درسنامه تخصصی سنجش از دور(بر اساس بهترین مراجع داخلی و خارجی)_ بخش ششم

پردازشهای طیفی

پردازشهای طیفی بخشی از کاربردها و عملیات خاص پردازش تصویر است. عملیات طیفی بیشتر با مقادیر پیکسلها کار میکنند و به جنبههای هندسی مانند مختصات و اندازه پیکسل توجه چندانی ندارند.

از جمله این عملیات به موارد زیر میتوان اشاره کرد:

الف) مسائل مربوط به هیستوگرام تصویر

ب) بهبود کنتراست تصویر

ج) تصحیحات رادیومتریکی

د) فیلترها

و) تبدیلات متعدد مانند تبدیل مولفههای اصلی(PCA)

ن) تلفیق تصاویر

ه) محاسبات تصویری یا محاسبات باندی

هیستوگرام و بهبود کنتراست تصویر:

هیستوگرام تصویر، توصیفی از چگونگی توزیع مقادیر درجات خاکستری است. در واقع اگر تعداد پیکسلهای مربوط به یک درجه خاکستری را در مقابل درجه خاکستری مورد نظر ترسیم کنیم، هیستوگرام آنرا ترسیم کردهایم. این هیستوگرام می تواند بهصورت گراف و یا جدول باشد. بررسی هیستوگرام تصویر اطلاعات با ارزشی از ویزگیهای طیفی و کیفیت رادیومتریکی تصویر به دست میدهد.

اگر هیستوگرام در یک بخش خاص از درجات خاکستری متراکم باشد،نشان دهنده کیفیت پایین رادیومتریکی آن تصویر است و برعکس هرچه وایانس بالا باشد و درجات خاکستری در کل دامنه رادیومتری توزیع شده باشد، حجم اطلاعات بیشتر با وضوح بیشتری خواهیم داشت.

معمولا وضوح تصویر به نوع باند، قدرت تفکیک مکانی، قدرت تفکیک رادیومتریکی و جنس عوارض بستگی دارد. برای بالابردن وضوح تصویر در برخی پردازشها، از روشهای بارزسازی تصویر (Image Enhancement) استفاده میگردد. در این روشها سعی بر این است که هیستوگرام تصویر را با یک تابع تبدیل به یک توزیع مناسب تبدیل نمود. بهگونهای که از حداکثر دامنه ممکن برای درجات خاکستری استفاده شود.

روشهای بارزسازی یا بهبود تصویر(Image Enhancement)

از میان روشهای موجود، دو روش زیر متداولتر و معروفتر هستند:

1) تعدیلا خطی هیستوگرام(Linear Histogram Stretching) : تبدیل دامنه مشاهداتی به دامنه کامل دینامیکی ممکن(مثلا 0 تا 255)

2) یکنواختسازی هیستوگرام(Image Equalization): تعداد پیکسلهای متعلق به تمام درجات خاکستری را تقریبا با هم یکسان میکند.

تصحیحات رادیومتریکی:

تصاویر خام سنجش از دور همیشه دارای خطاهایی در مقادیر پیکسلهای ثبت شده میباشند. بعضی از این خطاها در ایستگاههای گیرنده زمینی تصحیح میشوند، ولی تصاویر در نهایت توسط کاربران از لحاظ وجود این خطاها باید بررسی شوند و در صورت لزوم تصحیح گردند."تصحیح خطاها کاملا به کاربرد بستگی دارد". تصحیحات رادیومتریکی برای کاهش یا حذف دو نوع خطای عمده به کار میروند:

1) خطاهای اتمسفری

2) خطاهای دستگاهی

این نوع خطاها بسته به نوع سنجنده متفاوت میباشند. البته خطاهای دیگری نیز وجود دارند، نظیر اثر زاویه تابش خورشید و یا اثر توپوگرافی. تصحیحات یا جایگزینی هستند، مانند تصحیح خطوط جا افتاده، یا حذفی هستند و در صدد حذف یک خطا از روی تصویرند و یا از نوع کاهشی هستند و اثر چیزی را کم میکنند.

خطاهای دستگاهی:

دو نوع تصحیح عمده خطای خطوط جاافتاده و خطای نوار نوار شدن را بهطور نمونه توضیح میدهیم. خطوط جاافتاده(Bad Line) به علل مختلفی در تصویر ایجاد میشود. معمولا بهصورت سفید یا سیاه ظاهر میشوند. تصحیح این نوع خطا از روش جایگزینی انجام میشود. برای اینکار از مقادیر پیکسلهای همسایه با توجه به پیوستگی و بزرگی عوارض که به یکدیگر شبیه میباشند، استفاده میشود که الگوریتمهای مختلفی دارد.

