Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi

Transkript

1 Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi 1

2 Ön İşleme-Radyometrik Düzeltme Atmosferik Düzeltme Atmosferik etkilerin giderilmesinde kullanılan radyometrik düzeltme üç farklı şekilde yapılmaktadır: 1. Uydu algılayıcısı, atmosfer ve hedef arasındaki ilişkiyi ve etkileşimleri modelleyen fiziksel metotlar kullanılır. Atmosferik düzeltmelerin fiziksel olarak modellendiği bu yaklaşım en sağlam ve tutarlı ancak en zor yaklaşımdır. En yaygın kullanılan modeller 5S, 6S, LOWTRAN, MODTRAN, FLAASH, ATCOR2 ve ATCOR3 modelleridir. Bu simülasyonlar meteorolojik, mevsimsel ve coğrafik değişkenleri girdi olarak alırlar. Pratikte bu değişkenler için yeterli zamansal ve mekânsal çözünürlükte değerler elde edilemez ve özellikle atmosferik aerosollerin dağılımının tahmini zordur. Bu yaklaşımlarda Güneş birim ışınırlığı, Güneş ile Dünya arasındaki uzaklığın değişimine bağlı olarak normalize edilir.

3 2. Atmosferik düzeltmeler, yansıtımı bilinen doğal veya yapay yeryüzü hedeflerine dayalı olarak yapılır. Yansıtım özellikleri çok iyi bilinen, yeterli çözünürlüğe sahip ve görüntü alanına iyi dağılmış hedef objeleri atmosferik koşulların konumdan konuma olan değişimlerinin belirlenmesinde etkin olarak kullanılabilir 3

4 Ön İşleme-Radyometrik Düzeltme Atmosferik Düzeltme 3. En kolay ve en yaygın kullanılan atmosferik düzeltme yöntemi koyu piksel çıkartımı yöntemidir. Bu yöntemde herhangi bir spektral bant için bir minimum parlaklık değeri (DN) belirlenir ve bu değere göre görüntü histogramı ötelenir. Yani belirlenen değer görüntüdeki bütün piksellerin yansıtım değerlerinden çıkartılır. Bu yöntemde ilgili spektral bant için bazı piksellerin sıfır yansıtım değerine sahip olması gerekliliği kabul edilir. Böylece bu pikseller için ölçülen ışınırlığın (Lp) atmosferik saçılma sonucu oluştuğu ve konumdan konuma değişmediği kabulü yapılır. Genellikle optik veriler için gölge alanlar ve kızıl ötesi bantlar için temiz derin su kütleleri hedef olarak seçilir. Ancak bu yöntem oldukça kaba bir yaklaşımdır ve daha çok pratik amaçlar için kolay ve uygulanabilir bir yöntemdir.

5 GÖRÜNTÜ KARAKTERİSTİKLERİ Histogram 3 bitlik 4 bantlı yapay bir dijital uydu görüntüsünde, Bant 1 in frekans dağılımı ve histogram grafiği

6 Sayısal Görüntü İstatistiksel Parametreleri Kovaryans, Korelasyon Katsayısı ij = ji ve ij = ji dolayısıyla bu matrisler simetriktir. Kovaryans matrisinde köşegen üzerindeki sayılar ilgili bantların varyans değerlerine karşılık gelmektedir. Korelasyon matrisinde de köşegen üzerindeki değerler bantların kendileriyle olan ilişkilerini gösterir. Korelasyon, birbirinden bağımsız iki değişken için sıfır ve birbiriyle aynı olan değişkenler için birdir. Negatif değerler ilişkinin ters yönlü olduğunu gösterir. Değişkenler arasındaki ilişki lineer değilse, korelasyon ayırt edici istatistiksel bir özellik olamaz.

7 Görüntü Zenginleştirme Görüntü zenginleştirmede amaç; Görsel analiz için görüntülerin algılanabilirliğini veya yorumlanabilirliğini arttırmak ve/veya diğer otomatik görüntü işleme tekniklerine daha iyi girdi görüntüsü sağlamaktır. Bu amaca yönelik olarak Spektral Mekânsal dönüşümler kullanılmaktadır.

8 Görüntü Zenginleştirme Spektral Dönüşümler Spektral dönüşümler, görüntünün spektral bilgi içeriğini değiştirirler. Ancak, Bu değişimde görüntüye yeni bir bilgi eklenmez sadece mevcut bilgi daha yararlı olacak şekilde farklı bir yapıda sunulur. Bu bağlamda her bir spektral dönüşüm farklı bir özellik uzayı oluşturur.

