UZAKTAN ALGILAMA Görüntü Verisinin Düzeltilmesi ve Geliştirilmesi

Transkript

1 UZAKTAN ALGILAMA Görüntü Verisinin Düzeltilmesi ve Geliştirilmesi Yrd. Doç. Dr. Aycan M. MARANGOZ GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ JDF439 UZAKTAN ALGILAMA DERSİ NOTLARI /marangoz.htm

2 İÇERİK Giriş Radyometrik ve Geometrik Düzeltme (Ön İşleme) Radyometrik Geliştirme (Görüntü Zenginleştirme) Örnek Uygulamalar Not: Bu ders notunda çoğunlukla, Yrd. Doç. Dr. S. KARAKIŞ ve Yrd. Doç. Dr. H. TOPAN ın Y.Lisans Tezlerinden yararlanılmıştır. Yrd. Doç. Dr. Aycan M. MARANGOZ 2

3 GİRİŞ Dijital bir görüntü işleme bir takım işlemleri gerektirebilir. Bunlar genel anlamda; GÖRÜNTÜ VERİSİ DÜZELTME DAHA İYİ GÖRSEL YORUMLAMA İÇİN GÖRÜNTÜ GELİŞTİRME Çoklu band manipülasyonu ile yeni görüntü oluşturma amaçlı dönüşüm Otomatik, yarı otomatik ve elle değerlendirme dir. Yrd. Doç. Dr. Aycan M. MARANGOZ 3

4 GİRİŞ Yaygın olarak kullanılan görüntü işleme ve analiz operasyonlarının çoğu aşağıda listelenen dört kategori içinde kategorize edilebilir: Ön İşleme: Bu operasyonlar, ana veri analiz işlemleri öncesinde verideki bozuklukların giderilmesi için uygulanır. Görüntü Geliştirme: Bu prosedürler, görsel yorumlama ve analiz amacı ile kullanılacak verinin görünümünün iyileştirmesi için uygulanır. Görüntü Dönüşümü: Bu operasyonlar, çoğunlukla çoklu spektral bandlı verinin birlikte işlenmesi ile ilgilidir. Görüntü Sınıflandırma: Görüntü sınıflamada temel amaç görüntüyü oluşturan tüm özelliklerin bir takım arazi örtüsü sınıflarına kategorize edilmesidir. Yrd. Doç. Dr. Aycan M. MARANGOZ 4

5 GİRİŞ Uzaktan algılama görüntüleri yapılarında radyometrik ve geometrik hatalar barındırırlar. Bu nedenle, uygulamada kullanılabilmeleri için bir takım düzeltmelere tabi tutulmaları gerekir. Görüntüden konumsal bilgi edinme durumunda görüntü; ortogörüntü üretilmesi veya sayısallaştırma sonucunda görüntüden elde edilecek vektör bilgiye dönüştürülebilir ve bu şekilde bir çok çalışmaya altlık oluşturabilir. Görüntüler uygulamaya geçilmeden önce radyometrik ve geometrik olarak işlenmeli, radyometrik olarak zenginleştirilmelidir. Bu şekilde değişik zamanlarda ve değişik uydulardan elde edilen görüntülerin herhangi bir uygulamaya uyumu sağlanmış olur. Yrd. Doç. Dr. Aycan M. MARANGOZ 5

6 GİRİŞ Uzaktan Algılama Verisinin CBS Çalışmalarında Kullanılması Yrd. Doç. Dr. Aycan M. MARANGOZ 6

7 GİRİŞ Ayrıca, günümüz yüksek çözünürlüklü uydu görüntülerinde kullanılması kaçınılmaz hale gelen pansharp tekniği ile, yüksek çözünürlüklü pankromatik görüntü ve daha düşük çözünürlüklü renkli görüntü birleştirilerek yüksek çözünürlüklü renkli görüntü elde edilmektedir. Bu şekilde renk dokusuyla yüksek çözünürlüğün birleşiminden çok daha fazla ayrıntı görüntü üzerinden tanınıp çıkarılabilmektedir. Yrd. Doç. Dr. Aycan M. MARANGOZ 7

