توضیحات
Fusion of Multispectral and Panchromatic Satellite Images in Environmental Issues
گزارش این شبیه سازی شامل 12 صفحه در قالب ورد است.
در زیر بخش هایی از گزارش و نتایج شبیه سازی آمده است.
موضوع
ادغام تصاویر ماهواره ای پانکروماتیک[1] و چندطیفی[2] در مسائل محیط زیست
توضیحات:
در پوشه simulation، برای اجرای برنامه، باید یکی از m فایلهای اصلی شامل brovey ، PCA و SWT در متلب اجرا شوند و دو m فایل correctionSize و samesize m فایلهای کمکی هستند که در m فایلهای اصلی فراخوانی میشوند.
از دو نوع دیتا استفاده شده است؛ اولی شامل تصاویر به کار گرفته شده در مقاله اصلی است که از آدرس http://earthexplorer.usgs.gov دانلود شده اند. نتایج مربوط به این دیتا در پوشه Figuresresults1 گذاشته شده است.
دومی تصاویر دانلود شده از https://landsat.gsfc.nasa.gov/landsat-8/landsat-8-bands/ میباشد. نتایج مربوط به این دیتا در پوشه Figuresresults2 گذاشته شده است.
M فایلها بر اساس دیتای دومی قبل اجرا هستند. برای اجرای برنامه با توجه به دیتای اول، باید در دستور imread هر یک از m فایلهای اصلی به فرمت زیر عمل شود:
Imread(‘MI.jpg’)
Imread(‘PI.jpg’)
گزارش فنی و آموزش در ادامه توضیح داده شده است.
مقدمه
ترکیب دو یا چند تصویر با استفاده از یک الگوریتم مشخص به منظور تولید یک تصویر جدید، ادغام (فیوژن) تصویر گفته میشود.
در مورد ادغام تصاویر ماهوارهای، فیوژن از طریق ماهوارههای مختلف و یا ماهواره های مشابه بدست میآیند.
اکثر ماهواره های اپتیکی رصد زمین، همچون SPOT، Landsat 7/8، Ikonos، Quickbird، World View، به طور همزمان تصاویر پانکروماتیک و چندطیفی را با رزولوشنهای مختلف دریافت میکنند.
انجام پروژه متلب با مجریان حرفه ای سایت متلبی به همراه آموزش.
ادغام تصویر چندطیفی که نسبتاً رزولوشن پایینی دارد، با تصویر رزولوشن بالا مثل تصویر پانکروماتیک، را pansharpening گفته میشود.
این تکنیک، کاربرد مهمی در نرم افزارهای سنجش از راه دور مانند مسائل محیط زیست دارد.
تصویر بدست آمده از این تکنیک که اصطلاحاً تصویر ادغام شده گفته میشود، حاوی اطلاعات غنی تری نسبت به تصاویر اصلی میباشد.
در این تحقیق، تکنیکهای ادغام مشخصی که به طور معمول در ادغام تصاویر ماهوارهای پانکروماتیک و چند طیفی اخذ شده از ماهواره Landsat 8 استفاده میشوند، را شرح داده و نتایج حاصل از آنها در گزارش آورده شده است.
ماهواره لندست 8 شامل دو گیرنده میباشد: [3]OLI و TIRS[4].
گیرنده OLI متشکل از 11 باند طیفی است؛ به طوریکه باندهای 1 تا 7 و 9 دارای رزولوشن مکانی 30 متر هستند و رزولوشن مکانی باند 8 (پانکروماتیک) برابر با 15 متر میباشد.
همچنین رزولوشن مکانی باندهای 10 و 11 برابر با 100 متر می باشند.
تکنیکهای ادغام تصویر
تکنیکهای ادغام تصویر را میتوان به سه سطح تقسیم کرد:
- سطح پیکسلی (مجازی)
- سطح ویژگی (سمبلیک)
- سطح تصمیم گیری (شناختی)
الگوریتم هایی که در سطح پیکسلی انجام میشود، به صورت پردازش اطلاعات پیکسل به پیکسل به منظور تولید یک تصویر جدید با مشخصات قابل تفسیرتری صورت میگیرد.
