SlideShare una empresa de Scribd logo
1 de 47
Základy geoinformatiky|Jiří Šmída




Základy geoinformatiky

Téma 4: Dálkový průzkum Země - pokračování




                Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
Obsah přednášky
1.        Digitální zpracování materiálů DPZ
     1.    Základní postupy
     2.    Předzpracování obrazu
     3.    Zvýraznění obrazu
     4.    Klasifikace obrazu




2
                     Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
Přednáška na Slideshare.net/jirsm/




3
             Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
Digitální zpracování materiálů DPZ

                      Základní postupy
Analogová a digitální data

     dva základní formáty dat DPZ:
         analogová data – letecká fotografie
         digitální data – matice čísel
     zpracování analogových dat (fotografií) je
      rozvíjeno od počátku fotografie
     zpracování digitálních dat rozvíjeno od 70. let
      20. st. (2 souvislosti: LANDSAT, výpočetní
      technika)



                                                5
Topografická a tematická informace

      každý obrazový záznam obsahuje informaci
       dvojího druhu:

   1. inf. o topografických (geometrických)
       vlastnostech objektů
            např. velikost, vzájemná vzdálenost objektů,
             vzájemná poloha objektů
            fotogrammetrie (zabývá se topografickou
             informací a měřičskými vlastnostmi materiálů
             leteckého DPZ)

                                               6
Topografická a tematická informace

  2.   inf. tematická
          druh povrchů, kvalita povrchů (např. míra
           poškození)
          fotointerpretace (metody využívající
           interpretačních znaků (vzhled a vlastnosti
           předmětů a jevů na snímcích jako je jejich tvar,
           tón, barva, stín, velikost, textura, struktura a
           poloha a příčinné vztahy) k rozpoznání druhů
           povrchů) – letecká fotografie
Etapy digitálního zpracování obrazu DPZ

  1.   Předzpracování obrazu
  2.   Zvýraznění obrazu
  3.   Extrahování informace
  4.   Studium dynamiky jevů
  5.   Modelování s obrazivými daty
  6.   Integrace obrazových dat a jejich vstup do GIS




                                            8
Etapy digitálního zpracování obrazu
DPZ

  1.       Předzpracování obrazu
            slouží ke korekci radiometrických, atmosférických a
             geometrických zkreslení a šumu, které vznikají v průběhu
             vytváření obrazu
  2.       Zvýraznění obrazu
  3.       Extrahování informace
  4.       Studium dynamiky jevů
  5.       Modelování s obrazivými daty
  6.       Integrace obrazových dat a jejich vstup do GIS



                                                     9
Etapy digitálního zpracování obrazu
DPZ

  1.       Předzpracování obrazu
  2.       Zvýraznění obrazu
            výraznější odlišení jednotlivých objektů v obraze
            cílem je pomocí různých technik efektivněji znázornit obraz
             pro další vizuální či automatické zpracování
            na snímku se provádí filtrace, zvýraznění hran, mění se
             kontrast
  3.       Extrahování informace
  4.       Studium dynamiky jevů
  5.       Modelování s obrazivými daty
  6.       Integrace obrazových dat a jejich vstup do GIS

                                                      10
Etapy digitálního zpracování obrazu DPZ

  1.       Předzpracování obrazu
  2.       Zvýraznění obrazu
  3.       Extrahování informace
            tzv. klasifikace obrazu
            vizuální klasifikaci nahrazujeme automatizovanou
            cílem je identifikace jednotlivých povrchů či objektů
            použití různých rozhodovacích pravidel
            výsledkem je přiřazení konkrétního tematického obsahu
             každému prvku obrazu
  4.       Studium dynamiky jevů
  5.       Modelování s obrazivými daty
  6.       Integrace obrazových dat a jejich vstup do GIS
                                                    11
Etapy digitálního zpracování obrazu
DPZ

  1.       Předzpracování obrazu
  2.       Zvýraznění obrazu
  3.       Extrahování informace
  4.       Studium dynamiky jevů
            využití opakovaně snímaných obrazů ke studiu časových
             změn
            monitorování synoptických procesů v meteorologii
            detekce změn ve využívání krajiny
  5.       Modelování s obrazivými daty
  6.       Integrace obrazových dat a jejich vstup do GIS


