CN116433485B - 一种高分遥感一张图的制作方法 - Google Patents
一种高分遥感一张图的制作方法 Download PDFInfo
- Publication number
- CN116433485B CN116433485B CN202310255669.4A CN202310255669A CN116433485B CN 116433485 B CN116433485 B CN 116433485B CN 202310255669 A CN202310255669 A CN 202310255669A CN 116433485 B CN116433485 B CN 116433485B
- Authority
- CN
- China
- Prior art keywords
- image
- mosaic
- data
- remote sensing
- data set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 8
- 238000005520 cutting process Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000004927 fusion Effects 0.000 claims abstract 2
- 238000012937 correction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 230000006837 decompression Effects 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 abstract 1
- 238000002360 preparation method Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4061—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种高分遥感一张图的制作方法,包括数据准备、遥感数据预处理、连接点生成、控制点生成、配准点生成、区域网平差、影像纠正、影像融合、影像输出,将融合影像单景输出、云层边界矢量提取、批量裁云、建立镶嵌数据集,建立arcgis镶嵌数据集等步骤,本发明解决了背景技术中存在的问题,采用批量处理并拼接成一张图,本方法全新、高效,满足人们对图像的处理要求,可进行推广。
Description
技术领域
本发明涉及影像处理技术领域,特别是涉及一种高分遥感一张图的制作方法。
背景技术
高分专项是《国家中长期科学与技术发展规划纲要(2006-2020年)》确定的十六个重大科技专项之一,于2010年批准启动实施。高分遥感数据是“高分专项”所发射卫星直接获取的数据,原始数据多为边长为25-100km的正方形影像,单景影像处理流程已趋于成熟,但目前没有成熟的批量处理并拼接成一张图的方法。
发明内容
鉴于此,本发明提出了一种全新、高效的高分遥感一张图的制作方法,包括以下步骤:
步骤一:数据准备,首先获取高分遥感原始数据,数据时间范围控制在3个月为宜,其次准备一张基准影像和一张DEM影像用于校正,基准影像和DEM影像覆盖范围要包括高分遥感原始数据范围。
步骤二:批量解压及命名,批量解压高分遥感原始数据,统一存放在一个文件夹中,命名规则为传感器号+起始拍摄年月+终止拍摄年月,如GF1_202201_202203;
步骤三:遥感数据预处理,对原始数据批量辐射标定和大气校正,修复蓝光波段;
步骤四:连接点生成,批量生成原始数据全色波段相互重叠区域的连接点,搜索半径设置为50像素,连接点误差要控制在原始数据全色波段分辨率以内,误差不满足要求时,可手动增加连接点或删除误差较大连接点处理。
步骤五:控制点生成,批量生成原始数据全色波段基于基准影像数据的校正控制点,预设种子点数量设置为3000。
步骤六:配准点生成,批量生成原始数据中多光谱波段相对于全色波段的配准点,配准点误差要控制在原始数据多光谱波段分辨率以内,如果某景影像误差较大或肉眼可见偏移或一个配准点都没有生成,需要针对此景影像重新生成配准点,此时可先手动选择3个配准点作为基础,先单片解算后,然后再使用自动选取功能生成,完成后需使用单片模型解算,重新判断控制点误差。
步骤七:区域网平差,分别对全色波段影像和多光谱波段影像进行批量区域网平差,模型中误差设置为全色影像像元大小,控制点权重设置为10,平差最大迭代次数设置为50。
步骤八:影像纠正,分别对全色波段和多光谱波段影像进行正射纠正,DEM参数选择“有DEM”。
步骤九:影像融合,将全色波段与多光谱波段融合,形成同时具备高分辨率和多光谱特性的影像。
步骤十:影像输出,将融合影像单景输出。
步骤十一:云层边界矢量提取,在输出影像上进行云层边界矢量提取,此步骤可以使用手工绘制或计算机自动提取方法,手动绘制精度高速度相对较慢,计算机自动提取速度快,但精度低,需要后期手工微调。矢量文件的命名需与输出影像形成一定的对应关系,方便下一步批量裁剪。
步骤十二:批量裁云,依据步骤十一结果批量裁剪10步骤结果,结果保存在新文件夹中,建议命名后缀为_Cloudless。
步骤十三:建立镶嵌数据集,建立arcgis镶嵌数据集,名称为:传感器+影像起始年月+影像截止年月+'_Cloudless',如:GF1_202204_202206_Cloudless。坐标系建议设置为WGS_1984。随后添加栅格数据,数据源选择“workspace”,路径选择12步结果路径。
