Вы находитесь на странице: 1из 40

19. Геометрическая коррекция изображений.

НЕОБХОДИМОСТЬ геометрической коррекции снимков


Влияние параметров ориентации
съемочной платформы на качество
получаемого изображения
ГЕОГРАФИЧЕСКАЯ ПРИВЯЗКА
Этапы географической привязки (геометрической коррекции)
в ERDAS IMAGINE

Этап 1
Выбор системы координат и математической модели трансформации.

Модель трансформации - система уравнений позволяющая вычислить


для каждого элемента его новое положение (в новой системе координат).
Модель трансформации определяет насколько сильно будет
деформировано исходное изображение для более точного соответствия
введенным опорным точкам.

Наиболее распространенные модели трансформации:


1. афинное преобразование
2. полиномиальная модель,
3. метод резинового листа
Этап 2
Расстановка точек привязки - нахождение и точек, координаты
которых известных и ввод для них этих координат.

Источниками координат могут быть углы и точки пересечения


координатной сетки (на топографических картах и любых других
картах с координатной сеткой), другие, уже привязанные,
изображения, данные, полученные с помощью GPS, любые другие
географически привязанные данные.
Этап 3
Проверка точности и правильности расстановки точек - расчет
среднеквадратичной ошибки
Этап 4
Выбор метода пересчета значений элементов изображения при
трансформации, (resampling, передискретизация) - метод
ближайшего соседа, кубической свертки, билинейной интерполяции.
Для отсканированных материалов обычно выбирается метод
ближайшего соседа.
Этап 5
Выбор размера ячейки результирующего изображения (т.е. выбор
размера пиксела)

Этап 6
Осуществление трансформации. Используя параметры указанные выше,
программа осуществляет пересчет нового местоположения для каждого
пиксела\ исходного растра и расчитывает для новых пикселов их новые
значения. Процесс может занимать длительное время.
Дополнительно для коррекции могут быть использованы ЦМР
20. Яркостные улучшающие преобразований изображений.

Яркостные преобразования направлены на улучшение качества изображения


для визуального дешифрирования на экране, но иногда путем преобразований
можно получить нужный окончательный результат.

Наиболее часто применяемые яркостные преобразования снимков:


1. Повышение контрастности снимка для его наилучшего отображения,
выполняемое путем изменения гистограммы значений яркости;
2. Фильтрация,
3. Слияние (синергизм) снимков с разным пространственным разрешением
4. Синтезирование цветных изображений,
5. Создание индексных изображений.
• Гистограмма характеризует распределение яркостей на снимке,
показывая, сколько пикселов изображения приходится на каждый из
256 уровней яркости. Она может быть представлена в табличном или
графическом виде.
УПРАВЛЕНИЕ КОНТРАСТОМ ИЗОБРАЖЕНИЯ
РАСТЯЖКА ГИСТОГРАММЫ

