DPZ a klasifikace obrazových dat IS MU

Vzdálený průzkum Země (DPZ) a digitální zpracování obrazových dat představují klíčové metody pro analýzu a pochopení naší planety. Tato oblast se neustále vyvíjí, a proto je důležité mít přehled o jejích nejnovějších přístupech a aplikacích. Tato práce se zaměřuje na popis a testování možností hyperspektrálních dat v městském prostředí, s důrazem na identifikaci městské zeleně a jejích změn.

Základní přehled o metodách digitálního zpracování obrazových materiálů

Cílem předmětu je poskytnout studentům základní přehled o metodách digitálního zpracování obrazových materiálů získaných metodou dálkového snímání. Ve cvičeních získají studenti praktické dovednosti z oblasti zpracování obrazu s akcentem na postupy automatické klasifikace.

Hlavní probíraná témata:

• Analogová a digitální forma obrazu
• Interpretace obrazu v analogové formě
• Interpretační znaky, rozpoznávání objektu, interpretační klíče
• Přednosti a nedostatky analogového zpracování
• Charakter digitálních obrazových dat. Rastr a jeho vlastnosti
• Specifika dat DPZ, AD převod.
• Základní druhy rozlišení dat DPZ
• Systém uložení digitálních obrazových dat. Obecné a speciální obrazové formáty
• Obrazová komprese. Podpůrná data
• Základní etapy digitálního zpracování obrazových dat
• Předzpracování obrazových dat, radiometrické a atmosférické korekce
• Geometrická transformace obrazu
• Základní způsoby zvýrazňování, práce s histogramem
• Principy automatické klasifikace obrazu. Řízená a neřízená klasifikace.
• Zjišťování časových změn.
• Netradiční přístupy ke klasifikaci.
• Specifika zpracování radarových a hyperspektrálních dat.

Na konci tohoto kurzu bude student schopen porozumět a vysvětlit podstatu základních metod zpracování obrazu vysvětlených v jednotlivých lekcích. Bude schopen vysvětlit, kdy použít jednotlivé metody a předkládat racionální odůvodnění o podmínkách využití metod multispektrální analýzy.

Metody zpracování obrazových dat

Přednášky s výkladem základních pojmů z oblasti zpracování obrazu a praktickými řešenými příklady. Zkouška formou písemného testu z odpřednášené látky.

Obsah přednášek a cvičení:

1. Základní vlastnosti digitálního obrazu - opakování A-D převod, DN hodnoty a jejich význam, histogram obrazového záznamu, multispektrální a hyperspektrální snímky, způsoby vizualizace, barevné systémy, RGB barevný systém
2. Metody předzpracování digitálního obrazu Radiometrické atmosférické korekce - podstata chyb a principy základních algoritmů, geometrická transformace obrazu - přehled běžných metod (polynomická transformace, splinové funkce, transformace po částech, ortorektifikace, mozaikování
3. Metody zvýrazňování digitálního obrazu I. Radiometrická (bodová) zvýraznění, práce s histogramem snímku, úpravy kontrastu, základní druhy zvýraznění, LUT, principy prahování a hustotních řezů
4. Metody zvýrazňování digitálního obrazu II. Prostorová zvýraznění - filtrace obrazu, princip a základní algoritmy vysoko a nízkofrekvenčních filtrů, Fourierovy transformace, texturální analýza a filtrace radarových snímků
5. Metody zvýrazňování multisespektrálního digitálního obrazu III. Vícepásmové transformace obrazu, principy tvorby barevných syntéz, transformace barevného systému, IHS x RGB, analýza hlavních komponent, obrazové podíly a spektrální (vegetační) indexy, transformace Tasseled Cap
6. Řízená klasifikace multispektrálního obrazu I. Princip spektrálních příznaků, obecný postup řízené automatické klasifikace obrazu, trénovací etapa
7. Řízená klasifikace multispektrálního obrazu II. Per-pixel klasifikátory - k. pravoúhelníku, k. minimální vzdálenosti, k. maximální pravděpodobnosti, generování spektrálních signatur, jejich statistický popis a hodnocení. Postklasifikační úpravy a hodnocení výsledků klasifikace - chybová matice, testovací množiny.
8. Neřízená klasifikace multispektrálního obrazu Spektrální a informační třídy, princip metody shlukové analýzy multispektrálního obrazu, algoritmy ISODATA a K-MEANS, agregace výsledku neřízené klasifikace, postklasifikační úpravy
9. Nové přístupy ke klasifikaci digitálního obrazu Fuzzy klasifikátory, princip klasifikace neuronovými sítěmi, texturální klasifikace, kontextuální klasifikace, SAM algoritmus
10. Principy zpracování radarových obrazových dat. Specifika radarového obrazového záznamu, základní algoritmy, filtrace a texturální analýza, příklady použití radarových snímků
11. Principy zpracování hyperspektrálních obrazových dat. Hyperspektrální kostka, smíšené a "čisté" pixely, spektrální knihovny, elementární povrchy (endmembers), klasifikace hyperspektrálních dat - unmixing