                                                    12
Etapy digitálního zpracování obrazu
DPZ

  1.       Předzpracování obrazu
  2.       Zvýraznění obrazu
  3.       Extrahování informace
  4.       Studium dynamiky jevů
  5.       Modelování s obrazivými daty
            cílem je odvodit kvantitativní vztahy mezi daty získaných
             metodami DPZ a daty získanými pozemním měřením (např.
             fyzikálních vlastností) k modelování a predikci chování např.
             životního prostředí v závislosti na změnách podmínek
            zapojení metod a technik GIS
  6.       Integrace obrazových dat a jejich vstup do GIS

                                                       13
Etapy digitálního zpracování obrazu
DPZ

  1.       Předzpracování obrazu
  2.       Zvýraznění obrazu
  3.       Extrahování informace
  4.       Studium dynamiky jevů
  5.       Modelování s obrazivými daty
  6.       Integrace obrazových dat a jejich vstup do GIS
            cílem je vytvářet kombinace různých rastrových dat
             (získaných např. z různých senzorů) nebo kombinací s
             vektorovými daty
            vstup DPZ dat do GIS umožňuje aplikovat další analytické
             metody

                                                     14
Etapy digitálního zpracování obrazu
DPZ

  1.   Předzpracování obrazu
  2.   Zvýraznění obrazu
  3.   Extrahování informace
  4.   Studium dynamiky jevů
  5.   Modelování s obrazivými daty
  6.   Integrace obrazových dat a jejich vstup do GIS




                                            15
2. Předzpracování obrazových záznamů DPZ


Pojmy:
zdroje chyb
chyby systematické a náhodné
šum (noise)
geometrické korekce
radiometrické korekce




                               16
Zdroje a typy chyb

         na vznikající obrazový záznam působí řada vlivů,
          které mění (snižují) jeho kvalitu
         původ:
           technické nedokonalosti snímacího zařízení
           atmosféra
           samotná podstata distančního měření


         rozlišujeme:
           chyby systematické (opakovatelné, např. zakřivení Země,
            rotace Země, mohou být dobře modelovány, korekce na
            stanici)
           chyby náhodné (kolísání parametrů dráhy nosiče, výpadky
            v činnosti detektorů, vliv atmosféry – tzv. šum (noise)
                                                    17
Cíl 1. fáze = korekce

      cílem předzpracování obrazu je úprava jeho
       geometrických a radiometrických znaků

      radiometrické korekce – úprava DN hodnot
       jednotlivých pixelů; součástí těchto korekcí jsou tzv.
       atmosférické korekce (cílem je minimalizovat vlivy
       atmosféry)
      geometrické korekce – transformace souřadné
       soustavy obrazového záznamu nebo velikosti
       obrazového prvku


                                              18
Radiometrické korekce

     CÍL: upravit DN hodnoty obrazového záznamu
      tak, aby co nejvíce odpovídaly skutečnosti
      (skutečným odrazovým či zářivým vlastnostem
      objektů)

     jedno z řešení: přesná kalibrace měřících zařízení
      (např. periodickým snímáním referenčních ploch o
      známých charakteristikách)

     informace o kalibraci senzorů má každý obrazový
      záznam uvedeny v tzv. hlavičce (header)

                                           19
Radiometrické korekce

         typy chyb:
           kompenzace sezónních rozdílů (jsou
            dány rozdílnou výškou Slunce v
            závislosti na roční době)
           náhodné chyby – např. radiometricky
            nepřesný nebo zcela chybějící řádek
            obrazového záznamu
           atmosférické chyby – pohlcování a
            rozptyl


         radiometrické korekce se provádějí
          ještě před geometrickými (zcela
          nezbytně v případě náhodných
          chyb)                                   20
Geometrické korekce

     CÍL: odstranit nežádoucí chyby obrazového
      záznamu tak, aby získal požadovaný souřadný
      systém nebo kartografické zobrazení a bylo ho
      možné použít jako mapu (např. k měření ploch a
      vzdáleností)

     negativní jevy: kolísání výšky a rychlosti pohybu,
      zakřivení Země, atmosférické refrakce, zdánlivé
      změny v poloze objektů v důsledku změny
      nadmořské výšky
     vzájemná poloha objektů v obraze DPZ neodpovídá
      jejich poloze ve skutečnosti  nelze ho použít jako
      mapu                                  21
Funkce/účel geometrických korekcí

     transformace obrazových dat do určité mapové
      projekce
     propojení obrazových dat s prostorovou vektorovou
      databází v GIS
     porovnání dvou a více obrazů stejného území
     tvorba ortofotomap
     vytváření mozaiky z několika obrazových záznamů