Гистограмма,
отвечающая
равномерному закону
распределения
РЕЗУЛЬТАТ РАСТЯЖКИ ГИСТОГРАММЫ
УПРАВЛЕНИЕ КОНТРАСТОМ ИЗОБРАЖЕНИЯ
ФИЛЬТРАЦИЯ
СЛИЯНИЕ ИЗОБРАЖЕНИЙ С РАЗЛИЧНЫМ
ПРОСТРАНСТВЕННЫМ РАЗРЕШЕНИЕМ
Преобразование по методу главных компонент, направленное на
оптимизацию изображения всех типов объектов, изобразившихся на
многозональном снимке. Оно основано на переходе от спектральных
зон снимка к новым изображениям, являющимся линейными
комбинациями исходных зон (т. е. взвешенными суммами зональных
значений яркости). Цветное синтезированное изображение первых
трех главных компонент дает яркое, контрастное отображение всех
объектов (хотя и в необычных цветах). Главные компоненты более
высокого порядка обычно менее контрастны, изменения яркости в них
соответствуют мелким деталям изображения либо шумам. Цвета на
синтезированном изображении главных компонент не сопоставимы с
физическими характеристиками объектов и для их интерпретации
надо привлекать исходный многозональный снимок.
• Квантование (цветокодирование) – способ яркостных преобразований
одиночного снимка, заключающийся в группировке уровней яркости в
несколько относительно крупных ступеней. В результате такого
преобразования получают новое изображение, на котором мелкие
детали, как бы "зашумляющие" изображение, исчезают, постепенное
изменение яркости заменяется четкой границей и закономерности
распределения яркостей на снимке становятся более отчетливо
выраженными. Весь интервал яркостей (например, значений
вегетационного индекса) может быть разделен на равные ступени. Но в
большинстве случаев лучшего эффекта можно достигнуть, если границы
новых ступеней выбирает дешифровщик, пользуясь при этом
гистограммой или измеряя на снимке интервалы яркостей для каждого из
интересующих его объектов.
• Квантование чаще используют в случаях неопределенных границ,
постепенных переходов. Например, при анализе снимков водных
объектов на квантованном снимке лучше видны закономерности
изменения глубин или концентрации взвеси, четкими становятся
границы комплексных растительных сообществ. Результаты
квантования могут быть использованы не только для визуального, но
и для последующего компьютерного анализа.
• Например, вспаханные поля на разновременных снимках приведены
к одному уровню яркости в результате квантования изображений на
два уровня. Пикселы, имеющие на снимке значения яркости от 0 до
70, отнесены к первому уровню, которому присвоено значение 0, а
все остальные - к другому со значением 255. В результате стало
возможным сопоставление снимков. Если вычесть из квантованного
изображения, относящегося к позднему сроку, более раннее, можно
получить изображение сельскохозяйственных полей, вспаханных за
период между съемками, и вычислить их площадь.
• Синтез цветного изображения – простой и наиболее широко
применяемый вид преобразования, при котором изображению в каждом
из съемочных каналов присваивается свой цвет. Наиболее часто для
синтеза используются зоны 0,5-0,6; 0,6-0,7 и 0,8-1,1 мкм или аналогичные
им, которым присваивают соответственно синий, зеленый и красный
цвета. Этот вариант синтеза называют стандартным. Растительность на
изображении имеет красные тона, что объясняется ее высокой яркостью в
ближней инфракрасной зоне спектра. Если изменить комбинацию
съемочных каналов и цветов и присвоить инфракрасной зоне зеленый
цвет, можно получить цветопередачу, близкую натуральной.
Синтезировать можно не только зональные снимки, составляющие
многозональный, но также разновременные снимки и изображения,
полученные в результате более сложных преобразований.
• Создание индексных изображений – включает как математические
операции с матрицами значений яркости пикселов двух цифровых снимков
(сложение, умножение и другие), т.к. более сложные преобразования.
• Определение индексов - преобразование изображений, основанные на
различиях яркости природных объектов в двух или нескольких частях
спектра. Наибольшее количество индексов относится к дешифрированию
зеленой, вегетирующей растительности, отделении ее изображения от
других объектов, в первую очередь от почвенного покрова и водной
поверхности.
• Вегетационные индексы основаны на отношениях значений яркости в
спектральных зонах, наиболее информативных для характеристики
растительности – красной и ближней инфракрасной.
• Наиболее часто используют нормализованный разностный
вегетационный индекс NDVI (Normalised Difference Vegetation Index),
рассчитываемый по формуле
NDVI= (БИК–К)/(БИК+К),
где К - значение яркости в красной зоне, а БИК - в ближней
инфра-красной.
• Значения индекса изменяются в пределах от -1 до +1. Для
расти-тельности характерны положительные значения NDVI, и чем
больше ее фитомасса, тем они выше. На значения индекса влияют
также видовой состав растительности, ее сомкнутость, состояние, в
меньшей степени экспозиция и угол наклона поверхности.
Известны и другие, более сложные преобразования многозональных
снимков, например преобразование Каута-Томаса («шапочка с
кисточкой»). Если яркости в трех зонах представить как оси
трехмерного пространства признаков, то поворотом осей можно
добиться того, что растительность и почвы будут различаться
наилучшим образом. В результате преобразования происходит такая
перегруппировка зональных признаков, при которой основная часть
информации оказывается сосредоточенной в двух признаках:
«яркость (brightness), т.е. индекс почвы, и «зеленость (greenness)»,
индекс растительности. Последний описывает контраст между
ближней инфракрасной и красной зонами.