دوشنبه, ۲۵ شهریور ۱۳۹۸ ۰۰:۰۰ ۴۱۷
چچ
نگاهی کوتاه به پردازش تصویر ماهواره ای و تکنیک های آن

نگاهی کوتاه به پردازش تصویر ماهواره ای و تکنیک های آن

تجزیه و تحلیل تصویر رقومی، مجموعه ای از تکنیک های تخصصی و ابزار پردازش کامپیوتری می باشد که به منظور بهبود ظاهر بصری و استخراج اطلاعات از تصاویر سنجش از دور مورد استفاده قرار می گیرد.

تجزیه و تحلیل تصویر رقومی، مجموعه ای از تکنیک های تخصصی و ابزار پردازش کامپیوتری می باشد که به منظور بهبود ظاهر بصری و استخراج اطلاعات از تصاویر سنجش از دور مورد استفاده قرار می گیرد. این تکنیک ها همچنین برای تصحیحات هندسی و تعیین مختصات تصویر، ضروری است. ضمنا این روش، مکمل روش تفسیر بصری تصاویر ماهواره ای می باشد.
امروزه پردازش تصاویر ماهواره ای، توسط بسیاری از نرم افزارهای تخصصی طراحی شده برای این حوزه، اجرا می گردند. این نرم افزارها، حاوی توابع پیشرفته ی پردازش تصویر بوده که می توانند برای توسعه ی توانایی تفسیر بصری تصاویر و همچنین تولید اطلاعات برای ورود به GIS مورد استفاده قرار گیرند. درحالی که عملیات بهبودسازی ساده ی تصویر می تواند به راحتی توسط افراد معمولی نیز اجرا گردد، تحلیل های پیشرفته تر توسط متحصصین داخل سازمانی یا پیمانکاران خارج از سازمان قابل اجرا می باشد. در ادامه، مروری خواهیم داشت بر تکنیک های مختلف تجزیه و تحلیل تصاویر رقومی. توابع پردازش تصویر، به شکل گسترده ای، می توانند به پنج طبقه تقسیم بندی گردند.
  1. بازسازی (بعضی اوقات به آن اعاده نیز می گویند) و تصحیحات هندسی تصویر،
  2. بهبود سازی تصویر (گاهی اوقات به آن بارزسازی نیز می گویند)،
  3. محاسبه ی شاخص ها،
  4. طبقه بندی،
  5. مدلسازی
عملیات بازسازی و اعاده ی تصویر، داده های تصویری با کیفیت پایین را اصلاح نموده و اعوجاجات هندسی سیستماتیک را حذف نموده و هندسه ی تصویر را به نوع سیستم تصویر مرسوم تغییر می دهد. تکنیک های بهبود سازی تصاویر، تشخیص بصری عوارض را به منظور نمایش مؤثر آنها بهبود می بخشد. شاخص های محاسبه شده از تصاویر سنجش از دور، برای تولید ویژگی های خاصی از تصویر مانند بافت، شاخصه های بیولوژیکی، درجه حرارت سطح دریا، شرایط پوشش گیاهی و تمرکز کلروفیل، مورد استفاده قرار می گیرند. طبقه بندی، ‌یه شکل خیلی ساده، تشخیص عوارض سطح را به شکل اتوماتیک در می آورد. پیکسل های با ویژگی های آماری مشابه در یک تصویر رقومی، پس از طبقه بندی، به طبقات یا کلاس های خاص خود اختصاص داده می شوند که می تواند انواع مختلف پوشش زمین باشند. خروجی عملیات طبقه بندی داده ها می تواند به صورت یک نقشه ی موضوعی نمایش داده شود. رویه ی مدلسازی نیز ممکن است چندین مجموعه ی داده ای مکانی متعدد استخراج شده از تصاویر سنجش از دور و دیگر منابع را بکار گیرد تا سطوح با ویژگی های خاص را مشخص نموده یا پارامتریا پدیده ای را پیش بینی نماید.

