Lehrveranstaltung Fernerkundung. Digitale Bilder. Mod. 2 p. 1. Typische Schritte in einem Fernerkundungsprojekt. Vorlesungs- und Übungsplan SS 2010

Transkript

1 Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan Einführung, Strahlung, Sensoren Digitale Bilder, Bildstatistik& Kontraststreckung Bild Verbesserung & Indexe Geometrische Korrekturen & Georeferenzierung Multitemporale Veränderungen Überwachte - Unüberwachte Klassifizierung Genauigkeitsanalyse Typische Schritte in einem Fernerkundungsprojekt 1. Problemformulierung. 2. Datenbeschaffung (Karten, Bilder). 3. Auswahl der Hard- und Software. 4. Auswertung der Datenqualität (beschreibende Statistiken, Bilddarstellungen) 5. Fehler-Korrekturen: radiometrische (Sensor-bedingt und atmosphärisch), und geometrische Korrekturen. 6. Bildverbesserung (für digitale oder visuelle Auswertung). 7. Feldarbeiten (training areas). 8. Interpretation, Klassifizierung und Genauigkeitsanalyse (ground control points). 9. Transfer in ein GIS und Kombination mit anderen Daten. 10. Ergebnisdarstellung. Digitale Bilder Pixeln (picture elements) : Die registrierte Strahlung wird mit einer digitalen Zahl (DN) gespeichert, welche der Intensität der empfangenen Strahlung entspricht. Dieser Wert wird dem gesamten Pixel zugeteilt. Oben links: Originalbild mit 320 Reihen und 480 Spalten Oben rechts: Starke Vergrößerung Unten rechts: DNs (Digital Numbers) des vergrößerten Bildes. Mod. 2 p. 1

2 Characteristika von Sensoren und Digitalbildern 1. Räumliche Auflösung (Spatial resolution): Pixelgröße = Größe des kleinsten Objektes, das noch dargestellt werden kann. 2. Radiometrische Auflösung (Radiometric resolution): Kontrast = Sensitivität, mit der die Strahlungsintensität in den einzelnen spektralen Kanälen erfasst wird = Anzahl Grauwertstufen (üblicherweise gespeichert im 6 bit, 7 bit, 8 bit, 10 bit oder 16 bit Format). 3. Spektrale Auflösung (Spectral resolution): Farben = Anzahl und Breite der erfassten spektralen Kanäle, und der Gesamtbereich, der abgedeckt wird. 4. Zeitliche Auflösung (Temporal resolution) : Wiederholungshäufigkeit für die Aufnahme desselben Ortes (für die Erfassung von Veränderungen und den Aufbau von Zeitreihen. Räumliche Auflösung Die Integration über die Strahlung geschieht über eine definierte Fläche am Boden = GIFOV = ground-projected instantaneous field of view. Der Abstand, in dem die Aufnahmen erfolgen (=Pixelorte) ist das sog. ground sample interval (GSI) Oft aber nicht zwingend - gilt GIFOV = GSI. Räumliche Auflösung Je kleiner die Pixelgröße, desto größer die anfallende Datenmenge. Ist höhere räumliche Auflösung immer gleich-bedeutend mit besserer Informations-gehalt? Mod. 2 p. 2

3 Räumliche Auflösung. Dateigröße? Räumliche Auflösung GLC2000 versus GLOBCOVER GLC-2000 map at 1km res. LC map from MERIS at 300m res. Courtesy: L. Skinner, Univ. of Wales, Swansea (SIBERIA-II) Radiometrische Auflösung Radiometrische Auflösung Anzahl der Graustufen, die der Sensor zur Darstellung unterschiedlicher Strahlungsintensitäten unterscheiden kann (pro spektralem Kanal). Das menschliche Auge kann viele verschiedene Farben unterscheiden, aber nur RELATIV wenige Graustsufen. DigitaIbilder haben meist 2 6, 2 7, 2 8, 2 10 Graustufen (entsprechend 6,7,8,10 bits Speicherbedarf/Pixel). Mod. 2 p. 3

