Documente Academic
Documente Profesional
Documente Cultură
5/20/2021
a) Corectarea efectelor atmosferei
Analogie fotogrametrie aeriana-teledetectie vis a vis de corectii radiometrice
Absorbtia, reflexia sau difuzia semnalului prezinta importanta diferita, in
functie de lungimea de unda a benzii analizate
Exista 3 strategii:
Metoda bazata pe masuratori de teren concomitent cu preluarea imaginii
=> stabilirea unui model corelational intre datele masurate si cele
inregistrate la bordul satelitului
Calitatea corectiei depinde de numarul si localizarea masuratorilor imagine
Se pot face retele de masuratori in zone putin variabile in timp, efectuate cu
radiometre adaptate pentru toate rezolutiile spatiale si canalele spectrale
OBS: necesara o retea densa de statii meteo
Corectarea erorilor produse de praf in perioadele uscate
Influenta mediului inconjurator pixelului
Umiditate, natura, textura si structura solului produc erori
5/20/2021
b) Corectii radiometrice
1. Corectia zgomotului instrumental
Corectii sistematice in statiile de recptie de la sol si distributie a datelor
Fiecare element ce compune senzorul produce propriul zgomot, dar se considera ca
ele actioneaza ca ansamblu si afecteaza capacitatea de raspuns a senzorului
2. Calibrarea radiometrica a inregistrariulor de teledetectie
Limitele senzorului+puterea disponibila la nivelul satelitului+mediul= cauzele
degradarii progresive a raspunsului senzorului
Pentru orice sistem de inregistrare radiometric exista un factor de proportionalitate
intre variatia fluxului radiant la intrarea in sistem si cea corespunzatoare marimii
numerice de la iesire; intarirea instrumentala
Calibrarea sitemului luminantelor – vizarea la bord a unor lampi de calibrare
Calibrarea pentru IR – vizarea unui obiect negru
Calibrarea radiometrica propriu-zisa – la centrul de receptie a datelor
Striping – datorat baleiajului
5/20/2021
c) Corectii geometrice
1. Corectii aferente camerelor fotogrammetrice amplasate pe platforme
aeriene si satelitare
Multiple surse de erori
Perspectiva centrala – detaliu departat=> imaginea deformata
5/20/2021
Corectii datorate asamblarii imaginii pancromatice
Asamblarea
imaginii Asamblarea
pancromatice ptr imaginii
camera Z/I Imaging pancromatice ptr
DMC UltraCAM X
5/20/2021
2. Corectii aferente imaginilor satelitare
Imaginea bruta, rezultata in urma inregistrarilor satelitare este afectata de
deformatii sistematice sau accidentale
Deformatiile sistematice – datorate rotatiei Pamantului, unghiului de baleiaj,
oblicitatii liniei de baleiaj in raport cu linia nadirala, vitezei de baleiaj a
oglinzii oscilante, inclinarii orbitei fata de directia N-S. Programe de
autocorectie
Deformatiile accidentale – datorate miscarilor incontrolabile ale satelitului
in raport cu traseul orbital sau verticala locului. De ex; variatii de
altitudine=>GCP; Corectarea se face in centre de distribuire a datelor
5/20/2021
Deformatii datorate unghiului de baleiaj sau distorsiunii panoramice –
sistemul de inrregistrare are un monitor de unghi de baleiaj, care transmite
la sol pozitia oglinzii de baleiaj in functie de timp
Deformatii datorate deplasarii spre stanga a liniilor de baleiaj – sunt
efectul miscarii satelitului pe orbita in timpul preluarii imaginii. Pentru
senzorul TM, oglinda de baleiaj este activa pe ambele directii de baleiaj=>
liniile de baleiaj sunt decalate, prin combinarea satelit-sens de oscilatie.
