Ünite 5 - Veri Görüntü

Transkript

1 Uzaktan Algılamaya Giriş Ünite 5 - Veri Görüntü Önişleme

2 Görüntü Önişleme Sayısal Görüntü ü Önişleme, sayısal görüntülerin ül bilgisayari yardımı ile iyileştirikmesi ve yorumlanmasını içerir. SayısalGörüntüÖnişlemesinde veanalizinde aşağıdaki aşamalar takip edilir: Herbir t anında görüntüyüoluşturan ş bir hücre işlemeş girer Algoritma bu hücre verisini bir veya seri matematiksel işlemlere tabi tutar Matematiksel işlemler sonrası yeni bir görüntü olurşur Oluşan bu görüntü depolanır

3 Görüntü Önişleme Sayısal Görüntü Önişleme yorumlanma derecesine göre farklı işleme aşamalarından geçebilir, bunlar: Görüntü verisi düzeltme Daha iyi görsel yorumlama için görüntü iyileştirme Çoklu band operasyonları ile yeni görüntü oluşturma amaçlı dönüşüm

4 Görüntü Önişleme Yaygın olarak kullanılan Görüntü Önişleme ve analiz operasyonlarının çoğu aşağıda listelenen dört kategori içinde listelenebilir: Ön İşleme (Görüntü Restorasyonu): Bu operasyonlar ana veri analiz işlemleri öncesinde verideki bozuklukların giderilmesi için uygulanır Görüntü İyileştirme: Bu işlemler görsel yorumlama ve analiz amacı ile kullanılacak verinin iyileştirilmesi için uygulanır Görüntü Dönüşümü: Bu operasyonlar çoğunlukla çok badlı spektral verinin birlikte işlenmesi ile ilgilidir

5 Görüntü Bozuklukları Görüntü Önişleme aşamalarının ilki olan ön işleme aşamasında, Uzaktan algılama görüntülerinde, gözlemlenebilecek bozukluklar (hatalar) şunlardır: Radyometrik bozukluklar Geometrik bozukluklar

6 Görüntü Bozuklukları Radyometrik bozuklukların radyometrik düzeltmelerle giderilmesi gerekir. Bunlar iki temel nedenden kaynaklanır ve düzeltilmeleri gerekir Sensörden kaynaklanan hataların düzeltilmesi Kayıp satır De-striping Bit hatası Çevresel etkilerden kaynaklanan hataların düzeltilmesi Atmosferik etkilerin giderilmesi Güneş aydınlatma açısı etkisinin giderilmesi

7 Görüntü Bozuklukları Geometrik Düzeltmeler ise iki şekilde yapılır: Sistematik tik hataların giderilmesi il i Sistematik tik olmayan hataların giderilmesi il i

8 Radyometrik düzeltmeler Sensör kaynaklı hataların düzeltilmesi Kayıp Satır (Missing Line) : Görüntü elde edilmesi sırasında meydana gelen ve kayıp veya hatalı tarama verisi elde edilmesine neden olan sistematik hatalar sonucunda oluşur.

9 Radyometrik düzeltmeler Sensör kaynaklı kl hataların düzeltilmesi i Kayıp Satır (Missing Line) düzeltmesi iki yöntemle yapılabilir; 1. Takip eden hat verisinin eklenmesi GDi, j = GDi, j 1 2. Önceki ve sonraki hat verilerinin ortalamasının eklenmesi, GDi, j = (GDi, j 1 + GDi, j+1)/ 2

10 Radyometrik düzeltmeler Sensör kaynaklı hataların düzeltilmesi De-striping: Algılayıcının bandları arasındaki algılama farklarından oluşur Sorun, sorunlu alana ait tüm bantlardaki algılama değerlerinin göreceli karşılaştırılması ile düzeltilir Kaynak: usgs gov/level 1G 1Gt 1T Gap Kaynak: processing.php

11 Radyometrik düzeltmeler Sensör kaynaklı hataların düzeltilmesi Bit Hatası: Çevresine göre belirgin yüksek veya düşük parlaklık değerine sahip hücrelerin yol açtığı hatalardır Çevre hücre değerlerinin ortalamasının hatalı hücreye atanması ile düzeltilir