                                          22
Základní pojmy

     kartografická projekce – systém vztahů, kterými je
      část sféroidu transformována do roviny
     souřadný systém – systém použitý každou
      kartograf. projekcí k vyjádření polohy objektů
     rektifikace – obecně proces transformace polohy
      všech obrazových prvků (pixelů) z jednoho
      souřadného do jiného souřadného systému
     převzorkování (resampling) – proces transformace
      DN hodnot každého obrazového prvku z původní
      souřadné soustavy do nové


                                         23
Základní pojmy
    georeferencování – alespoň pro jeden bod
     obrazového záznamu dodáme informaci o absolutní
     poloze; neměníme DN hodnoty pixelů (data nejsou
     převzorkovaná)
   georeferencovaná data
    geokódování – takový případ rektifikace, během
     které jsou data transformována do určité
     kartografické projekce
    je založeno na sběru identických (vlícovacích)
     bodů a polynomické transformaci
   geokódovaná data – poloha každého pixelu je
     vyjádřena v systému mapových souřadnic; tato data
     lze kombinovat s vektorovými daty ve stejné
     kartografické projekci               24
25
Základní pojmy

    ortorektifikace – proces odstranění dalších
     nepřesností daných proměnlivou nadmořskou
     výškou záznamu
    je zapotřebí DTM (digitální model reliéfu)
   ortofotomapy a družicové mapy




                                        26
Postup rektifikace obrazu

      Rektifikace obrazu založená na polynomické
       transformaci a technice identických bodů
  1.   sběr identických bodů
  2.   volba stupně transformace
  3.   výpočet a testování transformačních rovnic
  4.   převzorkování obrazu
  5.   rektifikace obrazu




                                          27
Rektifikace:
1. sběr identických bodů

         identické (vlícovací) body
          = body, jejichž polohu lze přesně
          určit jak v obraze, který bude
          transformován, tak na mapě či jiném obraze, který
          má požadovanou projekci nebo souřadný systém
         pro každý bod známe:
           souřadnice zdrojové (sloupec/řádek v x,y souřadnici)
           souřadnice referenční (vzorové/cílové, např. v metrech
            nebo zeměpisných souřadnicích)
         body musí být rovnoměrně rozmístěny
         ideální průsečíky liniových umělých prvků (např.
          komunikace)
                                                    28
Rektifikace:
2. volba stupně transformace


          vztah mezi souřadnicemi zdrojovými a cílovými je
           vyjádřen formou polynomu n-tého stupně
            posunutí, otočení, 2 body
            + zkosení (3 páry)
            nejkomplikovanější (4)




          rozhoduje o počtu potřebných vlícovacích bodů
                                               29
Rektifikace:
3. transformační rovnice


      definují vztah mezi polohou každého identického
       bodu v obraze a v požadovaném systému




                                           30
Rektifikace:
4. převzorkování (resampling)


          každému obrazovému prvku
           výsledného obrazu je přiřazena
           nová DN hodnota vypočtená z
           obrazu původního
          několik základních algoritmů/metod
            metoda nejbližšího souseda (nearest
             neighbour): pixelu je přisouzena
             hodnota nejbližšího původního pixelu;
             nejméně přesné, ale zachovává
             původní hodnoty pixelů
            bilineární interpolace (bilinear
             interpolation): nová hodnota je váženým
             průměrem čtyř nejbližších pixelů
             původního obrazu
                                                       31
Rektifikace:
5. vlastní rektifikace


      stanovení velikost výsledného obrazu (počat řádků a
       sloupců)
      je vypočtena nová DN hodnota pro každý pixel




                                           32
Pojmy:    3. Zvýrazňování obrazových záznamů DPZ
zvýraznění radiometrická
zvýraznění prostorová
zvýraznění spektrální
textura
barevná syntéza




                                 33
Cíle

      CÍL: zvýšit množství informací, které mohou být ze
       snímku získány, a to nejen vizuální interpretací

      velký počet technik sloužící k úpravě vzhledu snímku
       a k usnadnění interpretace (vizuální, automatické)

      lidské oko špatně rozlišuje malé rozdíly v
       radiometrickém a spektrálním chování objektů a jevů
        využití počítačů



                                            34
Zvýrazňovací techniky

      zvýraznění:
  1.   radiometrická (bodová)
  2.   prostorová
  3.   spektrální




                                35
Radiometrická zvýraznění

        měníme hodnotu DN každého jednotlivého pixelu
         (bodové zvýraznění – pracujeme s hodnotami pixelu
         nezávisle na hodnotách jiných pixelů)
        pracujeme se
         s histogramem
         obrazu
        odstíny šedi
        postupy:
      prahování
      hustotnířezy
      zvýraznění kontrastu