Decalajul este compensat automat de catre un corector de linie conectat ;a
monitorul de unghi de baleiaj. Acesta imprima o rotatie progresiva a liniei
observate pentru a evita suprapunerile sau golurile dintre liniile succesive
=> ax perpendicular pe directia nadirala
Deformatii datorate deplasarii liniei nadirale
5/20/2021
4. Corectarea deformatiilor nesistematice
Deformatii datorate variatiei vitezei de baleiaj – urmare a opririi oglinzii de
baleiaj la capatul cursei, inainte ca motorul sa o roteasca in serns
opus.Anomalie controlata prin teste facute inainte de lansarea satelitului
Deformatii datorate variatiei altitudinii satelitului – rezulta o largire sau
micsorare a fasiei baleiate la sol si a scarii inregistrarii.Imaginea devine
trapez
Deformatii datorate variatiei vitezei satelitului – se produc modificari de
scara, dar numai in sensul de deplasare al satelitului
Deformatii datorate variatiei pozitiei satelitului- tangaj, ruliu si oscilatiile
satelitului in timpul deplasarii pe orbita
CORECTAREA acestor deformatii :
Nu pot fi scrise modele matematice pentru corectarea lor
Se apeleaza la puncte de reper care se regasesc pe imaginea satelitara si pe
documentul sursa( harta/plan)
Se folosesc functii polinomiale
5/20/2021
Consideram xOy sistemul de coordonate al hartii(longitudine si latitudine) si
uOv sistemul de coordonate al imaginii(Linii si coloane)=> scriem functii de
forma:
u=f(x,y);
v=g(x,y)
Nu toate punctele se pot regasi in ambele sisteme si nu mereu se poate realiza
corespiondenta intre imagine si documentul sursa.
Estimarea coeficientilor de transformare prin polinoame de ordinul I,II sau
III=> apare posibilitatea eliminarii unor rotatii/translatii
Si aici se folosesc GCP
5/20/2021
x1,y1- coordonatele pe harta ale unui pixel de coordonate (u,v) in imagine
x1’,y1’ – coordonatele eronate ale punctului (deformatii nesistematice)
dx1=x1-x1’
dy1=y1-y1’
Ecuatii polinomiale de ordin I: dx1=a0+a1x+a2y
(6 grade de libertate) dy1=b0+b1x+b2y
Daca se folosesc polinoame de ordinul II:
dx1=a0+a1x+a2y+a3xy+a4x2+a5y2
dy1=b0+b1x+b2y+b3xy+b4x2+b5y2
Pentru calculele polinomiale de org II sunt necesare 6 puncte cu 12 grade de
libertate, insa in practica se mareste numarul punctelor de sprijin pentru a se
putea folosi mpm=> pot fi eliminate punctele masurate gresit
OBS = polinoamele de grad II sau III genereaza curbe care pot constrange prea
mult anumite puncte de sprijin in compensare.
5/20/2021
d) Reesantionarea si interpolarea valorii pixelilor
Desi toate corectiile au rolul de a “curata “ imaginea, si de a permite o localizare
corecta apixelilor, ea aduce si o modificare a matricei pixelilor, in raport cu matricea
initiala.
Trebuie definita o noua matrice, de aceeasi dimendiune cu cea initiala, iar
localizarea valorilor pixelilor matricei – imagine, trebuie sa fie carectata in raport cu
aceasta noua matrice
Centrele poxelilor matricei corectate nu corespund cu cele ale matricei-harta=>
fiecarui pixel ii va fi atribuita o valoare care va tine cont de valoarea numerica a
pixelilor cei mai apropiati.
Reesantionarea prin metoda proximitatii maxime
Fiecarui pixel din matricea-harta I se atribuie valoarea pixelului imagine care are centrul
cel mai apropiat de centrul pixelului-harta.
Pastreaza valorile numerice ale matricei initiale
Interpolarea patratica(biliniara)
-foloseste 4 pixeli vecini, care se suprapun peste pixelul retelei hartii
Interpolarile se fac intre centrele pixelilor imagine si centrul pixelului harta(intai pe x,
apoi pe y)
Tehnica lipsita de precizie.
5/20/2021
Convolutia cubica
Foloseste 16 pixeli( 4 pe linii si 4 pe coloane), inconjurand pixelul harta.
Interpolarea se face mai intai pe linii si apoi pe coloana pentru cele 4
valori calculate anterior.