12 Geometrik düzeltmeler Sistematik tik hataların giderilmesi il i Sistematik hataların kaynakları: Çarpık tarama (Scan Skew) Dünya dönüşü Panoramik bozulma Ayna-tarama hızı (Mirror-Scan Velocity Variance) Platform hızı Perspektif

13 Sistematik hatalar Kaynak: 477/ html p// / /

14 Sistematik hatalar Kaynak: 477/ html

15 Sistematik hatalar Kaynak: 477/ html

16 Geometrik düzeltmeler Sistematik hatalar, algılayıcı ve platform hareketlerinin ve platform ve dünya arasındaki ilişkinin doğru modellenmesi ile düzeltilirler

17 Geometrik düzeltmeler Sistematik olmayan hataların giderilmesi Sistematik olmayan hataların kaynakları: Yükseklik değişiklikleri (Altitude Variance) Platform Durum değişiklikleri ğ ş (Platform Attitude) Topoğrafik yükseklik farkları

18 Platform Sapmaları Kaynak: bin/getdoc.cgi/0650/bks/sgi_developer/books/perf_getstartecgi/0650/bks/sgi GetStarte d/sgi_html/ch05.html

19 Platform Sapmaları Algılayıcı yönlenmesinden kaynaklanan sapmalar Öne/arkaya eğilme Yana Eğilme Dönüklük Kaynak: 477/ html

20 Platform Sapmaları Algılayıcı l ve Dünya yüzeyi arasındaki ilişki bozukluklarından kaynaklanan sapmalar Dünya Dönüşü ü Platform Hızı Durum Değişikliği Kaynak: 477/ html

21 Topoğrafik yükseklik farkları Yükseklik veya yükselti farklılıkları yükseklik klik kayıklıkları na neden olmaktadır Kaynak: El Sheimy ve ark.2005

22 Topoğrafik yükseklik farkları Yükseklik kayıklıkları Δr = r h/h Kaynak: El Sheimy ve ark.2005

23 Topoğrafik yükseklik farkları Arazi yüzeyinin oluşturduğu kaymalar sistematik değildir, ğ bu nedenle tahmin edilemezler Kaynak: El Sheimy ve ark.2005

24 Geometrik düzeltmeler Sistematik olmayan hatalar sistematik hatalarda olduğuğ gibi platform ve dünya arasındaki ilişkinin modellenmesi ile düzeltilemezler Görüntü verisinin yersel koordinat sistemine geometrik doğrultulması ile giderilebilirler

25 Görüntü Eşleme Amaç: İki veya daha fazla görüntü verisini geometrik olarak hizalayarak, ilgili hücre veya türevlerinin (kenar, köşe noktası gibi) aynı zemin nesne alanını temsil eder hale getirmekdir Sol Görüntü Sağ Görüntü Nesne Alanı Kaynak: El Sheimy ve ark.2005

26 Görüntü Eşleme Uygulama Alanları: l Uzaktan Algılama verileri Tarım, Jeoloji, Hidrografi, Petrol, Mineral arama ve kirlilik kontrolü Tıbbi Görüntü Analizleri Tanı amaçlı, hastalık yeri veya tümör tespitinde Bilgisayarlı Görme ve Desen Tanıma Bilgisayarlı Görme ve Desen Tanıma Segmentasyon, nesne tanıma, şekil yapılandırma, hareket takibi, bindirmeli haritalama, karakter tanıma

27 Görüntü Eşleme Eşleme Öğeleri Dönüşüm Fonksiyonu Benzerlik Ölçüsü Eşleme Stratejisi

28 Görüntü Eşleme Eşleme Öğeleri Dönüşüm Fonksiyonu Görüntü eşlemesinde eşleme işlemi için gerekli bilginin çıkarıldığı ortam Benzerlik Ölçüsü Ayrı noktalar Çizgisel l özellikler Homojen alanlar Eşleme Stratejisi

