Hiperspektral Görüntüleme ve Görüntü İşlemenin Bugünü, Yakın Geleceği ve Mevcut Araştırma Eğilimleri

Transkript

1 Hiperspektral Görüntüleme ve Görüntü İşlemenin Bugünü, Yakın Geleceği ve Mevcut Araştırma Eğilimleri Hiperspektral görüntüleme, yüzey materyallerini ayırt etmede diğer görüntüleme sistemlerine olan üstünlüklerinden dolayı, özellikle hedef tespiti ve sınıflandırmada yaygın olarak kullanılmaktadır. Ancak, günümüz itibariyle hiperspektral görüntülere erişim oldukça sınırlıdır. Hava platformlarından görüntü elde etme maliyetleri çok yüksektir. Uzay platformları ise planlanan görev sürelerini aşmış bulunmakta ve görüntü taleplerini yerine getirmemektedir. Hiperspektral yer gözleminin, araştırma ve uygulamaların devamlılığının sağlanması açısından, yeni uydu sistemlerinin en kısa sürede hayata geçirilmesi gerekmektedir. Hiperspektral görüntülerin en önemli özelliği yüksek spektral ayrımsama gücüne sahip olmalarıdır. Ancak hiperspektral görüntüler tipik olarak düşük uzamsal çözünürlüğe sahiptir. Bu kısıt görüntüleme sistemlerinde spektral çözünürlük ve uzamsal çözünürlük arasındaki teknik ödünleşimden ileri gelmektedir. Spektral çözünürlük arttıkça uzamsal çözünürlük azalmakta ve düşük uzamsal çözünürlük, görüntülere ait piksellerin birden fazla materyali içine alarak katışımlı hale gelmesine neden olmaktadır. Katışımlı piksellerin içindeki materyallerin neler olduğu kestirilebilse bile uzamsal konumları bilinemez. Bu durum hiperspektral verilerden daha verimli şekilde yararlanılmasına engel teşkil etmektedir. Bu engeli aşmak amacıyla hiperspektral görüntülerin uzamsal çözünürlüğünü dolaylı yollardan yükseltmek için çalışmalar yapılmaktadır. Özellikle piksel altı analizler ve hiperspektral görüntülerin yüksek uzamsal çözünürlüğe sahip diğer görüntülerle kaynaştırılması, hiperspektral görüntü işlemede öne çıkmaya başlayan ve yakın gelecekte de önemini koruyacak araştırma alanlarıdır. Hiperspektral Görüntüleme Uzaktan Algılama alanında yaşanan devrim niteliğindeki sayılı gelişmeden biri de hiperspektral görüntüleme ve ilgili analiz teknikleridir. Hiperspektral görüntüleme yüzey materyallerinden yansıyan enerjinin dar ve bitişik çok sayıda dalga boyu bandında ölçümüdür. Hiperspektral; hiper yani çok fazla, aşırı anlamındadır, hiperspektral çok sayıda spektral banttan oluşan anlamına gelmektedir. Görüntüleme spektrometrisi (imaging spectrometry) terimi de zaman zaman hiperspektral görüntüleme ile eş anlamda kullanılır. Hiperspektral alıcıların en belirgin özelliği çok bantlı (multispektral) görüntülerden farklı olarak çok daha fazla banda sahip olmalarıdır. Ancak, alıcıları hiperspektral yapan özellik bant sayısından çok, bantların ne kadar dar ve birbirine ne kadar bitişik olduğudur [1]. Hiperspektral görüntüleme, spektrometre adı verilen cihazlarla gerçekleştirilir. Karmaşık alıcılar olan bu cihazlar, birbiri ile ilişkili fakat farklı iki teknoloji olan uzaktan algılama ve spektroskopinin bir araya gelmesiyle ortaya çıkmıştır. Uzaktan algılama, bir nesne ile ilgili bilgiyi o nesneye temas etmeden elde etme teknolojisidir. Spektroskopi ise materyallerden yansıyan veya yayılan ışığın farklı dalga boylarına dağılımı üzerine çalışan bilim dalıdır. Spektrometre veya spektroradyometre genellikle örnek materyalin yüzeyinden yansıyan ışığın, bulunduğu yerde veya laboratuarda ölçümü için kullanılır. Spektrometre içindeki prizmaya benzer optik bileşen, spektrometreye ulaşan ışığı dar ve birbirini takip eden çok sayıda dalga boyu bandına ayrıştırır. Yüzeyden gelen enerji her bir bant için ayrı bir algılayıcı (dedektör) ile ölçülür (Şekil 1). Yüzlerce hatta binlerce algılayıcı kullanılması durumunda 0.01 mikrometre ye kadar dar Deniz Gerçek, Davut Çeşmeci, Mehmet Kemal Güllü, Alp Ertürk, Sarp Ertürk Kocaeli Üniversitesi İşaret ve Görüntü İşleme Laboratuvarı (KULIS) Şekil 1: Hiperspektral görüntüleme düzeneği MART 2013 XYZ DERGİ 18