9 Görüntü Zenginleştirme Spektral Dönüşümler Özellik uzayı, sınıflandırma gibi üst seviye dijital görüntü analizlerinin etkin bir şekilde yapılabilmesi için kullanılan görüntüye ait her türlü bilgidir. Buna göre, orijinal piksel parlaklık değerleri de, dönüşümle elde edilen farklı nicelikler de hepsi birer özelliktir. Spektral dönüşümler aşağıdaki 3 temel başlıkta incelenebilir Kontrast zenginleştirme Aritmetik bant işlemleri Ana bileşen dönüşümü

10 Spektral Dönüşümler Kontrast Artırımı İnsan beyni objelerin mekânsal özelliklerini yorumlamada ve detayları tespit etmede mükemmel performans gösterir. Mekânsal birçok detay spektral karakteristiklerin niceliksel karşılıgı olan radyometrik özelliklerine göre fark edilir. Radyometrik verideki çok küçük farklar bile anlamlı detaylara karşılık gelebilir.

11 Spektral Dönüşümler Kontrast Artırımı Ancak, İnsan gözü radyometrik anlamda farklı gri tonu ve yaklaşık 100 farklı rengi birbirinden ayırt edebilir. Kontrast zenginleştirme yöntemleri, görüntüdeki değişik özellikler arasındaki parlaklık değerlerine dayalı ayırt edilebilirliği arttırmak için kullanılır. Kontrast zenginleştirme, temelde görüntü histogramının değiştirilmesi işlemidir. Bu yaklaşımla görüntünün mevcut yansıtım değer aralığı olası bütün dinamik aralığa yayılır.

12 Spektral Dönüşümler Kontrast Artırımı Görüntünün kontrastını geliştirmek için kullanılan en yaygın teknikler; Doğrusal/Lineer kontrast artırımı ve Doğrusal olmayan Histogram eşitleme Normal (Gauss) yayma metodu da kontrast zenginleştirmesinde tercih edilen diğer yöntemlerden biridir.

13 Spektral Dönüşümler Kontrast Artırımı (Minimum-Maximam Linear Contrast Stretch) Lineer Kontrast Artırımı: En basit kontrast zenginleştirme yöntemidir. Histogramdan orijinal görüntünün minimum ve maksimum degerleri belirlenir ve bu aralık dinamik aralığın tamamına yayılacak şekilde aşağıdaki eşitlik kullanılarak dönüştürülür.

14 Spektral Dönüşümler Kontrast Artırımı Lineer Kontrast Artırımı

15 15

16 60, 80 ve 200 DN değerlerinin Lineer kontrast artırımı sonrasındaki çıktı değerleri nedir? (0, 255) 60 [(60-40)/(200-40)]x255=32 80 [(80-40)/(200-40)]x255= [(200-40)/(200-40)] x255=255 16

17 Yüzde aralığı Percentage Linear Contrast Stretch Histogram ortalamasının belirli bir yüzdesi içinde yer alan pikseller için tanımlı min. ve mak. değerlerini kullanır Ortalamadan itibaren standart sapma kullanılarak min. ve mak. değerlere kadar olan kısımlar hariç tutulur 17

18 18

19 19

20 Parça parça lineer kontrast germe Piecewise Linear Contrast Stretch Histogramı normal dağılımlı olmayan (bimodal, trimodal..) görüntüler için kullanılır Küçük min-mak yayma serisi oluşturulur 20

21 Lillesand, Kiefer and Chıpman, Remote Sensing and Image Interpretation 21

22 Lillesand, Kiefer and Chıpman, Remote Sensing and Image Interpretation 22

23 Spektral Dönüşümler Kontrast Artırımı - Histogram Eşitleme: Bu yöntemde amaç, çıktı görüntü histogramının eşdağılımda (uniform) olmasını yani her bir parlaklık seviyesi için yaklaşık aynı sayıda piksel bulunmasını amaçlar. Görüntü parlaklık değerleri ayrık değerler olduğu için eşitleme işlemi sırasında herhangi bir parlaklık seviyesine çok fazla sayıda piksel girebilir. Ancak histogram, yansıtım değerlerinin mekânsal konumuyla ilgili bilgi içermediğinden, bu seviyedeki pikselleri birbirinden ayırt etmek imkânsızdır. Diğer bir deyişle birçok piksel birkaç parlaklık seviyesinde toplanabilir. Genelde çok nadiren tamamen uniform bir sonuç histogramı elde edilir.

24 Dijital verinin depolanması ve/veya iletilmesi için ortalama kaç bit e ihtiyaç duyulacağını ifade eder. Dijital bir görüntüye uygulandığında, görüntüdeki dokuyu (parlaklık değeri değişim karakteristiği) karakterize etmek için kullanılabilecek bir istatistikse rastlantısallık ölçüsüdür.