Cílem cvičení je nejprve seznámit s oblastmi využívání metod DPZ formou aktivního vyhledávání zdrojů na zadané téma. Dále se cvičení zaměřují na základy využití obrazových materiálů DPZ pro tvorbu tematických map postupy analogové interpretace leteckých snímků a automatické klasifikace multispektrálních družicových snímků programu ArcMap.

Hyperspektrální data v městském prostředí

Cílem práce je popsat a otestovat možnosti hyperspektrálních dat v městském prostředí se zvláštním zaměřením na identifikaci městské zeleně a jejích změn. Proveďte rešerši dosavadních přístupů ke zjišťování stavu městské zeleně pomocí hyperspektrálních dat. Popište dostupná zdrojová data a metody zpracování těchto dat. Na vybraném území města Brna navrhněte metodiku identifikace městské zeleně a jejich změn ve formě modelu, který bude kombinovat různé metody klasifikace, vstupní data apod.

J. Degerickx, M. Hermy and B. Somers (2017) ve své práci "Mapping functional urban green types using hyperspectral remote sensing" popisují metody pro mapování funkčních typů městské zeleně s využitím hyperspektrálního dálkového průzkumu.

Michael Alonzo a kol. (2018) ve své práci "Application of aerial hyperspectral images in monitoring tree biophysical parameters in urban areas" zkoumají aplikaci leteckých hyperspektrálních snímků pro monitorování biometrických parametrů stromů v městských oblastech.

Klasifikace v DPZ

Zkouška formou písemného testu z odpřednášené látky.

Klíčové pojmy:

• Digitální obraz I.
• Digitální obraz II.
• Množství kategorií (např.

Mezi základní používaný software v této oblasti patří EOScape, EASI/PACE, Multispec a OrthoEngine.

Literatura

• DOBROVOLNÝ, Petr. Dálkový průzkum Země. Digitální zpracování obrazu. 1. vyd. Brno: Masaryk univerzita, 1998, 208 s. ISBN 8021018127.
• LILLESAND, Thomas M.; Ralph W. KIEFER a Jonathan W. CHIPMAN. Remote sensing and image interpretation. 5th ed. Hoboken, N.J.: John Wiley & Sons, 2004, xiv, 763. ISBN 0471152277.
• CAMPBELL, James B. Introduction to remote sensing. New York: Guilford Press, 1987, xxiv, 551. ISBN 0-89862-776-1.
• Urban remote sensing. Edited by Qihao Weng - Dale A. Quattrochi. Boca Raton, Fla.: CRC Press, 2007, 412 s. ISBN 9780849391996.
• LIANG, Shunlin. Quantitative remote sensing of land surfaces. Hoboken, N.J.: John Wiley & Sons, 2004, xxvi, 534. ISBN 0415237955.
• LANDGREBE, David A. Signal theory methods in multispectral remote sensing. Hoboken, New Jersey: John Wiley & Sons, 2003, xi, 508. ISBN 0415241707.
• Environmental modelling with GIS and remote sensing. Edited by Andrew Skidmore. 1st publ. London: Taylor & Francis, 2002, xvi, 268. ISBN 0415241707.
• KONECNY, Gottfried. Geoinformation : remote sensing, photogrammetry and geographic information systems. 1st publ. London: Taylor & Francis, 2002, xiv, 248. ISBN 0415237955.
• Remote sensing change detection :environmental monitoring methods and applications. Edited by Ross S. Lunetta - Christopher D. Elvidge. London: Taylor & Francis, 1999, xviii, 318. ISBN 0-7484-0861-4.

tags: #dpz #rizena #klasifikace #is #muni