6883

Робота із мультиспектральними знімками. Класифікація

Лабораторная работа

География, геология и геодезия

Робота із мультиспектральними знімками. Класифікація Більшість супутників, що проводять фотозйомку земної поверхні постачають дані не у вигляді кольорового зображення, а у вигляді декількох (інколи декількох десятків) монохромних зображень - по...

Украинкский

2013-01-08

2.5 MB

4 чел.

Робота із мультиспектральними знімками. Класифікація

Більшість супутників, що проводять фотозйомку земної поверхні постачають дані не у вигляді кольорового зображення, а у вигляді декількох (інколи декількох десятків) монохромних зображень – по одному на кожний спектральний канал. Це значно збагаючує можливості застосування супутникової інформації та методи обробки супутникових зображень.

У табл. 4.1 та 4.2 наведено характеристики сенсорів супутника LandSat7

Табл. 4.1 Сенсор ETM+

Назва

ETM+ (Enhanced Thematic Mapper)

Тип

Багатоспектральний оптико-механічний скануючий радіометр

Країна

США

Розробник

Raytheon (Hughes) Santa Barbara Remote Sensing

Носій

Landsat 7

Смуга захвату, км

183

Можливість стереоскопічної зйомки

ні

Точність геодезичної привязки , м

250

Призначення

Багатоціьова зйомка загального призначення всієї поверхні Землі

Джерела даних

Global Land Cover Facility
USGS Global Visualization Viewer (Glovis)
USGS Earth Explorer
International Ground Stations

Табл. 4.2 Розподільча здатність ETM+

Номер каналу

Розподільча здатність, м

Початок, нм

Кінець, нм

1

30

450

515

2

30

525

605

3

30

630

690

4

30

760

900

5

30

1550

1750

6

60

10400

12500

7

30

2080

2350

8

15

520

900

 Це означає, що ми можемо використовувати як окремі монохромні канали, так і комбінувати їх будь-яким чином для отримання найбільш інформативної карти, не обовьязково у «природніх» кольорах.  У табл. 4.3., взятої з [1] та [2] наведена інформація про найбільш користні комбінації каналів та їх призначення.

Табл. 4.3 Інтерпретация комбинаций каналов данных Landsat TM / ETM+ [1]

Комбинация

Возможная информация

Примеры

4,3,2

Стандартная комбинация «искусственные цвета». Растительность отображается в оттенках красного, городская застройка – зелено-голубых, а цвет почвы варьируется от темно до светло коричневого. Лед, снег и облака выглядят белыми или светло голубыми (лед и облака по краям). Хвойные леса будут выглядеть более темно-красными или даже коричневыми по сравнению с лиственными. Эта комбинация очень популярна и используется, главным образом, для изучения состояния растительного покрова, мониторинга дренажа и почвенной мозаики, а также для изучения агрокультур. В целом, насыщенные оттенки красного являются индикаторами здоровой и (или) широколиственной растительности, в то время как более светлые оттенки характеризуют травянистую или редколесья/кустарниковую растительность.

 

3,2,1

Комбинация «естественные цвета». В этой комбинации используются каналы видимо диапазона, поэтому объекты земной поверхности выглядят похожими на то, как они воспринимаются человеческим глазом. Здоровая растительность выглядит зеленой, убранные поля – светлыми, нездоровая растительность – коричневой и желтой, дороги – серыми, береговые линии – белесыми. Эта комбинация каналов дает возможность анализировать состояние водных объектов и процессы седиментации, оценивать глубины. Также используется для изучения антропогенных объектов. Вырубки и разреженная растительность детектируются плохо, в отличие от комбинации 4-5-1 или 4-3-2. Облака и снег выглядят одинаково белыми и трудноразличимы. Кроме того, трудно отделить один тип растительности от другого. Эта комбинация не позволяет отличить мелководье от почв в отличие от комбинации 7-5-3.

