17206

Основи аналізу гіперспектральних зображень. Робота із спектральними бібліотеками

Лабораторная работа

География, геология и геодезия

Лабораторна робота №6. Основи аналізу гіперспектральних зображень. Робота із спектральними бібліотеками Сучасні супутникові зображення можуть використовуватися для визначення горних порід мінералів видів рослин і т.д. що знаходяться на певній території. Для цього...

Украинкский

2013-06-30

1.06 MB

1 чел.

Лабораторна робота №6. Основи аналізу гіперспектральних зображень. Робота із спектральними бібліотеками

Сучасні супутникові зображення можуть використовуватися для визначення горних порід, мінералів, видів рослин і т.д., що знаходяться на певній території. Для цього потрібні дані зі спеціальних гіперспектральніх супутників, які сканують земну поверхню у сотнях каналів. Кожен канал являє собою знімок у дуже вузькому діапазоні дожин хвиль (від одиниць, до одного-двох десятків нанометрів) (див. Рис.1)

Рис. 6.1. Різниця між мульті- та гіперспектральними зображеннями

Розглянемо основи роботи з такими зображеннями.Відкриємо файл cup95_at.int (він входить в поставку ENVI) та завантажимо канал Band 193 в монохромному режимі.

Тепер в основному вікні зображення оберемо Tools\Profiles\\Z Profile (Specrum) для вивода спектра (Рис. 6.2). Зверніть увагу на те, що він автоматично оновлюється при зміні обраного пікселя (центральний, позначений перехрестям у вікні Zoom).

Спектральний профіль - це графік поглинаючої здатності поверхні, в залежності від довжини хвилі (або частоти). Кожен матеріал має свій, характерний спектральний профіль, який ще називають спектральной сігнатурой. Створюються спеціальні бібліотеки сігнатур для автоматичного або ручного визначення матеріалу. Деякі з них включені в поставку ENVI, інші можна знайти в інтернеті у вільному або платному доступі [1]

Відкриємо такую бібліотеку.

Для цього виберемо Select/Spectral Libraries/ Spectral Library Viewer, натиснемо Open та виберемо бібліотеку JPL1.SLI (вона, як і інші розташована за місцем інсталяції ENVI:

Місце_інсталяції\IDL**\products\envi**\spec_lib), після чого виберемо її в списку відкритих файлів та натиснемо ОК.

Далі налаштуємо мастштаб відображення графіків. У вікні Spectral Library Viewer виберемо Options / Edit (x,y) Scale Factors), та для Y введемо 1000 (рис. 6.3).

Тепер визначимо список профілів, які хочемо бачити на графіку(для вибору декількох треба зажати Ctrl). Нехай це будуть:

  •  ALUNITE SO-4A
  •  BUDDINGTONITE FELDS TS-11A
  •  CALCITE C-3D
  •  KAOLINITE WELL ORDERED PS-1A

Тепер, переміщуючи вікно Zoom (тим самим змінюючи піксель, для якого будується спектр) порівнюємо спектр піксела із спектрами відповідних мінералів.

Назва області

Координата Х (Sample)

Координата Y (Line)

Stonewall Playa

590

570

Varnished Tuff

435

555

Silica Cap

494

514

Opalite Zone with Alunite

531

541

Strongly Argillized Zone

with Kaolinite

502

589

Buddingtonite Zone

448

505

Calcite

260

613

Проте зручніше виводити графіки на єдине вікно. Для цього у вікні Spectral Profile вибираємо File / Input data / Spectral library. Обираємо ту саму бібліотеку та мінерали, а також не забуваємо встановити Y Data Multiplier в 1000, та пересвідчитись, що одницею виміру довжини хвилі встановлені мікрометри (для інших бібліотек можуть використовуватись інші одиниці виміру, які вказані в описі

бібліотеки) – див. рис. 6.4.

Тепер додамо кілька спектрів із знімка, скористувавшись точним заданням координат піксела.По-перше, в у вікні Spectral Profile вибираємо Option / Collect Spectra,щоб новий графік не заміщав старий. Тепер клікнемо правою кнопкою миши по супутниковому знімку та оберемо Pixel Locator у з’явившемуся контекстному меню. Тепер послідовно оберемо точки із наступними координатами (Табл. 1)

      Табл. 1. Зони мінералів


Отримаємо графіки, показані на рис. 6.5. Порівнюючи спектри між собою та з бібліотечними спектрами, можна знайти дуже схожі між собою зразки.

Проте в ENVI є можливість для автоматичної ідентифікації спектрів. Для цього в головному меню виберемо Spectral / Spectral Analyst. В діалозі вибору спектральної бібліотеки оберемо usgs_min.sli (Місце_інсталяції\IDL**\products\envi**\spec_lib\usgs_min\). З’явиться вікно налаштування методів ідентифікації Edit Identify Methods Weighting (рис. 6.6)

Рис. 6.6. Вікно налаштування методів ідентифікації

Перший стовпець, Weight, відповідає за вагу відповідного метода ідентифікації в ітоговому результаті, стовпці Min та Max – параметри відповідного метода. Детальніше про кожний метод можна подивитись у ENVI User's Guide  [2]. При настойках за замовченням, відбуваєтсья порівняння методом  Spectral Feature Fitting, що заснований на методі найменших квадратів (МНК). Залишимо параметри без змін та натиснемо ОК. Для вибору спектра для ідентифікації, натиснемо Options / Auto Inptu via Z Profile, оберемо спектр та натиснемо кнопку Apply (рис. 6.7)

Рис. 6.7. Результати ідентифікації спектра

Результати ідентифікації подаються у вигляді списку найбільш схожих спектрів, сортованому за загальною сумою балів всіх методів. Також рядом є результати порівняння за кожним методом (у нас активовано лише один метод, див. рис. 6.6).  0 значить абсолютне розходження), 1 – блискучий збіг. Проте слід пам’ятати, що чисельні результати цілком залежать від введених нами параметрів порівнянн, тому не можна їм сліпо довіряти (корегуванням коефіцієнтів (а саме, маштабуванням) можна привести зробити, щоб порівняння однакових спектрів видавало дуже малий результат).

Спектри можна будувати не тільки для окремих пікселів, а також і для областей, заданих за допомогою ROI Tool.

 Виділимо за допомогою ROI Tool (Головне меню / Basic Tools / Region Of Interest / ROI Tool) однорідну область на знімку. Після цього натиснемо кнопку Stats (рис. 6.7)

Білим кольором побудований графік усередненого спектру, червоним – максимально та мінімального, зеленим – середнього +/- середньоквадратичне відхилення (СКВ)

Рис. 6.8 Спектр області

Для ідентифікації спектру, натиснемо Apply та обираємо зі списку Mean (середнє значення).

Також даними спектральних сігнатур можна користуватись для виділення кольорами областей, які близькі за мінеральним складом. Для цього, визначивши характерні точки (найбільш великі впадини та піки) на спектрі, вибрати у канали R, G, B ті канали (Band),що містять ці характерні точки (див. рис. 6.9)

Рис. 6.9. Використання спектральної інформації для кольорового представлення знімка

Завдання:

Ідентифікувати три(довільно задані) області на карті із результатом не менше, ніж 0.6 (при налаштуваннях за замовчуванням)

Input files:

cup95_at.int

cup95_at.hdr

usgs_min.hdr

usgs_min.sli

jpl1.hdr

jpl1.sli

Література та джерела

  1.  Cпектральные библиотеки источники данных по спектрам http://gis-lab.info/qa/spectrum-lib.html 
  2.  ENVI User's Guide


Рис. 6.2
. Спектральнальний профіль обраного пікселя

Рис. 6.3. Масштаб відображення сігнатур

Рис. 6.4. Додавання спектрів із бібліотеки для порівняння

Рис. 6.5. Спектри, що відповідають табл.1

  1.  

 

А также другие работы, которые могут Вас заинтересовать

17723. Визначення автомобілів оптимальної вантажопідйомності для роботи із заданими вантажно-розвантажувальними засобами 86.5 KB
  Лабораторна робота №3 Визначення автомобілів оптимальної вантажопідйомності для роботи із заданими вантажнорозвантажувальними засобами Мета роботи: для двох екскаваторів різної продуктивності розрахувати оптимальні вантажопідйомності рухомого складу Вхідн...
17724. Визуализация информационной системы городской среды 216 KB
  Цель работы – анализ методов информационной визуализации и применение их для разработки прототипа системы поддержки конечного пользователя. В процессе работы проводился анализ возможностей геоинформационных систем как средств визуализации данных, исследовались различные методы представления географических и семантических данных.
17725. Перевезення вантажів змінними полу причепами 53.5 KB
  Лабораторна робота № 5 Перевезення вантажів змінними полу причепами. Мета роботи: Визначити необхідне число АТЗ для перевезення методом змінних полу причепів. Вхідні данні: Залізобетонні вироби з ДБК на будівництво перевозиться на автопоїздах тягачах марки ...
17726. Сучасні Транспортні Технології 3.03 MB
  ПЛАН ЛЕКЦІЙНИХ ЗАНЯТЬ ЗМ 1 Л1. Спеціалізація автотранспортних засобів Розвиток вантажного парку в світі та Україні. Спеціалізація як необхідність розвитку автомобільного транспорту. Структура СРС в Україні та за її межами та перспек
17727. Страхование как экономическая категория 68 KB
  Тема 1. Страхование как экономическая категория 1. Объективная необходимость возникновения отрасли страхования 2.Сущность экономической категории страхования и страховой защиты З.Признаки экономической категории страхования. Принципы страхования Функции ст
17728. Основные понятия и термины страхования 67.5 KB
  Тема 2Основные понятия и термины страхования Страховая терминология. Понятия и термины выражающие наиболее общие условия страхования. Термины связанные с процессом формирования СФ. Термины связанные с расходованием средств СФ. Термины связанные с фу...
17729. Классификация в страховании 48.5 KB
  ТЕМА З.. Классификация в страховании Понятие и основные критерии классификации в страховании Виды и формы страхования Под классификацией понимают иерархическую систему взаимосвязанных звеньев. Классификация страхования представляет собой научную си...
17730. Страховой рынок. Лицензирование страховой деятельности 74.5 KB
  4 ТЕМАИ. Страховой рынок Состав и структура страхового рынка Внутренняя система и внешне окружение страхового рынка. Лицензирование страховой деятельности Страховой рынок Украины. 1.Страховой рынок часть финансового рынка где объектом куплипрод
17731. Обеспечение финансовой устойчивости страхового дела 66.5 KB
  ТЕМА 5. Обеспечение финансовой устойчивости страхового дела 1.Финансовая надежность страховщика 2.Понятие платежеспособности страховщика и условия её обеспечения. 3. Страховые резервы формирование и размещение инвестирование 1. Финансовая надежность страховщика....