Il Telerilevamento Satellitare

Transcript

1 Il Telerilevamento Satellitare Semplici tecniche di elaborazione di immagine: Manipolare il contrasto Matteo Massironi

2 Le rocce ed il ciclo litogenico

3 Marocco: AntiAtlas (LandsatTM742 e Aster 432) Scala 1:150.00

4 Interpretazione ai fini di ricerca mineri industriali: feldspati, wadi Assan, Yemen (utilizzo di falsi colori e manipolazione del contrasto)

5 Landsat7-ETM composizione 321

6 Composizioni falsi colori 742

7 Foto campagna

8 Pancromatico (256 tonalità di grigio)

9 I pochi grigi dell occhio umano

10 Contrast stretch Poiché il numero di pixel nel range da y a y+dy dell'immagine di output è uguale a quello nel range da x a x+dx dell'immagine di input è lecito scrivere h i (x)dx = h o (y)dy y=f(x) ; x = f -1 (y) h o ( y) = h ( i f 1 ( y)) d( 1 f ( y)) dy

11 Linear contrast stretch y = f(x) = ax + b Tale enfatizzazione non provoca variazioni della forma dell'istogramma preservando così le relazioni di riflettanza originarie.

12 Linear contrast stretch DN' = DN MIN 255 MAX MIN I linear contrast stretch più utilizzati sono quelli che calcolano Min e Max a meno di 2 o 3 std rispetto alla media.

13 Pancromatico con enfatizzazione del contrasto

14 Soyuz

15

16 Enfatizzazione del contrasto Logaritmica ed Esponenziale Si nota chiaramente dai grafici come l enfatizzazione logaritmica sia idonea per evidenziare i bassi livelli di grigio (zone d ombra); mentre quella esponenziale enfatizzi i livelli di grigio più alti

17 Linear contrast stretch (TM Pan)

18 Enfatizzazione logaritmica (TM pan)

19 Enfatizzazione esponenziale (TM pan)

20 Preesistenza antropica centuriazione romana

21 UBAR La città perduta

22 Il problema atmosfera e la sua correzione radiometrica (un esempio di semplice manipolazione del contrasto) Il segnale ricevuto dal sensore passivo dipende da: Riflettanza del target Effetto dell atmosfera (scattering) Inclinazione della superficie ripresa relativamente all azimuth ed alla inclinazione solare (effetto della topografia) Elevazione solare Angolo di vista del sensore

23 Il problema atmosfera e la sua correzione radiometrica (un esempio di semplice manipolazione del contrasto) L s =H tot ρt+l p L s :radianza che raggiungere il sensore H tot :radianza totale che raggiunge la superficie ρ: riflettività della superficie in una data banda T:trasmissività atmosferica (atmospheric trasmittance) L p : radianza aggiuntiva dovuta al percorso nell atmosfera e quindi al fenomeno di scattering (atmospheric path radiance)

24 La correzione dello scattering atmosferico è fondamentale per analisi multitemporali

25 Il problema atmosfera e la sua correzione radiometrica Haze reduction (dark pixel subtraction)

26 Il problema atmosfera e la sua correzione radiometrica Haze reduction (regression method)

27 MISR

28 MISR

29 MISR Ontario Lake e Appalachian chain Nadir F 45.6 F 60.0 F March 2000, Swath 350 km, Res 1.1 Km

30

31 Equalizzazione(1) Con tale intervento si tende a normalizzare l istogramma dell immagine o della porzione di immagine sulla quale si intende operare; il risultato ultimo è la realizzazione di un immagine con istogramma quasi-uniforme in cui si ha una densità di pixel pressoché uniforme lungo l asse dei DN (ascisse). Se quindi l immagine contiene N pixels e i valori di luminosità sono pari ad L, l equalizzazione tende ad assegnare N/L pixel a ciascun livello di grigio. Ricordando che h(y) esprime l altezza di una barra dell istogramma dell immagine finale in funzione del DN ad essa riferito, si ha che la variazione di tali altezze lungo l asse dei DN (ascisse) è nel caso di un'equalizzazione: h o (y) dy = N/L ma dy = (L-1)/L di conseguenza: h o (y) = N/(L-1) Poiché il numero di pixel nel range da y a y+dy dell'immagine di output è uguale a quello nel range da x a x+dx dell'immagine di input è lecito scrivere h o (y)dy = h i (x)dx segue L 1 y = f ( x) = hi ( x) dx N che rappresenta l'algoritmo applicato durante l'equalizzazione.

32 Equalizzazione (2) Sostanzialmente da un dato valore x 1 (livello di grigio di input) nelle ascisse del diagramma cumulativo si legge il corrispondente y nelle ordinate per poi moltiplicarlo per il fattore di scala; il risultato è il valore di grigio nell immagine di output y o. Poiché il risultato di tale operazione spesso non porta a numeri interi, si assegna la barra dell'istogramma relativa al valore x i di input al DN intero più prossimo al risultato y o ciò comporta una non perfetta normalizzazione del grafico originario. Una maggiore normalizzazione si ha assegnando un L minore rispetto ai livelli di grigio del dato di input. L'equalizzazione non provoca perdita di informazione perchè non si ha il taglio dell'istogramma iniziale come nel caso del contrast stretch; essa determina, invece, una dispersione dei valori di picco dell'istogramma originario in un range più ampio. Non è possibile utilizzarla su distribuzioni bimodali con un picco marginale molto accentuato (es: immagine nell infrarosso NIR e SWIR comprendente una notevole porzione di mare)