                                            36
Prostorová zvýraznění

         tzv. filtrace obrazu
         novou hodnotu DN určujeme v závislosti na
          hodnotách určitého počtu prvků okolních
         filtraci používáme pro:
           zhlazování snímku
           zvýrazňování a detekci hran
         zvýraznění textury (=významný interpretační znak,
          kvalitativní parametr)
         = plošná proměnlivost tónu uvnitř obrazu



                                              37
Spektrální zvýraznění

     vícepásmové manipulace
     digitální obrazová data jsou pořizována většinou jako
      multispektrální (v několika intervalech vlnových
      délek)
     barevná syntéza - skládáním (většinou) tří pásem
       barevný obraz
     fce: usnadnění vizuální interpretace a vstup do
      dalších analýz




                                           38
4. Klasifikace obrazových záznamů DPZ

Pojmy:
informační třídy
klasifikační schéma




                                   39
Východiska

     každému obrazovému prvku je přiřazen určitý
      tematický obsah
     vytváříme informační třídy – ty jsou definovány na
      počátku klasifikace v klasifikačním schématu
      (legenda)




                                            40
Klasifikátory

          rozhodovací pravidla (klasifikátory) jsou většinou
           založena na:
             studiu spektrálního chování objektů
             geometrických a prostorových vlastnostech objektů (tvar,
              velikost, struktura, textura, vzájemná poloha atd.)
          podle klasifikátorů lze všechny prvky roztřídit do
           určité třídy




                                                       41
K samostudiu

    Dálkový průzkum Země v mikrovlnné části
     spektra
        pasivní a aktivní metody DPZ
        RADAR
        zobrazující a nezobrazující radar
        mikrovlnný spektrometr
        Dopplerův efekt
        interferometr
        altimetr
        skaterometr

    42
                          Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
Oběžná dráha nosiče

        základní vlastnost ovlivňující další parametry systému
        oběžná dráha družice = eliptická dráha
        rozdíly: výška, poloha dráhy k rovině rovníku

         1.   rovníkové dráhy
         2.   šikmé dráhy
         3.   subpolární dráhy




43
Družicové systémy

     dle výzkumného zaměření
         družice meteorologické
          METEOSAT, GOES, NIMBUS, NOAA
         družice pro výzkum přírodních zdrojů
          LANDSAT, SPOT, IRS


     meteorologické družice
         na polárních drahách (NOAA)
         geostacionární (METEOSAT)




                                                 44
   dostudujte samostatně dle dostupné literatury


           Další vybrané aplikace DPZ




      45
K samostudiu

    Rapant, P. 2005. Geoinformační technologie.
     Vysokoškolská skripta. VŠB - TU, Ostrava.
    Dobrovolný, P. 1998. Dálkový průzkum Země.
     Digitální zpracování obrazu. Brno. ISBN 1-879102-
     06-4




    46
                     Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
děkuji za pozornost




          jiri.smida@tul.cz


47
       Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci

Más contenido relacionado

Más de Jiří Šmída

Beranova, Kysely: Links between the NAO Index and temperatures in Europe in c...
Beranova, Kysely: Links between the NAO Index and temperatures in Europe in c...Beranova, Kysely: Links between the NAO Index and temperatures in Europe in c...
Beranova, Kysely: Links between the NAO Index and temperatures in Europe in c...Jiří Šmída
 
Martin Roth: A spatial peaks-over-threshold model in a nonstationary climate
Martin Roth: A spatial peaks-over-threshold model in a nonstationary climateMartin Roth: A spatial peaks-over-threshold model in a nonstationary climate
Martin Roth: A spatial peaks-over-threshold model in a nonstationary climateJiří Šmída
 
Eva Plavcová, Jan Kyselý, Petr Štěpánek: Links between circulation indices/ty...
Eva Plavcová, Jan Kyselý, Petr Štěpánek: Links between circulation indices/ty...Eva Plavcová, Jan Kyselý, Petr Štěpánek: Links between circulation indices/ty...
Eva Plavcová, Jan Kyselý, Petr Štěpánek: Links between circulation indices/ty...Jiří Šmída
 
