Digitális képanalízis

Az előadások a következő témára: "Digitális képanalízis"— Előadás másolata:

1 Digitális képanalízis
Képműveletek

2 Alapműveletek főként kétoperandusú műveletek
összetartozó operandusok kérdése alapműveletek: összeadás kivonás szorzás osztás

3 Összetartozó operandusok
pixelpár sor-oszlop pozícióval koordináta megadással (pl. EOV-ban) eltérő-azonos képméretek kérdése

4 Egy egyszerű példa összeadás összeg kezelése:
pixelek értékei: pl: 128, 242 az összeg: 370 összeg kezelése: átskálázás pl: eredmény maximuma: 473

5 Még egy példa kivonás minimum: -37 maximum: 255
a kivonás eredménye: 14 az átskálázás eredménye:

6 Problémák az osztáskor
kezelése: eredmény egy konstans, pl. 0 vagy 255 eredmény speciális szám: NaN osztó +  (egy kis szám!) 0-255 intervallum eltolása: ra

7 Példák összeadás kivonás szorzás osztás

8 További példák minimum maximum átlag differencia

9 Logikai műveletek bináris bemenet típusai: NOT AND OR XOR

10 Példák NOT OR XOR AND

11 Multispektrális hányadosok
cél: vizualizáció támogatása lehetséges megoldás: algebrai osztás megvalósítása változatok szakterületek szerint egyszerű számíthatóság

12 Néhány példa agyagos ásványok (clay minerals): B5/B7
vastartalmú ásványok (ferrous minerals): B5/B4 vasoxidos ásványok (ferric minerals): B3/B1 kompozitképek

13 Budapest Landsat TM B1 B2 B3 B4 B5 B7

14 Színes kompozit

15 Kompozit 2

16 Kompozit 3

17 Hányadosok B5/B7 B5/B4 B3/B1 Ásványi kompozit

18 Indexképek gyakran vegetációs indexek változatok:
vegetációs index (VI) normalizált differenciált VI (NDVI) transzformált NDVI (TNDVI)

19 Indexképek VI NDVI

20 „Tasseled cap” transzformáció
lineáris radiometriai transzformáció empirikus paraméterekkel

21 Tasseled cap-eredményképek

22 Főkomponens-elemzés a főkomponens jelentése

23 Főkomponens elemzés elnevezései: a transzformáció: sajátérték-elemzés
principal component analysis (PCA) a transzformáció: principal component transformation (PCT) főtengely-transzformáció Karlhunen-Loève (KL) transzformáció

24 A PCA menete kovariancia/korrelációs mátrix előállítása
sajátvektorok és sajátértékek számítása (nem triviális megoldás) információtartalom és kumulált információtartalom számítása a transzformáció végrehajtása

25 A főkomponens jelentése
két komponensre:

26 PCA-példa Kovariancia-mátrix

27 Együtthatók, varianciák

28 Főkomponens-képek (1-4)

29 Lehetséges korrekciók
csíkkorrekció geometriai korrekció radiometriai korrekció atmoszférikus korrekció

30 Radiometriai korrekció
oka: az eltérő megvilágítás miatt jelentkező eltérő visszaverődés a távérzékelésben: eltérő Nap állás-szög a számítás menete:

31 Atmoszférikus korrekció
oka: a légkör torzító hatása a fény terjedésében a megoldás: hatás- vagy atmoszféramodellek LOWTRAN MODTRAN HITRAN

32 Gyakorlati atmoszférikus korrekció
közelítések: minimális és maximális intenzitás „sötét pixel kivonás” intenzitás-regresszió hisztogram-transzformáció scattergram transzformáció

33 Csíkkorrekció (destriping)
oka: szenzor kalibráció hiánya vagy gyenge kivitelezése megoldás: csíkmásolás interpoláció