5.1 Формирование разностных изображений (теория)

В основе процесса дистанционного определения изменения, произошедших на территории лежит сравнение двух или нескольких космических снимков, полученных через некоторые интервалы времени. Сравнение может быть условно представлено как вычитание одного снимка из другого. При этом те участки территории, на которых изменений нет и, следовательно их яркость осталась прежней в результате вычитания исчезнут, а те участки, яркость которых значительно изменилась, станут еще более заметны.

В данной главе рассмотрен один из множества возможных способов создания разностных изображений, основанный на использовании простейшего подхода, который может быть легко реализован в любом программном продукте, предназначенном для обработки изображений и в котором имеются элементарные возможности программирования собственных алгоритмов обработки.

Рассмотрим рисунок 1, на котором приведена скаттерограмма снимка, состоящего из двух каналов. Первый канал получен из канала №3 (см. таблицу 2 Методики) снимка спутника Landsat 5, (сенсор TM) в 1985 г, а второй канал получен из канала №3 снимка спутника Landsat 7, (сенсор ETM+) в 2000 году. Пиксели, которые отображают участки территории не подвергнувшиеся изменениям, будут тяготеть к некоторой центральной линии проходящей приблизительно по диагонали скаттерограммы. Пиксели, соответствующие значительно измененным участкам территории и, следовательно, имеющие значительно отличающуюся яркость в каждом из каналов будут располагаться на некотором удалении от «центральной линии». Это расстояние будет тем большим, чем больше с течением времени изменился коэффициент отражения участка территории. Таким образом, расстояние d или угол O , показанные на рисунке 1,  могут являться мерой степени или вероятности изменений.

Рисунок 1. Скаттерограмма разностного изображения. Пояснения в тексте.

На основании уравнения прямой и расстояния от точки до прямой, принимая во внимание, что мы вычисляем некоторое «условное» расстояние и, следовательно, нормированием уравнения можно пренебречь, получим следующую формулу:

d = S1*DN2 - S2*DN1

где DN1 и DN2 – значения пикселей в соответствующих спектральных каналах, а S1и S2- средние арифметические значений DN.

Применив формулу (1), мы получим изображение, каждый пиксел которого будет содержать число d, пропорциональное расстоянию d. Величина d может принимать значения как большие, так и меньшие нуля. Для точек, располагающихся ниже прямой d<0, а для точек находящихся выше прямой d>0. Если считать, что Снимок №1 получен раньше Снимка №2, то d<0 будет означать, что коэффициент спектрального отражения с течением времени уменьшился (т.е. объект «потемнел»), а d>0 показывает, что коэффициент отражения увеличился. Такое поведение величины  d может быть использовано для дополнительного отбора изменений. Например развитие подтоплений связано в уменьшением коэффициента отражения и, следовательно, значения d для вновь подтопленных участков будут отрицательными.

Результат создания разностных снимков данным методом приведен на рисунке 2. На рис. 2А показано разностное изображение для d'>0, а на рис 2Б для d'<0. Чем более темным является пиксел, тем больше изменения спектрального коэффициента отражения и тем выше вероятность того, что на данном участке произошли изменения. В нижней левой части рисунков хорошо заметно изображение карьера, автомобильной дороги, идущей к нему, промышленной площадки и небольших карьеров, из которых был взят песок для строительства дороги. Стрелками показаны подтопленные участки территории, которые на более раннем снимке являлись заболоченными лугами на окраине болота и в пойме реки. Как было установлено при проведении полевых обследований, это подтопление носило естественный характер: незадолго до получения более позднего снимка прошли обильные дожди, что привело к поднятию уровня рек и грунтовых вод. Сравнивая рис 2А и 2Б можно видеть, что возможность отбора по характеру направления изменения коэффициента отражения приводит к значительному улучшению читаемости изображений.

  Рисунок 2. Разностное изображение.

1. Как на разностном изображении выглядят участки новой дороги?

Темная линия.

2. Как на разностном изображении выглядят новые карьеры?

Темные пятна неправильной формы недалеко от дороги, соединенные с ней темными тонкими линиями – подъездными путями.

3. Как на разностном изображении выглядят облака и их тени?

Облака – темные пятна неправильной формы, полупрозрачные. Тени – светлые пятна, расположенные к северу от облаков, повторяющие их форму.

4. Как изменяется спектральный коэффициент отражения в случае появления с течением времени объектов перечисленных выше? Каков знак величины d' для данных объектов?

Объект	Изменение коэффициента отражения	Изменение величины d'
Новая дорога	Увеличение	Меньше 0
Карьер	Увеличение	Меньше 0
Облака	Увеличение	Меньше 0
Тени от облаков	Уменьшение	Больше 0

Задание 2.3 Создание разностного изображения для двух псевдопанхроматических снимков

Цель: научиться создавать разностные изображения для двух псевдопанхроматических снимков.

Пункты методики: 3.3, Приложение 5.1 Методики.

Для выполнения этого задания воспользуемся псевдопанхроматическими снимками, которые мы создали при выполнении Задания 1.5. Запустим ENVI и выполним следующие действия:

1. Откроем снимки Участок2-Снимок3_панхром и Участок2_Снимок2_панхром, которые находятся в каталоге С:\Демонстрация\Задания

2. При помощи команды меню Basic Tools>Statistics>Compute Statistics определим среднее значение DN для каждого из снимков. Запишем их для будущего использования. Назовем эти величины S3 - для Участок2-Снимок3_панхром и S2 для Участок2-Снимок2_панхром

3. Выполним команду Basic Tools>Band Math и откроем диалог Band Math. В диалоге введем выражение b2*S3-b1*S2. В этом выражении вместо S2 и S3 необходимо подставить их значения. Далее, сопоставим b2 снимок Участок2-Снимок2_панхром а b1 - Участок2-Снимок3_панхром.

