daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...

More documents

Recommendations

Info

16.4 Filtriranje Kljub temu, da ima šum praviloma visoko frekvenco, ni razloga, da bi ga pripisali samo podrobnostim ali samo ozadju. Šum je lahko namreč naključen, na primer zrnatost na radarskih posnetkih, ali periodičen, na primer posledica vrstične ali prečne snemalne naprave. Podrobnosti z visoko frekvenco, to je hitrim spreminjanjem tonov, dopolnjujejo osnovo z nizko frekvenco, kjer se vrednosti spreminjajo počasi. Matematični postopek, ki podatke razdeli na različne frekvence, se imenuje Fourierjeva analiza. Ko posnetek razdelimo na različne komponente, lahko posamezne skupine poudarimo, zanemarimo ali v celoti odstranimo in tako dobimo spremenjeno podobo. Algoritmi, ki jih pri tem uporabljamo, se imenujejo filtri, ker izločijo (izberejo) določene frekvence. Filtri, ki prepuščajo visoke frekvence, in tako poudarijo podrobnosti, se imenujejo visokoprepustni filtri. Tistim, ki prepustijo nizke frekvence in podobo zato zgladijo, pa pravimo nizkoprepustni filtri. V digitalni obdelavi podob se srečujemo s tremi tehnikami filtriranja (ločevanja komponent različnih frekvenc). Prva temelji na diskretni Fourierjevi transformaciji, s katero pretvorimo podobo v frekvenčni prostor, izberemo del frekvenc in nato naredimo obratno pretvorbo. Druga uporablja relativno preproste matematične postopke (na primer konvolucijo) v prostorski domeni. Tretja, novejša, pa izkorišča lastnosti diskretne valčne transformacije (discrete wavelet transform) in združuje tako prostorsko kot frekvenčno filtriranje. Tako Fourierjeva kot valčna transformacija sta pojmovno in izvedbeno zelo zahtevni, zato se bomo v naslednjih razdelkih ukvarjali samo s filtriranjem v prostorski domeni. 16.4.1 Konvolucijsko filtriranje Najpogostejši način izvedbe filtriranja v prostorski domeni je konvolucijsko filtriranje. Pri tem uporabljamo premično »okno« velikosti nekaj pikslov, na primer 3 krat 3 ali 5 krat 5 ... Znotraj okna (računske matrike) opravimo določeno matematično operacijo in v izhodni sloj zapišemo izračunano vrednost. Dimenzija okna je praviloma liha, ker želimo imeti centralni piksel, to je tisti, v katerega bomo zapisali rezultat. Ni pa nujno, da je dimenzija enaka v obeh smereh, uporabimo lahko tudi filtre »nepravilnih« oblik, na primer 3 krat 5. Filtrirno okno premikamo od piksla do piksla vzdolž stolpcev in vrstic ter izračune ponovimo za vse piksle podobe. Tako celotno podobo »sfiltriramo« in ustvarimo novo. S spreminjanjem računskih operacij znotraj okna in uteži, ki jih posamezni piksli v njem imajo, vplivamo na obliko (učinek) filtra. S posebno oblikovanimi računskimi okni lahko podobo zgladimo, jo izostrimo ali odkrijemo robove. Splošno lahko postopek konvolucijskega filtriranja zapišemo kot IF i,j = a b k=−a l=−b Fk,l Ii+k,j+l . Pri tem je I intenziteta vhodne podobe, IF intenziteta izhodne podobe, F pa filtrirna matrika. Indeksa i in j predstavljata slikovne koordinate, k in l sta položaja znotraj filtra, a in b pa določata njegovo velikost. Na robovih podobe računsko okno sega deloma izven podobe (tem bolj, čim večja je njegova razsežnost). Manjkajoče piksle lahko nadomestimo na več načinov, od katerih sta najpogostejša zrcaljenje in izpuščanje vrednosti. Pri prvem v računu upoštevamo 153
