Távérzékelés Távérzékelt felvételek értelmezése (EENAFOTOTV, ETNATAVERV) Erdőmérnöki szak, Környezettudós szak Király Géza NyME, Erdőmérnöki Kar Geomatikai, Erdőfeltárási és Vízgazdálkodási Intézet Földmérési és Távérzékelési Tanszék

Képi információk Minőségi Alak Textúra Szín Kontextus Mennyiségi Hely, irány, nagyság Szín, textúra Kontextus

Követelmények Az eredmény geometriai pontossága megfelelő legyen. Az eredmény tematikusan pontos legyen. A kiértékelési módszer megbízható és kiterjeszthető legyen (más területen, időpontban megismételve hasonlóan pontos eredményt kapjunk). A tematikus térképhez kapcsolt numerikus adatok megbízhatóak legyenek. A kiértékelés megfelelően gyors, gazdaságos, objektív és ismételhető legyen.

Értelmezés típusai Analóg értelmezés Kvalitatív Szeteroszkópikus szemlélés Egyszerű eszközök Ismeretek Digitális képfeldolgozás Kvantitatív 3-nál többsávos felvételek megismételhető Eredmények további felhasználása

Analóg értelmezés Kiértékelő végzi műszerrel Kiértékelő szaktudása Szubjektív Analóg mérőértelmezés Egyszerűbb mérések: hossz, terület, denzitás, magasságkülönbség, stb.

Kiértékelés során figyelembe vesszük a kép teljes információtartalma, a kiértékelő szakismeretei, szaktudása, a kiértékelő tapasztalatai, tárgyismerete, a kiértékelő helyismerete, egyéb forrásokból származó kiegészítő információk (pl. meglevő tematikus térképek, adatok, szakirodalom).

Alkalmazott műszerekkel szembeni követelmények képek szemlélése folyamatosan változtatható nagyítás mellett, képpárok sztereoszkópikus vizsgálata, parallaxismérés, fényképvázlat készítése, képtartalom átazonosítása térképre, különböző érzékelőkkel vagy időpontokban készített képek összevetítése, denzitometrálás, egyszerű mérések képeken, képpárokon.

Wild Aviopret APT-1 Max. 23x23 cm-es képpárok szemlélésére alkalmas zoomsztereoszkóp megvilágítás ráeső és áteső fényben, Zoom nagyítás 3,1-15-szoros értékig, harántparallaxisok a szemlélő karok forgatásával kiküszöbölhetők, a műszerhez vitaokulár csatlakoztatható, bázisirányú parallaxisok ±0,2 mm középhibával történő mérésére alkalmas sztereomikrométerrel rendelkezik, a kiértékelés vázlata kirajzolható, a Semiphotomat MPS 15/11 fényképező berendezéssel képkivágatok kifényképezésére alkalmas.

Egyszerűbb mérések Denzitométerek Mérőék Planiméter-raszter fólia Záródást-becslő sablon

Mérőék

Planiméter-raszter fólia

Záródást-becslő sablon

Képi információk képi denzitáskülönbségek, textúra, finomszerkezet, képen felismerhető formák és mintázat, sztereó képpárokon felismerhető alak és struktúra, sztereó képpárok áttekintő vizsgálatával tanulmányozható a táj, tájstruktúra, az objektumok térbeli elrendezése, többsávos, színes felvételeken tanulmányozhatók az objektumok spektrális jegyei, különböző időpontban készült felvételek összehasonlításával a változások felismerhetők, a vegetáció különféle fenológiai fázisaiban (tavasz, nyár, ősz) készült felvételek a textúrában, formában és mintázatban jellegzetes különbségeket mutatnak.

Interpretációs kulcsok Mintakulcsok Kiküszöbölő kulcsok

Mintakulcs vízhálózat értelmezéséhez

Kiküszöbölő kulcsok

Munkafolyamat

Digitális képfeldolgozás Objektumok felismerése Az objektumok leírása feltételezi felismerésüket. Ehhez tudnunk kell, hogy az egyes objektumok mit jelentenek. Tulajdonságok: Radiometria: Geometria: Reflexiós Hely tulajdonságok x, y, z Textúra Tájékozás Nagyság Alak

Digitális képfeldolgozás Objektumok felismerése Az objektumok leírása feltételezi felismerésüket. Ehhez tudnunk kell, hogy az egyes objektumok mit jelentenek. Relációk (kapcsolatok): Szomszédsági viszonyok: topológiai geometriai Geometriai relációk: párhuzamosság Funkcionális relációk: Ház/utca kapcsolat

Digitális képfeldolgozás Objektumok felismerése Az objektumok leírása feltételezi felismerésüket. Ehhez tudnunk kell, hogy az egyes objektumok mit jelentenek. Környezeti összefüggés (kontextus): Gyakran csak az objektum környezete (kontextus) alapján derül ki, milyen objektumról van szó. Elsősorban akkor fordul elő, ha a képi információk gyengék.