8 UYDU GÖRÜNTÜLERİNİN DÜZELTİLMESİ Görüntü işleme aşamalarının ilki olan ön işleme aşamasında, Uzaktan algılama görüntülerinde gözlemlenebilecek bozukluk (hata) alanları; Radyometrik ve Geometrik Hatalar şeklinde oluşabilir. Bu aşamada sözü edilen sistematik hatalar, görüntü verisinden uygun fiziksel ve matematiksel yaklaşımlarla giderilmeye çalışılır ve bu iki aşamada gerçekleştirilir: Radyometrik düzeltme (Ölçülen sinyalin kalibrasyonu) Geometrik düzeltme (Görüntünün ait olduğu gerçek yüzey konumundan dolayı oluşan hataların düzeltilmesi) Yrd. Doç. Dr. Aycan M. MARANGOZ 8

9 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK DÜZELTİLMESİ Herhangi bir algılayıcı sistem tarafından ölçülen ışınım; aydınlanma geometrisindeki, atmosferik koşullardaki, bakış geometrisindeki ve algılayıcı karakteristiklerindeki değişimlerden etkilenir. Genellikle bu etkilerin düzeltilmesi algılayıcı sisteme ve uygulama çeşidine bağlı olarak farklılık gösterir. Kaynak: Sunar vd,2011 Yrd. Doç. Dr. Aycan M. MARANGOZ 9

10 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK DÜZELTİLMESİ Uzaktan algılama görüntülerinin yorum ve analizinde iki temel kabul yapılır: 1. Görüntü piksel değerleri, yeryüzü yansıtımının konumsal dağılımını doğru bir şekilde temsil etmektedir, 2. Bu yansıtım büyüklüğü; yeryüzünün fiziksel, kimyasal veya biyolojik özellikleriyle ilişkilidir. Kaynak: Sunar vd,2011 Yrd. Doç. Dr. Aycan M. MARANGOZ 10

11 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK DÜZELTİLMESİ Spektrumun görünür ve kızıl ötesi bölgelerinde kullanılan pasif algılama sistemlerinde belirgin radyometrik düzeltme aşamaları; Algılayıcı kalibrasyonu, Atmosferik düzeltme, Topografik düzeltme ve Güneş in açısal yüksekliği ve yeryüzüne olan uzaklığına bağlı düzeltme olarak dört adımda incelenebilir (Sunar vd, 2011). Yrd. Doç. Dr. Aycan M. MARANGOZ 11

12 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ Ham uzaktan algılama görüntülerindeki geometrik hatalar, sistematik ve sistematik olmayan olmak üzere iki farklı yapıya sahiptirler. Sistematik hatalar, bazı kalibrasyon ve yörünge bilgileri ile düzeltilebilirler. Çoğu zaman görüntüler, pazarlamacı firma tarafından sistematik hatalarından arındırılmış olarak satılırlar (Sistematik hata kaynakları: Çarpık tarama, Dünya dönüşü, Panoramik bozulma, Ayna-tarama hızı, Platform hızı ve Perspektif). Sistematik olmayan hatalar ise Yer Kontrol Noktası (YKN) ve Sayısal Yükseklik Modeli (SYM) verilerinin kullanılması ile giderilebilirler. Bu tür hataların giderilmesinde pek çok matematiksel yöntem mevcuttur. Bu yaklaşımlar iki veya üç boyutlu olabilirler (Sistematik olmayan hata kaynakları: Yükseklik değişiklikleri, Platform durum değişiklikleri, Topoğrafik yükseklik farkları) Yrd. Doç. Dr. Aycan M. MARANGOZ 12

13 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ Sistematik olmayan hata kaynakları: Platform sapmaları Algılayıcı yönlenmesinden kaynaklanan sapmalar Yrd. Doç. Dr. Aycan M. MARANGOZ 13

14 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ Sistematik olmayan hata kaynakları: Platform sapmaları Algılayıcı ve Dünya yüzeyi arasındaki ilişki bozukluklarından kaynaklanan sapmalar Yrd. Doç. Dr. Aycan M. MARANGOZ 14

15 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ Sistematik olmayan hata kaynakları: Topoğrafik yükseklik farkları Yükseklik veya yükselti farklılıkları, yükseklik kayıklıkları na neden olmaktadır. Yükseklik kayıklıkları: Δr = r h/h Yrd. Doç. Dr. Aycan M. MARANGOZ 15