29 Görüntü Eşleme Farklı uydu Görüntüleri için Görüntü Eşlemesinde Kullanılabilecek Nokta Primitif örnekleri

30 Görüntü Eşleme Eşleme Öğeleri Dönüşüm Fonksiyonu Benzerlik Ölçüsü İlgili Eşleme Öğeleriin geometrik öznüteliklerinin ilişkisini kuran matematiksel fonksiyon Eşleme Stratejisi

31 Görüntü Eşleme 2D 2D Dönüşüm ş Fonksiyonu Sol Görüntü Sağ Görüntü Nesne Alanı Kaynak: El Sheimy ve ark.2005

32 Görüntü Eşleme 2B 2B Dönüşüm ş Fonksiyonu Sol Görüntü Sağ Görüntü 3B 2B 3B 2B Nesne Alanı Kaynak: El Sheimy ve ark.2005

33 Dönüşüm Fonksiyonu Rigorous Modelleri 3-B 2-B

34 Dönüşüm Fonksiyonu Rigorous Modeller 2-B 2-B Girdi Görüntü Referans Görüntü Nesne Alanı SYM olmadan çakışan görüntülerdeki eşlenik noktalar arasında matematiksel ilişki kurulamaz

35 Dönüşüm Fonksiyonu 2-B Benzerlik Dönüşümü 2 B Benzerlik Dönüşümü Sol Görüntü Sağ ğ Görüntü 2 B Benzerlik Dönüşümü 2 B Benzerlik Dönüşümü Nesne Alanı Kaynak: El Sheimy ve ark.2005

36 Dönüşüm Fonksiyonu Afin Dönüşümü Afin Dönüşümü Sol Görüntü Sağ ğ Görüntü Afin Dönüşümü Afin Dönüşümü Nesne Alanı Kaynak: El Sheimy ve ark.2005

37 Görüntü Eşleme Eşleme Öğeleri Dönüşüm Fonksiyonu Benzerlik Ölçüsü Seçilen Eşleme ş Öğeleri ğ arasındaki Eşleme benzerliğin Stratejisi ğ derecesini göstermek için gerekli ölçüyü oluştururlar

38 Geometrik Benzerlik Ölçüsü Geometrik benzerlik ölçüsü: ü eşlenik Eşleme Öğeleriin, doğru kayıt dönüşüm fonksiyonu sonrasında, tutarlılığını matematiksel olarak ifade eder. Geometrik benzerlik ölçüsü Seçilen kayıt primitifine (nokta, çizgisel obje, veya homojen alan) Kayıt Dönüşüm Foksiyonuna (örn. 2-B benzerlik veya Afin dönüşümü) ü ü) değişkenlerine bağlıdır

39 Geometrik Benzerlik Ölçüsü fgx ve fgy kayıt dönüşüm fonksiyonunu ifade eder 2-D benzerlik için, geometrik benzerlik ölçüsü aşağıdaki gibidir

40 Radyometrik Benzerlik Ölçüsü Seçilen Eşleme Öğeleriin çevresindeki grilik düzeyi dağılım fonksiyonlarının benzerlik derecesini ifade eder Radyometrik benzerlik ölçüsü, eşlenik Eşleme Öğeleriin otomatik tanınmasında önemlidir Korelasyon katsayısı nokta Eşleme Öğeleriin radyometrik benzerliğini ifade etmek için kullanılabilir eşdeğer mekansal çözünürlüğe sahip görüntüler için

41 Korelasyon katsayısı gr(x, y) referans görüntüde seçilen herhangi h bir nokta çevresine ait gri değer fonsiyonu gi(x, y) girdi görüntüde ilgili ili nokta çevresine ait gri değer fonsiyonu (nxm) referans ve girdi görüntüde, seçilen nokta merkezli, analiz penceresinin boyutu olmak üzere, çapraz korelasyon katsayısı (radyometrik benzerlik ölçüsü) ü) şeklinde d hesaplanabilir

42 Korelasyon katsayısı

43 Korelasyon katsayısı Korelasyon katsayısı aralığında değer alır ρ = 0 herhangi bir benzerlik olmadığını ρ = -1 ters yönlü benzerliği (örn. Aynı görüntünün ait diapozitif ve negatifleri) ρ = 1 tam eşleşmeyi (mümkün olan en büyük benzerlik değeri) ifade etmektedir.