Digitális képfeldolgozás Objektumok felismerése Ideális esetben a felismerési folyamat a következő: Objektumok kiválasztása képi tulajdonságaik és relációik alapján Tulajdonságok és relációk összehasonlítása az ideális esettel (modellel) Problémák: A 3D tér 2D síkra történő leképzésekor információk vesznek el Egyidejűleg nem objektumokat, hanem objektumrészeket vagy több objektumot választunk ki Környezetünk komplexitása miatt rendkívül időigényes a létező objektumok és a közöttük lévő relációk modellezése Végrehajtás: három lépésben előfeldolgozás, szegmentálás, felismerés Eljárások : bottom up, top down

Digitális képfeldolgozás Objektumok felismerése: végrehajtás Előfeldolgozás Kép > Kép Alsó szint Előfeldolgozás (alsó szint > bemenet: kép; kimenet: kép) Képjavítás (vizuális képminőség; pld. kontrasztjavítás, LUT megváltoztatása) (LUT = look up table, az egyes cellaértékekhez tartozó színkomponensek táblázata) Képhelyreállítás (fizikai képminőség; pld. zajok megszüntetése)

Digitális képfeldolgozás Objektumok felismerése: végrehajtás Szegmentálás Kép > Ismertető jegy Előfeldolgozás Kép > Kép Középső szint Alsó szint Szegmentálás (középső szint > bemenet: kép; kimenet: ismertető jegy) A pixelek halmazát a képsíkot hézagmentesen kitöltő nem üres zónák átfedés mentes halmazává alakítjuk. A zónák létrehozásának feltétele pld. az azonos színérték, vagy az azonos textúra Az ismertetőjegyek lehetnek: felületszerű zónáknál pld. kontúrok vonalszerű zónáknál pld. tengelyek

Digitális képfeldolgozás Objektumok felismerése: végrehajtás Felismerés Ismertető jegy > Objektum Ház Szegmentálás Kép > Ismertető jegy Előfeldolgozás Kép > Kép Felső szint Középső szint Alsó szint Felismerés (felső szint > bemenet: ismertető jegy; kimenet: objektum) Az objektumok ismertetőjegyeinek egymáshoz rendelése az objektumok tulajdonságainak és relációinak ismeretét igényli Példa: egy felület kontúrja a ház jelentést kapja, ha egy meghatározott hosszat nem lép túl és derékszöget bezáró egyenesek határolják.

Digitális képfeldolgozás Objektumok felismerése: eljárás Top-down (ismeret) Bottom-up (módszer) Felismerés Ismertető jegy > Objektum Szegmentálás Kép > Ismertető jegy Előfeldolgozás Kép > Kép Felső szint Középső szint Alsó szint Bottom-up (adatok; módszerek) Az adatokból (képekből) kiindulva, az objektumokat módszerek segítségével kíséreljük meg felismerni Top-down : (modellek; ismeretek) Ismereteink szerinti modellelképzelésből kiindulva, az adatokban keressük a jelenséget, vagy annak részeit. Kombinált eljárás: A bottom-up és a top-down eljárások váltogatása (mikor váltsunk?)

Digitális képfeldolgozás Objektumok felismerése: példa (Price és Huertas 1992; Dél- Kaliforniai Egyetem, Los Angeles) Keressük: felszálló pályák (runways) A repülőtér intenzitásképe Vonalszegmense k

Digitális képfeldolgozás Objektumok felismerése: példa (Price és Huertas 1992; Dél- Kaliforniai Egyetem, Los Angeles) Keressük: felszálló pályák (runways) Kiválasztás Felszállópályák

Digitális képek egymáshoz rendelése Bevezetés A fotogrammetria fontos problémája: Azonos (homológ) pontok felkeresése két vagy több képen. Automatikus megoldás: digitális képek egymáshoz rendelése. Létrehozás: Pszichológia (az emberi látás elmélete) Computer Vision (alakfelismerés, digitális képfeldolgozás) Fotogrammetria Alkalmazások (példák): Pont- és felületmeghatározás Időbeli változások megismerése Minőségellenőrzés

Digitális képek egymáshoz rendelése Követelmények (alkalmazástól függően): Pontosság Megbízhatóság Sokoldalúság (képméretarány, szükséges előismeretek, ) Gyorsaság Konvergencia tulajdonságok Problémák Bevezetés Elméleti jellegű: az emberi látásérzékelés átfogó elméletének hiánya Gyakorlati jellegű: Diszkontinuitások (terep, házak) Felszínborítás Eltérő megvilágítás Reflexiós tulajdonságok Visszatérő textúra (félig) átlátszó felületek

