ERS-2 Raw Datası için Dönüşüme Dayalı Sıkıştırma

Transkript

1 ERS- Raw Datası çn Dönüşüme Dayalı Sııştırma. Göhan. KASAPOĞLU, İrahm. PAPİLA, Bngül YAZGA, Sedef KET İstanul Ten Ünverstes, Eletr-Eletron Faültes, Eletron ve Haerleşme Mühendslğ, 066, Masla, İstanul Tel: , Fax: e-mal: gohan@eh.tu.edu.tr Özet: Uydu platformunda Yapay Açılılı Radar (YAR) sensörü le elde edlen verlern gerçe zamanda yer stasyonlarına letlmes and genşlğ ve aşağı ln data hızından aynalanan sınırlamalar nedenyle anca sııştırma tenleryle mümündür. En y lnen onumsal uzay sııştırma tenğ, Blo Adaptf Kuantalamaya (BAQ) dayanır.[,3] İşlenmemş YAR verler çn dönüşüm domennde sııştırma, dönüşüm domen atsayılarının dnam aralığının azaltılması le sağlanalr.bu çalışmada ERS- Raw datasının sııştırılması çn dalgacı dönüşümü ullanılmıştır. Dalgacı dönüşümü le freans özeller aynı olan leşenler ayrılara herr freans ölgesnde statstsel özelller gözönüne alınara BAQ uygulanmıştır.çalışma sonucu aşarım analz PRI (Precson Image) ürününde, BAQ, DCT-BAQ[,7] yöntemler de gözönüne alınara arşılaştırmalı olara verlmştr.. Grş Uydu platformlarında ulunan Yapay Açılılı Radarlar, yer yüzeynn görüntüleyen uzatan algılama sstemlerdr. Yer yüzeynn görüntülenmes sonucu elde edlen verlern letlmes çn gerel ln hızı (Sııştırılmış ERS- Raw datası çn aşağı ln data hızı 04 Mt/sn dr. ) and genşlğ sınırlaması yüzünden aşarılamayalr. Bu yüzden ham YAR verlernn sııştırılması gerer. YAR sensörü tarafından aydınlatılan alandan yansıyan şaret alınır, alınan analog şaret ara freans ölgesne ndrlr ve temel andda eş fazlı I ve 90 derece faz farlı Q leşenler elde edlr. İşlenmemş YAR vers yqust freansında genellle 3 t le t arası odsözcüler le odlanara sayısallaştırılır. ERS- Raw datası I ve Q leşenler 5 tle odlanmıştır. YAR sensörü le YAR verlernn şlendğ yer stasyonları arasında aşağı ln gerçe zamanda ver letmn sağlamalıdır.[,3]. Yapay Açılılı Radar Datası Özelller Yapay açılılı radar versn elrleyen, yüzeyn saçıcılığı ve yüzeyde saçıcı yoğunluğu, sadece statstsel parametrelerle açılanalr. Bundan dolayı saçılan alan (İşlenmemş yapay açılılı radar şaret) r rasgele süreçtr.eğer ayırıcılı hücresnde tane saçıcının olduğunu ve asın r hedefn olmadığını aul ederse, toplam saçılan şaret I + jq S ex jφ ) I cosφ + j Q snφ () şelnde fade edlelr. Burada I ex jφ ). saçıcının atısıdır.i ve Q se sırasıyla toplam şaretn reel ve majner ölümüdür. Eğer saçıcı sayısı,, üyüse merez lmt teorem uygulanalr ve u durumda I ve Q normal dağılımlıdır. Buna ağlı olara I ve Q ye lşn olasılı dağılım fonsyonları sıfır ortalamalı ve varyansı σ olma üzere I) Q) πσ πσ I ex σ Q ex σ ) ) () şelnde elrtlelr.[4] p ( φ ) S ) (3) π ds, φ 0

