Sprawozdanie techniczne (6)

Temat 3

(satelitarne obrazy wielospektralne)

Damian Nowak

Gr 5

Nr 4

Sprawozdanie techniczne

Dane formalno-prawne

ZLECENIODAWCA: Wydział Geodezji Górniczej i Inżynierii Środowiska Akademii Górniczo-Hutniczej w Krakowie
WYKONAWCA: Damian Nowak
PRZEDMIOT ZLECENIA: Ocena dokładności zdjęcia lotniczego i ortofotomapy
TERMIN WYKONANIA ZLECENIA: 10.03.2011.

Wykorzystane materiały

Obrazy satelitarne z satelity Landsat TM przedstawiające okolice Krakowa – odrębne obrazy dla kanałów: czerwonego, niebieskiego, zielonego, bliskiej podczerwieni, średniej podczerwieni, dalekiej podczerwieni

Wykonanie zlecenia

Przebieg ćwiczenia
- Zapoznanie z interfejsem programu
- Odtworzenie pojedynczych kanałów oraz ich histogramów (oryginalny histogram dla Lan1 – załącznik 1)
- Ręczne dokonanie rozciągnięcia histogramu dla obrazu Lan1
  - Obcięcie pikseli, które mają wartość równą 0 (załącznik nr 2)

tj. o jasności 0-63 oraz 211-255

Obcięcie pikseli, których udział w obrazie nie przekracza 0.1% (załącznik 3)

tj. o jasności 0-66 oraz 111-255

Obcięcie pikseli, których udział w obrazie nie przekracza 10% (załącznik 4)

Wnioski: Rozciągnięcie histogramu i obcięcie go w danym miejscu powoduje usunięcie informacji z obrazu i przeniesienie pikseli do jasności 255 tj do koloru białego. Tracimy w związku z tym pewną informację o obrazie. Jednakże dzięki temu zabiegowi możliwe jest zwiększenie kontrastu zdjęcia, co pozwoli na lepsze odczytywanie pozostałych informacji.

Obcięcie pikseli do ok 0.1% nie powoduje istotnej utraty informacji z obrazu i może być z powodzeniem stosowane do zwiększania czytelności zdjęcia.

Stworzenie grupy kanałów od Lan1 do Lan7.
Utworzenie kompozycji barwnej dla RGB
- R (Lan3), G(Lan2), B(Lan1) – Kompozycja 1
- R (Lan4), G(Lan3), B(Lan2) – Kompozycja 2
- R (Lan4), G(Lan5), B(Lan1) – Kompozycja 3

Wnioski: Kompozycja w kolorach naturalnych (Kompozycja 1) ukazuje w kolorach rzeczywistych rodzaj użytkowania terenu, lecz nie uwzględnia np. zawodnienia gleby.

Kompozycja 2 przedstawia natomiast w sposób nieczytelny wszelką roślinność, która zlewa się w kolorze czerwonym, natomiast doskonale są widoczne wody stojące i płynące.

Kompozycja 3 również dość dobrze oddaje wody stojące i płynące oraz strefę zabudowaną. Analizy zostały zebrane w załącznikach 20-24.

Utworzenie krzywych spektralnych dla 8 typów pokrycia terenu (woda stojąca/płynąca, las, park, łąka, trawnik miejski, pole rzepaku, gleba odkryta, zabudowa).
- Pomiar jasności w rejonach charakterystycznych
- Znalezienie mediany pomierzonych jasności
- Obliczenie procentowego odbicia promieni na danym obszarze

	wody stojące i płynące		mediana	% odbicia
Lan1	72	71	75	73
Lan2	51	50	52	48
Lan3	37	34	40	31
Lan4	17	16	22	17
Lan5	15	13	21	15
Lan7	10	12	16	12

	las		mediana	% odbicia
Lan1	68	69	69	69
Lan2	50	54	54	53
Lan3	36	39	38	38
Lan4	82	110	105	104
Lan5	62	80	78	76
Lan7	29	36	35	32

	park		mediana	% odbicia
Lan1	72	74	73	70
Lan2	53	57	59	55
Lan3	43	44	45	40
Lan4	88	86	84	81
Lan5	73	72	76	72
Lan7	37	42	41	39

	łąka		mediana	% odbicia
Lan1	74	72	75	74
Lan2	59	60	60	61
Lan3	46	45	51	46
Lan4	105	113	102	117
Lan5	86	85	96	89
Lan7	42	42	49	44

	trawnik miejski		mediana	% odbicia
Lan1	77	81	82	81
Lan2	66	70	73	68
Lan3	59	64	67	64
Lan4	106	104	111	101
Lan5	116	118	125	126
Lan7	60	66	67	69

	pola rzepaku		mediana	% odbicia
Lan1	80	78	72	73
Lan2	100	91	57	53
Lan3	94	83	43	39
Lan4	145	140	110	128
Lan5	74	70	70	70
Lan7	40	37	36	32

	gleba odkryta		mediana	% odbicia
Lan1	96	92	94	95
Lan2	91	80	82	85
Lan3	112	92	100	102
Lan4	71	69	67	67
Lan5	135	138	145	148
Lan7	122	128	133	138

	tereny zabudowane		mediana	% odbicia
Lan1	82	93	78	80
Lan2	57	71	56	58
Lan3	53	66	50	54
Lan4	28	33	42	35
Lan5	38	42	49	45
Lan7	35	36	36	41

Prezentacja graficzna krzywych została przedstawiona w załącznikach 5-12

Komputerowa klasyfikacja obrazów wielospektralnych
- „Nauczenie” programu, które rejony ma klasyfikować i w jaki sposób poprzez zaznaczenie na wybranym obrazie (Kompozycja R(Lan7), G(Lan5), B(Lan4)) terenów homologicznych odpowiadających danemu rodzajowi pokrycia terenu
- Wybranie odpowiednich klasyfikatorów
  - Box Classifier z Multiplication Factor ustawionym na 1.732 oraz 2 (załącznik 13-14)
  - Minimum Distance (załącznik 15)
  - Minimum Mahalanobis Distance (załącznik 16)
  - Maximum Likehood (załącznik 17)

Wnioski: Klasyfikacja najlepiej oddająca pokrycie terenu na obserwowanym zdjęciu została stworzona przy pomocy klasyfikatora Minimum Mahalanobis Distance, gdyż nie pozostawia niesklasyfikowanych pikseli, najwierniej przekazuje informację o terenie.

Ręczna klasyfikacja obrazu wielospektralnego
- Obliczenie średnich wartości jasności dla danego kanału w poszczególnych próbach

Próba	Kanał
	I
A	18
B	18
C	26
D	34

Obliczenie poprawek do poszczególnych jasności i wyliczenie odchylenia standardowego z poniższego wzoru oraz tolerancji równej h * σ, gdzie h=2

$$\sigma = \sqrt{\frac{\sum_{}^{}\text{VV}}{n - 1}}$$

Próba	Kanał
	I
	σ
A	1.61
B	2.95
C	1.62
D	2.95

Sporządzenie wykresu położenia prób (załącznik 18)
Identyfikacja danego piksela w obszarze klasyfikowanym i przyporządkowanie go do określonej próby, obszary nie przyporządkowane do żadnej próby są pozostawione bez koloru (załącznik 19)

Załącznik 1 (oryginalny histogram z obrazu Lan1)