خطای نوار نوار شدن به دلیل عدم عملکرد یکسان آشکارسازهای یک سنجنده بهوجود میآید. این خطا مربوط به میزان سیگنال به نویز میباشد. برای حذف این خطا روشهای مختلفی وجود دارد. یکی از این راهها با این فرض شکل میگیرد که سیگنال تولید شده توسط آشکارسازهای مربوط به یک باند از لحاظ آماری به یکدیگر شبیه میباشند. با این فرضیات میتوان اختلاف بین پارامترهای آماری را به عدم هماهنگی Gain و Offset آشکارسازها نسبت داد.

خطای اتمسفری:

تصحیحات اتمسفری در کارهای معمولی موقعی که مقدار خطای اتمسفری چندان بالا نباشد که به عنوان مانعی برای استخراج اطلاعات محسوب شود، اغلب اعمال نمیشوند. اما در کارهای دقیق که به مقادیر واقعی انرزیهای ساتع شده از اشیاء نیاز است، این تصحیح باید روی تصویر اعمال شود. البتهدر مواردی که شدت سیگنال ارسالی از طرف اشیاء از اثرات اتمسفری کمتر باشد نیز لازم میشود، مانند مطالعات اقیانوسشناسی. چون آب جذب کننده اکثر طول موجهای انرژی الکترومغناطیس است.

روشهای تصحیح اتمسفری به دو دسته کلی تقسیم میشوند:

مدل کردن(detailed Correction) : پارامترهایی همچون دما، رطوبت، فشار اتمسفری و .. اندازهگیری شده و اثر آنها را مدل میکنند.

تصحیح کلی( Bulk Correction): در این روش به پارامترهای زیادی نیاز نیست و تصحیح اتمسفری تقریبی انجام میشود. مانند کم کردن کمترین مقدار پیکسها از مقادیر کل پیکسلها.

محاسبات تصویری(Image Arithmetic Operations)

در بعضی اوقات استفاده از باندهای اصلی تصویر برای استخراج اطلاعات مورد نظر کافی نیستند وباید پردازش های مختلفی روی آنها انجام پذیرد.یکی از مجموعه پردازش های ممکن، استفاده از محاسبات تصویری است که به مجموعه عملیات و محاسباتی گفته می شود که روی باند های تصویر انجام شده و نتیجه آن یک تصویر جدید خواهد بود.هدف از این گونه محاسبات، آماده سازی داده ها برای ورود به یک الگوریتم استخراج اطلاعات نظیر طبقه بندی و قطعه بندی یا برای استخراج اطلاعات خاصی نظیر پوشش گیاهی یا کشف تغییرات در طی زمان مختلف.

معمول ترین و مهترین عملیات محاسباتی:

1- تفریق( Image Subtraction): درمورد تصاویر چند زمانه و برای کشف تغییرات پدید آمده در طی زمان های مختلف تصوبر برداری انجام می شود.

2- جمع: اغلب نتایجی شبیه میانگین گیریدارد که باعث کاهش نویز می شود.

3- ضرب: به منظور جدا نمودن مناطق خاصی از تصویر(با ضرب تصویر واقعی در یک تصویر باینری[صفر و یک]که همان ماسک است) استفاده می شود.

4- تقسیم( Image Division): به منظور بارزسازی تفاوت میان باندهای مختلف (که این تفاوت مربوط به پوشش های خاص است) انجام می شود.

شاخص های گیاهی

شاخص های گیاهی تبدیلات محاسباتی هستند که براساس رفتار طیفی گیاهان تعریف می شود.و برای ارزیابی و بررسی گیاهان در مشاهدات ماهواره ای چند طیفی طراحی شده اند.بیشترین باند هایی که در محاسبه ی شاخص های گیاهی مورد استفاده قرار می گیرند در محدوده باندهای قرمز و مادون قرمز و مادون قرمز نزدیک هستند.دلیل این امر خاصیت جذب نور قرمز توسط رنگدانه های موجود در کلروفیل (که باعث می شود گیاهان انعکاس کمتری در این باند داشته باشند)و انعکاس شدید گیاهان در بخش مادون قرمز طیف الکترو مغناطیس است.

شاخص های گیاهی از پر کاربرد ترین نمونه های محاسبات باندی می باشد که به منظور محاسبه درصد پوشش گیاهی،بررسی پوشش گیاهی، وضعیت سبزینگی یک منطقه طی دوران مختلف، و غیره به کار می رود.