7,4,2

Эта комбинация дает изображение близкое к естественным цветам, но в тоже время позволяет анализировать состояние атмосферы и дым. Здоровая растительность выглядит ярко зеленой, травянистые сообщества – зелеными, ярко розовые участки детектируют открытую почву, коричневые и оранжевые тона характерны для разреженной растительности. Сухостойная растительность выглядит оранжевой, вода- голубой. Песок, почва и минералы могут быть представлены очень большим числом цветов и оттенков. Эта комбинация дает великолепный результат при анализе пустынь и опустыненных территорий. Кроме того, может быть использована для изучения сельскохозяйственных земель и водно-болотных угодий. Сгоревшие территории будут выглядеть ярко красными. Эта комбинация используется для изучения динамики пожаров и пост-пожарного анализа территории. Городская застройка отображается в оттенках розово-фиолетового, травянистые сообщества – зелеными и светло зелеными. Светло зеленые точки внутри городских территорий могут быть парками, садами или полями для гольфа (актуально для СНГ :)). Оливково-зеленый цвет характерен для лесных массивов и более темный цвет является индикатором примеси хвойных пород.

4,5,1

Здоровая растительность отображается в оттенках красного, коричневого, оранжевого и зеленого. Почвы могут выглядеть зелеными или коричневыми, урбанизированные территории – белесыми, серыми и зелено-голубыми, ярко голубой цвет может детектировать недавно вырубленные территории, а красноватые – восстановление растительности или разреженную растительность. Чистая, глубокая вода будет выглядеть очень темно синей (почти черной), если же это мелководье или в воде содержится большое количество взвесей, то в цвете будут преобладать более светлые синие оттенки. Добавление среднего инфракрасного канала позволяет добиться хорошей различимости возраста растительности. Здоровая растительность дает очень сильное отражение в 4 и 5 каналах. Использование комбинации 3-2-1 параллельно с этой комбинацией позволяет различать затопляемые территории и растительность. Эта комбинация малопригодна для детектирования дорог и шоссе.

4,5,3

Эта комбинация ближнего, среднего ИК-каналов и красного видимого канала позволяет четко различить границу между водой и сушей и подчеркнуть скрытые детали плохо видимые при использовании только каналов видимого диапазона. С большой точностью будут детектироваться водные объекты внутри суши. Эта комбинация отображает растительность в различных оттенках и тонах коричневого, зеленого и оранжевого. Эта комбинация дает возможность анализа влажности и полезны при изучении почв и растительного покрова. В целом, чем выше влажность почв, тем темнее она будет выглядеть, что обусловлено поглощением водой излучения ИК диапазона.

7,5,3

Эта комбинация дает изображение близкое к естественным цветам, но в тоже время позволяет анализировать состояние атмосферы и дым. Растительность отображается в оттенках темно и светло зеленого, урбанизированные территории выглядят белыми, зелено-голубыми и малиновыми, почвы, песок и минералы могут быть очень разных цветов. Практически полное поглощение излечения в среднем ИК-диапазоне водой, снегом и льдом позволяет очень четко выделять береговую линию и подчеркнуть водные объекты на снимке. Горячие точки (как, например, кальдеры вулканов и пожары) выглядят красноватыми или желтыми. Одно из возможных применений этой комбинации каналов – мониторинг пожаров. Затопляемые территории выглядят очень темно синими и почти черными, в отличие от комбинации 3-2-1, где они выглядят серыми и плохо различимы.

5,4,3

Как и комбинация 4-5-1 эта комбинация дает дешифровщику очень много информации и цветовых контрастов. Здоровая растительность выглядит ярко зеленой, а почвы – розовато-лиловыми. В отличие от 7-4-2, включающей 7 канал и позволяющей изучать геологические процессы, эта комбинация дает возможность анализировать сельскохозяйственные угодья. Эта комбинация очень удобна для изучения растительного покрова и широко используется для анализа состояния лесных сообществ.

5,4,1

Комбинация похожа на 7-4-2, здоровая растительность выглядит ярко зеленой, за исключением того, что эта комбинация лучше для анализа сельскохозяйственных культур.

 

7,5,4

Эта комбинация не включает ни одного канала из видимого диапазона, и обеспечивает оптимальный анализ состояния атмосферы. Береговые линии четко различимы. Может быть использован для анализа текстуры и влажности почв. Растительность выглядит голубой.

5,3,1

Эта комбинация показывает топографические текстуры, в то время как 7-3-1 позволяет различить горные породы.