Jan Picek, Martin Schindler, Jan Kyselý, Romana Beranová: Statistical aspects...
Jan Picek, Martin Schindler, Jan Kyselý, Romana Beranová: Statistical aspects...Jan Picek, Martin Schindler, Jan Kyselý, Romana Beranová: Statistical aspects...
Jan Picek, Martin Schindler, Jan Kyselý, Romana Beranová: Statistical aspects...Jiří Šmída
 
Jozef Pecho: POT and block-maxima analysis of precipitation extremes at selec...
Jozef Pecho: POT and block-maxima analysis of precipitation extremes at selec...Jozef Pecho: POT and block-maxima analysis of precipitation extremes at selec...
Jozef Pecho: POT and block-maxima analysis of precipitation extremes at selec...Jiří Šmída
 
J. Ignacio López-Moreno: Effects of NAO on combined temperature and precipita...
J. Ignacio López-Moreno: Effects of NAO on combined temperature and precipita...J. Ignacio López-Moreno: Effects of NAO on combined temperature and precipita...
J. Ignacio López-Moreno: Effects of NAO on combined temperature and precipita...Jiří Šmída
 
Jan Kyselý, Jan Picek, Romana Beranová: Estimating extremes in climate model ...
Jan Kyselý, Jan Picek, Romana Beranová: Estimating extremes in climate model ...Jan Kyselý, Jan Picek, Romana Beranová: Estimating extremes in climate model ...
Jan Kyselý, Jan Picek, Romana Beranová: Estimating extremes in climate model ...Jiří Šmída
 
Martin Hanel, Adri Buishand: Assessment of projected changes in seasonal prec...
Martin Hanel, Adri Buishand: Assessment of projected changes in seasonal prec...Martin Hanel, Adri Buishand: Assessment of projected changes in seasonal prec...
Martin Hanel, Adri Buishand: Assessment of projected changes in seasonal prec...Jiří Šmída
 
Santiágo Beguería: Covariate-dependent modeling of extreme events by non-stat...
Santiágo Beguería: Covariate-dependent modeling of extreme events by non-stat...Santiágo Beguería: Covariate-dependent modeling of extreme events by non-stat...
Santiágo Beguería: Covariate-dependent modeling of extreme events by non-stat...Jiří Šmída
 
Jules Beersma: Advanced delta change method for time series transformation
Jules Beersma: Advanced delta change method for time series transformationJules Beersma: Advanced delta change method for time series transformation
Jules Beersma: Advanced delta change method for time series transformationJiří Šmída
 
Liberec pod lupou - sborník zpráv o řešení projektů
Liberec pod lupou - sborník zpráv o řešení projektůLiberec pod lupou - sborník zpráv o řešení projektů
Liberec pod lupou - sborník zpráv o řešení projektůJiří Šmída
 
Dny GIS Liberec 2011 - program
Dny GIS Liberec 2011 - programDny GIS Liberec 2011 - program
Dny GIS Liberec 2011 - programJiří Šmída
 
Staré mapy Liberecka a Jizerských hor
Staré mapy Liberecka a Jizerských horStaré mapy Liberecka a Jizerských hor
Staré mapy Liberecka a Jizerských horJiří Šmída
 
2 dpz uvod_fyzikalni_metody_2011
2 dpz uvod_fyzikalni_metody_20112 dpz uvod_fyzikalni_metody_2011
2 dpz uvod_fyzikalni_metody_2011Jiří Šmída
 

Más de Jiří Šmída (20)

Beranova, Kysely: Links between the NAO Index and temperatures in Europe in c...
Beranova, Kysely: Links between the NAO Index and temperatures in Europe in c...Beranova, Kysely: Links between the NAO Index and temperatures in Europe in c...
Beranova, Kysely: Links between the NAO Index and temperatures in Europe in c...
 
Workshop programme
Workshop programmeWorkshop programme
Workshop programme
 
Martin Roth: A spatial peaks-over-threshold model in a nonstationary climate
Martin Roth: A spatial peaks-over-threshold model in a nonstationary climateMartin Roth: A spatial peaks-over-threshold model in a nonstationary climate
Martin Roth: A spatial peaks-over-threshold model in a nonstationary climate
 
Eva Plavcová, Jan Kyselý, Petr Štěpánek: Links between circulation indices/ty...
Eva Plavcová, Jan Kyselý, Petr Štěpánek: Links between circulation indices/ty...Eva Plavcová, Jan Kyselý, Petr Štěpánek: Links between circulation indices/ty...
Eva Plavcová, Jan Kyselý, Petr Štěpánek: Links between circulation indices/ty...
 
