Обработка цифровых снимков в ДЗЗ (дистанционном зондировании земли)

На Хабре было немало статей про использование различных методов обработки изображений, включая классификацию данных, фильтрацию. Многие из этих подходов применяются и в дистанционном зондировании при обработке цифровых изображений Земли. От момента, как снимок получен со спутника, до возможности его анализировать должен пройти целый цикл процедур по приведению его в вид, удобный для получения и последующего анализа визуальной информации.
Тех, кому интересен сам процесс, прошу под кат (трафик):

Перед тем, как перейти к самой сути мне бы хотелось сразу ввести ряд элементарных понятий, которые, наверняка, многим уже знакомы, но, все же, не будем отступать от конкретики. Те же, кто уверен в своей компетентности по данному вопросу, пусть сразу переходят к самому интересному.

Само цифровое изображение и процесс его получения

Как все знают, цифровое изображение – это матрица пикселей, значение каждого из которой получается в результате усреднения по четырем составляющим: координатам пространства (x и y), длине волны и времени.
Сам процесс составления матрицы идет таким образом: солнечное излучение отражается от объектов съемки, энергия, попадающая на поверхность датчика, фиксируется им, затем интегрируется, из чего задается интегральное значение пикселя. Целочисленное же значение получается после преобразования интегрального значения в электрический сигнал. Каждый пиксель хранит информацию в двоичном виде. Чем больше бит (памяти ) выделяется на пиксель, тем больше число значений, соответствующих одному пикселю, тем точнее аппроксимируется исходный дискретный сигнал, тем больше информации снимок может хранить.
В ПЗС – сканерах уже упомянутые детекторы сканируют Землю и разделяют непрерывный поток данных на пиксели.
От вида сканера зависит очень многое, им определяется способ получения изображений. Так, существуют три основных вида сканеров:

1. Линейный сканер (пример — AVHRR) – самый простой, он оснащен только одним детекторным элементом.
2. Поперечный ПЗС-сканер (GOES, MODIS, TM) – использует для сканирования линейку детекторов, расположенных вдоль маршрута съемки. Параллельное сканирование Земли осуществляется при каждом цикле движения зеркала.
3. Продольные сканеры (IKONOS, QuickBird, SPOT) имеют тысячи детекторов в ПЗС-линейке, следовательно, параллельное сканирование осуществляется просто за счет движения платформы по орбите.

Цифровые снимки отображаются либо с использованием 8-битной шкалы оттенков серого, либо 24-битной, которая основана на смешении различных оттенков R, G, B. Исходный диапазон значений пикселей превращается в ограниченный диапазон путем комбинирования цветовых значений, соответствующих любым трем каналам многоспектрального цифрового снимка. Один пиксель отображается 2563 векторами RGB, один вектор – один цвет.
Как в оптических датчиках формируются спектральные каналы:
Пучок света, поступивший на датчики, делится на несколько лучей. Каждый луч, проходя свой оптический путь, идет через спектральный фильтр. Для разделения спектральных диапазонов могут быть использованы призмы и дифракционные решетки.

Предварительные процедуры обработки снимка

В цикл предварительных процедур по обработке снимка входят следующие:

1. Радиометрическая коррекция – устраняет варьирование значений яркости пикселей, которое происходит в результате неправильной работы детекторов, влияния рельефа и атмосферы.
2. Атмосферная коррекция – коррекция за влияние атмосферы, которая определяет расположение диапазонов съемки за счет окон прозрачности.
3. Геометрическая коррекция включает исправление таких искажений снимка, как полосчатость, выпадение строк, также геокодирование – привязывание снимка таким образом, что каждой точке изображения задается координата соответствующей точки на местности. Математически геопривязка обычно осуществляется с помощью степенных полиномов. Точность привязки увеличивается при наличии опорных точек, тогда снимок как бы «сажается» по ним. После геокодирования определяют яркостные характеристики уже трансформированного изображения различными методами: ближайшего соседа, билинейной интерполяции, бикубической свертки.
4. Ортотрансформирование – при нем устраняются ошибки изображения за счет перепадов высот рельефа местности, в результате в полученном изображении устранены многие огрехи центрального проектирования.

Далее следует процесс улучшения качества изображения, включающий:

1. Спектральные преобразования, которые строятся на работе со спектральной диаграммой – графиком, показывающим зависимость между количеством пикселей изображения и значениями спектральной яркости. При спектральных преобразованиях изменяется такой параметр как контрастность. Для его повышения существует ряд методов, к примеру:
   
   • линейное растягивание гистограммы, заключающееся в том, что всем значениям яркости присваиваются новые значения с целью охватить весь возможный диапазон от 0 до 255:
     
   • Нормализация гистограммы – на весь диапазон значений яркости растягивается только наиболее интенсивный (наиболее информативный) участок диаграммы:
     
   • Линеаризация гистограммы – каждому пикселю присваивается новое значение яркости, причем таким образом, чтобы у каждого яркостного уровня было примерно одинаковое количество пикселей:
     

   Фильтрация – усиливает воспроизведение объектов, устраняет шумы, подчеркивает структурные линии, сглаживает изображение и делает многое другое – в зависимости от поставленной задачи. Весь процесс фильтрации строится на понятии скользящего окна – квадратной матрицы весовых коэффициентов (обычно это матрица 3*3 или 5*5). Каждое значение яркости пикселя пересчитывается следующим образом: если пиксель стоит в центре окна, перемещающегося от пикселя к пикселю изображения, то ему присваивается новое значение, вычисленное по функциональной зависимости из значений окружающих его пикселей. Так окно «проскальзывает» по всем пикселям изображения, меняя их значение. В зависимости от подобранных весовых коэффициентов меняются свойства полученного изображения. Более подробно фильтрацию описал Хабраюзер UnickSoft в своем посте.
   Преобразование Фурье улучшает качество изображения путем его разложения на множество пространственно-частотных компонент. Распределение яркостных характеристик в пространстве представляется в виде линейной комбинации периодических функций sin и cos с заданными характеристиками в частотной области. К примеру, чтобы удалить шумы, достаточно выявить периодичность их появления.

.