2 aralıklarda ve 0,4-2,5 mikrometre gibi geniş bir spektrum için ölçüm yapabilir. Hiperspektral kamera ile elde edilen görüntüler bu özellikleri nedeniyle ilk iki boyut uzamsal, üçüncü boyut spektral bilgi olmak üzere, üç boyutlu hiperspektral imge küpü (Hiperküp) olarak ifade edilir [2]. İki boyut normalde bir imgeyi (x,y) uzamsal koordinatlarında ifade eder ve her bir (x,y) noktasına görüntü elemanı / piksel adı verilir. Hiperspektral görüntülerde ise her bir bant aralığı için bir katman olmak üzere z ekseninde yüzlerce görüntü vardır (Şekil 2). Normal koşullarda, bir nesneye ulaşan ışığın bir kısmı yansır ve bir kısmı emilir. Işığın yansıyan miktarı yüzde olarak reflektans (yansıma) terimi ile ifade edilir. Reflektans spektrumu veya materyal spektrası nesneden yansıyan ışığın farklı dalga boylarındaki enerjisinin ölçümü ile elde edilir. Bazı materyaller bazı dalga boylarında daha fazla yansıma yaparken, diğerleri aynı dalga boylarında emilmeye uğrayarak daha az yansıma yapar. Materyallerin kendilerine has yansıma ve emilme özellikleri bu materyallere özgü örüntüler oluşturur. Spektral imza adı verilen bu örüntüler o materyallerin tanımlanmasını ve etiketlenmesini sağlar (Şekil 3). Hiperspektral görüntülerin dar aralıklarda örneklenmesi ile elde edilen dalga boylarına ait materyal spektraları, yer doğrusuyla veya spektral kütüphanelerde tutulan spektral imzalarla karşılaştırılarak tanımlanmaya çalışılır. Materyallerin hiperspektral görüntüde bulunduğu konumlar ve bolluk oranları materyallere ait spektral imzalardan etkin biçimde tespit edilebilir (Şekil 4). Şekil 2: Hiperspektral imge küpü (Hiperküp) ve bir pikselin bantlar ile örneklenen spektrası Şekil 3: Bitki, kuru bitki ve toprağa ait spektral imzalar: üç farklı yüzey materyalinden gelen yansıma miktarının dalga boylarına göre değişimi [3] Hiperspektral Görüntüleme Programlarının Bugünü ve Yakın Geleceği Hiperspektral yer gözleminde hava veya uzay platformları kullanılmaktadır. Hava platformlarından görüntülemede, görüntü alınacak bölge için bir uçuş planı tasarlanıp belirlenen gün ve saatte uçuş gerçekleştirilir. Hava araçlarına monte edilen hiperspektral kameralarla yapılan görüntülemede, irtifa uzay platformlarına göre çok daha düşük olacağı için daha yüksek uzamsal çözünürlük elde edilebilmektedir. Ancak sisteminin görüş açısı sabit kabul edilirse, irtifa düştükçe görüntülenebilen alan da küçülecektir. Örneğin bir hava platformu alıcısı olan AVIRIS 20 km de iken 20 m uzamsal çözünürlüğe sahip görüntü elde Şekil 4: Hiperspektral görüntülerden materyal tespiti üç bantlı RGB görüntüsü (üst), matreyal sınıflandırması sonucu (alt) MART 2013 XYZ DERGİ 19