4 Spektrale Auflösung Multi-spektrale Sensoren: Die Strahlungsenergie wird in verschiedenen spektralen Bändern registriert Weisses Licht Spektrale Auflösung Die Energie der EMR (electro magnetic radiation) wird in elektrische Energie (Spannung) umgewandelt und deren Intensität registriert. Die verschiedenen spektralen Bänder werden getrennt registriert und stehen dann auch für separate Analysen zu Verfügung (Unterschied zu einem panchromatischen Sensor). Damit können viele Klassen von Objekten identifiziert und auch Farbbilder erstellt werden. Mod. 2 p. 4

5 Spektrale Auflösung Landsat 7: Sensor ETM+ = Enhanced Thematic Mapper Spectral Bands: Landsat 7 Visible/Near IR , , , µm Shortwav IR , µm Thermal IR µm (hight and low gain) Panchomatic µm Räumliche Auflösung: 30m (thermal 60m, pan 15m) Radiometr. Auflösung: 2 8 = 256 Intensitätsstufen. Spektrale Kanäle einiger FE Sensoren... Landsat TM... fallen mit den atmosphärischen Transmissionsfenstern zusammen. Spektrale Auflösung Landsat TM sensor bands recording Mod. 2 p. 5

6 Farbkomposite From: Wilkie & Finn 1996 Information (DNs übersetzt in Graustufen (gray levels, GL) in den Kanälen 1-7 von Landsat ETM+. Bei einer Visualisierung können aber nur 3 Grundfarben gleichzeitig dargestellt werden. Nicht mehr. Additive und subtraktive Farbkomposition Additive Farben ergeben sich durch die Überlagerung von Licht unterschiedlicher Farben (Red, Green, Blue). Subtraktive Farben ergeben sich durch die Überlagerung von unterschiedlichen Farben (Cyan, Magenta, Yellow). Additive und subtraktive Farbkomposition Diesen Überlegungen folgend: Sind in einer Tinten-Farbpatrone Farben, die Farbmischungen nach der additiven oder der subtraktiven Farbzusammensetzung erlauben? D.h. RGB (red, green blue) oder CMY (cyan, magenta, yellow)?? Mod. 2 p. 6

7 Farbkomposite Nur drei Spektralkanäle können gleichzeitig zu einem Farbbild zusammen gesetzt werden, wobei jedem Kanal eine der Hauptfarben (RGB) zugeteilt wird. Dieses Farbbild nennt man dann Farbkomposite (Color Composite) Man wählt die drei Bänder so aus, dass das resultierende Bild in der gewünschten Farbzusammenstellung erscheint (Echtfarben, Falschfarben etc.). Beispiel: Kanal-Zuteilungen für Echt- (true color TC) und Falschfarben (Color Infra Red CIR) Darstellungen für verschiedene Sensorsysteme: Farbkomposite Color Composite hier: CIR Beispiel: RapidEye Kanal Auswahl From: Wilkie & Finn 1996 DNs übersetzt in Graustufen in den Kanälen 1-7 von Landsat ETM+. - In welchem Kanal ist der größte Kontrast? - Welche Kanäle sind hoch korreliert (ähnlich)? - Welche Kanäle für eine Farbkomposite auswählen? Mod. 2 p. 7

8 Bild Statistik Histogramme der Grauwerte der TM Kanäle 1-7 für das Beispielsbild. - Kanäle 4 und 5 zeigen mehr Differenzierung als die anderen (Kontrast=das Verhältnis der hellsten zur dunkelsten Fläche in der Landschaft). - Nach diesen Histogrammen: Welcher Kanal hat die höchste Helligkeit und welcher die größte Varianz? Bild Statistik - Offensichtlich ist, für ein vorliegendes Bild, nicht der gesamte Bereich von Grauwerten genutzt. - Mit welchen der Statistiken in dieser Tabelle kann man den Kontrast in einem Kanal beurteilen? Bild Statistik Deskriptiven Darstellung der Grauwertverteilung pro Pixel. Histogramm: Scatterplot: Univariate deskriptive Statistik. Bivariate deskriptive Statistik: Zwei Kanäle gleichzeitig dargestellt. 3D Scatterplot: Drei Kanäle gleichzeitig dargestellt. Was kann man aus diesen Grafiken ablesen? Mod. 2 p. 8