16 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ Perspektif Görüntü ve Orto-görüntü Karşılaştırması Yrd. Doç. Dr. Aycan M. MARANGOZ 16

17 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ Perspektif Görüntü ve Orto-görüntü Karşılaştırması Yrd. Doç. Dr. Aycan M. MARANGOZ 17

18 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ Parametrik veya parametrik olmayan modeller olarak iki farklı yapıda incelenebilen yaklaşımlar, algılayıcı sistemin görüntüleme geometrisinin dikkate alınıp alınmamasına göre adlandırılırlar. Uzaktan algılama görüntülerinin geometrik düzeltilmesinde kullanılan parametrik olmayan modeller için görüntü koordinat sisteminde koordinatları ölçülen ve yer koordinat siteminde koordinatları bilinen YKN verilerine gereksinim duyulmaktadır. Bu yaklaşımda algılayıcı sisteme ait parametreler mevcut değildir ve çözümde sistemin görüntüleme geometrisi dikkate alınmaz. Parametrik Olmayan Matematiksel Modeller Çeşitli Polinom Derecelerini Kullanan İki Boyutlu Yaklaşım Yükseklik Değerini Kullanan Afin Dönüşüm Direct Linear Transformation (DLT) Rational Functions Modeli (RFM) (ARAŞTIRMA) Yrd. Doç. Dr. Aycan M. MARANGOZ 18

19 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ Parametrik modeller, sistemin görüntüleme geometrisini dikkate alan daha üstün modellerdir. Bu modeller, YKN nın konum doğruluğuna bağlı iken, dağılımına bağlı değildirler ve parametrik olmayan modellerden daha az sayıda YKN na ihtiyaç duyulur. Parametrik Matematiksel Modeller SOM (Uydu Yörünge Modellemesi) (ÖDEV) Bu modeller doğrusal dizi sistemler için geliştirilmiştir. Görüntü alım geometrisini dikkate alır. Görüntü koordinat sisteminde koordinatları ölçülen ve yer koordinat sisteminde koordinatları bilinen YKN verileri ile işlem yapılır. Yrd. Doç. Dr. Aycan M. MARANGOZ 19

20 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ (Uygulama Adımları) Çalışmada kullanılacak görüntü veya görüntüler, uygulamaya başlanmadan önce düzenli bir şekilde yayılmış uygun YKN seçimi için analiz edilir. Bu belirleme sonucunda, tüm görüntülerde farklı sayıda YKN ları, jeodezik ölçmeler (GPS vb.) ile ölçülür (veya uygun ölçekli bir harita üzerinden belirlenir) ve sonrasında sonuç doğrulukları analiz edilir. Bu noktaların görüntü üzerinde çok iyi görülebilmesi istendiğinden dolayı noktalar, bina köşeleri, kavşaklar vb. olarak seçilir. YKN sının simetrik bir nesnenin ortası olarak seçilmesi en uygun çözümdür. Köşe veya kenarda seçilen bir noktanın konum doğruluğu, merkezde seçilen bir noktanınkine oranla ortalama %25 hata içermektedir. Uygulama amacına göre görüntüler ortogörüntü haline getirilir. Bunun için görüntüler için birkaç farklı SYM kullanılabilir. Bahsedilen SYM ler, uygun ölçekli haritalardan üretilen SYM ler ve/veya stereogörüntülerden elde edilen SYM ler olabilir. Yrd. Doç. Dr. Aycan M. MARANGOZ 20

21 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ (Uygulama Adımları) Farklı uzaysal (geometrik) çözünürlüklere sahip görüntülerde YKN ları (Topan vd., 2007) Yrd. Doç. Dr. Aycan M. MARANGOZ 21

22 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ (Uygulama Adımları) Farklı uzaysal (geometrik) çözünürlüklere sahip görüntülerde YKN ları (Topan vd., 2007) Yrd. Doç. Dr. Aycan M. MARANGOZ 22

23 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ (Uygulama Adımları) Aynı bölgeye ait ve aynı YÖA değerine sahip SPOT-5 (8 bit) ve IRS-1C (6bit) pankromatik görüntülerinde YKN seçimi (Topan vd., 2007) Yrd. Doç. Dr. Aycan M. MARANGOZ 23