44 Korelasyon katsayısı Referans Görüntü Girdi Görüntü 7x7 lik bir pencere kullanıldığında ρ = 0.8 Kaynak: El Sheimy ve ark.2005

45 Korelasyon katsayısı Referans Görüntü Girdi Görüntü 7x7 lik bir pencere kullanıldığında ρ = 0.65 Kaynak: El Sheimy ve ark.2005

46 Görüntü Eşleme Eşleme ş Öğeleriğ Dönüşüm Fonksiyonu Benzerlik Ölçüsü Eşleme Stratejisi Otomatik olartak eşleşen ş ş noktaların tanımlanmasını ve bu noktaların eşleşme kalitesini kontrol eder

47 Arazi ve Görüntü Koordinat Sistemleri Görüntü koordinat sisteminden arazi koordinat sistemine veya arazi koordinat sisteminden görüntü koordinat sistemine dönüşümde Yer Kontrol Noktalarına (YKN) ihtiyaç duyulmaktadır Koordinat (X,Y veya X,Y,Z) bilgisine güvenilir haritalardan Arazi ölçmeleri ile Küresel Konumlama Sistemleri (KKS) ile Kodlanmış görüntüler kullanılarak ulaşılabilir

48 Görüntü Görüntüye Kodlama Metodu Referans Görüntü Girdi Görüntü

49 Görüntü Haritaya Kodlama Metodu Not: harita görüntüye yönünde kodlama da yapılabilir.

50 Polinom Derecesi 1. Derece: 6 parametre x = a0 + a1x + a2y y = b0 + b1x + b2y 2 aktarma, 1 döndürme, 2 ölçekleme ve 1 çarpıklık k 2. Derece: 12 parametre x = a a3x2 + a4xy + a5y2 y = b b3x2 + b4xy + b5y2 1. Derecedeki parametreler + burulma ve dışbükeylik

51 Polinom Derecesi Matematiksel terimler Derece Tanım YKN Sıfır Düzlemsel 1 Birinci Doğrusal 3 Ikinci Karesel 6 Üçüncü Kübik 10

52 Polinom Derecesi 1. Derece 2. Derece 3. Derece Çizmeli 2008

53 Polinom Derecesi En ii3 iyi 3. Derece En iyi 1. Derece En iyi 2. Derece Çizmeli 2008

54 Görüntü Örnekleme Amaç: integer olmayan (x,,y) y ) için g(x,,y) y ) nin hesaplanması Alternatifler: En Yakın Komşu BiDoğrusal ğ İnterpolasyonp y Kübik Fonksiyon

55 Görüntü Örnekleme Doğru ğ Görüntü ü Çizmeli 2008

56 Görüntü Örnekleme Referans ve girdi görüntülerine ait hücrelerin kodlama işlemi sonrasındaki eşleşme durumu Bozuk Görüntü Düzeltilen Görüntü Çizmeli 2008

57 Örnekleme Teknikleri En Yakın Komşu BiDoğrusal İnterpolasyon Kübik Fonksiyon

58 En Yakın Komşu Örnekleme En yakın komşu örnekleme tekniğinde, herbir girdi görüntü hücresine en yakınındaki referans görüntü hücresinin değeri atanır Kaynak: CCRS/CRT

59 En Yakın Komşu Örnekleme Yakın bakış Kaynak: CCRS/CRT

60 BiDoğrusal İnterpolasyon BiDoğrusal İnterpolasyon örnekleme tekniğinde, ğ herbir girdi görüntü hücresine en yakınındaki dört referans görüntü hücresinin değerlerinin ortalaması atanır Kaynak: CCRS/CRT

61 BiDoğrusal İnterpolasyon Yakın bakış Kaynak: CCRS/CRT

62 Görüntü Örnekleme Girdi Görüntü ü Referans Görüntü Hesaplama açısından diğer yöntemlere göre daha karmaşık olan Kübik Fonksiyon tekniğinde ise, bidoğrusal metoduna benzer şekilde girdi görüntü hücresine referans görüntüdeki çevre hücrelerin ortalaması atanır. Bu yöntemde 16 komşu en yakın hücre ortalamanın hesaplanması kullanılır. Kaynak: CCRS/CRT