3 eder ve görüntülenen alanın genişliği 11 km civarındadır. Aynı sistem 4 km irtifada 4 m uzamsal çözünürlükte görüntü elde eder ancak görüntünün genişliği de 2 km ye düşmektedir. Bugüne kadar kullanılmış ve günümüzde hala kullanılmakta olan pek çok kurumsal ve ticari havadan hiperspektral görüntüleme sistemi mevcuttur (AVIRIS, HYDICE, DAIS, vb.). Ancak uçağın uçurulması ile ilgili bütçe çok yüksek olduğundan, havadan elde edilen hiperspektral görüntüler çok pahalıdır. Ayrıca alansal olarak çok geniş bölgeler görüntülenemediğinden, bu görüntüler genellikle yerel ölçekli ve araştırma odaklı çalışmalarda kullanılır. Hiperspektral görüntülere erişebilirlik ve hiperspektral analiz ve uygulama çalışmalarının devamlılığı için uzay platformlarından görüntüleme mevcut tek alternatiftir. Uzaydan yapılan hiperspektral görüntüleme çalışmaları 1990 ların başında NASA, ESA ve daha sonra Avustralya tarafından başlatılmıştır. İlerleyen yıllarda Kanada ve İtalya da hiperspektral görüntüleme çalışmaları başlatmıştır. Ancak bu programların hiçbiri plan aşamasını geçememiştir. Uzaydan hiperspektral görüntülemede sadece iki program başarıya ulaşmıştır. Bunlar NASA nın EO 1 Hyperion [4] alıcısı ve ESA nın CHRIS Proba alıcısıdır [5] ve bu alıcılar sırasıyla 2000 ve 2001 yıllarında uzaya gönderilmişlerdir. Hyperion ve CHRIS uzaydan hiperspektral görüntüleme teknolojilerinin yanı sıra jeoloji, tarım, ormancılık ve su ile ilgili uygulamaların gelişmesine büyük katkıda bulunmuştur. Ancak, 2013 e gelindiğinde bu uydular ömürlerini çoktan doldurmuşlardır. Ortalama 5 yıl için tasarlanan bu sistemler hala işlevseldir fakat kalibrasyon amaçlı görüntüleme veya istisnai durumlar dışında görüntü sağlamamakta ve gelen talepleri yerine getirmemektedirler. Dolayısıyla bu uyduların en kısa zamanda yerlerine yenilerinin geçmesi gerekmektedir da uzaya gönderilen HySI, HJ-1A, HICO karakteristik özellikleri itibariyle hiperspektral görüntüleme sistemleri olarak kabul edilse de Hyperion ve CHRIS e alternatif değildir çünkü uzamsal çözünürlükleri oldukça düşüktür ve farklı amaçlar için tasarlanmışlardır. MERIS, MODIS, SeaBASS gibi sistemler bazı referanslara göre hiperspektral görüntüleme sınıfında değerlendirilse de, hiperspektral görüntülemenin tanımına tamamen uyulacak olursa [1]; hiperspektral görüntüleme sistemleri olarak kabul edilemezler. Uydu programlarında aşamalar ve tanımları aşağıdaki gibidir. 0 Aşaması: Programın amacının tanımlanması A Aşaması: Sistem için gerekenlerin tanımlanması ve sistemin taslak olarak tasarımı B Aşaması: Detaylı tanımlama ve planlama C/D Aşamaları: Uydu platformunun yapılması, montaj ve yerdeki testler E Aşaması: Uzaya gönderilme ve işlevsellik F Aşaması: Sonlandırma Buna göre Hyperion ve CHRIS E/F aşamasında bulunmaktadır. Şu an itibariyle en yakın zamanda işlevselleşmesi beklenen sistemler; EnMAP ve PRISMA halihazırda C/D aşamasını tamamlamış durumdadır. Bu alıcılar Hyperion a özellikleri itibariyle çok benzemekle beraber daha yüksek veri kalitesine ve daha fazla görüntü sağlama kapasitesine sahip olacaklardır. MSMI (Multi-Sensor Microsatellite Imager) ise program bir süre için askıda kaldığından uzaya gönderileceği tarih belirsizdir. Henüz 0/A aşamasında olan projelerden HISUI ve HYPXIM karakteristik özellikleri itibariyle Hyperion u temel almıştır. HyspIRI ise global ölçekte görüntülemeyi hedefleyen bir alıcıdır [6]. Günümüz itibariyle işlevsel olan ve yakın gelecekte uzaya gönderilmesi planlanan hiperspektral algılayıcıların bulundukları aşamalar ve karakteristik özellikleri Tablo 1 de verilmiştir. Yakın gelecekteki sistemlerin tümü yaklaşık 0,4-2.5 mikrometre aralığında ve yaklaşık 10 nanometre (nm) bant aralığında