علاوه بر توابع پنجگانه ی فوق، آنالیزهای سنجش از دور همچنین می تواند دیگر منابع داده های مکانی را که تحت عنوان داده های کمکی (َAncillary Data) نام برده می شوند مورد استفاده قرار دهد. داده های کمکی، به منظور واسنجی الگوریتم های پردازشی، تصحیحات هندسی و صحت سنجی نتایج طبقه بندی مورد استفاده قرار می گیرند. ضمنا با تجمیع داده های کمکی با رویه های تحلیلی، می توان عوارض ارتفاعی سطح زمین را نیز مدلسازی نمود. برای مثال، انواع پوشش گیاهی که توسط بازتاب طیفی قابل تفکیک نیستند را می توان با استفاده از شیب، جهت شیب (aspect)، ‌ارتفاع یا دیگر ویژگی های محیطی متمایز نمود. روش طبق بندی که اطلاعات استخراج شده از تصاویر سنجش از دور را با استفاده از دیگر مجموعه های داده ای به منظور تفکیک کلاس های استفاده می نماید، اغلب روش طبقه بندی چندگانه نامیده می شود.
علاوه بر تهیه و ارائه ی اطلاعات ارزشمند در مورد وضعیت فعلی پدیده ها به صورت نقشه، یکی از قدرتمندترین کاربردهای سنجش از دور، توانایی پایش چگونگی تغییر وضعیت پدیده ها در طی زمان است. از 1972 که لندست 1، اولین ماهواره ی غیرنظامی، به منظور اخذ پی در پی تصاویر جهانی طراحی و پرتاب شد، یک مجموعه ی گسترده ای از اطلاعات ثبت شده جمع آوری و بایگانی شدند. تکنیک های آشکارسازی تغییرات (Change Detection) به منظور مقایسه ی تصاویر فعلی با تصاویر بایگانی شده توسعه یافتند. در ادامه به معرفی تکینک های 5 گانه ی فوق می پردازیم:

بازسازی و تصحیح هندسی تصویر:
عملیات بازسازی و تصحیح هندسی تصاویر، مقادیر تصاویر و هندسه ی آن را به منظور رفع خطاها و محدودیت های سیستم سنجنده، تصحیح نموده، اثرات جوی را به حداقل رسانده و هندسه ی تصویر را به منظور تطابق با سیستم های مرجع جغرافیایی مرسوم و متداول تغییر می دهد. در این بخش، مجموعه ای از تکنیک های بازسازی و تصحیح هندسی تصاویر را معرفی می نماییم که مهمترین آنها عبارتند از :
  • الف) تصحیحات رادیومتریک
  • ب) تصحیحات هندسی
  • ج) نمونه برداری مجدد (Resampling)‌
رویه ی کار برای هر سنجنده نیز سطح تصحیحات مورد نیاز، متفاوت است. بیشتر تولید کنندگان داده های سنجش از دور (RS Data Providers)، محصولات تصحیح شده و همچنین داده های خام تصحیح نشده را ارائه می دهند. برای کاربردهای در محیط GIS، محصولات تصحیح شده، ترجیح بیشتری دارند. چرا که آنها برای تلفیق با دیگر مجموعه های داده ای در GIS طراحی شده اند و اگر بخواهیم به عنوان ورودی از آنها استفاده نماییم، الزاما باید تصحیحات هندسی روی آنها اعمال گردد.

الف) تصحیحات رادیومتریک:
به شکل ایده آل،تشعشع اندازه گیری شده توسط سیستم سنجش از دور، تنها انرژی خورشیدی منعکس شده توسط (یا در برخی حالت ها، گسیل شده از) عوارض مورد علاقه از سطح زمین را نمایش می دهد. در حالیکه، تشعشع اندازه گیری شده توسط یک سنجنده، تحت تاثیر فاکتورهای متعددی مانند تغییرات در میزان تشعشع (مانند مناطقی که در سایه قرار دارند)‌، شرایط جوی (مثل بخار و مه)، خصوصیات سنجنده و هندسه ی مربوط به دید ماهواره (مانند اینکه، اثرات مه و بخار جوّ با دور شدن مسیر دید ماهواره از خورشید، کاهش پیدا می نماید)‌. بسیاری از این عوامل، سیستماتیک هستند و می توانند با استفاده از تکنیک هایی مانند تصحیحات جوّی، تصحیح گردند، در حالیکه عوامل دیگر می توانند با استفاده از ترکیب چند باند، حذف گردند. مثلا، اثر سایه، می تواند با استفاده از نسبت های دو باند کاهش یابد.
سنجنده های الکترونیکی قدیمی مشکلات فنی بیشتری نسبت به سیستم های جاری داشتند. ناپایداری در کارکرد سنجنده به شکل پی در پی، باعث ایجاد خطاهای تصویری می شد که ناشی از بد عمل کردن متناوب اجزاء سیستم سنجنده یا تداخل الکترونیکی در حین ارسال داده به زمین بود. نواقصی که به آنها نویز تصویر اطلاق می گردد، ممکن است به شکل یک نوار باریک در طول خط اسکن ماهواره، به شکل فلفل نمکی یا برف در تصاویر ظاهر شوند. این نواقص، ارزش واقعی پیکسل های تصویر را تغییر می دهند. تکنیک های تصحیح تصاویر، این خطاها را با تخمین ارزش پیکسل فعلی که دارای خطاست، با استفاده از پیکسل های همسایگی رفع می نماید.
رفع خطای ناشی از خطوط اسکن با استفاده از پیکسل های مجاور، مدرسه  <strong class='sis-keyword'>سنجش از دور</strong> مقطع مدیران
شکل 1 - رفع خطای ناشی از خطوط اسکن با استفاده از پیکسل های مجاور

البته خوشبختانه، امروزه، با پیشرفت تکنیک های کالیبراسیون سنجنده ها و همچنین موضوعات تخصصی "قابلیت اطمینان" در مهندسی مکانیک و انتقال داده ها، به میزان قابل توجهی، مشکلات مربوط به خطاهای فوق، برطرف گردیده است. اما سیستم های فعلی، همچنان مشکلات خود را به ویژه در ارتباط با اتمسفر دارا می باشند و ناگزیر باید فعالیت های مربوط به تصحیحات جوی در آن اعمال گردد.