24 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ (Uygulama Adımları) Bina köşesinin YKN olarak seçilmesi Uygun olmayan YKN seçimi (Topan vd., 2007) Yrd. Doç. Dr. Aycan M. MARANGOZ 24

25 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ (Uygulama Adımları) QuickBird görüntüsü üzerine dağılmış olan YKN ları Yrd. Doç. Dr. Aycan M. MARANGOZ 25

26 UYDU GÖRÜNTÜLERİNİN GEOMETRİK DÜZELTİLMESİ (Uygulama Adımları) Farklı kaynaklardan derlenen YKN larının IRS-1C pankromatik görüntüsünde dağılımı (Topan vd., 2007) Yrd. Doç. Dr. Aycan M. MARANGOZ 26

27 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK GELİŞTİRİLMESİ (Görüntü Zenginleştirme) Görüntü zenginleştirme algoritmaları, görüntülere uygulanan görsel ve işlevsel amaçlı iyileştirme yöntemleridir. Bu bölümde, görüntülerin görüntünün zenginleştirilmesi amacıyla uygulanan değişik metotlar ve kullanılan algoritmalara sıralanacak, pan-sharp görüntülerinin üretilmesi amacıyla yoğun şekilde kullanılan UNB Sharpening algoritması anlatılmıştır. Pan-sharp uygulamasının avantajı, renkli görüntüden alınabilecek bilgi içeriğinin, pankromatiğe olan üstünlüğüne bağlı olarak bir görüntü birleştirme tekniği olmasıdır. Yrd. Doç. Dr. Aycan M. MARANGOZ 27

28 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK GELİŞTİRİLMESİ (Görüntü Zenginleştirme) Pan-sharp uygulaması bir çeşit görüntü birleştirmedir. Yüksek çözünürlüklü pankromatik görüntü, ondan daha düşük çözünürlüklü renkli görüntüyle birleştirilir. Sonuç ürün, yüksek çözünürlüklü renkli görüntüdür. Günümüzde birçok yazılımla birlikte aşağıda belirtilen çeşitli pan-sharp algoritmaları mevcuttur. HIS (Hue Intensity Saturation) Sharpening Algoritması PCA (Principal Components Analysis - Temel Bileşenler Analizi) Sharpening Algoritması GS (Gramm Schmidt) Sharpening Algoritması Wavelet Sharpening Algoritması UNB Sharpening Algoritması (DigitalGlobe firması tarafından kullanılan algoritma) Yrd. Doç. Dr. Aycan M. MARANGOZ 28

29 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK GELİŞTİRİLMESİ (UNB Sharpening Algoritması) Algoritma, University of New Brunswick (UNB) den Dr.Yun Zhang tarafından geliştirilmiştir. Bu algoritma hem DigitalGlobe firması hem de bu uygulamada kullanılan PCI yazılımında lisanslı olarak kabul edilmiştir. DigitalGlobe firmasının normal şartlarda kullandığı algoritmadır. Bu algoritmada renk dönüşümü mükemmeldir. Renkler orijinal çoklu banttakine çok yakın sonuçlar vermektedir. Keskinlik kabul edilebilir sınırlarda olup, diğer algoritmalara göre oldukça üstündür. UNB algoritması istatistik tabanlı çalışan bir algoritmadır. Birleştirilen görüntü bantlarının gri değerleri arasındaki en iyi uyuşmayı bulmak ve renk distorsiyonunu azaltmak için her bir ayrı bandın sonuç ürüne ne kadar katkıda bulunacağını hesaplamak için en küçük kareler yöntemini kullanır. Yrd. Doç. Dr. Aycan M. MARANGOZ 29

30 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK GELİŞTİRİLMESİ (UNB Sharpening Algoritması) Veri seti bağımlılığı problemini ortadan kaldırmak ve birleştirme işlemi sürecini otomatikleştirmek için tüm işleme alınan bantlar arasındaki gri değeri ilişkilerini hesaplayan bir takım istatistik yaklaşım barındırır. Örneğin, renk bilgisini veren QuickBird renkli görüntüsü ise 2.4m YÖA değerine sahiptir ve dolayısıyla nesnelerin renkleri yardımıyla nesne ayrımı ön plana çıkmaktadır. Görüntünün yüksek uzaysal çözünürlülüğü ve spektral çözebilirliğin bu etkileri, aşağıda verilen basit bir işlem ile irdelenebilir. Bu işlemde, üç spektral QuickBird bandlarının (2.4m YÖA) birinci ana bileşeni yerine, 0.6m YÖA değerine sahip QuickBird pankromatik bandı kullanılır. Daha sonra ana bileşenlerin yeni kombinasyonu, ters temel bileşenlerin transformasyonu uygulanarak tekrar dönüştürülür. Yrd. Doç. Dr. Aycan M. MARANGOZ 30