ölçüm yapacaklardır. Uzamsal çözünürlük ise teknik kısıtların devamlılığından ötürü 30 m olacaktır ve 2020 den önce 15 m çözünürlüklü hiperspektral görüntü sağlanması mümkün görünmemektedir. Yakın gelecekte ilk işlevsel hale gelecek sistem olan PRISMA, hiperspektral görüntüleme ve görüntü işleme camiası tarafından sabırsızlıkla beklenmektedir. PRISMA bir hiperspektral kamera ile birlikte bir de pankromatik kameraya sahip olacaktır. Yani, görüntüler 30 m hiperspektral ve 5 m pankromatik olarak sunulabilecektir. Henüz plan aşamasında olan Japon uydusu HISUI nin de benzer biçimde 5 m çözünürlüklü dört multispektral ve 1 m çözünürlüklü bir pankromatik banda sahip olacağı bilinmektedir. Bu eğilimler hiperspektral görüntülerin yüksek çözünürlüklü görüntülerle kaynaştırılması ile ilgili araştırmalara olan ilgiyi kaçınılmaz olarak artıracaktır. Hiperspektral görüntü analizinde bu tür uygulamaların zaman içerisinde standart haline gelmesi beklenmektedir. Hiperspektral görüntülemede üstünlükler ve kısıtlar Hiperspektral alıcılar elektromanyetik spektrumda dar ve birbirine bitişik bantta görüntü sağlarlar. Bu sayede elde edilen görüntüdeki her bir piksel için süreklilik gösteren bir spektrum elde edilir. Hiperspektral görüntüler buna bağlı olarak oldukça zengin bir spektral içerik sunar ve materyalleri ayırt etmede Landsat, IKONOS Tablo 1: Günümüzde ve yakın gelecekteki Hiperspektral algılayıcılar ve karakteristikleri (En solda program aşamaları gösterilmektedir) MART 2013 XYZ DERGİ 20

4 ve daha yeni olan QuickBird, WorldView gibi multispektral görüntülere üstünlük sağlarlar. Multispektral görüntülerde materyal tanımlama ancak uzamsal çözünürlüğü çok artırarak mümkün olabilir. Örneğin; bitki sınıflandırması için ancak bitkilerin yaprak formlarının seçilebildiği bir çözünürlüğe gelinebilirse yüksek başarım elde edilir. Ancak bu seviyede çözünürlük elde etmek çok yüksek maliyetler getirir ve güvenlikle ilgili durumlar oluşabileceği için ticari olarak gerçekleştirilebilir değildir. Dolayısıyla materyal ayırt etmede hiperspektral görüntüler görünen tek alternatiftir. Multispektral görüntüler genellikle görünür ve yakın kızıl ötesini kapsayan 0,4-0,9 mikrometre (µm) bölgesinde geniş dalga boyu aralıklarında tipik olarak 4 bant elde ederler. İnsan gözü 0,4-0,7 µm aralığını renk olarak algılar. Hiperspektral görüntülemede ise bu aralık genellikle 0,4-2,5 µm olarak tasarlanır. Görünür, yakın kızılötesi ve orta kızılötesi aralığını içine alan bu geniş aralık materyal ayrıştırmada kritik öneme sahiptir. Hiperspektral görüntülerin üstünlüklerinin yanı sıra en önemli dezavantajları düşük uzamsal çözünürlükleridir. Uydu sistemlerinde yüksek uzamsal çözünürlüğe sahip algılayıcıların tasarımı görüntüleme optiği, platform veri saklama kapasitesi, yer istasyonuna iletim bant-genişliği gibi teknik nedenlerden ötürü günümüzde henüz mümkün olamamaktadır [7]. Spektral çözünürlük ve uzamsal çözünürlük arasında birinden diğerine ödün verme şeklinde bir ilişki söz konusudur ve bu durum teknik kısıtlardan ötürü yakın gelecekte sürekliliğini koruyacaktır. Düşük uzamsal çözünürlük, görüntüye ait bir pikselin yer yüzeyinde temsil ettiği alanın genişlemesine sebep olacağından, bir pikselin içine birden fazla materyal girebilir. Bu da, katışımlı (mixed) piksel sorununa neden olur (Şekil 5). Bu sorunun aşılması için hiperspektral görüntülere özel piksel altı teknikler ve çözünürlük iyileştirme