2 π S S p ( S) dφ S, φ) ex ), V 0 σ σ 0 (4) (3) ve (4) fadelernde görüldüğü üzere şaretn genlğ, S, ( 0, ) aralığında Raylegh dağılımlı ve fazı, φ, se ( 0, π ) arasında unform dağılımlıdır.[4] YAR datasının statstsel özelllernden yararlanaca olan sııştırma algortması çn Saçılan şaretn reel (I) ve majner (Q) leşenlernn ayrı ayrı odlanması uygun olacatır. 3. Yapay Açılılı Radar Data Sııştırma Yöntemler Ham YAR datası çn önerlen sııştırma yöntemler opt sensörlerden elde edlen görüntülern sııştırılmasında ullanılan yöntemlerden farlılı gösterr. Reel (I), ve majner (Q) leşenlernden oluşan omples YAR datası opt sensörlerden elde edlen datalardan farlı olara esn değşmlere sahptr. Bu yüzden dönüşüm uzayında ullanılaca odlama yapısı sadece düşü freanslı leşenler date alara tasarlanamaz. Dğer öneml r notada Ham YAR datasının entrop değerdr. Bu değer r psel odlama çn ullanılaca mnmum uzunlulu od sözcü uzunluğunu gösterr. Ham YAR datasının entrop değernn olduça yüse olması yalnızca ayıplı sııştırma yöntemlernn uygulanmasına olana verr.[5] 3. Konumsal Uzayda Sııştırma Blo Adaptf Kuantalama (BAQ), sensörün ulunduğu platformda, sııştırma şlemnn gerçe zamanda yapılmasına olana sağlar. Saçıcılardan yansıyan şaretn I ve Q leşenlernn statstsel özelllernden yararlanılır. I ve Q leşenler Gauss dağılımlı, sıfır ortalamalı ve lnmeyen varyanslıdırlar[,4]. Algortmanın adaptf olması, gelen data loğunun uygun alt lolara ayrılması ve her ayrılan lo çn varyans lgsnn hesaplanara uantalamada ullanılaca eş lgsnn varyansa ağlı ulunmasıyla sağlanır. İşlenmemş ver loğunu oluşturan alt lolar, Gauss Dağılımını sağlayaca adar üyü, lo çnde enerjnn sat olmasını garant edece adar üçü oyutta seçlmeldrler. Şel de BAQ çn ullanılan algortmanın lo dagramı gösterlmştr.[,3] BAQ algortmasında ullanılan Lloyd-Max uantalayıcı, uantalanaca şaretn olasılı yoğunlu fonsyonunun lnmes durumunda eşğn uantalama hatalarını mnmze edece şelde seçlmesn sağlar. Şel de Lloyd-Max uantalayıcıya at -tl odlama araterstlğ gösterlmştr. İşlenmemş Ver Bloğu Blo Büyülüğü:l (I ve Q analları) Lloyd-Max Kuantalayıcı r: sııştırma oranı Standart sapma σ nın hesaplanması Sııştırılmamış ver hızı (t/örne) xlx xl BAQ ç ı 0 ı 0 ş 00 /r Kodlanmış ver loğu lo üyülüğü:l (I ve Q analları) Sgma σ Sııştırılmış ver hızı (t/örne) xl / r) + xl Şel BAQ lo dagramı 0,9σ 0 0,9σ Şel İ t BAQ od şeması Grş 3.. Dönüşüm Uzayında Sııştırma Dönüşüm domennde sııştırma, zaman domennde ço sayıda olan rryle lşl verlern daha az sayıda rryle lşsz dönüşüm atsayılarıyla fade edlmesyle sağlanır. İşlenmemş YAR vers dönüşüm domennde Gauss dağılımına uygun se Blo Adaptf Kuantalama dönüşüm domennde de uygulanalr. Bu şart olduça genş lo oyutları çn sağlanır. İşlenmemş YAR vers hem azmuth hem de menzl doğrultusunda freans modülasyonu çerr. Freans modülasyonu enerjnn dönüşüm domennde az r ölgeye yoğunlaşması sonucunu doğurur. Bunun sonucu olara ham YAR versnn dönüşüm domennde dnam aralığı artar. Dnam aralığın artması sııştırma performansını olumsuz etler Burada BAQ le odlanan ver lolarının

3 oyutu, ls, daha önce ölümde anlatıldığı g Gauss dağılımını sağlayaca ölçüde üyü, ver loğu çnde enerj sevyesnn sat tutulalmes amacıyla da yeternce üçü seçlmeldr. BAQ sonrası ver loları rtrlere ls oyutunda ls >> ls şartını sağlayan r ver loğu oluşturulur. Dönüşüm u rtrlmş ver loğuna uygulanır. Dönüşüm sonrası odlama şlem yne BAQ odlayıcı le yapılır.[] 3.. DCT-BAQ Algortması BAQ uygulanalmes çn Ayrı Kosnüs Dönüşümü (DCT) sonrası ver loğunun Gauss dağılımlı olması gerer. Dönüşüm atsayıları ncelendğnde, DC leşenn dğer atsayılara göre olduça üyü olduğu görülmetedr. Bu nedenle ver loğunun standart sapması olduça üçülmete ve DC leşene göre üçü olan atsayılar dönüşüm sonrası aynı BAQ uantalama sevyesnde almata ve u durum uantalayıcı sevyelernn hepsnn ullanılalmesn engellemetedr. Eğer dönüşüm sonrası elde edlen ver loğunda DC leşen ayrılır ve DC leşenn yerne sıfır elenrse elde edlen yen data loğunun BAQ le daha verml odlandığı görülmüştür. Burada DC leşen çıarıldığında oluşan yen data loğunun Gauss dağılımına yalaştığı görülür. Varyansla rlte DC leşenn de tle odlanara gönderleleceğ düşünülürse u durum sııştırma performansını az da olsa olumsuz etler faat daha üyü data loları çn sııştırma oranında olumsuz ets azalır. Şel 4 de ham YAR datasının dönüşüm domennde sııştırılmasına at algortma görülmetedr. İşlenmemş Ver Bloğu Blo Büyülüğü:l (I ve Q analları) Sııştırılmamış ver hızı (t/örne) xlx xl Dönüşüm DC leşen yerne sıfır eleme Lloyd-Max Kuantalayıcı r: sııştırma oranı /r Standart sapma σ nın hesaplanması BAQ Şel 4 WT-BAQ çn od şeması Kodlanmış ver loğu lo üyülüğü:l (I ve Q analları) Sgma σ DC leşen Sııştırılmış ver hızı (t/örne) xl / r) + + xl Şel 3 İşlenmemş YAR verlernn dönüşüm domennde sııştırılması 3.. WT-BAQ Algortması Dalgacı dönüşümü yüse freanslar çn zamanda daha y onumlanma ve düşü freanslar çn se daha genş r pencereleme manı sağlar. Ayrı dalgacı dönüşümü WT {n)} e uygulanırsa; WT n)} { c, d } (5) { c Hx) h( n ) n) ( (6) n d Gx) g( n ) n) ( (7) n