步骤十四:重新构建边界,重新构建镶嵌数据集边界,确保边界线处于影像最外圈像素且正确合理。
步骤十五:重新构建轮廓线,重新构建镶嵌数据集轮廓线。
步骤十六:定义概视图,定义镶嵌数据集概视图。
步骤十七:构建概视图,构建镶嵌数据集概视图,仅生成缺失概视图图像设置为否,仅重新生成过时的概视图图像设置为否。
步骤十八:修改每次镶嵌使用栅格影像最大个数,将镶嵌数据集每次镶嵌使用栅格影像最大个数设置为2000。
步骤十九:栅格输出,使用裁剪功能,输入栅格设置为镶嵌数据集,输出范围设置为镶嵌数据集边界,保持裁剪范围设置为是,设置合理的输出文件路径及名称即可。
进一步的,所述步骤五控制点误差要控制在原始数据全色波段分辨率以内,完成后需要使用卷帘功能逐景检查配准情况,如果误差较大或肉眼可见配准误差,需要重新生成控制点,此时可先手动选择3个控制点作为基础,然后再使用自动选取功能生成,完成后需使用单片模型解算,重新判断控制点误差。
进一步的,所述步骤十五中重新构建镶嵌数据集轮廓线,收缩距离设置为0.0002,此设置可有效去除由9步骤产生的像素侵染边界。
进一步的,所述步骤十六中定义镶嵌数据集概视图,级别设置为31,构建结束后复位镶嵌数据集显示,观察是否出现棋盘状黑白相间底纹,如未出现,需要关闭工程重新打开,确保出现底纹,如果仍未出现,重新执行步骤十六。
采用上述技术方案,具有如下有益效果:
本发明解决了背景技术中存在的问题,采用批量处理并拼接成一张图,本方法全新、高效,满足人们对图像的处理要求,可进行推广。
附图说明
图1为辽宁省高分遥感一张图示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
图1为采用本发明制作的辽宁省的遥感一张图,具体方法如下:
步骤一:数据准备,首先获取高分遥感原始数据,数据时间范围控制在3个月为宜,其次准备一张基准影像和一张DEM影像用于校正,基准影像和DEM影像覆盖范围要包括高分遥感原始数据范围。
步骤二:批量解压及命名,批量解压高分遥感原始数据,统一存放在一个文件夹中,命名规则为传感器号+起始拍摄年月+终止拍摄年月,如GF1_202201_202203;
步骤三:遥感数据预处理,对原始数据批量辐射标定和大气校正,修复蓝光波段;
步骤四:连接点生成,批量生成原始数据全色波段相互重叠区域的连接点,搜索半径设置为50像素,连接点误差要控制在原始数据全色波段分辨率以内,误差不满足要求时,可手动增加连接点或删除误差较大连接点处理。
步骤五:控制点生成,批量生成原始数据全色波段基于基准影像数据的校正控制点,预设种子点数量设置为3000,控制点误差要控制在原始数据全色波段分辨率以内,完成后需要使用卷帘功能逐景检查配准情况,如果误差较大或肉眼可见配准误差,需要重新生成控制点,此时可先手动选择3个控制点作为基础,然后再使用自动选取功能生成,完成后需使用单片模型解算,重新判断控制点误差。
步骤六:配准点生成,批量生成原始数据中多光谱波段相对于全色波段的配准点,配准点误差要控制在原始数据多光谱波段分辨率以内,如果某景影像误差较大或肉眼可见偏移或一个配准点都没有生成,需要针对此景影像重新生成配准点,此时可先手动选择3个配准点作为基础,先单片解算后,然后再使用自动选取功能生成,完成后需使用单片模型解算,重新判断控制点误差。
步骤七:区域网平差,分别对全色波段影像和多光谱波段影像进行批量区域网平差,模型中误差设置为全色影像像元大小,控制点权重设置为10,平差最大迭代次数设置为50。
步骤八:影像纠正,分别对全色波段和多光谱波段影像进行正射纠正,DEM参数选择“有DEM”。
步骤九:影像融合,将全色波段与多光谱波段融合,形成同时具备高分辨率和多光谱特性的影像。
步骤十:影像输出,将融合影像单景输出。
步骤十一:云层边界矢量提取,在输出影像上进行云层边界矢量提取,此步骤可以使用手工绘制或计算机自动提取方法,手动绘制精度高速度相对较慢,计算机自动提取速度快,但精度低,需要后期手工微调。矢量文件的命名需与输出影像形成一定的对应关系,方便下一步批量裁剪。
步骤十二:批量裁云,依据步骤十一结果批量裁剪10步骤结果,结果保存在新文件夹中,建议命名后缀为_Cloudless。
步骤十三:建立镶嵌数据集,建立arcgis镶嵌数据集,名称为:传感器+影像起始年月+影像截止年月+'_Cloudless',如:GF1_202204_202206_Cloudless。坐标系建议设置为WGS_1984。随后添加栅格数据,数据源选择“workspace”,路径选择12步结果路径。
步骤十四:重新构建边界,重新构建镶嵌数据集边界,确保边界线处于影像最外圈像素且正确合理。
步骤十五:重新构建轮廓线,重新构建镶嵌数据集轮廓线,收缩距离设置为0.0002,此设置可有效去除由步骤九产生的像素侵染边界。
步骤十六:定义概视图,中定义镶嵌数据集概视图,级别设置为31,构建结束后复位镶嵌数据集显示,观察是否出现棋盘状黑白相间底纹,如未出现,需要关闭工程重新打开,确保出现底纹,如果仍未出现,重新执行步骤十六。
步骤十七:构建概视图,构建镶嵌数据集概视图,仅生成缺失概视图图像设置为否,仅重新生成过时的概视图图像设置为否。
步骤十八:修改每次镶嵌使用栅格影像最大个数,将镶嵌数据集每次镶嵌使用栅格影像最大个数设置为2000。
步骤十九:栅格输出,使用裁剪功能,输入栅格设置为镶嵌数据集,输出范围设置为镶嵌数据集边界,保持裁剪范围设置为是,设置合理的输出文件路径及名称即可。
