1.1. Analisi di tessitura di dati telerilevati ad alta risoluzione spaziale

Transcript

1 Dott. FEDERIO US RELZIONE SULL'TTIVIT' E LE RIERHE SVOLTE LL ONLUSIONE DEL PRIMO NNO DEL XVIII ILO DEL ORSO DI DOTTORTO DI RIER IN SIENZE E INGEGNERI DELLO SPZIO 1. TEMTIHE DI RIER La principale tematica di ricerca da me sviluppata riguarda l analisi di tessitura di dati telerilevati ad alta risoluzione spaziale (descritto nel paragrafo successivo), inoltre, nel corso del primo anno, ho contribuito alle attività del progetto applicativo Survey and Evaluation on Ecological Environment in Select reas of entral hina, il cui obiettivo principale è l aggiornamento di un sistema informativo territoriale orientato al controllo e alla gestione del territorio, nella ina centrale. Tale progetto prevede l applicazione di tecniche di Pattern Recognition su dati telerilevati (Landsat e SPOT) finalizzata alla produzione di mappe tematiche di uso e copertura del suolo e allo svolgimento di studi ambientali specifici su diverse aree pilota della ina centrale, ciascuna di particolare interesse per specifiche problematiche ambientali: calamità naturali, analisi della qualità delle acque, etc... Nello specifico del progetto, sono attualmente coinvolto nell analisi (interpretazione ed elaborazione) dei dati telerilevati per la produzione delle mappe tematiche di copertura del suolo e di rivelazione dei cambiamenti nalisi di tessitura di dati telerilevati ad alta risoluzione spaziale L attività principale è stata la sperimentazione, mediante l uso di tecniche d analisi di tessitura, di immagini telerilevate (acquisite da sensori ottici). Nello specifico, è stato sperimentato, su dati reali ad alta risoluzione spaziale relativi ad aree agricolo ed urbane, un algoritmo per l estrazione di parametri statistici di tessitura basato sulla tecnica Grey Level o-occurrence Matrix (GLM). La scelta di integrare l informazione spettrale con quella di tessitura su dati ad alta risoluzione al suolo è motivata dal fatto che in tale tipologia di dati diverse classi tematiche (quindi non solo la classe urbano) presentano una elevata varianza spettrale la quale rende le tradizionali tecniche di classificazione multispettrali poco efficaci, quindi in tale contesto, l informazione di tessitura assume un ruolo più importante nella discriminazione di differenti classi di copertura del suolo. Nello specifico, le due principali problematiche inerenti l integrazione dell informazione di tessitura sono: la mancanza di attendibilità dell informazione di tessitura estratta in prossimità dei bordi di regioni adiacenti che appartengono a differenti classi di copertura del suolo. Tale problema coinvolge la dimensione della finestra mobile utilizzata per estrarre l informazione di tessitura locale in corrispondenza di ciascun pixel; se la dimensione è troppo piccola allora l informazione spaziale estratta non è attendibile da un punto di vista statistico, mentre se è troppo grande viene

2 introdotta una errata informazione spaziale in corrispondenza di aree dove la finestra sovrappone differenti classi di copertura. identificazione dei valori ottimali dei parametri di calcolo del metodo GLM relativi alla risoluzione e alla direzione di indagine. Per attenuare gli effetti di bordo, è stata considerata una variante del metodo GLM che nel processo di calcolo delle feature introduce l informazione spaziale fornita dal prodotto di una segmentazione dell immagine da cui si vogliono estrarre le feature di tessitura; l immagine segmentata ottenuta viene usata come informazione aggiuntiva nella fase di calcolo delle feature GLM selezionando, per ciascun pixel, un intorno appropriato per forma e dimensione. Se il risultato della fase di segmentazione fornisce una buona separazione delle strutture principali presenti nella scena, allora tale approccio adattivo consente di mitigare il fenomeno di mescolamento di statistiche di differenti tessiture. In fig.1 viene presentato una schema rappresentativo dell approccio adattivo al calcolo delle feature. Segmented image lassical GLM local statistic extraction Fig. 1 daptive GLM local statistic extraction Riguardo il problema dell individuazione dei valori ottimi dei parametri di calcolo del metodo GLM, è stato proposto l uso di un algoritmo di selezione a partire da uno spazio dei parametri di dimensione elevata definito da feature ottiche e di tessitura, quest ultime calcolate a partire da diverse bande e mediante l uso di diverse combinazioni dei parametri di calcolo. enchè le feature di tessitura non siano di tipo gaussiano, la sperimentazione è stata condotta utilizzando, quale funzionale da massimizzare, la distanza di Jeffries-Matusita (JM ave, estensione al caso multiclasse). Inoltre, da prove preliminari è stato riscontrato che, in diversi casi, la misura di distanza usata (JM ave, calcolata sull insieme di training) relativa a uno specifico sottoinsieme fornito dall algoritmo di selezione, non è coerente con le prestazioni (misurate sull insieme di test), in termini di accuratezza di classificazione, fornite da quel sottoinsieme. Per rendere più attendibili i risultati ottenuti in termini di accuratezze è stato quindi scelto di ricorrere all uso di un insieme di campioni aggiuntivo per la validazione (oltre ai campioni di test). In particolare, la scelta del sottoinsieme di feature migliore è stata attuata considerando i casi che presentavano valori elevati di accuratezza totale sia sull insieme di test sia su quello di validazione (in diversi casi le accuratezze erano abbastanza differenti tra loro). Dall analisi comparativa delle due accuratezze e da quella visiva della risultante mappa di classificazione è stata dedotta una semplice regola euristica in grado di fornire risultati attendibili e coerenti tra loro in termini sia di accuratezze sia di qualità visiva delle mappe. La regola richiede di considerare

