सुदूर संवेदन (पृथ्वी की सुदूर संवेदन) में डिजिटल छवियों का प्रसंस्करण

Habré पर डेटा वर्गीकरण, फ़िल्टरिंग सहित विभिन्न छवि प्रसंस्करण विधियों के उपयोग के बारे में बहुत सारे लेख थे। पृथ्वी के डिजिटल चित्रों को संसाधित करते समय इनमें से कई दृष्टिकोण का उपयोग रिमोट सेंसिंग में भी किया जाता है।

जिस क्षण से छवि उपग्रह से प्राप्त की जाती है, उसका विश्लेषण करने की संभावना के लिए, दृश्य जानकारी प्राप्त करने और बाद के विश्लेषण के लिए इसे सुविधाजनक रूप में लाने के लिए प्रक्रियाओं का एक पूरा चक्र लिया जाना चाहिए।
जो लोग इस प्रक्रिया में रुचि रखते हैं, मैं बिल्ली (यातायात) के लिए पूछता हूं:

बहुत सार पर आगे बढ़ने से पहले, मैं तुरंत कई प्रारंभिक अवधारणाओं को पेश करना चाहूंगा, जो सबसे अधिक संभावना है, पहले से ही कई से परिचित हैं, लेकिन, फिर भी, हम बारीकियों से विचलित नहीं होंगे। जो लोग इस मुद्दे पर अपनी क्षमता में आश्वस्त हैं, उन्हें तुरंत सबसे दिलचस्प करने के लिए आगे बढ़ें।

डिजिटल छवि स्वयं और इसे प्राप्त करने की प्रक्रिया

जैसा कि सभी जानते हैं, एक डिजिटल छवि पिक्सल का एक मैट्रिक्स है, जिनमें से प्रत्येक का मूल्य औसतन चार घटकों से प्राप्त होता है: अंतरिक्ष निर्देशांक (x और y), तरंग दैर्ध्य और समय।
मैट्रिक्स को संकलित करने की प्रक्रिया इस तरह से होती है: सौर विकिरण को ली गई वस्तुओं से परिलक्षित किया जाता है, सेंसर की सतह में प्रवेश करने वाली ऊर्जा इसके द्वारा तय की जाती है, फिर इसे एकीकृत किया जाता है, जिसमें से इंटीग्रल पिक्सेल मूल्य निर्धारित होता है। इंटीग्रल मान को विद्युत संकेत में परिवर्तित करने के बाद पूर्णांक मान प्राप्त किया जाता है। प्रत्येक पिक्सेल बाइनरी फॉर्म में जानकारी संग्रहीत करता है। प्रति पिक्सेल जितना अधिक बिट्स (मेमोरी) आवंटित किया जाता है, एक पिक्सेल के अनुरूप मूल्यों की संख्या अधिक होती है, मूल असतत संकेत जितना सटीक रूप से अनुमानित होता है, उतनी ही अधिक जानकारी तस्वीर संग्रहित कर सकती है।
सीसीडी स्कैनर में, पहले से ही उल्लेख किए गए डिटेक्टर पृथ्वी को स्कैन करते हैं और डेटा की एक सतत स्ट्रीम को पिक्सेल में विभाजित करते हैं।
स्कैनर के प्रकार पर बहुत कुछ निर्भर करता है, यह छवियों को प्राप्त करने की विधि निर्धारित करता है। तो, तीन मुख्य प्रकार के स्कैनर हैं:

1. एक रेखीय स्कैनर (उदाहरण - AVHRR) सबसे सरल है, यह केवल एक डिटेक्टर तत्व से सुसज्जित है।
2. क्रॉस सीसीडी स्कैनर (GOES, MODIS, TM) - स्कैनिंग के लिए सर्वेक्षण पथ के साथ स्थित डिटेक्टरों की एक पंक्ति का उपयोग करता है। पृथ्वी का एक समानांतर स्कैन प्रत्येक दर्पण चक्र के साथ किया जाता है।
3. अनुदैर्ध्य स्कैनर्स (IKONOS, QuickBird, SPOT) में सीसीडी लाइन में हजारों डिटेक्टर होते हैं, इसलिए, प्लेटफॉर्म को कक्षा में घुमाकर समानांतर स्कैनिंग की जाती है।