以上描述了本发明的基本原理和主要特征,本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内,发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种高分遥感一张图的制作方法,其特征在于,包括以下步骤:
步骤一:数据准备,首先获取高分遥感原始数据,数据时间范围控制在3个月为宜,其次准备一张基准影像和一张DEM影像用于校正,基准影像和DEM影像覆盖范围要包括高分遥感原始数据范围;
步骤二:批量解压及命名,批量解压高分遥感原始数据,统一存放在一个文件夹中,命名规则为传感器号+起始拍摄年月+终止拍摄年月;
步骤三:遥感数据预处理,对原始数据批量辐射标定和大气校正,修复蓝光波段;
步骤四:连接点生成,批量生成原始数据全色波段相互重叠区域的连接点,搜索半径设置为50像素,连接点误差要控制在原始数据全色波段分辨率以内,误差不满足要求时,手动增加连接点或删除误差较大连接点处理;
步骤五:控制点生成,批量生成原始数据全色波段基于基准影像数据的校正控制点,预设种子点数量设置为3000;
步骤六:配准点生成,批量生成原始数据中多光谱波段相对于全色波段的配准点,配准点误差要控制在原始数据多光谱波段分辨率以内;
步骤七:区域网平差,分别对全色波段影像和多光谱波段影像进行批量区域网平差,模型中误差设置为全色影像像元大小,控制点权重设置为10,平差最大迭代次数设置为50;
步骤八:影像纠正,分别对全色波段和多光谱波段影像进行正射纠正,DEM参数选择“有DEM”;
步骤九:影像融合,将全色波段与多光谱波段融合,形成同时具备高分辨率和多光谱特性的影像;
步骤十:影像输出,将融合影像单景输出;
步骤十一:云层边界矢量提取,在输出影像上进行云层边界矢量提取,此步骤使用手工绘制或计算机自动提取方法,手动绘制精度高速度相对较慢,计算机自动提取速度快,但精度低,需要后期手工微调,矢量文件的命名需与输出影像形成对应关系,方便下一步批量裁剪;
步骤十二:批量裁云,依据步骤十一结果批量裁剪步骤十结果,结果保存在新文件夹中,命名后缀为_Cloudless;
步骤十三:建立镶嵌数据集,建立arcgis镶嵌数据集,名称为:传感器+影像起始年月+影像截止年月+'_Cloudless',随后添加栅格数据,数据源选择“workspace”,路径选择步骤十二结果路径;
步骤十四:重新构建边界,重新构建镶嵌数据集边界,确保边界线处于影像最外圈像素且正确;
步骤十五:重新构建轮廓线,重新构建镶嵌数据集轮廓线;
步骤十六:定义概视图,定义镶嵌数据集概视图;
步骤十七:构建概视图,构建镶嵌数据集概视图,仅生成缺失概视图图像设置为否,仅重新生成过时的概视图图像设置为否;
步骤十八:修改每次镶嵌使用栅格影像最大个数,将镶嵌数据集每次镶嵌使用栅格影像最大个数设置为2000;
步骤十九:栅格输出,使用裁剪功能,输入栅格设置为镶嵌数据集,输出范围设置为镶嵌数据集边界,保持裁剪范围设置为是,设置输出文件路径及名称。
2.根据权利要求1所述的一种高分遥感一张图的制作方法,其特征在于,所述步骤五控制点误差要控制在原始数据全色波段分辨率以内,完成后需要使用卷帘功能逐景检查配准情况,如果误差较大或肉眼可见配准误差,需要重新生成控制点,此时先手动选择3个控制点作为基础,然后再使用自动选取功能生成,完成后需使用单片模型解算,重新判断控制点误差。
3.根据权利要求1所述的一种高分遥感一张图的制作方法,其特征在于,所述步骤十五中重新构建镶嵌数据集轮廓线,收缩距离设置为0.0002,此设置可有效去除由步骤九产生的像素侵染边界。
4.根据权利要求1所述的一种高分遥感一张图的制作方法,其特征在于,所述步骤十六中定义镶嵌数据集概视图,级别设置为31,构建结束后复位镶嵌数据集显示,观察是否出现棋盘状黑白相间底纹,如未出现,需要关闭工程重新打开,确保出现底纹,如果仍未出现,重新执行步骤十六。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310255669.4A CN116433485B (zh) | 2023-03-16 | 2023-03-16 | 一种高分遥感一张图的制作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310255669.4A CN116433485B (zh) | 2023-03-16 | 2023-03-16 | 一种高分遥感一张图的制作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116433485A CN116433485A (zh) | 2023-07-14 |
CN116433485B true CN116433485B (zh) | 2023-10-31 |
Family
ID=87084588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310255669.4A Active CN116433485B (zh) | 2023-03-16 | 2023-03-16 | 一种高分遥感一张图的制作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116433485B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861934A (zh) * | 2020-07-29 | 2020-10-30 | 贵阳欧比特宇航科技有限公司 | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 |