Digitális képek egymáshoz rendelése Módszerek áttekintése Egymáshoz rendelés felületek szerint: a képet kétdimenziós jelnek tekintjük keresztkorreláció legkisebb négyzetek alkalmazása Egymáshoz rendelés ismertető jegyek szerint: ismertető jegyek és attribútumaik (pld. szürkeség, hossz, méret) kiválasztása Jellemző pontok (pld. a képfüggvény lokális minimuma/maximuma) Jellemző vonalak (pld. szürkeségi érték-élek) Jellemző felületek (pld. hasonló szürkeségi értékű felületek) Relációs egymáshoz rendelés: az attribútumokhoz az ismertető jegyek közötti, egymáshoz rendelhető relációk (összefüggések, pld. párhuzamos, stb.) kiválasztása

Korrelációs együttható: Referenciamátrix (mintamátrix, template) mozgatása pixelről pixelre egy keresőmátrix fölött. r = Minden pozícióban korrelációs együttható számítása. Maximális korrelációs együttható: legjobb egymáshoz rendelés g ( i, j) referenciamátrix g g g r r k k Digitális képek egymáshoz rendelése a ( i, j) a [( g ( ) )] [( ( ) )] r i, j gr gk i, j gk 2 ( g ( i, j) g ) ( g i, j g ) ( [ ]) ( [ ( ) ]) 2 a a r referenciamátrix keresőeres ix Keresztkorreláció r referenciamátrix átlagos intenzitás értéke i,j i,j elemének intenzitás értéke k elemének intenzitás értéke keresőmátrix keresőeres ix átlagos intenzitás értéke k

Digitális képek egymáshoz rendelése Legkisebb négyzetek alkalmazása O O A képek egymáshoz rendelése geometriai és radiometriai transzformációra terjeszthető ki. Különösen alkalmasak a lokális P affin O transzformációk, P amelyeknél a felvételi irány és a terep dőlése miatti P torzulások jól modellezhetők. A kép- és a tárgykoordináták a kollinearitási egyenleteken keresztül hozhatók kapcsolatba. Előny: jobb modellezhetőség - több alkalmazási terület - nagyobb pontosság

Digitális képek egymáshoz rendelése Legkisebb négyzetek alkalmazása - Egyes y pontok egymáshoz rendelése y A referenciamátrixot geometriai és radiometriai y y transzformációval keresőmátrix-szá alakítják. Számítás: a közvetett mérések kiegyenlítése szerint: Mérési eredmények: Intenzitáskülönbségek Ismeretlenek: x Transzformációs paraméterek x - Több pont egymáshoz rendelése mtárgypont intenzitású pixel közvetlen helyreállítása Felület közvetlen helyreállítása x Referenciamátrix Keresőmátrix s intenzitású pixel x

Digitális képek egymáshoz rendelése Egymáshoz rendelés ismertető jegyek szerint Az ismertető jelek kiválasztása az egyes képeken egymástól független. Az ismertető jegyek kritériumai lehetnek: 1. szemléletesség 2. stabilitás 3. előfordulás ritkasága 4. az érzékelők dőlésével és a topográfiával szembeni invariancia (1) (3) Élek, törésvonalak felismeréséhez (4) Pontok ismertető jegyeinek felismeréséhez Jellemző pontok kiválasztásának módszerei statisztikai (pld. Moravecz-operátor) analitikai (pld. Dreschler-operátor) statisztikai és analitikai módszerek kombinálása (pld. Förstneroperátor)

Digitális képek egymáshoz rendelése Egymáshoz rendelés ismertető jegyek szerint A lehetséges homológ pontok listájának felállítása Legegyszerűbb eset: - egy kép ismertetőjegyeinek egy másik kép ismertetőjegyeivel való minden lehetséges kombinációja megengedett. A képekről és a tárgytérről rendelkezésre álló információk pld. a képek közelítő százalékos átfedése maximális magasságkülönbség a tárgytérben a képek közelítő tájékozása Az első kép ismertetőjegyéhez a többi képen egy kereső területet rögzítenek. Csak e terület ismertetőjegyei kombinálhatók az első kép ismertetőjegyével. Előnyök: megbízhatóbb eredmények kisebb számítási igény

Digitális képek egymáshoz rendelése Egymáshoz rendelés ismertető jegyek szerint Az ismertető jegyek attribútumaira (pld. a szürkeségi érték-környezetre) alapozva egy hasonlósági mértéket (pld. korrelációs együtthatót) definiálnak, amely megfelelő normalizálás után úgy értelmezhető, mint a helyes egymáshoz rendelés valószínűsége. A homológ pontok végleges meghatározása: 3 feltétel: egyértelműség, azaz egy kép egy ismertető jegyének egy másik képen csak egy homológ párja lehet kompatibilitás, azaz az ismertető jegyek csak akkor rendelhetők egymáshoz, ha egy és ugyanazon tárgyponthoz tartoznak kontinuitás, azaz az egymáshoz rendelés eredményeként kapott tárgyfelületeknek darabonként folyamatosnak kell lenniük