شاخص های گیاهی نسبتی:(Ratio Vegetation Index)

RVI=NIR/R

کهNIRوR به ترتیب مقادیر پیکسل(ترجیحا بازتابندگی) در باند های مادن قرمز نزدیک (مثلا باند4سنجنده TM) و باند قرمز (مثلا باند 3سنجنده TM)می باشند.دامنه ی مقادیر این فرمول بین صفر و بی نهایت قرار می گیر،بنابراین نمایش مقادیر به دست آمده از آن به راحتی امکان پذیر نیست.برای رفع این مشکل از شاخص گیاهی NDVIاستفاده شد.

شاخص گیاهی تفاضلی نرمال شده(Normalized Difference Vegetation Index)

این شاخص گیاهی که معروف ترین و ساده ترین شاخص گیاهی مورد استفاده است بر حسب دو باند قرمز و مادون قرمز نزدیک است.

دامنه مقادیر بین 1- و1+ NDVI=NIR-R/NIR+R

مقادیر مختلف NDVIنمایان گر پوشش گیاهی مختلف می باشد.

• 5/تا 1،برای مناطق گیاهی تنک
• 1تا 5 برای مناطق گیاهی معمولی
• 5 به بال برای مناطق گیاهی بسیار متراکم و غنی می باشد.

یکی از عمده ترین خطاهای که روی مقادیر NDVIبه دست آمده اثر میگذارد:اثر ابرها آلودگی جوی از قبیل دود،مه و غبار می باشد.

شاخص تعدیل کننده ی اثر خاک(Soil Adjusted Vegetation)

این شاخص گیاهی با وارد کردن یک پارامتر به فرمول NDVIسعی در کاهش اثر پس زمینه های خاکی در مناطق گیاهی دارد.

SAVI=NIR-R/NIR+R(L+1)

Lفاکتور تعدیل کننده ی اثر خاک است،که معمولا با سعی و خطا محاسبه می شود.مقادیر Lبرای مناطق با پوشش گیاهی پایین 1و برای مناطق گیاهی بسیار متراکم معادل صفر است.

مشکلات استفاده از شاخص های گیاهی

• قدرت تفکیک زمانی سنجنده
• اختلات اتمسفری
• قدرت تفکیک مکانی
• تغییرات در سنجنده با گذر زمان

تفسیر نتایج

تفسیر نتایج محاسبات تصویری نیاز به علم ، اطلاعات جانبی و همچنین تجربه کافی دارد.علاوه براین،نوع تصویر،خصوصیات مکانی،طیفی رادیومتریکی آن و همچنین نوع محاسبه و فرمول به کار رفته در تولید نتایج بسیار مهم می باشد.ساده ترین راه استفاده از حد آستانه است.

تلفیق تصاویر

ماهواره های سنجش از دور داده هایی با خصوصیات مکانی و طیفی مختلفی از سطح زمین جمع آوری میکنند، که هرکدام بخشی از خصوصیات عوارض را نمایان میکند.بنابراین استفاده از این داده ها در کنار یکدیگر استخراج اطلاعات از تصاویر را دقیق تر می سازد.برای بهره برداری بهینه از داده های چند سنجنده ای،روش هایی تحت عنوان تلفیق داده های رقومی(Digital Data Integration) ارایه شده است.

مزایای تلفیق تصاویر

• واضح سازی تصاویر
• بهبود دقت در تحیح هندسی
• بهبود طبقه بندی
• کشف تغیررات به کمک داده های چند زمانه
• جایگزینی اطلاعات ناصحیح

سطوح مختلف تلفیق تصاویر

• سطح پیکسل(Pixel Level):ادغام در پایین ترین سطح پردازش و کوچترین المان موجود می باشد.
• سطح عارضه(Feature Level):استخراج عوارض مشخص از تصویر
• سطح تصمیم گیری(Image Level):استفاده از داده های پردازش شده به صورت توامان ،که هرکدام نتیجه پردازش جداگانه ی تصاویر ورودی می باشند.

روش های تلفیق تصاویر در سطح پیکسل

· روش Brovey

· تلفیق در فضای HIS

· تلفیق تصاویر به کمک تبدیلPCA

"دپارتمان سنجش از دور موسسه علمی آموزشی چشمxadانداز"

****با ما حرفهای شوید****

_دوره آموزش تخصصی سنجش از دور_ همراه با فیلم کامل دوره

توسط اساتید مجرب و حرفهای

با متد آسان و کاربردی

آدرس آموزشگاه شیراز: خیابان برق، کوچه 1، موسسه چشم انداز

تلفن تماس آموزشگاه: 32341477-09382252774

مدرسین: سعید جویزاده، صغری رنجبر، مینا معصومی، مرال پورحمزه

دسته بندی :
برچسبها: سنجش از دور, سنجنده, ماهواره, آموزش سنجش از دور, طیف الکترومغناطیس