63 Görüntü Örnekleme (karşılaştırma) Geometrik özellikler: Kübik En iyi BiDoğrusalğ İyiy En yakın Komşu Kötü Radyometrik özellikler: Kübik Kötü BiDoğrusal İyi En Yakın Komşu En iyi Uygulama zamanı: Kübik Yavaş BiDoğrusal Görece hızlı En Yakın Komşu En Hızlı

64 Görüntü Örnekleme (karşılaştırma) Orjinal En Yakın Komşu BiDoğrusal Kübik Çizmeli 2008

65 Görüntü Örnekleme Orjinal (SPOT XS) En Yakın Komşu BiDoğrusal interpolasyon Kübik fonksiyon

66 Görüntü Örnekleme Önce Null Hücreler Sonra Çizmeli 2008

67 Konformal dönüşüm Konformal harita projeksiyonları küçük alanlarda açı ve şekil özelliklerini korur, alan büyüklüğü arttıkça açı ve şekil özelliklerinde hafif bozukluklar gözlenir. Harita üzerindeki herhangi bir noktada üzerinde tüm doğrultularda ğ ölçek sabittir. Aktarma (translation) Rotasyon Ölçekleme Açı (şekil) korunur Kaynak: CCRS/CRT

68 Afin Dönüşümü Aktarma (translation) Rotasyon Ölçekleme Paralellikler korunur Kaynak: CCRS/CRT

69 Bi-Doğrusal dönüşüm Aktarma (translation) Rotasyon Ölçekleme Paralellikler korunmaz Kaynak: CCRS/CRT

70 2. Derece dönüşüm Aktarma (translation) Rotasyon Ölçekleme Paralellikler korunmaz Düz çizgiler eğilir Kaynak: CCRS/CRT

71 Bitki İndeksi (VI) Yakın kızılötesi (NIR) bandının Kırmızı (R) banda oranı bitki indeksi olarak kullanılmaktadır. Çoğu bitki NIR bandında yüksek yansıma, kırmızı bandda yüksek emilim değerlerine sahiptir Her iki banddaki yansıma değerlerinin yakın olması durumunda bikti indeksi değeri 1 e yaklaşır (örn. Bulutlar) Çoğu bitki için bu değer 1 den büyüktür

72 Normalleştirilmiş Fark Bitki İndeksi (NDVI) Normalized Difference Vegetation Index 1 ve +1 arasında değer alır Artı değerler bitki varlığının yüksek olduğunun göstergesidir Eksi değerler genellikle çıplak toprak, su ve bulut alanlarında bulunmaktadır

73 Dönüştürülmüş ül ü Bitki İndeksi dki(tvi) Transformed Vegetation Index Deeringet al. (1975)

74 Bitki İndeksi (VI) Göcek (Quickbird)

75 Normalleştirilmiş Fark Bitki İndeksi (NDVI) Normalized Difference Vegetation Index

76 Dönüştürülmüş Bitki İndeksi (TVI) ö üştü ü üş t de s ( ) Transformed Vegetation Index

77 Temel lbileşen Analizi i(tba) Görüntü bandları arasındaki yüksek korelasyon multi spektral görüntü verisinin analizinde sıklıkla karşılaşılan bir problemdir Çeşitli dalga boylarında oluşturulan görüntüler genellikle benzer bilgiyi taşırlar TBA multi spektral verideki bu tekrarın azaltılması için kullanılır Amaç: n bandda bulunan orjinal bilginin n den daha düşük sayıdaki yeni banda (bileşen) aktarılmasıdır. Kullanım alanları; Görsel çıkarım öncesi görüntü zenginleştirme Görüntü Sınıflandırma öncesi

78 Temel lbileşen Analizi i(tba)

79 Temel lbileşen Analizi i(tba)

80 Temel lbileşen Analizi i(tba)

81 Temel lbileşen Analizi i(tba)

82 Kontrast İyileştirme: i Bir resmin ton veya radyometrik kalitesi histogramı kullanılarak değerlendirilebilir Parlaklık değerleri mevcut dinamik aralığı iyi kullanan bir görüntü, siyah değerlerin yığılmadığı, tüm aralık boyunca kutular (veya çubuk) ile gösterilebilecek bir histograma sahiptir