33 Spot-3 b3 linear Spot-3 b3 equal

34 Histogram Matching (1) Si mira a rendere radiometricamente simile un immagine ad un altra. Il processo consiste nel normalizzare l'istogramma iniziale e trasformarlo successivamente nell'istogramma finale di forma desiderata, secondo l'espressione: y = g -1 (f(x)) dove f(x) è la funzione di normalizzazione dell'istogramma di input, mentre g -1 è l'inverso della funzione di normalizzazione dell'istogramma che si vuole ottenere. Il fattore di scala tipico dell'equalizzazione viene ad elidersi qualora i grafici di input e di output presentino lo stesso numero di pixel: in caso contrario esso diventa: N 2 /N 1 dove N 1 = numero pixel immagine iniziale, N 2 = numero pixel immagine finale.

35 Immage to Immage contrast match (2) a) viene creato il diagramma cumulativo di entrambe le immagini, b) si estrae dal diagramma cumulativo dell'immagine iniziale il valore delle ordinate relativo ad un dato DN, c) questo valore viene letto nelle ordinate del diagramma cumulativo dell'immagine di riferimento e si ricava il corrispondente DN' dell'immagine finale. Nel caso di immagini con numero di pixel differente si deve moltiplicare il valore ricavato in b) per N 2 /N 1 prima di passare alla fase c).

36 Evoluzione del territorio e pre-esistenze antropiche in Pianura Veneta (Archeologia)

37 Evoluzione del territorio e pre-esistenze antropiche in Pianura Veneta (Archeologia)

38 Linear piecewise contrast stretch

39 Density slicing per studi batimetrici e delle correnti in prossimità di costa Gray density slicing Colour density slicing Landsat MSS, band 5

40 Penetrazione in acqua: Spot XS banda 1 (V)

41 Density-slicing: immagine in pseudocolori

42 Density-slicing

43 Esempi di dati: DTM Digital Terrain Model (DTM) Falsi Colori Sfumo

44 Oli in mare

45 Oli in mare Semplice applicazione del telerilevamento per monitorare danni ambientali Classificazione di Oil spills in ordine decrescente di spessore: Mousse: Emulsione marrone di petrolio, acqua e aria Slick: livello mediamente spesso di colore marrone o nero Sheen: livello fine di colore argento Rainbow: livello molto fine ed irridescente

46 Il caso del golfo d Arabia (16 Feb,1991)

47 Il caso del golfo Arabico (16 Feb,1991)

48

49 Non tutto è quel che appare..

50 I satelliti per monitoraggio di clima, atmosfera ed oceani

51 I satelliti per il monitoraggio ambientale (clima, atmosfera e oceani)

52 Visibile Infrarosso termico Nubi Meteosat VIRR

53 Nubi Applicazioni per la metereologia Procedimento del International Satellite Cloud Climatology Project (ISCCP): Vengono utilizzati sia i satelliti ad orbita subpolare tipo NOAA che tutta la costellazione di satelliti geostazionari. Le bande utilizzate sono nel verde (0.6um) e nell infrarosso termico (11um) Per ridurre l afflusso di dati, le informazioni, trasmesse dai satelliti geostazionari ogni 30 minuti, vengono campionate ad intervalli di tre ore e con risoluzioni di Km. Il primo step dell elaborazione è quello di riconoscere le aree con copertura nuvolosa (cloudy) da quelle senza (clear). Per fare questo si parte da tre assunzioni principali: 1) le nuvole hanno maggiore variazione di radiazione (VIS e IR termico) nello spazio rispetto alla superficie; 2) le nuvole hanno maggiore variazione di radiazione (VIS e IR termico) nel tempo rispetto alla superficie; 3) le nuvole sono piu fredde (minore emissione registrata da IR termico) e più luminose (maggiore riflettanza nel VIS) rispetto alla superficie. Le superfici prive di nuvole vengono estratte studiando le variazioni di VIS e IR nel range da una giornata ad un mese e per spazi variabili da 100 a 5000 Km. I pixel che vengono definiti cloudy sono solo quelli che superano nel tempo e nello spazio le soglie di variazione precedentemente determinate. Il secondo step è quello della conversione del dato spettrale in temperature utilizzando modelli di propagazione delle radiazioni elettromagnetiche per le nuvole, per la superficie ed in atmosfera. Questa fase è anche effettuata sulla base di misure indipendenti Il terzo step si base su analisi statistiche del dato per avere quadri generali e riassuntivi.

54 Nubi

55 Nubi Applicazioni per il clima Limiti I livelli di nuvole inferiori non possono essere analizzati La risoluzione del procedimento ISCCP non permette di individuare nuvole troppo al di sotto delle dimensioni del pixel (nuvole inferiori ai 5 Km) Ad angoli di vista maggiori (40-60 ) vi è una sovrastima della copertura nuvolosa. Ci sono casi in cui IR e VIS non bastano per determinare la copertura nuvolosa. Ad esempio nelle regioni polari dove la superficie ha valori di VIS e IR simili a quelle delle nuvole

56 Modis Nubi 2330 Km viewing swath 2 day global covarage

57 Modis Nubi