Jan Picek, Martin Schindler, Jan Kyselý, Romana Beranová: Statistical aspects...
Jan Picek, Martin Schindler, Jan Kyselý, Romana Beranová: Statistical aspects...Jan Picek, Martin Schindler, Jan Kyselý, Romana Beranová: Statistical aspects...
Jan Picek, Martin Schindler, Jan Kyselý, Romana Beranová: Statistical aspects...
 
Jozef Pecho: POT and block-maxima analysis of precipitation extremes at selec...
Jozef Pecho: POT and block-maxima analysis of precipitation extremes at selec...Jozef Pecho: POT and block-maxima analysis of precipitation extremes at selec...
Jozef Pecho: POT and block-maxima analysis of precipitation extremes at selec...
 
J. Ignacio López-Moreno: Effects of NAO on combined temperature and precipita...
J. Ignacio López-Moreno: Effects of NAO on combined temperature and precipita...J. Ignacio López-Moreno: Effects of NAO on combined temperature and precipita...
J. Ignacio López-Moreno: Effects of NAO on combined temperature and precipita...
 
Jan Kyselý, Jan Picek, Romana Beranová: Estimating extremes in climate model ...
Jan Kyselý, Jan Picek, Romana Beranová: Estimating extremes in climate model ...Jan Kyselý, Jan Picek, Romana Beranová: Estimating extremes in climate model ...
Jan Kyselý, Jan Picek, Romana Beranová: Estimating extremes in climate model ...
 
Introduction
IntroductionIntroduction
Introduction
 
Martin Hanel, Adri Buishand: Assessment of projected changes in seasonal prec...
Martin Hanel, Adri Buishand: Assessment of projected changes in seasonal prec...Martin Hanel, Adri Buishand: Assessment of projected changes in seasonal prec...
Martin Hanel, Adri Buishand: Assessment of projected changes in seasonal prec...
 
End
EndEnd
End
 
Santiágo Beguería: Covariate-dependent modeling of extreme events by non-stat...
Santiágo Beguería: Covariate-dependent modeling of extreme events by non-stat...Santiágo Beguería: Covariate-dependent modeling of extreme events by non-stat...
Santiágo Beguería: Covariate-dependent modeling of extreme events by non-stat...
 
Jules Beersma: Advanced delta change method for time series transformation
Jules Beersma: Advanced delta change method for time series transformationJules Beersma: Advanced delta change method for time series transformation
Jules Beersma: Advanced delta change method for time series transformation
 
Gis 3 databaze_2012
Gis 3 databaze_2012Gis 3 databaze_2012
Gis 3 databaze_2012
 
Gis 3 databaze_2012
Gis 3 databaze_2012Gis 3 databaze_2012
Gis 3 databaze_2012
 
Liberec pod lupou - sborník zpráv o řešení projektů
Liberec pod lupou - sborník zpráv o řešení projektůLiberec pod lupou - sborník zpráv o řešení projektů
Liberec pod lupou - sborník zpráv o řešení projektů
 
Dny GIS Liberec 2011 - program
Dny GIS Liberec 2011 - programDny GIS Liberec 2011 - program
Dny GIS Liberec 2011 - program
 
Staré mapy Liberecka a Jizerských hor
Staré mapy Liberecka a Jizerských horStaré mapy Liberecka a Jizerských hor
Staré mapy Liberecka a Jizerských hor
 
4 gnss 2011
4 gnss 20114 gnss 2011
4 gnss 2011
 
2 dpz uvod_fyzikalni_metody_2011
2 dpz uvod_fyzikalni_metody_20112 dpz uvod_fyzikalni_metody_2011
2 dpz uvod_fyzikalni_metody_2011
 

Último

SEO Restart 2024: Martin Žatkovič - Můžeme jakožto SEO konzultanti uspět v Go...
SEO Restart 2024: Martin Žatkovič - Můžeme jakožto SEO konzultanti uspět v Go...SEO Restart 2024: Martin Žatkovič - Můžeme jakožto SEO konzultanti uspět v Go...
SEO Restart 2024: Martin Žatkovič - Můžeme jakožto SEO konzultanti uspět v Go...Taste
 
SEO Restart 2024: Martin Michálek - Nová metrika rychlosti INP a praktické ti...
SEO Restart 2024: Martin Michálek - Nová metrika rychlosti INP a praktické ti...SEO Restart 2024: Martin Michálek - Nová metrika rychlosti INP a praktické ti...
SEO Restart 2024: Martin Michálek - Nová metrika rychlosti INP a praktické ti...Taste
 