WO2022222352A1 (zh) * | 2021-04-22 | 2022-10-27 | 海南大学 | 基于残差网络的遥感全色和多光谱图像分布式融合方法 |
-
2023
- 2023-03-16 CN CN202310255669.4A patent/CN116433485B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861934A (zh) * | 2020-07-29 | 2020-10-30 | 贵阳欧比特宇航科技有限公司 | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 |
WO2022222352A1 (zh) * | 2021-04-22 | 2022-10-27 | 海南大学 | 基于残差网络的遥感全色和多光谱图像分布式融合方法 |
Non-Patent Citations (4)
Title |
---|
基于B/S架构的海量国产高分辨率遥感影像的批量快速处理方法;穆琳;谢国雪;杨如军;李双青;;国土资源信息化(第01期);全文 * |
正射影像及城市浏览系统的建立;耿春雨;宋伟东;于国栋;;测绘科学(第S2期);全文 * |
浅谈遥感影像正射纠正;蔺腊月;;科技经济导刊(第28期);全文 * |
高分遥感卫星影像的预处理技术;王晨巍;王晓君;;电子技术与软件工程(第24期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116433485A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111861934A (zh) | 一种高光谱卫星影像数据生产、镶嵌与元数据制作方法 | |
Jones et al. | Use of digital terrain data in the interpretation of SPOT-1 HRV multispectral imagery | |
CN103413272B (zh) | 低空间分辨率多源遥感图像空间一致性校正方法 | |
CN105513018B (zh) | 星载摆扫成像几何校正方法和装置 | |
CA2700879A1 (en) | Geospatial modeling system providing user-selectable building shape options and related methods | |
EP2203853B1 (en) | Geospatial modeling system providing inpainting and error calculation features and related methods | |
CN101604018A (zh) | 高分辨率遥感影像数据处理方法及其系统 | |
KR100898797B1 (ko) | 항공라이다자료를 이용한 지형기복 정사영상의 제작방법 | |
CA2700854A1 (en) | Geospatial modeling system providing building generation based upon user input on 3d model and related methods | |
US11763432B2 (en) | Multi-exposure image fusion method based on feature distribution weight of multi-exposure image | |
CN116433485B (zh) | 一种高分遥感一张图的制作方法 | |
CN113888416A (zh) | 卫星遥感图像数据的处理方法 | |
CN104820984A (zh) | 一种卫星遥感立体影像处理系统及方法 | |
CN109635242A (zh) | 一种基于多时间尺度模型的遥感地表日均温计算方法 | |
AU2018227551A1 (en) | Shadow casting for an elevation data grid | |
CN116045920A (zh) | 一种基于gf7号立体像对提取dem的方法 | |
CN108985154B (zh) | 基于影像聚集度的小尺寸地物亚像元定位方法和系统 | |
CN116152417A (zh) | 一种多视点类透视空间拟合与渲染的方法和装置 | |
CN115082812A (zh) | 一种农业景观非农生境绿地斑块提取方法及其相关设备 | |
CN109767484A (zh) | 一种三维贴图中具有色彩一致性的匀光匀色方法及系统 | |
CN104809704B (zh) | 基于地形改正的卫星影像虚假地形感知现象改正方法 | |
CN113379648A (zh) | 一种高分七号和资源三号立体影像联合平差方法 | |
Kubik et al. | Pleiades image quality: from users' needs to products definition | |
Xiu et al. | Batch Processing of Remote Sensing Image Mosaic based on Python. | |
CN108413989B (zh) | 一种基于影像重投影的畸变改正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |