1
Metody zvýrazňování obrazu III
Vícepásmová zvýraznění
Podstata
vícepásmových
zvýraznění
* DN hodnoty jako příznaky a , tzv. příznakový prostor.
* Vytváření nových pásem ­ s cílem zvýšit odlišení různých
objektů - rozšíření příznakového prostoru
* Hledání nových - nejinformativnějších pásem - tzv. zúžení
příznakového prostoru bez podstatné ztráty informace.
* Odstranění redundantní informace obsažené v pásmech úzce
korelovaných
Spektrální příznaky
Ze spektrálního chování tedy lze pro každý objekt odvodit tzv.
spektrální příznaky. Tyto příznaky jsou pro daný typ povrchů
typické.
Příznakový prostor
* Jednotlivé spektrální příznaky definují osy
vícerozměrného prostoru
* Ten označujeme jako příznakový prostor.
* Definování spektrálních příznaků a jejich
poloha v příznakovém prostoru jsou důležitým
krokem při automatickém rozpoznávání
objektů na snímcích.
Obrazový prostor
(Image space)
Spektrální prostor
(Spectral space)
Příznakový prostor
(Feature space)
1 2 3
Vytváření barevných syntéz
* Barevné kompozice z pásem původních ­
empirie
* Vhodnost jednotlivých pásem LANDSAT
TM
2
Objektivní metody tvorby barevných syntéz
Syntéza je složena z pásem, která dávají nejvíce odlišné
informace - tedy jsou mezi sebou co nejméně korelována.
Optimum index factor (OIF):
( )
OIF
S
Abs r
k
k
j
j
= =
=


1
3
1
3
Sk - směrodatná odchylka pro pásmo k
ri - hodnota korelačního koeficientu mezi libovolnými
dvěma pásmy v dané kompozici.
Kompozice s nejvyšší hodnotou OIF bude dávat nejvíce
informace
(PCA - Principal Component Analysis) se používá jako
prostředek zvýraznění obrazu k vizuální interpretaci i
jako metoda zvýraznění obrazu před jeho
automatickou klasifikací.
Analýzou hlavních komponent lze další zpracování
omezit na méně pásem bez podstatné ztráty informace
- redukuje tedy rozměrnost (dimensionalitu)
zpracování.
PCA je statistická metoda, která rotuje osami
vícerozměrného prostoru tvořícího multispektrální
snímek, a to ve směru maximálního rozptylu dat.
Obrazová analýza
hlavních komponent
PCA - základní východiska
Princip PCA
Výstup PCA
Číslo Vlastní Procenta Kumulov.
PC čísla rozptylu procenta TM1 TM2 TM3 TM4 TM5 TM7
1 2262,96 75,62 75,62 0,243 0,181 0,346 0,230 0,728 0,454
2 682,34 22,80 98,42 0,115 0,050 0,229 -0,936 -0,012 0,237
3 33,80 1,13 99,55 0,553 0,323 0,513 0,201 -0,531 -0,064
4 7,79 0,26 99,81 -0,264 -0,141 -0,037 0,168 -0,432 0,833
5 4,54 0,15 99,96 0,712 -0,102 -0,668 -0,034 0,000 0,186
6 1,21 0,04 100,00 -0,212 0,911 -0,343 -0,044 -0,022 0,069
Zátěže
7655443322111 TMaTMaTMaTMaTMaTMaPC +++++=
7655443322112 TMbTMbTMbTMbTMbTMbPC +++++=
...
Výstup PCA ­ jednotlivá transformovaná pásma
PC1 PC2 PC3
PC4 PC5 PC6
3
Výstup PCA ­ barevná syntéza z PC1, PC2 a PC3
Transformace IHS
* Jakýkoliv barevný obraz může být popsán také v kategoriích
intensity (jasu), odstínu a sytosti každé barvy (IHS, Intensity Hue
- Saturation).
* Intenzita je mírou jasu v obraze
* Odstín je mírou barvy a reprezentuje dominující vlnovou délku
ve světle
* Sytost reprezentuje hloubku čistoty barvy vzhledem k odstínu
šedi.
* V systému IHS lze zvýrazňovat jednotlivé složky nezávisle na
složkách zbývajících - tedy pokud upravíme kontrast složky
představující intenzitu, sytost a odstín se nezmění.
Transformace mezi RGB a IHS
barevnými systémy
Transformace IHS
Transformace IHS
V rámci zpracování obrazových záznamů existuje řada
algoritmů, využívajících vzájemné transformace mezi
oběma barevnými systémy především pro:
* zvýraznění obrazu
* spojování (fůzi) dat s různým rozlišením ­ PAN a MS
* spojování dat z různých typů senzorů
Pro IHS transformace platí, že data s největším prostorovým
informačním obsahem (lineární prvky, textura) by měla být přiřazena
intenzitě.
Data s největším dynamickým rozsahem by měla být přiřazena
odstínu.
Malé rozdíly v sytosti nejsou postřehnutelné lidským okem a měly by
být proto použity pro nejméně výrazná data.
* Konverze pásem LANDSAT RGB (3,4,5) do IHS
* Zvýraznění H
* Konverze IHS do RGB
4
* Konverze pásem LANDSAT RGB (3,4,5) do IHS
* Zvýraznění I, S
* Konverze IHS do RGB
Transformace Martina-Taylora
* Transformace barevného obrazu do systému zobrazení, který
více odpovídá citlivosti lidského vidění.
* Jednotlivé složky tohoto systému jsou mírou zastoupení jasu,
červeno-zelené barvy a modro-žluté barvy ve výsledném
obraze.
* Pořadí těchto složek zároveň vyjadřuje jejich důležitost ve
zrakovém systému člověka.
* Jako vstupu se používá výsledků analýzy hlavních
komponent: (PC1 ­ jas, PC2- červeno-zelená a PC3- modrožluté
barvy ).
* Tyto obrazy jsou transformovány do systému RGB
následujícími vztahy:
R = (255 - PC2 + PC3/2) * PC1/256 |R - (0,383)
G = (PC2 + PC3/2) * PC1/256 |G ­ (0,383)
B = (255 - PC3) * PC1/256 |B ­ (0,255)
Nové obrazy jsou lineárně transformovány do rozsahu 0-255
Transformace Martina-Taylora
Barevnou syntézu lze použít k vizuální interpretaci, jednotlivá
pásma mohou vstupovat do klasifikace obrazu.
Dekorelační techniky
* Techniky zvýraznění více pásem výhodné pro zpracování vysoce
korelovaných dat.
* Tradiční techniky zvýraznění kontrastu v RGB systému rozšiřují pouze
rozsah intensity barev, odstín či sytost se nemění. Právě odstín barev bývá
nejdůležitější při identifikaci objektů.
* Odstraněním korelace mezi zobrazovanými pásmy lze tento problém do
jisté míry vyřešit. Použitím analýzy hlavních komponent a následným
zvýrazněním kontrastu dosáhneme změny barevného odstínu, vzniká však
problém, že nové barvy objektů jsou často velmi odlišné od barev
původních, což může způsobovat problémy při jejich identifikaci.
* Existují tedy techniky, které jsou modifikací analýzy hlavních
komponent a které zachovávají barevné odstíny jevů a objektů. Tato
dekorelační zvýraznění zahrnují úpravu kontrastu hlavních komponent
a jejich následnou transformaci zpět do barevného systému RGB
* Dekorelační techniky zvýrazňují především sytost barev, intenzita a
odstín se mění pouze málo. Takto zvýrazněné barevné syntézy se proto
interpretují snáze, než barevné syntézy vytvořené z hlavních komponent.
Dekorelační techniky - obecný postup
Metoda má tři základní kroky:
1. Transformace metodou hlavních komponent
2. Škálování hodnot (aby všechna transformovaná pásma
měla stejný rozptyl jako první komponenta)
3. Zpětná (inverzní) transformace
C | C |
h | h | *
a | * a | *
n | ** n | * * *
n | *** n | ** *** *
e | ** e | * * * *
l | *** l | * * **
| ** | **
A | * A | *
+------------------------ +------------------------
channel B channel B
Příklad dekorelačního zvýraznění ­ plochy s vegetací
5
Příklad dekorelačního zvýraznění ­ horniny a minerály
Dekorelační zvýraznění pásem 1,2,3,4,5
Transformace PCA do tří hlavních komponent
Spojování (fůze) dat s různým
prostorovým rozlišením
Metody transformace barevného prostoru slouží vedle
zvýrazňování také k spojování PAN a MS obrazových dat
Obecný princip:
MS data s menším prostorovým rozlišením se převedou
z RGB barevného systému do systému IHS.
Složka intenzity-jasu (I) se nahradí daty s vysokým
rozlišením (PAN).
Provede se zpětná transformace z IHS do RGB
Výsledkem jsou barevná data s vysokým rozlišením
Algoritmy pro fůzi dat
* Metoda HEXCONE (viz IHS)
* Metoda Broveyho transformace
Jednotlivé složky nového obrazu se vypočtou
následujícím způsobem:
R = (R / (R + G + B)) * I
G = (G / (R + G + B)) * I
B = (B / (R + G + B)) * I
kde I představuje data s vysokým rozlišením
IHSPAN
15 m
MS
30 m
Aritmetické operace s pásmy
multispektrálního obrazu
Obrazové podíly
Potlačení vlivů topografie ­ různých DN hodnot v
důsledku různě osvětlených svahů
Výpočet spektrálních indexů (zvýrazňují vegetační
složku či různé druhy minerálů)
Obecně se konstruují tak, že v čitateli je pásmo, ve
kterém zvýrazňovaný povrch intenzivně odráží a ve
jmenovateli naopak pásmo, ve kterém povrch pohlcuje
Příklady:
TM4/TM3 ­ vegetační index
TM3/TM1 ­ zvýrazňuje výskyt půd s oxidy železa
TM5/TM7 ­ zvýrazňuje místa s výskytem jílových
minerálů
6
Obrazové podíly
Druh Orientace
svahů
DN hodnoty
povrchu ke Slunci Pásmo A Pásmo B Podíl A/B
listnáče osvětlené 48 50 0.96
zastíněné 18 19 0.95
jehličnany osvětlené 31 45 0.69
zastíněné 11 16 0.69
Násobení obrazů
* Technika pro maskování vybraných ploch na snímku.
Zájmová plocha má hodnotu pixelů 1, ostatní plochy
hodnotu 0.
* Když touto "maskou" je vynásoben jiný obraz, dostaneme
ve výsledku pouze zájmovou plochu, ostatní plochy mají
nulové hodnoty.
* Pokud dva povrchy mají podobné hodnoty odrazivosti ve
dvou pásmech lze jejich roznásobením zvýšit mezi nimi
kontrast.
Součet obrazů
* Přičtení výsledku vysokofrekvenční filtrace k
původnímu obrazu ­ ostřící filtr.
* Součet snímků jako celková míra vhodnosti ­ mapová
algebra
Rozdíl obrazů
* Jednoduchá metoda stanovení změn mezi dvěma
časovými horizonty.
* Nulový výsledek indikuje žádnou změnu, nenulové
hodnoty indikují určité změny.
* Znaménko výsledku určuje směr změny.
* Operaci odčítání lze aplikovat na původní pásma i na
výsledky klasifikace
Min = Minimum(R,G,B)
Delta = Max - Min
I = Max
If (Max <> 0) S = Delta / Max
If (Max = 0) S = 0
If (S = 0) H = 0 (Odstín není definován)
If (R = Max) H = (G - B) / Delta (mezi žlutou a purpurovou - yellow a magenta)
If (G = Max) H = 2 + (B - R) / Delta (mezi azurovou a žlutou - cyan a yellow)
If (B = Max) H = 4 + (R - G) / Delta (mezi purpurovou a azurovou - magenta a cyan)
H = H * 60 (konverze Odstínu a stupně)
If (H < 0) H = H + 360 (Odstín musí být kladná hodnota)
If (H >= 360) H = H - 360 (Odstín musí být hodnota menší než 360)
Hodnoty odstínu a sytosti musí být transformovány do 8bitových čísel:
H = H * (255 / 360)
S = S * 255
Konverze RGB ­ IHS ­ HEXCONE model
Konverze RGB ­ IHS ­ CYLINDER model
R = Red, G = Green, B = Blue I = Intensity, H = Hue, S = Saturation
K2 = 1 / sqrt(2)
K3 = 1 / sqrt(3)
K6 = 1 / sqrt(6)
PI (3.14159) RadToDeg = 180 / PI (konverze RAD DEG)
B1 = K6 * (2*B - R - G)
X1 = K2 * (G - R)
I = K3 * (R + G + B)
If (B1 = 0) then
If (R <= G) H = 90
If (G < R) H = 270
If (B1 <> 0) then
H = RadToDeg * atan(X1 / B1)
If (G > R and H < 0) H = H + 180
If (G < R and H > 0) H = H + 180
If (G = R and R > B) H = 180
If (H < 0) H = H + 360
If (H >= 360) H = H - 360
Škálování do 0 - 255:
I = I * (255 / 442)
H = H * (255 / 360)
S = S * (255 / 208.2066)
Kanonická (canonical)
komponentní analýza
(analýza obecných
komponent)
Transformace je prováděna pro určité části obrazu,
reprezentující určitý typ povrchu a které v příznakovém
prostoru vytváří shluky.
Nový systém souřadnic definující nová transformovaná
pásma (CC1, CC2 - canonical components) je vypočten
tak, aby separabilita mezi těmito shluky byla co největší
a rozptyl v rámci každého shluku naopak co nejmenší.