Altereaza valorile originale ale inregistrarii, producand o netezire a
imaginii
5/20/2021
TEHNICI DE COMPRESIE A DATELOR
Date cu un numar mare de variabile ce trebuie analizate=> tendinta de a
reduce numarul dimensiunilor pentru o vizualizare grafica mai buna
Acest lucru devine mai important in cazul imaginilor color cu volum de
date f mare(RGB)
Reducerea operata in dimensiunea spatiului variabilelor va reduce timpul de
prelucrare=> metode de compresie a datelor
Analiza in componente principale
Tehnica statistica multi variata
Folosita pentru compresia datelor, intarirea imaginilor, detectia digitala a
schimbarilor , examinarea schimbarilor multi-temporale ale setului de date
Este o transformare liniara care foloseste statisticile datelor imagine pentru a
defini o rotatie a imaginilor originale, a.i. noile axe sunt ortogonale pentru
fiecare dintre ele si indreptate in directia descrescatoare a variantelor.
Componentele rezultate sunt total necorelate
5/20/2021
Componente principale pentru o imagine Landsat-MSS
5/20/2021
TEHNICI DE INTARIRE A IMAGINII
Tehnici de intarire digitala a contrastului
Intarirea liniara a contrastului
Intarirea neliniara a contrastului
Intarirea multiplicativa a contrastului
Transformari bazate pe variatia intensitatii, nuantei si saturatiei culorii
Filtrarispatiale: intarirea limitelor, filtre nedirectionale, filtre
directionale
OBS- inregistrarile se fac incat sa poata inregistra toate tonalitatile terenului
nivele de gri : - senzorii TM si HRV 256 nivele(0-negru, 255- alb)
- senzorii IKONOS – 2048 nivele
- senzorii Quick Bird 4096 nivele
Atunci cand dinamica spectrala a imaginilor este slaba, pentru obtinerea
unor imagini cu un raport de contrast optim, este important sa se
foloseasca intregul domeniu de stralucire al mediului de afisare.
5/20/2021
Se folosesc o serie de tehnici de manipulare si intarire a contrastului=> o
imagine noua dedicata anumitei aplicatii
Inainte de interpretare se face analiza statistica a datelor
Tratarea statistica a valorilor reflectantei – medii, ecart-tip, histograme
Se foloseste histograma simpla care are pe abscisamvalorile luminantei atribuite
pixelilor in imaginea digitala, iar in ordonata bare verticale , ale caror lungimi
sunt proportionale cu numarul de pixelicare reprezinta aceeasi valoare a
luminantei
Histograma cu concentrare mare de clase pe interval ingust, contrastul general
este slab.
Contrastul se reface prin redistribuirea valorilor pentru clasele cuprinse in
imagine
5/20/2021
Intarire
Imagine liniara
originala
Intarire
Intarire multipli-
neliniara cativa
5/20/2021
Intarirea liniara imbunatateste contrastul pentru majoritatea valorilor
stralucirii imaginii originale
Exista pierdere de contrast pentru valorile extreme ale luminantei
Valorile noi vor inlocui valorile vechi de intrare, care pana la calcularea
noilor valori sunt pastrate intr-un registru
Se aplica pentru imaginile alb-negru
Se poate aplica si o intarire liniar-multipla a contrastului( pe portiuni)=>
utila pentru intarirea selectiva a anumitor intervale
Se pot intari si imagini pseudocolor, prin stocarea lor in 3 registre de culoare
diferite(RGB) si se realizeaza inarirea contrastului pentru fiecare in parte=>
o noua imagine pseudocolor
5/20/2021
http://www.ciesin.org/docs/005-477/005-477.html
5/20/2021
b) Intarirea neliniara a contrastului
Se poate folosi o functie logaritmica, exponentiala sau orice alt tip de
functie pentru redistribuirea nivelelor de gri.