16 Izboljšanje podob Slika 16.12: Pri konvolucijskem filtriranju prek podobe pošljemo računsko okno in v njem izvedemo določeno operacijo. vrednosti, ki se nahajajo na nasprotni strani manjkajoče, pri drugem pa vrednosti ne upoštevamo in primerno spremenimo računsko operacijo. 16.4.2 Nizkoprepustni filtri Nizkoprepustni (low-pass) filter poudarja večje homogene površine, to je take z majhnim spreminjanjem tona, hkrati pa zmanjša drobne detajle na podobi in ga zato uporabljamo za glajenje podob. Najpreprostejši primer nizkoprepustnega filtra je povprečenje, pri katerem v izhodno podobo zapišemo povprečje vrednosti njegove bližnje okolice. V matrični obliki je tovrstni filter pri velikostih 3 krat 3 in 5 krat 5 enak Fnp3x3 = 1 9 ⎡ ⎣ 1 1 1 1 1 1 1 1 1 (a) (b) Slika 16.13: Nizkoprepustni filter oziroma filter povprečenja podobo (a) zgladi in s tem odpravi šum (b). 154 ⎤ ⎦,
Page 1 and 2:
daljinsko zaznavanje krištof ošti
Page 3 and 4:
Krištof Oštir Daljinsko zaznavanj
Page 6:
Timu »Sem znanstvenik in vem, kaj
Page 9 and 10:
Vsebina 9 Radar 65 9.1 Radar bočne
Page 12 and 13:
Predgovor Daljinsko zaznavanje je v
Page 14 and 15:
1 Definicija daljinskega zaznavanja
Page 16 and 17:
2 Kratka zgodovina daljinskega zazn
Page 18 and 19:
Slika 2.3: Golobi s fotografskimi k
Page 20:
2 Kratka zgodovina daljinskega zazn
Page 23 and 24:
3 Elektromagnetno valovanje Slika 3
Page 25 and 26:
3 Elektromagnetno valovanje absorbi
Page 27 and 28:
4 Interakcija z atmosfero Slika 4.1
Page 29 and 30:
4 Interakcija z atmosfero Slika 4.4
Page 31 and 32:
4 Interakcija z atmosfero (a) (b) S
Page 33 and 34:
5 Interakcija s površjem Slika 5.2
Page 35 and 36:
5 Interakcija s površjem lahko nam
Page 38 and 39:
6 Sistemi daljinskega zaznavanja V
Page 40 and 41:
6.2 Tirnice satelitov V vesolju sne
Page 42 and 43:
Slika 6.5: Dvigajoča in spuščajo
Page 44 and 45:
(a) (b) 6.2 Tirnice satelitov Slika
Page 46:
Vprašanja 6.3 Pasivni in aktivni s
Page 49 and 50:
7 Ločljivost snemalnih sistemov Sl
Page 51 and 52:
7 Ločljivost snemalnih sistemov Od
Page 53 and 54:
7 Ločljivost snemalnih sistemov Is
Page 55 and 56:
7 Ločljivost snemalnih sistemov Po
Page 57 and 58:
8 Optični senzorji (a) Občutljivo
Page 59 and 60:
8 Optični senzorji Slika 8.4: Leta
Page 61 and 62:
8 Optični senzorji Korekcija snema
Page 63 and 64:
8 Optični senzorji 8.3 Termično s
Page 66 and 67:
9 Radar Senzorji, ki delujejo v mik
Page 68 and 69:
9.2 Umetno odprtinski radar Slika 9
Page 70 and 71:
9.3 Interakcija mikrovalov s površ
Page 72:
9.3 Interakcija mikrovalov s površ
Page 75 and 76:
10 Lidar Slika 10.1: Delovanje lida
Page 77 and 78:
10 Lidar Slika 10.3: Skenerji pri l
Page 79 and 80:
10 Lidar Slika 10.6: Lidarski podat
Page 82 and 83:
11 Satelitski sistemi za opazovanje
Page 84 and 85:
Kanal Valovna Spektralni Ločljivos
Page 86 and 87:
(a) (b) 11.1 Vremenski sateliti Sli
Page 88 and 89:
11.2 Sateliti za opazovanje kopnih
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
11.3 Sateliti za opazovanje morja S
Page 102 and 103:
11.4 Radarski sistemi Slika 11.13:
Page 104 and 105: 11.4 Radarski sistemi Slika 11.15:
Page 106 and 107: 11.4 Radarski sistemi SPOT 4 opazuj
Page 108 and 109: 11.4 Radarski sistemi Izboljšani u
Page 110: 11.4 Radarski sistemi Slika 11.18:
Page 113 and 114: 12 Prenos in sprejem podatkov Slika
Page 115 and 116: 13 Interpretacija podob (a) (b) Sli