çalışmaları büyük önem taşımaktadır. Hiperspektral Görüntü Analizi: Katışım Analizi, Piksel Altı Analizler ve Çözünürlük iyileştirme Hiperspektral görüntüler kullanılarak yapılan analizlerin başında hedef tespiti ve sınıflandırma gelmektedir. Sınıflandırmada kullanılan genel yaklaşımlar çok değişkenli istatistiksel temelli tekniklerdir. Multispektral Şekil 5: Katışımlı ve saf piksellerin spektral (sol) ve uzamsal (sağ) özellikleri görüntülerin sınıflandırılması için geliştirilmiş bu yöntemler, hiperspektral görüntülerde çok boyutluluk nedeniyle başarılı olamazlar [8]. Bu nedenle hiperspektral görüntülerin sınıflandırılması için çok boyutlu veri işlemeye dayanan yöntemler geliştirilmiştir. Ayrıca hiperspektral görüntülerin çözünürlüğünün artırılmasına yönelik piksel altı analizler ve kaynaştırma analizleri hiperspektral görüntü analizinde bugün gündemde olan ve ileride de gelişmeye çok açık araştırma ve uygulama alanlarıdır. Özellikle PRISMA aktif hale geldiğinde, hiperspektral görüntülerle birlikte aynı tarih, saat ve bakış açısından yüksek uzamsal çözünürlüklü pankromatik görüntüler elde edilebilecektir. Bu sayede, görüntülenen alana ait uzamsal özellikler pankromatik görüntüden, fiziksel-kimyasal bilgiler ise hiperspektral görüntüden alınarak sentezlenebilecektir. Bu gelişmeler hiperspektral görüntü analizinde araştırma eğilimlerini kaçınılmaz olarak imge kaynaştırma alanına doğru çevirecektir. PRISMA verisinin çevresel gözlem, doğal kaynakların yönetimi, tarımsal sınıflandırma ve kirlenme kontrolü gibi uygulamalar için kullanılması öngörülmektedir. Bu bağlamda veri analiz tekniklerinin geliştirilmesine yönelik ön araştırmalar başlatılmıştır. Bunlar tarım ve arazi yönetimi, meteo-kimyasal çalışmalar, jeofiziksel uygulamalar, kıyı gözlemi ve veri entegrasyonudur [9]. Bu çalışmaların çoğunda hiperspektral görüntülerin pankromatik görüntülerle bir arada kullanımına yönelik tekniklere yer verilmiştir. Türkiye de Hiperspektral görüntüleme ve hiperspektral görüntü analizi konusunda öncülerden olan Kocaeli Üniversitesi İşaret ve Görüntü İşleme Laboratuvarı KULIS [10], uzun süredir bu alanda çalışmalarını sürdürmektedir. Son dönemde hiperspektral görüntülemedeki eğilimler göz önünde bulundurularak piksel altı teknikler ve çözünürlük artırımı çalışmalarına ağırlık verilmiştir. TUBİTAK Araştırma Destek Programının da katkısıyla, hiperspektral görüntülerde hedef tanıma ve sınıflandırmada başarımın artırılmasına yönelik piksel altı analiz teknikleri ve yüksek uzamsal çözünürlüklü görüntülerle kaynaştırma üzerine araştırmalar yapılmaktadır. Yürütülen çalışmalar kapsamında spektral olarak oldukça zengin fakat düşük uzamsal çözünürlüklü hiperspektral görüntülere yüksek uzamsal çözünürlük kazandırılması amaçlanmaktadır. Bunun için aynı alana ait farklı karakteristiklere sahip yüksek çözünürlüklü çok bantlı (multispektral) görüntüler kullanılmaktadır. Böylece materyaller spektral olarak iyi ayırt edilebilecek ve aynı zamanda mekansal detay sağlayabilecek yüksek uzamsal çözünürlüğe kavuşacaklardır. Görüntü kaynaştırma için özellikle multispektral görüntüler ve pankromatik bantların kaynaştırılmasında kullanılan çok sayıda yöntem geliştirilmiştir. Bu yöntemlere pan keskinleştirme (pan sharpening) adı verilir. Hiperspektral görüntülerin kaynaştırılmasında ise pan keskinleştirme temelli yöntemlerin yanı sıra katışım temelli yöntemler de kullanılabilir. Buna göre, hiperspektral görüntüden çıkartılan son elemanlar (materyallere ait saf örnekler), yüksek uzamsal çözünürlüklü görüntüye adapte edilmekte ve elde edilen yüksek çözünürlüklü katışım oranları hiperspektral veriden gelen orijinal son MART 2013 XYZ DERGİ 21