डिजिटल शॉट्स को 8-बिट ग्रेस्केल या 24-बिट स्केल का उपयोग करके प्रदर्शित किया जाता है, जो कि R, G, B. के विभिन्न शेड्स को मिलाने पर आधारित होता है। पिक्सेल मानों की मूल श्रेणी को एक रंग-सीमा के साथ एक सीमित रेंज में परिवर्तित किया जाता है, जो मल्टी-स्पेक्ट्रम डिजिटल छवि के किसी भी तीन चैनलों के अनुरूप होता है। । एक पिक्सेल 256 ^ 3 आरजीबी वैक्टर द्वारा प्रदर्शित किया जाता है, एक वेक्टर एक रंग है। रेडियोमेट्रिक रिज़ॉल्यूशन के अन्य विकल्प हैं। उदाहरण के लिए, क्विकबर्ड में 11 बिट / पिक्स, लैंडसैट -8 में 16 बिट / पिक्स है।
ऑप्टिकल सेंसर में स्पेक्ट्रल चैनल कैसे बनते हैं:
सेंसर द्वारा प्राप्त प्रकाश की किरण को कई किरणों में विभाजित किया जाता है। प्रत्येक बीम, अपने स्वयं के ऑप्टिकल पथ से गुजरता है, एक वर्णक्रमीय फिल्टर से गुजरता है। वर्णक्रमीय श्रेणियों को अलग करने के लिए, प्रिज्म और विवर्तन झंझरी का उपयोग किया जा सकता है।

प्रारंभिक छवि प्रसंस्करण प्रक्रियाएं

निम्नलिखित प्रक्रिया प्रारंभिक छवि प्रसंस्करण चक्र में शामिल हैं:

1. रेडियोमेट्रिक सुधार - पिक्सेल चमक मूल्यों में भिन्नता को समाप्त करता है जो डिटेक्टरों के अनुचित संचालन, स्थलाकृति और वातावरण के प्रभाव के परिणामस्वरूप होता है।
2. वायुमंडलीय सुधार - वायुमंडल के प्रभाव के लिए सुधार, जो पारदर्शिता खिड़कियों के कारण शूटिंग रेंज का स्थान निर्धारित करता है।
3. ज्यामितीय सुधार में छवि विकृतियों का सुधार शामिल होता है जैसे कि लकीर खींचना, रेखा गिरना, और जियोकोडिंग - छवि को इस तरह से जोड़ना कि छवि के प्रत्येक बिंदु को जमीन पर संबंधित बिंदु के समन्वय को सौंपा गया है। गणितीय रूप से, आमतौर पर बिजली के बहुपद का उपयोग करके जियॉर्फ़ेरिंग की जाती है। बंधन की सटीकता संदर्भ बिंदुओं की उपस्थिति में बढ़ जाती है, फिर चित्र जैसे कि उन पर "बैठता है"। जियोकोडिंग के बाद, पहले से ही बदल गई छवि की चमक विशेषताओं को विभिन्न तरीकों से निर्धारित किया जाता है: निकटतम पड़ोसी, बिलिनियर इंटरपोलेशन, बाइबिक सजा।
4. ऑर्थोरैक्टिफिकेशन - यह इलाके की ऊंचाई में अंतर के कारण छवि त्रुटियों को समाप्त करता है, परिणामस्वरूप, केंद्रीय डिजाइन के कई दोष परिणामी छवि में समाप्त हो जाते हैं।

निम्नलिखित छवि गुणवत्ता में सुधार के लिए एक प्रक्रिया है, जिसमें शामिल हैं:

1. वर्णक्रमीय रूपांतरण , जो एक वर्णक्रमीय आरेख के साथ काम पर बनाया गया है - छवि में पिक्सेल की संख्या और वर्णक्रमीय चमक के मूल्यों के बीच संबंध दिखाने वाला ग्राफ। वर्णक्रमीय परिवर्तनों में, विपरीत परिवर्तन के रूप में ऐसा पैरामीटर। इसे बढ़ाने के लिए, कई तरीके हैं, उदाहरण के लिए:
   
   • हिस्टोग्राम का रेखीय फैलाव, जिसमें इस तथ्य को समाहित किया गया है कि सभी चमक मूल्यों को नए मूल्यों को सौंपा गया है ताकि पूरे संभावित रेंज को 0 से 255 तक कवर किया जा सके:
     
   • हिस्टोग्राम सामान्यीकरण - चित्र का केवल सबसे तीव्र (सबसे अधिक जानकारीपूर्ण) खंड चमक मूल्यों की पूरी श्रृंखला पर फैला है:
     
   • हिस्टोग्राम रैखिककरण - प्रत्येक पिक्सेल को एक नया चमक मान दिया जाता है, ताकि प्रत्येक चमक स्तर में लगभग समान पिक्सेल हों:
     
2. छानना - वस्तुओं के प्रजनन को बढ़ाता है, शोर को समाप्त करता है, संरचनात्मक रेखाओं पर जोर देता है, छवि को चिकना करता है और बहुत कुछ करता है - कार्य के आधार पर। संपूर्ण फ़िल्टरिंग प्रक्रिया एक स्लाइडिंग विंडो की अवधारणा पर आधारित है - वजन गुणांक का एक वर्ग मैट्रिक्स (आमतौर पर 3 * 3 या 5 * 5 मैट्रिक्स)। प्रत्येक पिक्सेल चमक मूल्य निम्नानुसार पुनर्गणना किया जाता है: यदि पिक्सेल पिक्सेल से छवि पिक्सेल में जाने वाली खिड़की के केंद्र में है, तो एक नया मान उसे सौंपा जाता है, जो उसके आसपास के पिक्सल के कार्यात्मक निर्भरता द्वारा गणना की जाती है। तो खिड़की छवि के सभी पिक्सल में "फिसल जाता है", उनका मूल्य बदल रहा है। चयनित वजन के आधार पर, परिणामी छवि के गुण बदल जाते हैं। अधिक विस्तृत फ़िल्टरिंग का वर्णन UnickSoft Habrauser ने अपने पोस्ट में किया ।
3. फूरियर रूपांतरण छवि की गुणवत्ता को कई स्थानिक-आवृत्ति घटकों में विघटित करके बेहतर बनाता है। अंतरिक्ष में चमक विशेषताओं के वितरण को आवधिक कार्यों के रैखिक संयोजन के रूप में दर्शाया गया है जो आवृत्ति डोमेन में दिए गए विशेषताओं के साथ पाप और कॉस है। उदाहरण के लिए, शोर को दूर करने के लिए, यह उनकी घटना की आवृत्ति की पहचान करने के लिए पर्याप्त है।

छवियों के साथ काम करने का अंतिम चरण - डिक्रिप्शन

डिक्रिप्शन एक छवि में वस्तुओं और इलाके की घटनाओं का पता लगाने और पहचानने की प्रक्रिया है। यह या तो मैनुअल हो सकता है, अर्थात्, छवि के दृश्य (मानव) या मशीन (स्वचालित) के आधार पर। उत्तरार्द्ध, कुछ मुझे बताता है, कई हब्रसर्स के लिए बहुत रुचि है। मशीन प्रसंस्करण, संक्षेप में, विभिन्न वर्गीकरण तंत्रों के लिए नीचे आता है। पहले आपको वर्णक्रमीय सुविधाओं के स्थान पर वैक्टर के रूप में सभी पिक्सेल (उनकी वर्णक्रमीय चमक) की कल्पना करने की आवश्यकता है। विभिन्न वस्तुओं के वर्णक्रमीय चमक के मात्रात्मक संबंधों का विश्लेषण करते समय, पिक्सल को कक्षाओं में विभाजित किया जाता है। चित्रों के वर्गीकरण को प्रशिक्षण के बिना वर्गीकरण और प्रशिक्षण के साथ वर्गीकरण में विभाजित किया गया है।

प्रशिक्षण के साथ वर्गीकरण

प्रशिक्षण के साथ वर्गीकरण से तात्पर्य एक मानक के अस्तित्व से है जिसके साथ प्रत्येक पिक्सेल की चमक की तुलना की जाती है। परिणामस्वरूप, कई मानकों को पूर्वनिर्धारित करते हुए, हम कई वस्तुओं को कक्षाओं में विभाजित करते हैं। यह वर्गीकरण केवल तभी काम करता है जब छवि में प्रदर्शित वस्तुओं को पहले से जाना जाता है, कक्षाएं स्पष्ट रूप से अलग-अलग हैं और उनकी संख्या छोटी है।
प्रशिक्षण के साथ वर्गीकरण में इस्तेमाल किए जा सकने वाले कुछ तरीके यहां दिए गए हैं:

1. न्यूनतम दूरी विधि - वर्णक्रमीय विशेषताओं के स्थान पर पिक्सेल चमक मूल्यों को वैक्टर के रूप में माना जाता है। इन मानों और संदर्भ अनुभागों के वैक्टर के बीच, वर्णक्रमीय दूरी की गणना पिक्सेल के वैक्टर और संदर्भ के अंतर के वर्गों के योग के रूप में की जाती है (संदर्भ (दूसरे शब्दों में, उनके बीच यूक्लिडियन दूरी))। सभी पिक्सेल वर्गों में विभाजित हैं, इस आधार पर कि उनके और संदर्भ के बीच की दूरी निर्दिष्ट या उससे अधिक है या नहीं। इसलिए, यदि दूरी कम है, तो कक्षा को परिभाषित किया गया है, पिक्सेल को मानक के लिए जिम्मेदार ठहराया जा सकता है:
   
2. महालनोबिस दूरी विधि पहली विधि के समान है, केवल वर्गीकरण वैक्टर के बीच यूक्लिडियन दूरी को मापता नहीं है, लेकिन महलनोबिस दूरी, जो मानक के चमक मूल्यों के विचरण को ध्यान में रखती है। इस पद्धति में, यदि किसी दिए गए पिक्सेल से यूक्लिडियन की दूरी दो मानकों के बराबर है, तो संदर्भ नमूने के विचरण के साथ वर्ग अधिक होगा:
   
3. स्पेक्ट्रल कोण विधि - प्रारंभ में वर्णक्रमीय कोण (संदर्भ वेक्टर और इस पिक्सेल के वेक्टर के बीच का कोण) का अधिकतम मूल्य निर्धारित किया जाता है। वर्णक्रमीय कोण पाया जाता है, और, यूक्लिडियन दूरी के साथ, यदि कोण निर्दिष्ट एक से कम है, तो पिक्सेल मानक वर्ग में आता है जिसके साथ तुलना की जाती है:
   

बिना प्रशिक्षण के वर्गीकरण

प्रशिक्षण के बिना वर्गीकरण पिक्सल के चमक मूल्यों के वितरण के आंकड़ों के आधार पर कक्षाओं में पिक्सल के पूरी तरह से स्वचालित वितरण पर आधारित है। इस प्रकार के वर्गीकरण का उपयोग किया जाता है यदि यह शुरू में नहीं जाना जाता है कि छवि में कितनी वस्तुएं मौजूद हैं, तो वस्तुओं की संख्या बड़ी है, परिणामस्वरूप, मशीन स्वयं प्राप्त कक्षाएं उत्पन्न करती है, और हम पहले से ही निर्धारित करते हैं कि किन वस्तुओं के साथ उनका मिलान करना है।

1. ISODATA (Iterative Self-Organizing Data Analysis Technique Algorithm) विधि क्रमिक सन्निकटन विधि का उपयोग करके क्लस्टर विश्लेषण पर आधारित है। वर्णक्रमीय सुविधाओं के स्थान में पिक्सेल की चमक को वैक्टर के रूप में विचार करने के बाद, निकटतम को एक कक्षा में निर्धारित किया जाता है। प्रत्येक वर्णक्रमीय क्षेत्र के लिए, चमक वितरण के सांख्यिकीय मापदंडों की गणना की जाती है। सभी पिक्सल को कुछ समान संख्या में n श्रेणियों द्वारा विभाजित किया जाता है, जिनमें से प्रत्येक एक औसत मूल्य है। श्रेणी के प्रत्येक पिक्सेल के लिए, औसत मान के लिए वर्णक्रमीय दूरी की गणना की जाती है। उनके बीच की सबसे छोटी दूरी वाले सभी पिक्सेल एक क्लस्टर में परिभाषित किए गए हैं। यह पहली पुनरावृत्ति है। दूसरी पुनरावृत्ति और बाद में यह पहले से ही वास्तविक है प्रत्येक क्लस्टर के लिए औसत मान की गणना की जाती है। प्रत्येक नई यात्रा भविष्य की कक्षाओं की सीमाओं को परिष्कृत करती है:
   
2. K- साधन विधि पिछली विधि के समान है, इस तथ्य के अपवाद के साथ कि प्रारंभिक औसत मान सेट हैं (यह केवल तभी संभव है जब चित्र में ऑब्जेक्ट अच्छी तरह से पठनीय हों)।

पूर्व-प्रसंस्करण और छवियों की गुणवत्ता में सुधार, साथ ही डिक्रिप्शन की सभी प्रक्रियाएं, चर्चा के लिए एक विशाल क्षेत्र का प्रतिनिधित्व करती हैं, उनमें से प्रत्येक एक पूरे लेख (और एक नहीं) के लिए एक अवसर के रूप में सेवा कर सकता है। यदि किसी को किसी विशिष्ट विषय में दिलचस्पी है, तो कृपया प्लॉट के बाद के विकास के लिए टिप्पणियों में अपनी इच्छाओं को छोड़ दें। इसके अलावा, विभिन्न सूचकांकों के उपयोग पर एक पोस्ट की योजना बनाई गई है, जैसे कि वनस्पति NDVI, वस्तुओं की व्याख्या और पहचान में सुधार करने के लिए।

लेख ने साइट से जानकारी का उपयोग किया, वह भी निम्न स्रोतों से: 1 और 2 ।

PS। यूएस भूवैज्ञानिक सर्वेक्षण की वेबसाइट पर मुफ्त में डिजिटल डेटा डाउनलोड करना संभव है
इमेज प्रोसेसिंग में हमारे अपने प्रयोगों के लिए, एक मुफ्त डेमो सॉफ्टवेयर है (हालांकि पूर्ण संस्करण की तुलना में कुछ सीमित कार्यों के साथ, लेकिन वार्मिंग के लिए पर्याप्त है) और एक और सॉफ्टवेयर ।