3 sottoinsiemi di feature con cardinalità non elevata e contenenti tutte le bande ottiche di partenza. Optical band GLM Feature Extraction Feature Selection lassification Thematic map Segmentation Optical bands Il metodo è stato validato su un data set ad alta risoluzione spaziale (IKONOS; sensore MS, 3 bande; risoluzione 4m) rappresentativo di una regione agricolo/urbana intorno a Itaipu, situata a confine tra rasile e Paraguay. Per valutare le capacità dell approccio adattivo di mitigare gli effetti indesiderati di bordo, sono state considerate due diverse mappe di segmentazione, una ottenuta mediante un algoritmo basato sul metodo region-growing, mentre l altra ottimizzata interattivamente dall utente. seguire vengono presentate le mappe ottenute mediante il classificatore Maximum Posteriori (MP) con ipotesi di distribuzioni delle classi gaussiane. omposizione in falso colore delle 3 bande ottiche LSS Urban Grassland High-veg Sparse-veg Sea Sand Wood are-soil TRIN TEST VLID lassification map using the three optical bands only lassification map using the three optical bands and three standard GLM features lassification map using the three optical bands and three adaptive GLM features (region-growing segmentation) lassification map using the three optical bands and two adaptive GLM features (interactive segmentation)

4 1. R. M. Haralick, K. Shanmugan and I. Dinstein, Textural features for image classification, IEEE Trans. on Systems Man and ybernetics, vol.3, mo. 6, pp , November, R. M. Haralick, Statistical and Structural pproaches to Texture, Proceedings of the IEEE, vol. 67, no. 5, pp , May, araldi, F. Parmiggiani, n investigation of the textural characteristics associated with gray level co-occurrence matrix statistical parameters, IEEE Trans. On Geoscience and Remote Sensing, vol. 33, no.2, pp , March, D. R. Peddle and S. E. Franklin, High resolution satellite image texture for moderate relief terrain analysis, in Proc. IEEE Internation Geoscience and Remote Sensing Symp., Vancouver, anada, vol.2, pp , P. Gong, D. J. Marceau, P. J. Howarth, comparison of spatial feature extraction algorithms for landuse classification with SPOT HRV data, Remote Sensing of Environment, vol. 40, pp , lassificazione di immagini multispettrali relative ad aree della ina Nell ambito della cooperazione internazionale sulla protezione ambientale tra il Ministero italiano dell mbiente e della Tutela del Territorio e l genzia per la protezione ambientale cinese, sono stati promossi diversi progetti finalizzati alla conservazione e protezione delle risorse naturali, tra i quali il progetto Survey and Evaluation on Ecological Environment in Select reas of entral hina, il cui obiettivo principale è l aggiornamento di un sistema informativo territoriale orientato al controllo e alla gestione del territorio. Tale progetto prevede l applicazione di tecniche di Pattern Recognition su dati telerilevati (Landsat e SPOT) finalizzata alla produzione di mappe tematiche di uso e copertura del suolo e allo svolgimento di studi ambientali specifici su diverse aree pilota della ina centrale, ciascuna di particolare interesse per problematiche ambientali (calamità naturali, analisi della qualità delle acque,. Nello specifico del progetto, sono attualmente coinvolto nell analisi (interpretazione ed elaborazione) dei dati telerilevati per la produzione delle mappe tematiche di copertura del suolo e di rivelazione dei cambiamenti.

5 2. ELENO DELLE PULIZIONI F. ausa, M. De Martino, S.. Serpico, lassification of Optical High Spatial Resolution Images in Urban Environment Using Spectral and Textural Information, Proceedings of IGRSS-2003 onference - Special Session on Optical Very High Resolution Image Processing. 3. PINO DI STUDI (PRIMO NNO) 3.1. nalisi di Fourier Prof. F. De Mari 3.2. omunicazioni Ottiche 1 Prof.. Trucco 3.3. Distribuited Detection and Data Fusion" Prof. P.K. Varshney