5 Şekil 6: Katışım temelli kaynaştırma yöntemi Şekil 7: Hyperion-IKONOS görüntülerini kaynaştırmada kullanılan yöntemler ve bantlara göre PSNR değerleri elemanlar ile kaynaştırılmış görüntüyü oluşturmada kullanılmaktadır. Hiperspektral ve multispektral görüntülerin kaynaştırılması için çalışmalarımızda önerilen yöntem Şekil 6 da gösterilmektedir. Hiperspektral veride bulunan katışım piksellerinin, saf imzaların doğrusal katışımlarından oluştuğu kabul edilmektedir. Hiperspektral veriden elde edilen son elemanlar, yani materyallere ait, saf olduğu varsayılan imzalar, multispektral görüntünün spektral boyutuna taşınmakta ve her bir multispektral piksel içerisindeki bolluk oranları çıkarılmaktadır. Bunun için hiperspektral ve multispektral görüntüler arasındaki uzamsal ve spektral geçişi sağlayan Spektral Yanıt (Spectral Response Function-R) ve Nokta Yayılım Fonksiyonlarının (Point Spread Function-S) tanımlanması gerekmektedir. Bu fonksiyonlar, algılayıcı karakteristikleri incelenerek oluşturulmaktadır. Kaynaştırma işlemi yüksek uzamsal çözünürlüklü imge için elde edilen bolluk oranlarının hiperspektral imgeden elde edilen orijinal son elemanlar kullanılarak katıştırılması ile gerçekleştirilir. Hiperspektral veriye ait son elemanlar, multispektral veri için elde edilmiş bolluk oranlarına göre yapılandırıldığında, hem yüksek uzamsal (multispektral görüntü ile eşdeğer) hem de yüksek spektral (hiperspektral görüntü ile eşdeğer) çözünürlüğe sahip kaynaştırılmış görüntü elde edilmektedir. Yapılandırmada Tamamen Kısıtlanmış En Küçük Kareler (Fully Constrained Least Squares - FCLS) veya Bulanık (Fuzzy) teknikler kullanılmaktadır. Önerilen katışım temelli yöntemler hem sentetik hem de gerçek veri üzerinde test edilmektedir. Sonuçlar çeşitli değerlendirme ölçütleri ile pan keskinleştirilmiş yöntemlerden yaygın olarak kullanılan yöntemlerle [11] karşılaştırılmaktadır. Önerilen yöntem kullanılarak 2007 yaz aylarına ait Karadeniz kıyısı, Terkos Gölü yakınlarından elde edilmiş 30 m çözünürlüğe sahip Hyperion görüntüsü, aynı bölgeye ait ve aralarında 5 haftalık zaman farkı olan 4 m çözünürlüklü IKONOS multispektral görüntüsü ile kaynaştırılmıştır. Karşılaştırma başarımı, sayısal ve görsel sonuçlar üzerinden değerlendirilmiştir. Sayısal değerlendirmede, kaynaştırılan görüntüye ait bantlar ile orijinal hiperspektral görüntüdeki bantlar arasındaki spektral benzerliği ölçen zirve işaret-gürültü oranı ( Peak-Signal to Noise Ratio - PSNR) ölçütü kullanılmıştır. Yüksek PSNR değerleri kaynaştırılmış görüntünün orijinal spektral değerlerini koruduğunun göstergesidir (Şekil 7). Katışım temelli yöntemler tüm bantlar için kaynaştırma yapabilmektedir. Ancak SFIM, SSCN gibi pan keskinleştirme temelli yöntemler sadece örtüşen görünür-yakın kızılötesi bölgedeki bantlarda kaynaştırma yapabilir [12]. Dolayısıyla tüm spektral boyutluluğun korunması bakımından katışım temelli yöntemlerin pan keskinleştirme temelli yöntemlere üstünlüğü söz konusudur (Şekil 8). Yaygın olarak kullanılan pan keskinleştirme temelli yöntemler daha çok uzamsal bileşene ağırlık verirler (ör. SSCN). Spektral bileşene ağırlık veren bazı yöntemler olsa da (ör. SFIM) spektral