Geschäftskontext
Ein Agrartechnologie-Unternehmen analysiert Satellitenbilder, um Landnutzungsklassen (z.B. Wald, Wasser, Ackerland) zu identifizieren. Ein Deep-Learning-Modell hat bereits für jedes Bild eine Segmentierungsmaske erzeugt. Diese Masken müssen nun zur visuellen Validierung und Katalogerstellung auf die Originalbilder überlagert werden. Der Test soll die Leistungsfähigkeit der Aktion bei der Verarbeitung eines großen Volumens von Bildern und Masken sicherstellen.
Über das Set : image
Bildverarbeitung, -manipulation und -analyse.
Entdecken Sie alle Aktionen von image Datenaufbereitung
Simuliert zwei große Tabellen: eine mit 10.000 Satellitenbildern und Metadaten (Aufnahmedatum, Region) und eine mit den zugehörigen binären Segmentierungsmasken.
Kopiert!
| 1 | DATA casuser.satelliten_bilder; |
| 2 | LENGTH _name_ $50 region_id $10; |
| 3 | DO i = 1 TO 10000; |
| 4 | _name_ = 'region_A_' || PUT(i, Z5.) || '.tif'; |
| 5 | aufnahme_datum = TODAY() - FLOOR(RAND('UNIFORM')*365); |
| 6 | region_id = 'REGION_A'; |
| 7 | /* _image_ Spalte wird als leer angenommen, da sie durch image.loadImages gefüllt würde */ |
| 8 | OUTPUT; |
| 9 | END; |
| 10 | FORMAT aufnahme_datum DATE9.; |
| 11 | RUN; |
| 12 | |
| 13 | DATA casuser.segmentierungs_masken; |
| 14 | LENGTH _name_ $50; |
| 15 | DO i = 1 TO 10000; |
| 16 | _name_ = 'region_A_' || PUT(i, Z5.) || '.tif'; |
| 17 | /* _image_ Spalte (die Maske) wird als leer angenommen, da sie von einem anderen Prozess käme */ |
| 18 | OUTPUT; |
| 19 | END; |
| 20 | RUN; |
Étapes de réalisation
1
Anwenden der Segmentierungsmasken auf die Satellitenbilder mit 40% Transparenz und Übertragen der Metadaten 'aufnahme_datum' und 'region_id'.
Kopiert!
| 1 | PROC CAS; |
| 2 | image.annotateImages / |
| 3 | images={TABLE={name='satelliten_bilder', caslib='CASUSER'}} |
| 4 | annotations={{ |
| 5 | annotation={annotationType='SEGMENTATION', TABLE={name='segmentierungs_masken', caslib='CASUSER'}, colorMap='CIVIDIS', transparency=40} |
| 6 | }} |
| 7 | copyVars={'aufnahme_datum', 'region_id'} |
| 8 | casOut={name='validierte_satellitenbilder', caslib='CASUSER', replace=true}; |
| 9 | RUN; |
Erwartetes Ergebnis
Die Aktion wird erfolgreich abgeschlossen und erzeugt die Tabelle 'validierte_satellitenbilder' mit 10.000 Zeilen. Jedes Bild in der Ausgabetabelle ist mit der entsprechenden Segmentierungsmaske überlagert, die mit der 'CIVIDIS'-Farbkarte und 40% Transparenz dargestellt wird. Wichtig ist, dass die Spalten 'aufnahme_datum' und 'region_id' aus der ursprünglichen Bildtabelle korrekt in die Ausgabetabelle kopiert wurden.