Metoda utilizata pentru situatia intaririi obiectelor situate in partea
intunecata a imaginii initiale SAU
Folosirea unei functii exponentiale intareste partea luminoasa a imaginii
initiale si restrange partea intunecata
Metoda intaririi contrastului prin egalizarea histogramei = intarirea prin
distributie uniforma
5/20/2021
http://www.ciesin.org/docs/005-477/005-477.html
5/20/2021
c) Intarirea multiplicativa a contrastului
Se realizeaza multiplicand intensitatile celor trei benzi folosite pentru
realizarea unei imagini color-compus cu un factor comun care este egal cu
1.5;2;2.5;3, ales arbitrar dupa examinarea imaginilor
Rezultate bune pentru imaginile individuale, insa fara uniformitate de la o
imagine la alta
Se foloseste de obicei pentru intarirea benzilor 1,2,4 Landsat TM
Se poate folosi si intarirea gaussiana = functia de transformare este functia
a carei reprezentare este curba lui Gauss, corespunzatoare repartitiei
normale.
Intareste contrastul si in zone intunecate si in zone luminate
5/20/2021
Intarire gaussiana
http://www.ciesin.org/docs/005-477/005-
477.html
5/20/2021
d) Transformari bazate pe variatia intensitatii, nuantei si
saturatiei culorii
Pe langa sistemul aditiv al culorilor RGB, exista sistemul Intensitate,
Nuanta, Saturatie- HIS
Prezinta culorile mai aproape de modul in care sunt percepute de ochiul
uman
HIS se bazeaza pe sfera culorilor in care axa verticala reprezinta
intensitatea, raza sferei o reprezinta saturatia, iar circumferibta o reprezinta
nuanta.
Axa I = reprezinta variatiile de stralucire si domeniile de la negru pana la
alb(0-255) si lipsa de culoare
Nuanta H = lungimea de unda dominanta a culorii. Valorile incep de la 0 la
punctul mijlociu al tonurilor de rosu si cresc in sens invers acelor de ceas.
Saturatia S – puritatea culorii. Se intinde de la 0 in centrul sferei, pana la
255 pe circumferinta( 0 = culoare total impura, ochiul o va percepe ca
nuanta de gri)
5/20/2021
http://www.ciesin.org/docs/005-477/005-477.html
5/20/2021
e) Filtrari spatiale
5/20/2021
TEHNICI DE TRASFORMARE A IMAGINII
1) Operatii cu imagini
Implica manipularea benzilor multiple de date pentru o singura imagine
spectrala sau mai multe pentru aceeasi zona( date diferite)
Se genereaza o noua imagine, care evidentiaza anumite caracteristici.
Aritmetica simpla: adunare, scadere, multiplicare, ridicare la putere
Scaderea imaginilor – folosita pentru a identifica schimbarile obtinute la
date diferite.
Rapoartele spectrale – impartirea imaginilor permite intarirea unor variatii
subtile ale raspunsului spectral pentru diverse tipuri de suprafete
Imaginea care rezulta prin calculul raportului intre 2 benzi spectrale prezinta
o intarire a pantei diferitelor curbe spectrale.
5/20/2021
Img a-Img b
5/20/2021
2) Indici de vegetatie
Rapoarte mai complexe intre sume, diferente de benzi spectrale si scalari au
fost dezvoltate pentru anumiti senzori = indici de vegetatie
DEF= Indicii de vegetatie sunt aprecieri cantitative bazate pe valorile
digitale ale imaginii, care incearca sa masoare biomasa sau vigoarea
vegetatiei
Combinatii de diverse valori spectrale
Cea mai simpla forma a indicelui de vegetatie = raportul simplu intre 2
valori digitale ale unei imagini preluate in benzi spectrale diferite.
Pentru vegetatia vie, strategia de efectuare a rapoartelor poate fi eficienta
datorita legaturii dintre stralucirea vegetatiei din zonele rosu si IR ale
spectrului electromagnetic
Exista peste 80 de indivi de vegetatie.