4. Нажмем ОК и просмотрим полученное изображение в серой палитре.

5. Сохраним изображение в формате TIFF c именем C:\Демонстрация\Задания\Участок2_Разностной_панхром.tif, при помощи команды Functions>Output Display>Image File.

Дайте ответ на вопрос: Сравните величины d' для одноименных объектов на разностных изображениях полученных в данном задании и предыдущем задании. Просмотрите внимательно разностные изображения. Как вы думаете, в чем разница между ними?

Сравните величины d' для одноименных объектов на разностных изображениях полученных в данном задании и предыдущем задании. Просмотрите внимательно разностные изображения. Как вы думаете, в чем разница между ними?

Величины хоть и отличаются по значению, но знак их один и тот же для одноименных объектов. В целом, оба изображения обладают большим визуальным сходством.

Задание 2.4 Добавление разностных изображений в проект ArcExplorer

Цель: научиться добавлять разностные изображения в цифровую карту динамики, уяснение различий между обычными и псевдопанхроматическими разностными изображениями.

Запустим ArcExplorer и выполним следующим действия: 1. Отключим все имеющиеся в проекте растровые изображения. 2. При помощи команды меню Тема>Добавить тему… добавим в проект созданные разностные изображения: Участок2_Разностной_панхром, Участок2_Разностной. 3. Увеличим левую верхнюю (северо-западную) часть Участка №2 до масштаба 1:5000 и, при помощи дешифровочного атласа, найдем участок новой дороги проходящий по болоту. 4. Просматривая попеременно каждое разностное изображение попробуем установить существенные отличия. 5. Увеличим правую среднюю (среднюю восточню) часть Участка №2 до масштаба 1:25000. Темные пятна, находящиеся в центре увеличенного участка представляют собой вырубки. 6. Просматривая попеременно каждое разностное изображение попробуем установить существенные отличия. Для установления отличий, возможно, придется еще более увеличить изображение.

Дайте ответ на вопрос: 1. На основании выполненных вами наблюдений, уточните свой ответ на предыдущий вопрос: В чем разница между псевдопанхроматическим и обычным разностными изображениями?

На основании выполненных вами наблюдений, уточните свой ответ на предыдущий вопрос: В чем разница между псевдопанхроматическим и обычным разностными изображениями?

В целом значительной разницы нет, однако на псевдопанхроматическом разностном изображении видны более некоторые детали, которых нет на обычном изображении. Кроме того, участки территории, на которых произошли изменения, обладают большей контрастностью на псевдопанхроматическом разностном изображении.

Задание 2.5 Визуализация разностных изображений

Цель: научиться визуализировать разностные изображения

Пункты методики: 3.3.10.

Запустим ENVI и выполним следующие действия:

1. Откроем снимки С:\Демонстрация\Задания\Участок2_разностной_панхром и С:\Демонстрация\Задания\Участок2_Снимок3_панхром

2. В диалоге Available Bands List создадим RGB изображение состоящее из следующих спектральных каналов:

   • R - Снимок Участок2_Снимок3_панхром

   • В, G - Снимок Участок2_разностной_панхром

   • Просмотрим получившееся изображение.

3. Сохраним изображение как C:\Демонстрация\Задания\Участок2_разностной_визуализация.tif

Дайте ответы на вопросы:

1. Каким цветом отображаются участки территории на которых коэффициент отражения с течением времени увеличился?

2. Все ли участки, подвергнувшиеся изменениям будут отображаться красным цветом?

Каким цветом отображаются участки территории на которых коэффициент отражения с течением времени увеличился?

Красным.

Все ли участки, подвергнувшиеся изменениям будут отображаться красным цветом?

Нет, только те, чей коэффициент отражения увеличился. Если коэффициент отражения уменьшился то участок будет иметь голубоватый цвет.

Задание 2.6 Улучшение изображения при помощи адаптивной фильтрации

Цель: научиться применять адаптивную фильтрацию для удаления шумовой информации

Пункты методики: 3.3.12

Запустим ENVI и выполним следующие действия:

1. Откроем снимки С:\Демонстрация\Задания\Участок2_разностной_панхром и С:\Демонстрация\Задания\Участок2_разностной

2. При помощи команды Filters>Adaptive>Frost вызовем диалог фильтрации и применим фильтр Фроста к каждому из снимков. Параметры фильтра "Filter Size" - 3 на 3, "Dumping Factor" - 0.5.

3. Сохраним полученные изображения в формате TIFF с названиями: С:\Демонстрация\Задания\Участок2_разностной_панхром_фильтр и С:\Демонстрация\Задания\Участок2_разностной_фильтр

4. Запустим ArcExplorer и откройте в нем исходные снимки и снимки к которым был применен фильтр:

   • С:\Демонстрация\Задания\Участок2_разностной_панхром

   • С:\Демонстрация\Задания\Участок2_разностной

   • С:\Демонстрация\Задания\Участок2_разностной_панхром_фильтр

   • С:\Демонстрация\Задания\Участок2_разностной_фильтр

Сравним исходные снимки и снимки, полученные после фильтрации.

Дайте ответ на вопрос: В чем основное отличие исходного снимка, и снимка, полученного после фильтрации?

В чем основное отличие исходного снимка, и снимка, полученного после фильтрации?

На снимке, полученном после фильтрации отсутствуют мелкие контрастные детали, "зашумляющие" изображение. Однако крупные детали сохранены и их четкость возросла.