4 Yüse geçren g(n) ve alça geçren h(n) fltre çftleryla ham YAR reel (I) ve majner (Q) leşenler alt andlara ayrılır. YAR ham datası dğer opt datalardan farlı olara yüse freanslı leşenlernde de ayda değer yüse atsayılı dönüşüm atsayıları vardır. Bu yüzden dalgacı dönüşümü sonucunda alt andlara ayrılan YAR ham datasının her r freans leşenne sahp olduğu enerj nsetnde od sözcü uzunluğu atanır. Şel 4 de WT-BAQ algortması çn od şeması görülmetedr.kod şemasının Şel 4 de olduğu g seçlmes BAQ, DCT-BAQ ve WT-BAQ yöntemlernn aynı sııştırma oranı çn aşarımın arşılaştırılmasına olana verr. 4.İşlenmemş YAR Datası Sııştırma Tenler Performans Analz., le ham orjnal YAR verler, σ x le ham orjnal YAR şaret gücü, x ˆ(, le sııştırılıp açılmış ham YAR vers, σ le se sııştırılıp açılmış YAR şaret gücü gösterlmştr. Karşılaştırmalarda urada elrtlen xˆ leşenler date alınmıştır. Sııştırma tenlernn aşarım analz, şaret gürültü oranı, sııştırma oranı olma üzere rterle ortaya onmuştur.ormalze ortalama aresel hata; MSE l! (,, ) l, () olara ulunur. İşaret gürültü oranı, SR şelndedr. () de σ x orjnal şaret gücü σ x SR( db) 0log0 (9) MSE x l σ, (0) olara elrtlr.[,3]. Bu çalışmada tanıtılan ham YAR verlernn sııştırılmasına yönel ullanılan örne A ew Processng Algorthm for ERS- SAR Raw Data aşlılı EO-CAT-09 ESA projesnden sağlanan Temuz 000, İstanul ERS- SAR RAW datasıdır. Talo de ERS- Raw datası sııştırma performansları görülmetedr. Sııştırma performansı olara WT-BAQ nun daha y sonuç verdğ görülmetedr. Talo ERS- Raw datası sııştırma performansları BAQ DCT-BAQ WT-BAQ (Dau ) WT-BAQ (Haar) SR (db) 0,9 7,9 9,7 6,4 Kaynalar [] Benz, U.,Strodl, K. ve Morera, A., A Compresson of Severel Algorthms for SAR Raw Data Compresson, IEEE Trans On Geoscence and Remote Sensng, Clt 33, o 5, Eylül 995. [] Curlander, J. and. Mcdonough, R., Synthetc Aperture Radar Systems and Sgnal Processng, John Wley & Sons, Inc., 99. [3] Kwo, R. and Johnston,W., Bloc Adaptve Quantzaton of Magellan SAR Data, IEEE Trans. On Geoscence and Remote Sensng. Vol. 7 o 4 Temmuz 99 [4] Franceschett, G ve Lanar, P., 999 Synthetc Aperture Radar Processng, CRS Press Washngton, ABD. [5] Wjmans, W ve Armruster, P., Data Compresson Technques for Space Aplcatons DASIA 96 Roma, İtalya, 996. [6] Kasapoğlu.G., Y. Lsans Tez, İTÜ Fen Blmler. Ensttüsü., 000

5 [7] Kasapoğlu.G., Yazgan B., "İşlenmemş Yapay Açılılı Radar Verlernn Sııştırılması", İstanul Ünverstes Mühendsl Faültes Eletr-Eletron Dergs, Clt., Sayı., s.7-36, 00.