保留局部对比度更好一点。不可避免会有少量额外的模糊，但是直到图像经历了许多这样的变换后，才几乎无法注意到。相比较而言，与最近邻居的错误要严重得多。

我缺乏评论的“声誉”，所以...

如果要对航拍照片进行辐射分析，则应在重新采样/投影之前进行。否则，您几乎肯定会在最终产品中引入意想不到的偏见。根据以上blord-castillo的有用评论。

如果天线的最近和最终用途是用于视觉吸引力或背景贴图，那么我会采用最快的方法来为您提供可用的产品。

• 如果新天线的像元大小与原始像元相同，则NEAREST效果最好，恕我直言。

• 如果新天线的像元大小大于原始天线的像元，则BILINEAR效果最佳。

• 如果（出于某种疯狂的原因）新天线的像元大小小于原始天线的像元，那么我将重新使用NEAREST。

其他选项（CUBIC和MAJORITY）将在重新采样的产品中产生伪像，处理时间更长，否则似乎不适用于您要尝试执行的操作。

最后一点：虽然从概念上讲，对从地球表面发射/反射的光进行采样的过程确实是连续的，但也确实是地球表面同时表现出连续和离散现象。

• 一般而言，人类活动往往会产生离散的转变，

• “自然”特征通常（但不总是）连续变化或至少具有模糊边缘。

因此，如上文第一部分所述，如何操作天线取决于您期望如何使用它们。

我知道这个问题比较老，但是我想加2美分，以防其他人遇到这个问题来回答相同的问题时...

当您确实希望重新采样数据时（例如，您正在将数据从30 m像素大小汇总到90m像素大小），上述答案是正确的。在这种情况下，您尝试根据附近像素的集合为每个像素创建一个新值。所以是的，对于离散数据集，您可以选择“最近邻”，而对于连续数据，则可以选择“双线性”或“三次卷积”。

但是，在这个问题中，目标并非实际上是对数据进行重新采样，而仅仅是将现有数据转换为新的投影-您希望在新的投影中具有相同的值。 在这种情况下，您确实想对离散数据集和连续数据集使用最近邻重采样，以保持原始数据值的完整性。 我知道此声明与您阅读的有关“重新采样”的所有内容背道而驰，但实际上是认真地考虑要实现的目标以及对数据所做的事情。另外，我也不是一时兴起就提出这个建议。我花了5年的时间从​​事GIS /远程传感专业的博士学位，以及GIS /远程传感本科课程的教学。

另一个注意事项是，原始张贴者询问了零值和/或负值...如果这些值是真实的数据值（即海拔高度实际上可以是0或-34.5），那么您想包括这些值。但是，如果所讨论的值不是真实数据，而是用于表示NoDATA（例如0或-9999），则需要在通过双线性或三次卷积进行重采样之前将这些像素遮蔽（删除）出栅格。 。 否则，这些-9999像素将包含在重采样计算中，就像该像素的实际高度为-9999一样，您最终将获得无效的数据值。 作为三次卷积的一个非常简化的示例，如果您最近的4个像元值为4、5、16，-9999，包括-9999，可能会导致新的像素值-9974，这是无效数据。