Page 117 and 118: 13 Interpretacija podob Slika 13.4:
Page 120 and 121: 14 Vizualna interpretacija Kot smo
Page 122: 14 Vizualna interpretacija absorpci
Page 125 and 126: 15 Predobdelava podob napake pri pr
Page 127 and 128: 15 Predobdelava podob Geometrijske
Page 129 and 130: 15 Predobdelava podob Stopnja polig
Page 131 and 132: 15 Predobdelava podob Slika 15.5: N
Page 133 and 134: 15 Predobdelava podob Slika 15.8: M
Page 135 and 136: 15 Predobdelava podob Slika 15.10:
Page 138 and 139: 16 Izboljšanje podob Vizualna anal
Page 140 and 141: (a) (b) 16.1 Človeški vid in barv
Page 142 and 143: 16.2 Izboljšanje kontrasta Histogr
Page 144 and 145: (a) (b) 30000 25000 20000 15000 100
Page 146 and 147: 16.2 Izboljšanje kontrasta drugo t
Page 148 and 149: Nova vrednost Število pikslov 0 34
Page 150 and 151: Nova vrednost Število pikslov 0 0
Page 152 and 153: 16.3 Psevdobarvni prikazi Slika 16.
Page 156 and 157: Fnp5x5 = 1 25 ⎡ ⎢ ⎣ 1 1 1 1 1
Page 158 and 159: 16.4.5 Visokoprepustni filtri 16.4
Page 160 and 161: (a) (b) (c) 16.4 Filtriranje Slika
Page 162 and 163: 17 Transformacije podob Postopki iz
Page 164 and 165: (a) (b) (c) 17.1 Aritmetične opera
Page 166 and 167: 17.2 Vegetacijski indeks Slika 17.4
Page 168 and 169: 17.3 Analiza osnovnih komponent Sli
Page 170 and 171: (a) (b) (c) (d) (e) (f) (g) 17.3 An
Page 172 and 173: Kanal Svetlost Zelenost Vlažnost T
Page 174: (a) (b) (c) (d) 17.5 Transformacija
Page 177 and 178: 18 Klasifikacija podob Slika 18.1:
Page 179 and 180: 18 Klasifikacija podob Kadar govori
Page 186 and 187: 19 Integracija podatkov V začetkih
Page 188 and 189: 19 Integracija podatkov Slika 19.3:
Page 190 and 191: 20 Primeri uporabe Možnosti za upo
Page 192 and 193: 20.1 Kartiranje in posodabljanje ka
Page 194 and 195: 20.3 Določanje pokrovnosti oziroma
Page 196 and 197: 20.4 Opazovanje gozdov je bila upor
Page 198 and 199: 20.5 Opazovanje naravnih nesreč Sl
Page 200 and 201: Terminološki slovar Slovenska term
Page 202 and 203: 2. Relativni položaj predmeta znot
Page 204 and 205:
tok. Dielektrik delno prepušča, d
Page 206 and 207:
primer ERS, Envisat) in storitev te
Page 208 and 209:
GPS Global Positioning System Glej
Page 210 and 211:
Tudi pas; območje valovnih dolžin
Page 212 and 213:
tlobe so velika intenziteta, enakom
Page 214 and 215:
National Oceanic and Atmospheric Ad
Page 216 and 217:
Glej tudi film, barvni film, infrar
Page 218 and 219:
Postopek obdelave podob, ki poudari
Page 220 and 221:
Tudi vesoljski čolniček; vesoljsk
Page 222 and 223:
zabeležimo, praviloma v digitalni
Page 224 and 225:
srednja infrardeča svetloba middle
Page 226 and 227:
operacije, spektralni indeksi, anal
Page 228:
vzorec pattern Pravilna porazdelite
Page 231 and 232:
Literatura S. Drobne in T. Podobnik
Page 233 and 234:
Literatura National Space Developme
Page 235 and 236:
Literatura C. Weitkamp, ur. Lidar :
Page 238 and 239:
Kazalo slik 1.1 Postopek daljinskeg
Page 240 and 241:
Kazalo slik 11.10 Pankromatski posn
Page 242 and 243:
Kazalo tabel 4.1 Plasti atmosfere.
Page 244 and 245:
Stvarno kazalo absolutna temperatur
Page 246 and 247:
geografska širina, 206 geografski
Page 248 and 249:
normiran diferencialni vegetacijski
Page 250 and 251:
seštevanje podob, 162 SEVIRI, 86 S
Page 252:
Daljinsko zaznavanje je veda, s kat
show all

daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?