EX:
5/20/2021
Indicii de vegetatie se folosesc in doua tipuri de cercetari:
a) Ca medii ale monitorizarii prin teledetectie pentru cresterea si
productivitatea diferitelor tipuri vegetale sau variatia sezoniera a acestora
b) Mijloc de cartare calitativ – pentru clasificarile asistate ale imaginilor,
pentru separarea zonelor acoperite, pentru a distinge diferente dintre tipuri
si densitati, variatii sezoniere( vigoare, abundenta, distributie a plantelor)
5/20/2021
3) Tehnici de clasificare a imaginii
Clasificare = procedeul de sortare a valorilor numerice ale radiantei ce
caracterizeaza pixelii unei imagini si atribuirea acestora unui anumit nr finit
de clase de obiecte
Clasificarea poate fi:
a) Spectrala – se stabileste o corespondenta intre nivelul radiantei si clasele
din imagine
b) Spatiala – stabileste o corespondenta intre configuratiile valorilor spectrale
si clasele respective
Vectorul multidimensional ce caracterizeaza o clasa data , incluzand
informatii spectrale referitoare la aceasta sn signatura spectrala
Signatura spectrala variaza in timp si depinde de:
Localizarea astronomica(latitudine, zi, ora)
Mediul geografic( panta, umbra, contrast)
Starea generala a suprafetei( rugozitate, omogenitate, culoare)
Starea plantelor, in cazul claselor vegetale( tipul plantei, faza de
dezvoltare, conditii fenologice)
5/20/2021
Anterior operatiei de clasificare, se executa o serie de operatii preliminare:
Analiza statistica a datelor – calculul parametrilor, medii, ecart-tip
Intarirea numerica a contrastului – in scopul imbunatatirii imaginii( echidistante
numerice sau felieri de densitate
Clasificari monospectrale – in scopul partitionarii pe clase a valorilor radiantei
Exista doua tipuri de clasificari:
1. Nesupervizate
2. Supervizate
OBS – se poate face o clasificare hibrida - combinatie a celor doua tipuri
1) Clasificarea nesupervizata(unsupervised)
Metoda de identificare bazata doar pe proprietati fizice si geometrice ale imaginii
Presupune o cunoastere prealabila a obiectului si deci un proces de recunoastere a
acestuia=> sunt necesare cunostinte prealabile despe obiect
Daca nu exista acces in zona, nu exista observatii suficiente ptr zona => nu se
cunoaste nr claselor=> se aplica clasificarea nesupervizata
5/20/2021
Etape ale clasificarii nesupervizate:
a) Realizarea unei imagini color- compus
Pentru realizarea unei imagini color-compus se aleg 3 benzi spectrale
Se aleg benzile care contin maximul de informatie, desi vor fi date
redundante
In general se realizeaza u combinatie – IR,NIR,G => fals color compus
Se face intarirea contrastului in prealabil. Intarirea liniara cu saturatia
punctelor are ca rezultat realizarea imaginii color compus pe baza datelor cu
valorile cele mai frecvente
b) Clasificarea propriu-zisa
Histograma=> permite aprecierea formei distributiei si a dinamicii
potentiale totale ocupate de valorile sale
Se studiaza varfurile histogramei . Un varf= o clasa a carei frecventa este
mai mare decat toate celelalte din vecinatatea sa
c) Interpretarea clasificarii – folosind orice sursa de informatie referitoare la
zona de studiu
5/20/2021
2) Clasificarea supervizata(asistata)
• Etape
1. Pre-asistenta
Stabileste criteriile de decizie ale clasificarii imaginii, referitoare la o
partitionare prealabila a valorilor radiantei
Se aleg clasele de obiecte
Se extrag din cataloage valorile radiantei si parametrii stratistici pentru
fiecare clasa
OBS- masuratori radiometrice in teren, efectuate concomitent cu trecerea
satelitului
2. Clasificarea
Valorile corectate ale masuratorilor de teren sunt introduse in programul de
clasificare si permit separarea valorilor radiantei
Rafinarea clasificarii se face in coasistenta ( documente auxiliare) pentru a
corecta interactiv clasificarea initiala
5/20/2021
3) Post-asistenta
Presupune sondaj statistic pentru a verifica pe teren sau pe harta precizia
clasificarii realizate si pentru corectarea acesteia
Se folosesc:
Metode de determinare deterministe
Metode de determinae probabiliste
5/20/2021