در سطح ویژگی میتوان گفت ابتدا ویژگی ها شناسایی شده و سپس با استفاده از میزان شدت پیکسل، لبه ها یا جزئیات تصویر اصلی، تفکیک میشوند.
همچنین در سطح تصمیم گیری، چندین الگوریتمی که متعاقباً با قوانین تصمیم گیری ترکیب شده اند، اعمال میشوند.
با توجه به کاربردهای سنجش از راه دور، تکنیک های ادغام در سطح پیکسلی به دلیل سادگی و خاصیت خطی بودن آنها، بیشتر مورد توجه قرار گرفته اند.
از میان این روشها میتوان به تکنیکهای ضربی مثل تبدیل Brovey، فیوژن IHS، آنالیز مولفه اصلی و تکنیکهای رزولوشن چندگانه مانند تبدیل ویولت، فیلتر بالاگذر و فیوژن Ehlers اشاره کرد.
تئوری روش کار و شبیه سازی آن
دادههای اصلی این تحقیق، تصاویر ماهوارهای پانکروماتیک (باند 9) و چندطیفی (2،3،4) بدست آمده از ماهواره Landsat 8 می باشند.
داده مربوطه در تاریخ 2014-03-14 (مسیر: 185 ، ردیف: 32) جمع آوری شده است.
همچنین مکان تصاویر، مربوط به بخشی از دریاچه ارستیادا ( واقع در شمال غرب یونان) و بخشی از شهر کاستوریا (شکل (1) و (2)) میباشد.
سه روش ادغام تصویر (تبدیل Brovey، آنالیز مولفه اصلی و تبدیل گسسته ویولت)، بر روی مجموع تصاویر ذکر شده، اعمال شدند.
تئوری مربوط به هر یک از سه روش ادغام و شبیه سازی آنها در نرم افزار متلب در ادامه، شرح و گزارش شده است.
شکل 1: تصویر اصلی چندطیفی
شکل 2: تصویر اصلی پانکروماتیک
تبدیل Brovey
اساس روش تبدیل Brovey، به این صورت است که هر یک از باندهای تصویر چند طیفی (3 باند: RGB) با تک باند تصویر پانکروماتیک (باند رزولوشن بالا) ضرب شده، سپس بر مجموع باندهای چندطیفی تقسیم میشود.
در محیط نرم افزار متلب، ابتدا با استفاده از دستور imread، دو تصویر چندطیفی و پانکروماتیک بارگذاری میشوند.
به منظور پردازش تصویر باید تصاویر بارگذاری شده را به فرمت double تبدیل کنیم.
سپس با فراخوانی تابع samesize تعداد ستونهای متناظر دو تصویر و سطرهای متناظر دو تصویر یکسان میشوند.
بخشی از گزارش در اینجا نیامده است.
همان طور که در شکل (3) مشاهده میشود ویژگیهای طیفی تصویر اصلی چندطیفی به خوبی حفظ نشده است.
شکل 3: تصویر ادغام شده با استفاده از تبدیل Brovey
آنالیز مولفه اصلی[5]
قاعده تکنیک ادغام تصاویر با آنالیز مولفه اصلی، پیدا کردن ویژه مقدار[6] محور اصلی تصویر می باشد.
سپس ویژه بردار [7] متناظر محاسبه شده و در نهایت با توجه به ویژه بردار اصلی، عمل ادغام تصاویر صورت میگیرد.
جزئیات این روش در ادامه توضیح داده شده است:
مرحله اول:
در این روش ابتدا باید یکی از باندهای تصویر چندطیفی را انتخاب کرده (تصویر X) و به همراه تصویر پانکروماتیک بارگذاری شده (تصویر Y) همانند تکنیک قبل، از نوع 8 بیتی به فرمت double تبدیل کرده و یکسان سازی سطر و ستون را انجام می دهیم.
در مرحله بعد ماتریس 2*2 کوواریانس C، را از طریق …. بدست می آوریم.
بخشی از گزارش در اینجا نیامده است.
با خرید این محصول نسخه کامل را دریافت نمایید.
شکل 4: تصویر ادغام شده با روش PCA
تبدیل ویولت ایستا[8]
ویولت یک تابع تقلیل یافته نوسانی میباشد که انتگرال آن برابر با صفر است.