تصحیحات جوی به گروهی از روش های پردازش اطلاق می گردد که برای کاهش تاثیرات جوی روی تصویر اعمال می گردند. روش های تصحیح جوّی از مدلسازی فیزیکی انتقال انرژی تا برآوردهای تجربی تغییرات طیفی تغییر می نمایند. بسیاری از الگوریتم های تصحیح جوی، به اندازه گیری های هزینه بری از شرایط جوی در زمان اخذ تصویر نیاز دارند. برای بیشتر کاربردها، تصحیحات جوی، اجرا نمی گردد. دلیل این امر این است که دیگر توابع آنالیز تصویر، تداخل جوی را به شکل غیر مستقیم در نظر می گیرند. (مثلا، بهبود کنتراست (تباین) می تواند باعث افزایش شفافیت تصویر در برابر تاثیر مه و غبار جو گردد). اما در جاهایی که اندازه گیری دقیق پدیده های فیزیکی مورد نیاز می باشند، مانند نیمرخ درجه حرارت عمودی در جو بر اساس تصاویر رقومی ماهواره ی هواشناسی، تصحیحات جوی به شکل خیلی دقیق اجرا می گردد.

تصحیحات هندسی
یکی از خواص اساسی و بنیادی داده های مورد استفاده در GIS این است که آنها می توانند به یک مختصات خاص یا منطقه ی موجود روی زمین لینک شوند. به چنین کاری اصطلاحا "زمین مرجع کردن" (Georeferencing) گفته می شود. اما قبل از آن، ‌تصویر باید نسبت به زمین، ‌تصحیح هندسی گردد. به این مرحله، Geometric Rectification یا Geometric Correction گفته می شود. تصاویر رقومی تصحیح نشده، حاوی اعوجاجات هندسی می باشند که ناشی از تغییرات در ارتفاع، موقعیت سنجنده نسبت به پدیده در سطح زمین و سرعت سکوی ماهواره ای، مشخصات مکانیزم سنجنده، جابجایی های بستر زمین و دیگر عوامل می باشد. بعضی از اعوجاجات سیستمی، به خوبی قابل درک بوده و به راحتی با اعمال فرمول های ریاضی مناسب تصحیح می گردند.
مابقی اعوجاجات تصویر که به شکل کلی، با استفاده از تاثیرات تصادفی ایجاد می شوند، قابل رفع با استفاده از روش های سیستماتیک فوق نمی باشند و معمولا در چنین مواقعی، تولید کننده گان داده ها، این کار را با اخذ هزینه های اضافی برای کاربران انجام می دهند، یا آنکه خود کاربر، داده ی خام را دریافت نموده و تصحیحات هندسی را روی آن اعمال می نماید.
اساسا، تصحیحات هندسی، یک فرآِیند دو مرحله ای می باشد. اول از همه، یک تابع تبدیل ریاضی توسعه داده می شود تا برای هر تصویر، مختصات جغرافیایی را محاسبه نماید. سپس با استفاده از یک رویه ی نمونه گیری مجدد، یک تصویر جدید با نقشه ی پایه ی جغرافیایی مطلوب یا سیستم مختصات، تطابق داده می شود. در برخی حالت ها هم ممکن است تصویر تصحیح نشده، به همراه معادلات زمین مرجع کردن تصویر، ذخیره گردد و تصحیحات هندسی تنها در هنگام ضرورت اجرا گردد، مانند زمانی که بخواهیم از تصویرمان به عنوان یک پس زمینه، تنها برای نمایش لایه های مختلف روی آن استفاده نماییم.

تابع تبدیل
انگیزه ی پشت فرِآیند تصحیح هندسی، اعمال یک تابع تبدیل ریاضی به منظور نگاشت شبکه ی تصویر، به شبکه ی مختصات یک نقشه می باشد. روش های توسعه ی تابع تبدیل، می تواند به سه گروه تقسیم بندی گردد:

استفاده از نقاط کنترل زمینی
استفاده از پارامترهای سنجنده برای محاسبه ی یک تابع تبدیل و استفاده از یک مدل ارتفاعی زمینی به منظور حذف خطای ناشی از فراز و نشیب های بستر زمین.

آدرس کوتاه شده:
فهرست طبقات