83 Kontrast İyileştirme: i Richards& Jia, 2006

84 Kontrast İyileştirme: i Kontrast iyileştirmede iki yöntem vardır: Doğrusal kontrast iyileştirme Doğrusal olmayan kontrast iyileştirme

85 Kontrast İyileştirme: i Lillesand& Kiefer, 1999

86 Kontrast İyileştirme: i Doğrusal kontrast iyileştirme

87 Kontrast İyileştirme: i İyileştirilmemiş y ş Görüntü Doğrusal ğ Kontrast İyileştirme y Sonucu

88 Kontrast İyileştirme: i Doğrusal olmayan kontrast iyileştirme

89 Kontrast İyileştirme: i İyileştirilmemiş i Görüntü Doğrusal ğ Olmayan Kontrast t İyileştirme Sonucu

90 Kontrast İyileştirme: i Doğrusal / Doğrusal Olmayan Kontrast İyileştirilmesi karşılaştırması

91 Mekansal Filitreleme Mekansal Filitreler görüntünün belli bir hücresi ve komşuluğundaki lokal hücrelerin gri değerleri (parlaklık değerleri) üzerinde yapılan aritmetik ya da istatistiksel operasyonları içerir Mekansal filitreleme işlemi için belli bir pencere büyüklüğü seçilir ve pencere herbir görüntü hücresi üzerinde gezdirilerek filitreleme işlemi uygulanır

92 Mekansal Filitreleme Mk Mekansal lfrekans: bir görüntüdeki öü üd tonlama değişkenliğinin i keskinliğini gösterir Düşük mekansal frekans : düz görüntü alanları (tarım alanları, su kütleleri gibi) k k k lf k k k l l (b l Yüksek mekansal frekans : keskin görüntü alanları (bina sınırları, yol kesişimleri)

93 Mekansal Filitreleme Düşük ş Geçirgen Filitre Düşük ş frekanslı gri değerleri ğ keskinleştirirş Yüksek frekanslı gri değerleri düzleştirir(lokal ayrıntılar gider) Kontrastı düşürür Gürültüyü düzenler

94 Düşük Geçirgen Filitre Ortalama filitre: Mekansal Filitreleme Tuz karabiber tipindeki periodik gürültüyü ortadan kaldırmak için uygundur Görüntü bu filitre sonrası bulanıklaşır özellikle obje kenarları bu bulanıklıktan daha çok etkilenir Bulanıklaşma seçilen pencere büyüklüğü arttıkça daha da çok artar

95 Düşük Geçirgen Filitre Ortalama filitre: Mekansal Filitreleme Filitre Orjinal Görüntü Filitrelenmiş Görüntü GD= 1/9 * ( ) = 70

96 Mekansal Filitreleme

97 Mekansal Filitreleme Düşük Geçirgen Filitre Medyan filitre: Bu filitre özellikle tek bir hücre ya da hücre grubunun bozulduğu veya verisinin olmadığı ğ kısa frekanslı gürültülerin giderilmesinde etkilidir Sadece orjinal hücre değerleri medyan filitresi oluşturmada kullanılır Medyan değerleri ortalamanın aksine en büyük ve en küçük değerlerden etkilenmez Sınırlar bu filitre ile kaymaz

98 Mekansal Filitreleme Düşük Geçirgen Filitre Medyan filitre: Orjinal Görüntü Filitrelenmiş Görüntü GD(giren)= 67, 67, 72, 70, 68, 71, 72, 71, 72 GD(sıralı)= 67, 67, 68, 70, 71, 71, 72, 72, 72 GD(sonuç)= 71

99 Mekansal Filitreleme

100 Düşük Geçirgen Filitre Medyan filitre: Mekansal Filitreleme Orjinal Görüntü Filitrelenmiş ş Görüntü GD(giren)= 67, 67, 72, 70, 68, 71, 72, 71, 72 GD(sıralı)= 67, 67, 68, 70, 71, 71, 72, 72, 72 GD(sonuç)= 72

101 Mekansal Filitreleme

102 Mekansal Filitreleme Yüksek Geçirgen Filitre Görüntün yüksek frenaslı ayrıntıları içeren kısımlarının belirgileştirilmesi için kullanılır Daha Genel olan düşük frenasklı öğelerin belirginliğini azaltır. Kontrastı artırır, Kenarların belirginliğini artırır.