اعمال تبدیل ویولت بر تصویر دیجیتال دو بعدی، شامل اعمال فیلترها و تغییر مقیاس تصویر اصلی است.
ویولتها توسط دو تابع، تابع ویولت (ویولت مادر) و تابع مقیاس (ویولت پدر)، ساخته میشوند.
به طوریکه تابع مقیاس به عنوان فیلتر پایین گذر رفتار میکند.
در تبدیل ویولت گسسته[9] تابع ویولت به عنوان فیلتر بالاگذر عمل میکند.
…
بعد از آشنایی با تئوری تبدیل ویولت تصاویر دیجیتالی نوبت به توصیف الگوریتم ادغام تصاویر با استفاده از تبدیل ویولت میرسد.
در این روش همانند روش PCA باید یکی از باندهای تصویر چند طیفی را انتخاب کرده و بعد عمل ادغام را انجام میدهیم و همین کار را برای سایر باندها انجام میدهیم.
نکته ای که باید توجه شود این است که برای اعمال تبدیل ویولت ایستا باید اندازه ابعاد تصاویر اصلی عدد زوج باشند.
بدین منظور با فراخوانی تابع correctionSize از این بابت مطمئن میشویم.
این دستور باعث میشود اگر تعداد سطر یا ستون ماتریسی زوج نباشد، آنگاه با اضافه کردن یک سطر یا یک ستون با مقادیر صفر، تعداد عدد زوج شود.
بخشی از گزارش در این قسمت حذف شده است.
شکل 5: تصویر ادغام شده با روش SWT
در مثالی دیگر، از تصاویر ماهوارهای لندست 8 گرفته شده از شهر ساحلی ملیبو کالیفرنیا استفاده کرده ایم و تکنیکهای فیوژن نام برده را مجدد بر تصاویر جدید اعمال میکنیم.
نتایج بدست را آمده میتوان در شکل(6) مشاهده نمود.
شکل 6: تصویر اصلی چندطیفی
شکل 7: تصویر پانکروماتیک
شکل 8: تصویر ادغام شده با روش Brovey
شکل 9: تصویر ادغام شده با PCA
شکل 10: تصویر ادغام شده با SWT
نتیجه گیری
با مقایسه شکل (8) و شکل های (6) و (7)، میتوان اظهار کرد که بر خلاف نتایج اکثر مقالات، تکنیک Brovey به خوبی ویژگیهای طیفی را حفظ کرده است همچنین رزولوشن مکانی آن بسیار نزدیک به همتای شکل پانکروماتیک آن است.
اما اگر به تصویر ادغام شده توسط PCA (شکل(9)) دقت کنیم، میبینیم که رزولوشن تصویر نهایی افت کرده است و خانه های ریز تصویر به درستی از هم تفکیک نشده اند.
از طرف دیگر ویژگیهای طیفی (رنگی) تصویر تولید شده تا حدی خوب است به طور مثال، میبینیم محدوده سبز رنگ دامنه کوه ها در تصویر ادغام شده قابل تشخیص است.
با توجه به شکل (10)، به وضوح میتوان مشاهده کرد که تصویر ادغام شده توسط تکنیک ویولت، ویژگیهای طیفی را به خوبی حفظ نکرده است و تصویر شفاف شده است ولی میبینیم که رزولوشن مکانی آن نسبت به تکنیک PCA بهبود یافته است.
مصداق این امر را میتوان در لبه ساحل و امواج، شیارها و دره های کوه ها و خانه های شهر مشاهده کرد.
گزارش فوق بخش هایی از گزارش اصلی این پروژه است.
- Panchromatic ↑
- Multispectral ↑
- Operational land imager ↑
- Thermal infrared sensor ↑
- PCA: principal component analysis ↑
- eigenvalue ↑
- eigenvector ↑
- SWT: stationary wavelet transform ↑
- DWT: discrete wavelet transform ↑
کلید واژه:
digital image processing, image fusion, Landsat 8, pansharpening, remote sensing
شبیه سازی مقاله
Fusion of Multispectral and Panchromatic Satellite Images in Environmental Issues
توسط کارشناسان سایت متلبی تهیه شده است و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.