Дані LandSat7 ETM+ постачаються у вигляді набору файлів, що мають наступний формат назви:

Формат імен файлів Landsat 7 GeoTIFF:

L7fppprrr_rrrYYYYMMDD_AAA.TIF  де:

    L7          = Landsat-7 mission

    f           = ETM+ data format (1 or 2) (формат даних 1 чи 2)

    ppp         = starting path of the product (початковий напрямок)

    rrr_rrr     = starting and ending rows of the product (початковий та кінцевий рядок)

    YYYYMMDD    = acquisition date of the image (дата отримання зображення)

    AAA         = file type: (тип файлу)

         B10         = band 1 (спектральная смуга 1)

         B20         = band 2 (спектральная смуга 2)

         B30         = band 3 (спектральная смуга 3)

         B40         = band 4 (спектральная смуга 4)

         B50         = band 5 (спектральная смуга 5)

         B61         = band 6L (low gain) (спектральная смуга 6, мале підсилення)

         B62         = band 6H (high gain) (спектральная смуга 6, велике підсилення)

         B70         = band 7 (спектральная смуга 7)

         B80         = band 8 (спектральная смуга 8)

         MTL         = Level-1 metadata (метадані 1-го рівня)

    TIF         = GeoTIFF file extension (розширення файла GeoTIFF)

Для відкриття всього набору, потрібно обрати файл MTL (рис. 4.1) (File/Open Image File)

     

               Рис. 4.1. Відкриття файлу метаданих               Рис. 4.2. Доступні спектральні смуги

У вікні Available Band List побачимо наступне (рис. 4.2). Виберемо режим RGB Color та послідовно оберемо спектральні смуги для каналів R, G та B, користуюючись табл. 4.3.

Класифікація

В комплексі ENVI реалізовано декілька способів класифікації елементів зображень. Вони відрізняються алгоритами та рекомендованими сферами застосування, проте подібні за шляхом використання та діляться на 2 типи: навчання з вчителем та навчання без вчитеня. Розглянемо їх на прикладі.

Навчання без вчителя. Метод K-Means 

В головному меню оберемо Classification/Unsupervised/K-Means (рис. 4.3)

Рис. 4.3.Класифікація методом K-Means

Оберемо 6-ти смуговий канал та натинемо ОК.

Рис. 4.4.Вікно K-Means Parameters

На рис. 4.4. бачимо параметри класифікації.

Number of Classes – число класів, які будуть виділені на знімку;

Наступні два параметри визначають час класифікації:

Maximum Iterations число ітерацій;

Threshold – поріг сходимості. Кількість пікселіів в %, які змінюють свою приналежність при переході до наступної класифікації;

Параметри нижче визначають якість класифікації

Maximum Stdev from mean – максимальне стандартне відхилення від середнього

Maximum distance error – максимальна відстань помилки.

Якщо обрані обидва параметри, при класифікації буде використаний менший.

Залишимо їз без зміни. Результат класифікації запишемо у файл LS-km1.img

Коли процес класифікації закінчиться, отримане зображення з`явиться у  Available Band List. Завантажимо його на новий екран та зв`яжемо (Tools/Link/Link Displays) зі знімком (рис. 4.5)

Рис. 4.5 Результат класифікації методом K-Means

Метод класифікації без вчителя зручно застосовувати, якщо кількість класів невелика та різниця між ними є помітною. Як правило, частіше застосовують методи класифікації «із вчителем».

Навчання із вчителем. Метод паралелепіпедів

Для застосування будь-якого з методів навчання «із вчителем» потрібно створити навчальні виборки. Для цього скористаємось інструментом ROI Tool (Basic Tools/Region of Interest/ROI Tool).

 Обираємо тип області – Polygon, вікно, в якому будемо малювати область (Image, Scroll або Zoom). За допомогою лівої кнопки миші обводимо потрібну область, за допомогою кліку правою кнопкою в середині області – заповнюємо її. Після того, як потрібні обєкти 1-го типу обрано, створюємо нову область за допомогою New Region та задаємо обєкти другого типу.

Зберігаємо отримані обєкти File/Save ROIs...у файлі Classes1.roi (рис. 4.6)

Рис. 4.6. Збереження навчальних виборок

Щоб відкрити збережені області – File/Restore ROIs.

В головному меню обираємо Classification/Supervised/Parallepiped. У вікні, що з`явилося, обираємо файл знімка та натискаємо ОК. З`являється вікно Parallepiped Parameters (рис. 4.7)

Обираємо всі області ROI, назви файлів та таксимальне стандартне відхилення.Кнопка Preview слугує для попереднього перегляду результата. Натискаємо ОК.

 Коли процес класифікації закінчиться, отримане зображення з`явиться у  Available Band List. Завантажимо його на новий екран та зв`яжемо (Tools/Link/Link Displays) зі знімком.

На

Рис. 4.7. Вікно Parallepiped Parameters

Завдання

  1.  Виконати класифікацію (будь-яким методом без вчителя, потім – з вчителем) на заданому змімку у «природних кольорах» наступних областей:
  •  Вода;
  •  Трава;
  •  Дерева
  •  Міська забудова

2. Виконати п.1, використовуючи для цього зображення у штучних кольорах, обравши найбільш зручну комбінацію каналів (з табл. 4.3.)

Література та джерела

  1.   Интерпретация комбинаций каналов данных Landsat TM/ETM+ http://gis-lab.info/qa/landsat-bandcomb.html  
  2.  James W. Quinn. Band Combinations http://web.pdx.edu/~emch/ip1/bandcombinations.html
  3.  Global Land Cover Facility. Landsat Imagery. http://www.glcf.umd.edu/data/landsat/


 

А также другие работы, которые могут Вас заинтересовать

41929. Створення малюнків за допомогою геометричних фігур 93.51 KB
  Актуалізація опорних знань Види геометричних фігур. Створення малюнків за допомогою геометричних фігур. Назвіть відомі вам геометричні фігури.
41931. Принцип дії та будова мікропроцесора 365.03 KB
  strtup Запуск програми mov BX vr1 – команда копіювання vr1 в BX mov DL vr2 – команда копіювання vr2 DL mov DH 0 – команда копіювання 0 в DH mov X 0 – команда копіювання 0 в X dd X BX – команда додавання DX до X dd X DX – команда додавання DX до X mov result X команда копіювання АХ в result . mov BX vr1 – команда копіювання vr1 в BX mov DL vr2 – команда копіювання vr2 DL mov DH 0 – команда копіювання 0 в DH mov X 0 – команда...
41932. Нахождение корней уравнения в MathCad на интервале [-2.5;2.5] 146.34 KB
  Тема: Нахождение корней уравнения в MthCd: на интервале Цель работы: нахождение корней уравнения в программе MthCd с использованием встроенных функций root polyroots символьного решения. Задание: 1 Нахождение корней уравнения в программе MthCd с использованием встроенной функции root.
41933. Выполнение действий с матрицами в программе MathCad 69.08 KB
  Задание: 1 Создать матрицы. 3 Найти ранг матрицы А ранг матрицы наибольший порядок минора этой матрицы который отличный от нуля: rnk. 4 В символьном виде выполнить транспонирование матрицы В т. заменить местами строки и столбцы матрицы В.
41934. Нахождение решений системы линейных уравнений в MathCad 60.43 KB
  Тема: Нахождение решений системы линейных уравнений в MthCd. Цель работы: нахождение решений системы линейных уравнений в программе MthCd. Коэффициенты при неизвестных Свободные члены...
41935. Нахождение решений системы нелинейных уравнений в MathCad 45.24 KB
  Тема: Нахождение решений системы нелинейных уравнений в MthCd. Цель работы: нахождение решений системы нелинейных уравнений в программе MthCd . Задание: 1 Найти решение системы нелинейных уравнений с использованием так называемого блока решений .
41936. Символьные действия математического анализа в MathCad 73.2 KB
  Цель работы: определение неопределенных и определенных интегралов и производных в программе MthCd с использованием символьных операций. Неопределенный интеграл: Определенный интеграл: Производная: Задание: Применяя последовательно к каждой функции команды меню Symbolic Simplify найти: Найти: Неопределенный интеграл. Определенный интеграл 3 Производную первого порядка. Решение: Выводы В ходе выполнения лабораторной работы с помощью Mthcd научились применяя команды меню Symbolic Simplify находить неопределенный интеграл...
41937. Вычисление производных в задачах геометрии и частных производных 47.73 KB
  Тема: вычисление производных в задачах геометрии и частных производных. Цель работы: вычисление производных в задачах геометрии и нахождение частных производных высоких порядков в программе MthCd . 2 Выполнить числовое и символьное вычисление частных производных высшего порядка от функции трех переменных: fx=zsinxyz2 в точке M111.