SEO Restart 2024: Vojtěch Fiala - Linkbuilding vs. (digitální) PR: Od odkazů ...
SEO Restart 2024: Vojtěch Fiala - Linkbuilding vs. (digitální) PR: Od odkazů ...SEO Restart 2024: Vojtěch Fiala - Linkbuilding vs. (digitální) PR: Od odkazů ...
SEO Restart 2024: Vojtěch Fiala - Linkbuilding vs. (digitální) PR: Od odkazů ...Taste
 
SEO Restart 2024: Tomáš Zahálka - Tajné SEO tipy pro Shoptet
SEO Restart 2024: Tomáš Zahálka - Tajné SEO tipy pro ShoptetSEO Restart 2024: Tomáš Zahálka - Tajné SEO tipy pro Shoptet
SEO Restart 2024: Tomáš Zahálka - Tajné SEO tipy pro ShoptetTaste
 
SEO Restart 2024: Richard Klačko - Klíčovka s AI pohonem
SEO Restart 2024: Richard Klačko - Klíčovka s AI pohonemSEO Restart 2024: Richard Klačko - Klíčovka s AI pohonem
SEO Restart 2024: Richard Klačko - Klíčovka s AI pohonemTaste
 
SEO Restart 2024: Sarah Presch - Kognitivní předsudky - jak psychologické teo...
SEO Restart 2024: Sarah Presch - Kognitivní předsudky - jak psychologické teo...SEO Restart 2024: Sarah Presch - Kognitivní předsudky - jak psychologické teo...
SEO Restart 2024: Sarah Presch - Kognitivní předsudky - jak psychologické teo...Taste
 
SEO Restart 2024: Jan Tichý - Na počátku bylo...
SEO Restart 2024: Jan Tichý - Na počátku bylo...SEO Restart 2024: Jan Tichý - Na počátku bylo...
SEO Restart 2024: Jan Tichý - Na počátku bylo...Taste
 
SEO Restart 2024: Roman Teuschel - Mezinárodní SEO v kontextu expanze
SEO Restart 2024: Roman Teuschel - Mezinárodní SEO v kontextu expanzeSEO Restart 2024: Roman Teuschel - Mezinárodní SEO v kontextu expanze
SEO Restart 2024: Roman Teuschel - Mezinárodní SEO v kontextu expanzeTaste
 
SEO Restart 2024: Martin Kopta a Jakub Goldmann - Jak se dnes navrhují weby a...
SEO Restart 2024: Martin Kopta a Jakub Goldmann - Jak se dnes navrhují weby a...SEO Restart 2024: Martin Kopta a Jakub Goldmann - Jak se dnes navrhují weby a...
SEO Restart 2024: Martin Kopta a Jakub Goldmann - Jak se dnes navrhují weby a...Taste
 
SEO Restart 2024: Martina Zrzavá Libřická - SEO & DEV: Jak na vývojáře od poc...
SEO Restart 2024: Martina Zrzavá Libřická - SEO & DEV: Jak na vývojáře od poc...SEO Restart 2024: Martina Zrzavá Libřická - SEO & DEV: Jak na vývojáře od poc...
SEO Restart 2024: Martina Zrzavá Libřická - SEO & DEV: Jak na vývojáře od poc...Taste
 

Último (10)

SEO Restart 2024: Martin Žatkovič - Můžeme jakožto SEO konzultanti uspět v Go...
SEO Restart 2024: Martin Žatkovič - Můžeme jakožto SEO konzultanti uspět v Go...SEO Restart 2024: Martin Žatkovič - Můžeme jakožto SEO konzultanti uspět v Go...
SEO Restart 2024: Martin Žatkovič - Můžeme jakožto SEO konzultanti uspět v Go...
 
SEO Restart 2024: Martin Michálek - Nová metrika rychlosti INP a praktické ti...
SEO Restart 2024: Martin Michálek - Nová metrika rychlosti INP a praktické ti...SEO Restart 2024: Martin Michálek - Nová metrika rychlosti INP a praktické ti...
SEO Restart 2024: Martin Michálek - Nová metrika rychlosti INP a praktické ti...
 
SEO Restart 2024: Vojtěch Fiala - Linkbuilding vs. (digitální) PR: Od odkazů ...
SEO Restart 2024: Vojtěch Fiala - Linkbuilding vs. (digitální) PR: Od odkazů ...SEO Restart 2024: Vojtěch Fiala - Linkbuilding vs. (digitální) PR: Od odkazů ...
SEO Restart 2024: Vojtěch Fiala - Linkbuilding vs. (digitální) PR: Od odkazů ...
 