31 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK GELİŞTİRİLMESİ (UNB Sharpening Algoritması) Zonguldak iline ait Pan-sharp QuickBird görüntüsünün bir bölümü, Renkli: 2.4m YÖA, Pan: 0.6m YÖA (~1 km x 1 km) Yrd. Doç. Dr. Aycan M. MARANGOZ 31

32 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK GELİŞTİRİLMESİ (UNB Sharpening Algoritması) QuickBird multispektral görüntüsü, 2.4m YÖA QuickBird pankromatik görüntüsü, 0.60m YÖA Yrd. Doç. Dr. Aycan M. MARANGOZ 32

33 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK GELİŞTİRİLMESİ (UNB Sharpening Algoritması) 2.4m YÖA 0.6m YÖA Pan-sharp QuickBird görüntüsü 0.6m YÖA Yrd. Doç. Dr. Aycan M. MARANGOZ 33

34 UYDU GÖRÜNTÜLERİNİN RADYOMETRİK GELİŞTİRİLMESİ (UNB Sharpening Algoritması) Pan-sharp QuickBird görüntüsünün elde edilmesi Yrd. Doç. Dr. Aycan M. MARANGOZ 34

35 GELECEK HAFTA: Uydu Görüntülerinin Sağladığı Bilgi İçeriği Kavramı Yrd. Doç. Dr. Aycan M. MARANGOZ 35

36 KAYNAKLAR, Yrd. Doç. Dr. Aycan Murat MARANGOZ, Bülent Ecevit Üniversitesi Müh. Fak. Geomatik Müh. Bölümü, Fotogrametri ABD Sunuları, 2012 Uzaktan Algılama Ders Notu, Sunar F., Özkan C. ve Osmanoğlu B., T.C. Anadolu Üni. Yayını No: 2320, AÖF Yayını No: 1317, 2011 Uydu Görüntülerinden Kentsel Ayrıntıların Nesne-Tabanlı Sınıflandırma Yöntemiyle Belirlenmesi ve CBS Ortamında Bütünleştirilmesi, Yrd. Doç. Dr. Aycan M. MARANGOZ, Danışman: Prof. Dr. Zübeyde ALKIŞ, Doktora Tezi, YTÜ Fen Bilimleri Enstitüsü, Jeodezi ve Fotogrametri Müh. ABD, Uzaktan Algılama ve CBS Programı, Ekim 2009 Yüksek Çözünürlüklü Uydu Görüntülerinden Kentsel Ayrıntıların Nesne-Tabanlı Sınıflandırma Tekniğiyle Otomatik Olarak Belirlenmesi ve Coğrafi Bilgi Sistemi (CBS) Ortamında Bütünleştirilmesine Yönelik Araştırma, Yrd. Doç. Dr. Serkan KARAKIŞ, Yüksek Lisans Tezi, ZKÜ Fen Bilimleri Enstitüsü, 2005 Yörünge Düzeltmeli IRS-1C/1D Pankromatik Mono Görüntüsünün Geometrik Doğruluk ve Bilgi İçeriği Açısından İncelenmesi, Yrd. Doç. Dr. Hüseyin TOPAN, ZKÜ Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, 2004 Ortogörüntü Üretiminde Yer Kontrol Noktası Seçimi ve Sonuçlara Etkisi, Yrd. Doç. Dr. Hüseyin TOPAN, Uzman Murat ORUÇ, Yrd. Doç. Dr. M. Güven KOÇAK, TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı, 2 6 Nisan 2007, Ankara Uzaktan Algılamada Görüntüleme Sistemleri, Yrd. Doç. Dr. Hüseyin TOPAN, ZKÜ Müh. Fak. Jeodezi ve Fot. Müh. Bölümü, Bölüm içi Semineri, 2007 Yrd. Doç. Dr. Aycan M. MARANGOZ 36