9 Scatterplot Landbedeckungsklassen haben in den verschie-denen Kanälen jeweils typische Reflexions-muster. Ein zwei-dimensionaler Scatterplot hilft dabei, Regeln für die automa-tische Klassifizierung zu definieren. Das Beispiel hier zeigt den Idealfall, in dem die drei Klassen klar getrennt sind. Bild Statistik Da wir in den verschiedenen Kanälen jeweils dieselben Objekte am Boden abbilden, können wir erwarten, dass die Grauwerte in den verschiedenen Kanälen korreliert sind. Scatterplots geben also auch eine Vorstellung von der Korrelation zwischen den Kanälen in multispektralen Bildern. Bild Statistik Beispiel einer Korrelationsmatrix für TM Kanäle Interpretation? Wir wählen für die Analyse (und evtl. auch für die Visualisierung mit einer RGB Farb-Komposite) üblicherweise diejenigen Kanäle, die voneinander möglichst unabhängige Information tragen. Mod. 2 p. 9

10 Kanal Auswahl From: Wilkie & Finn 1996 Information (DNs übersetzt in Graustufen (gray levels, GL) in den Kanälen 1-7 von Landsat ETM+. Das Prinzip der Kontraststreckung - Ein Sensor soll hohe und geringe Helligkeiten innerhalb jedes Bildes abbilden können. - Für eine bestimmte Region (ein Bild) ist der benutzte Grauwertbereich üblicherweise viel schmaler als die möglichen (z.b. für ein 8 bit Bild). - Mittels Kontraststreckung wird der beobachtete Bereich so gestreckt, dass der gesamte mögliche Bereich ausgenutzt wird. Dadurch werden Helligkeitsunterschiede besser sichtbar. - Viele Landschaftselemente liefern ähnliche Grauwerte innerhalb eines bestimmten Kanals: Kontraststreckung macht diese Unterschiede deutlicher. Ziel: Bild so verbessern, dass es für spezifische Zwecke besser ausgewertet werden kann. Illustration der einfachen linearen Kontraststreckung -. Source: LIllesand & Kiefer 2000 Mod. 2 p. 10

11 Das Prinzip der Kontraststreckung - Alle Methoden haben zum Ziel, den gesamten dynamischen Bereich der Grauwert-Darstellung zu nutzen (z.b ). - Dafür muss für jedes Pixel in jedem Kanal ein neuer gestreckter Grauwert berechnet werden. - Ausgangsinformation für diese Berechnungen ist: - Minimum und Maximum Wert (BV min und BV max ) für jeden Kanal (BV = brightness value = Grauwert). - Ursprünglicher Grauwert (BV raw ) des Pixels. - Bereich von Grauwerten, die darstellbar sind im Video Display (V Range ). Algorithmus für die min-max lineare Kontraststreckung (ein neuer brightness value BV stretched wird für jedes Pixel berechnet): BV stretched BV BV raw max BV BV min min V Range - Falls die Verteilung der Grauwerte zu den Seiten hin lang und flach ist, dann kann es sein, dass diese Min-Max-Technik wenig bringt, weil ja ein grosser Bereich bereits abgedeckt ist (wenn auch in einer wenig effizienten Weise). - In solchen Fällen kann man die Verteilung abschneiden ( tail clip ), indem man z.b. 5% der kleinsten und größten Grauwerte wegnimmt. Auf die verbleibende Verteilung kann dann die besprochene Min-Max-Technik angewendet werden (5% saturation linear contrast stretch). Illustration von den 2 linearen Algorithmen zur Kontraststreckung Source: Wilkie & Finn 1996 Mod. 2 p. 11

12 Nichtlineare Kontraststreckung Unter Verwendung von nicht-linearen Streckungsfunktionen. Histogram equalization: Ziel ist die Anzahl Pixel pro Grauwert-Klasse möglichst anzugleichen, um damit den Kontrast zu maximieren. Gaussian a stretching: Prinzipiell ähnliche Grundidee dee wie zuvor, aber das Ziel ist es, die Verteilung der Grauwerte einer Normalverteilung anzupassen, die bei ±2 oder ±3 Standardabweichungen abgeschnitten ist. Illustration der beiden nicht-linearen Algorithmen Source: Wilkie & Finn 1996 Kontraststreckung Veränderungen pro Kanal raw Obs.: Bei Kontraststreckungen wird ausschließlich Information verwendet, die aus dem Bild selbst stammt - keine zusätzliche Information. min-max non-linear equalization Mod. 2 p. 12