ağırlıktan dolayı uzamsal bilgiyi etkin biçimde kaynaştıramazlar (Şekil 8-c). Katışım temelli yöntemlerde ise bir uzlaşı söz konusudur. Kaynaştırma uzamsal ve spektral bilgiyi daha dengeli bir şekilde bir araya getirmektedir. Önerilen yöntemler hem spektral bilgiyi korumuş hem de uzamsal çözünürlüğü artırmıştır. Dolayısıyla önerilen yöntemle kaynaştırılmış görüntülerin hedef tespiti ve sınıflandırmada kullanımının, görüntülerin ayrı ayrı kullanımına oranla daha yüksek başarım vereceği öngörülmektedir. Bugün çalışmalarımızda kullanılan görüntüler hiperspektral ve multispektral olmak üzere farklı alıcılardan elde edilebilmektedir. Bu görüntülerin aynı tarihlere denk getirilmesi genellikle mümkün olmamakta ve alıcılar arasında bakış açısı farkları bulunmaktadır. Bu faktörler kaynaştırma başarımının düşmesine sebep olmaktadır. PRISMA projesi hayata geçtiğinde aynı tarih, saat ve bakış açısından hiperspektral ve yüksek uzamsal çözünürlüklü görüntü elde etmek mümkün olacağından, uyguladığımız yöntemlerin oldukça yüksek başarımlı sonuçlar vermesi beklenmektedir. MART 2013 XYZ DERGİ 24

6 Şekil 8: Kaynaştırma sonucunda oluşan bantların RGB ( banlar) gösterimi a) orijinal Hyperion, b) orijinal IKONOS c) SFIM, d) SSCN, e) FCLS temelli kaynaştırma f) bulanık temelli kaynaştırma REFERANSLAR (1) Shippert P. Introduction to Hyperspectral Image Analysis, Online Journal of Space Communication, Ohio University, Athens, (2) SAGE Handbook of Remote Sensing, ed.,g. Foody, T. Warner, D. Nellis, SAGE Publications (3) Pearlman J.S., Barry P.S., Segal C.C., Shepanski J., Beiso D., Carman S.L., Hyperion, a Space-based Imaging Spectrometer, IEEE Transactions on Geoscience and Remote Sensing, 41( 6), , (4) D. Manolakis, D. Mardon and G. A. Shaw Hyperspectral image processing for automatic target detection applications, Lincoln Lab. Journal, 14(1), , (5) Barnsley M.J., Settle J.J., Cutter M.A., Lobb D.R, Teston F., The PROBA/CHRIS Mission: A low-cost SmallSat for Hyperspectral Multi-angle Observations of the Earth Surface and Atmosphere, IEEE Transactions on Geoscience and Remote Sensing, vol. 42(7), , (6) Staenz K. Held A., Summary of Current and Future Terrestial Civilian Hyperspectral Spaceborne Systems, Proceedings: IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2012), Temmuz (7) Thomas C., Ranchin T., Wald L., Chanussot L., Synthesis of Multispectral Images to High Spatial Resolution A Critical Review of Fusion Methods Based on Remote Sensing Physics IEEE Transactions on Geoscience and Remote Sensing, 46(5), , (8) Lee, C. Landgrebe D.A., Analyzing high-dimensional multispectral data, IEEE Transactions on Geoscience and Remote Sensing, 31 (4), , (9) Ananasso C. Battazza F. Varacalli G.N., Longo F. Lopinto E., PRISMA Mission Program Status Future Hyperspectral Applications, Proceedings: IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2012), Temmuz (10) Url: KULIS Kocaeli Üniversitesi İşaret ve Görüntü İşleme Laboratuvarı / Kocaeli University Laboratory of Image and Signal Processing (11) Mayumi, N. and Iwasaki, A., Image sharpening using hyperspectral and multispectral data,, in Proc. IEEE IGARSS 11 Vancouver, Canada, pp , (12) Yokoya, N., Yairi, T., Iwasaki, A., Coupled nonnegative matrix factorization unmixing for hyperspectral and multispectral data fusion, IEEE Transactions on Geoscience and Remote Sensing, Vol. 50, no.2, pp , 2012 MART 2013 XYZ DERGİ 25