25 Histogramı verilen 0-9 gri değer aralıklı 60x60 lık bir görüntüyü ele alalım: 25

26 1.Görüntüye ait histogramda her bir sütunda tekrarlanan piksel sayısının görüntüdeki yüzdesi hesaplanır. 26

27 2. Birikimli yüzde oranları hesaplanır. 27

28 3. Gri değer aralıklarına ait oranlar hesaplanır. Örnekteki görüntüde gri değer aralığı 10 dur. Buna ilişkin oranlar ise: T 0 0/9= 0.00 T 1 1/9= 0.11 T 2 2/9= 0.22 T 3 3/9= 0.33 T 4 4/9= 0.44 T 5 5/9= 0.56 T 6 6/9= 0.67 T 7 7/9= 0.78 T 8 8/9= 0.89 T 9 9/9=

29 4.Birikimli yüzde oranları ile gri değer aralıklarına ait oranlar karşılaştırılır. 29

30 30

31 31

32 Lineer kontrast germe Histogram eşleme 32

33 Spektral Dönüşümler Kontrast Artırımı Normal (Gauss) Yayma: Bu yöntemin histogram eşitleme yönteminde uygulanan işlemlerden tek farkı hedef histogramının eşdağılımlı olması yerine Normal (Gauss) dağılım eğrisine benzer şekilde oluşturulmasıdır. Dolayısıyla her bir parlaklık değeri için hedef frekans değerleri Gauss (Normal) Olasılık Yoğunluk fonksiyonuna göre hesaplanacak yüzde değerleri kullanılarak elde edilir. Olasılıklar, 0 ortalamalı ve 1 standart sapmalı Standart Normal dağılıma göre hesaplanır.

34 Spektral Dönüşümler Kontrast Artırımı =2.5 =5.0 =50 =150 Normalizasyon Normalizasyon x- Z= X=x1, x2, xn =1 y- Z= y=y1, y2, nn =0

35 Spektral Dönüşümler Kontrast Artırımı

36 36

37 37

38 38

39 39

40 40

41 Orijinal görüntü Görüntü eşleme Lineer kontrast Gauss kontrast 41

42 Spektral Dönüşümler Aritmetik Bant İşlemleri Tek veya farklı kaynaklardan gelen görüntü bantlarının, uygun matematiksel yöntemlerle yeni bir özellik uzayına dönüştürülmesi işlemidir. En temel dönüşüm yöntemleri basit aritmetik işlemleri ve bant oranlamasıdır

43 Spektral Dönüşümler Aritmetik Bant İşlemleri Örneğin 2 farklı görüntüdeki piksellerin birbirinden çıkartma işlemi değişim özelliklerinin vurgulanması için sıklıkla kullanılan basit bir aritmetik işlem yöntemdir.

44 Spektral Dönüşümler Bant Oranlama Aynı yüzeye ait parlaklık değerleri topoğrafik eğim, gölge, atmosferik değişim yada mevsimsel değişimden dolayı farklı olabilmektedir Bant oranlama bu etkilerin azaltılması için kullanılır, ayrıca toprak ve bitkinin birbirinden ayrılmasını sağlar P i, j, oran P P i, j, k i, j, l - Pi,j,k orijinal görüntünün k bandıdaki parlaklık değeri - Pi,j,l orijinal görüntünün l bandıdaki parlaklık değeri -Pi,j,oran çıktı görüntünün parlaklık değeri 44

45 Spektral Dönüşümler Bant Oranlama Diğer bir basit yaklaşım bant oranlamasıdır. Bu yaklaşımla spektral yansıtım eğrisinin eğimlerindeki değişkenlik vurgulanır. Normalde bu değişimler bantlar bağımsız ele alındığında görülemezler. Oranlama yaklaşımı ayrıca topoğrafik etkenlere bağlı olarak oluşan aydınlanma farklılıklarını da azaltır. Birçok oran uygulaması içinde en yaygın kullanılan bant oranlaması, bitki örtüsü indeksidir (VI);

46 Spektral Dönüşümler Bant Oranlama Bu oranın hesaplanabilmesi, algılayıcıdan bağımsız olarak ilgili spektral bölgelerde algılamanın (ölçmenin) yapılmasına bağlıdır. Paydanın sıfır olması problemine karşı geliştirilen Normalize Edilmiş Bitki Örtüsü indeksi (NDVI) uygulamada daha yaygın olarak kullanılmaktadır: Bu yaklaşım matematiksel olarak daha tutarlıdır. Normalize edilmiş oran değerleri [-1, +1] aralığındadır.

47 Tarım alanına ait Doğal renkli (Red-Green-Blue), yapay/yanlış renkli (NIR-Red- Green) ve NDVI görüntüsü, kuzey-batı Peloponese, Greece, LANDSAT TM. 47

48 48

49 NOAA AVHRR Nisan Aralik

50 50

51 Landsat uydusu için indeksler Bitki indeksi: NIR/Red Demir oksit: Red/Blue Kil mineralleri: SWIR1/SWIR2 (5/7) Demirli mineraller: SWIR1/NIR Bitkiler NIR bantta yüksek yansıtım gösterirken görünür bölgede enerji yutulur Bitki strese girdiğinde görünür bölgede yutulma azalırken NIR bantta yutulma artar 51

52 52

53 Tek band (Mavi) yüzeyin farklı aydınlanmasından dolayı güçlü topografya sunar 53

54 band3/band2 Aydınlanma etkisi azalır ve farklı kaya türleri açığa çıkar 54

55 5/2 demir oksit 7/4 hydroxyls 55

56 3/2, 5/2, 7/4, RGB 56

57 57

58 58