103 Mekansal Filitreleme Yüksek Geçirgen Filitre Çıkarmalı Düzleyici Keskinleştirici Filitre Gri Değer (çıktı) = Gri Değer (girdi) Gri Değer (ortalama) + c Burada; Gri Değer [GD](çıktı) = Çıktı görüntü Gri Değer (girdi) = iyileştirilmemiş görüntü Gri Değer ğ (ortalama) = ortalama filitresi ile iyileştirilmiş ş ş görüntü c = öteleme parametresi

104 Mekansal Filitreleme Orjinal Görüntü Keskinleştirilmiş Görüntü

105 Mekansal Filitreleme Konvolusyon Maskesi Ortalama Fark

106 Mekansal Filitreleme Laplas Konvolusyon Maskesi Kenar iyileştirmesi yapar Objelerin kenarları görüntüdeki noktalar ve çizgiler keskinleştirilirken homojen dağılan bölgeler bastırılır Çapraz Laplas Maskesi Laplas Kutusu Maskesi

107 Mekansal Filitreleme

108 Mekansal Filitreleme Doğrusal Kenar Belirleme Dikey Yatay Çapraz Kuzey Güney Doğu Batı Kuzeybatı Güzeydoğu Kuzeydoğu Güneybatı

109 Mekansal Filitreleme

110 Mekansal Filitreleme Doğrusal Kenar Belirleme Orjinal Görüntü Çizgisel Kenar Belirleme Sonucu

111 Mekansal Filitreleme Doğrusal Olmayan Kenar Belirleme (SOBEL, ROBERTS, CANY, vb. Farklı filitreler vardır) ÖRN: SOBEL 3*3 lük bir pencereye uygulanabilir Yatay düşey ve çapraz kenarları bulmak için uygulanabilir GD1 GD2 GD3 GD4 GD5 GD6 GD7 GD8 GD /2 Sobel= ( X+ Y) X = ( GD3 + 2GD6 + GD9 ) ( GD1 + 2GD4 + GD7 ) Y = ( GD1 + 2GD2 + GD3 ) (( GD7 + 2GD8 + GD9 ) X Y

112 Mekansal Filitreleme Orjinal Görüntü Sobel Sonucu

113 Kaynaklar: El-Sheimy, N., Valeo, C., and Habib, A., 2005, Digital Terrain Modeling: Acquisition, Manipulation, and Applications. Artech House, Published July 2005, ISBN A. Çizmeli, 2008, Principles of Remote Sensing METU GGIT 560 Lecture Notes

114 Açık Lisans Bilgisi ################################################################################ UADMK - Açık Lisans Bilgisi Bu ders malzemesi öğrenme ve öğretme yapanlar tarafından açık lisans kapsamında ücretsiz olarak kullanılabilir. Açık lisans bilgisi bölümü yani bu bölümdeki, bilgilerde değiştirme ve silme yapılmadan kullanım ve geliştirme gerçekleştirilmelidir. İçerikte geliştirme değiştirme yapıldığı takdirde katkılar bölümüne sadece ekleme yapılabilir. Açık lisans kapsamındaki malzemeler doğrudan ya da türevleri kullanılarak gelir getirici faaliyetlerde bulunulamaz. Belirtilen kapsam dışındaki kullanım açık lisans tanımına aykırı olduğundan kullanımyasadışı olarak kabul edilir, ilgili açık lisans sahiplerinin ve kamunun tazminat hakkı doğması sözkonusudur. Katkılar: Doç. Dr. H. Şebnem Düzgün, ODTÜ, 04/10/2010, Metnin hazırlanması #################################################################################