SEO Restart 2024: Tomáš Zahálka - Tajné SEO tipy pro Shoptet
SEO Restart 2024: Tomáš Zahálka - Tajné SEO tipy pro ShoptetSEO Restart 2024: Tomáš Zahálka - Tajné SEO tipy pro Shoptet
SEO Restart 2024: Tomáš Zahálka - Tajné SEO tipy pro Shoptet
 
SEO Restart 2024: Richard Klačko - Klíčovka s AI pohonem
SEO Restart 2024: Richard Klačko - Klíčovka s AI pohonemSEO Restart 2024: Richard Klačko - Klíčovka s AI pohonem
SEO Restart 2024: Richard Klačko - Klíčovka s AI pohonem
 
SEO Restart 2024: Sarah Presch - Kognitivní předsudky - jak psychologické teo...
SEO Restart 2024: Sarah Presch - Kognitivní předsudky - jak psychologické teo...SEO Restart 2024: Sarah Presch - Kognitivní předsudky - jak psychologické teo...
SEO Restart 2024: Sarah Presch - Kognitivní předsudky - jak psychologické teo...
 
SEO Restart 2024: Jan Tichý - Na počátku bylo...
SEO Restart 2024: Jan Tichý - Na počátku bylo...SEO Restart 2024: Jan Tichý - Na počátku bylo...
SEO Restart 2024: Jan Tichý - Na počátku bylo...
 
SEO Restart 2024: Roman Teuschel - Mezinárodní SEO v kontextu expanze
SEO Restart 2024: Roman Teuschel - Mezinárodní SEO v kontextu expanzeSEO Restart 2024: Roman Teuschel - Mezinárodní SEO v kontextu expanze
SEO Restart 2024: Roman Teuschel - Mezinárodní SEO v kontextu expanze
 
SEO Restart 2024: Martin Kopta a Jakub Goldmann - Jak se dnes navrhují weby a...
SEO Restart 2024: Martin Kopta a Jakub Goldmann - Jak se dnes navrhují weby a...SEO Restart 2024: Martin Kopta a Jakub Goldmann - Jak se dnes navrhují weby a...
SEO Restart 2024: Martin Kopta a Jakub Goldmann - Jak se dnes navrhují weby a...
 
SEO Restart 2024: Martina Zrzavá Libřická - SEO & DEV: Jak na vývojáře od poc...
SEO Restart 2024: Martina Zrzavá Libřická - SEO & DEV: Jak na vývojáře od poc...SEO Restart 2024: Martina Zrzavá Libřická - SEO & DEV: Jak na vývojáře od poc...
SEO Restart 2024: Martina Zrzavá Libřická - SEO & DEV: Jak na vývojáře od poc...
 

3 dpz metody_2011

  • 1. Základy geoinformatiky|Jiří Šmída Základy geoinformatiky Téma 4: Dálkový průzkum Země - pokračování Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
  • 2. Obsah přednášky 1. Digitální zpracování materiálů DPZ 1. Základní postupy 2. Předzpracování obrazu 3. Zvýraznění obrazu 4. Klasifikace obrazu 2 Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
  • 3. Přednáška na Slideshare.net/jirsm/ 3 Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
  • 4. Digitální zpracování materiálů DPZ Základní postupy
  • 5. Analogová a digitální data  dva základní formáty dat DPZ:  analogová data – letecká fotografie  digitální data – matice čísel  zpracování analogových dat (fotografií) je rozvíjeno od počátku fotografie  zpracování digitálních dat rozvíjeno od 70. let 20. st. (2 souvislosti: LANDSAT, výpočetní technika) 5
  • 6. Topografická a tematická informace  každý obrazový záznam obsahuje informaci dvojího druhu: 1. inf. o topografických (geometrických) vlastnostech objektů  např. velikost, vzájemná vzdálenost objektů, vzájemná poloha objektů  fotogrammetrie (zabývá se topografickou informací a měřičskými vlastnostmi materiálů leteckého DPZ) 6
  • 7. Topografická a tematická informace 2. inf. tematická  druh povrchů, kvalita povrchů (např. míra poškození)  fotointerpretace (metody využívající interpretačních znaků (vzhled a vlastnosti předmětů a jevů na snímcích jako je jejich tvar, tón, barva, stín, velikost, textura, struktura a poloha a příčinné vztahy) k rozpoznání druhů povrchů) – letecká fotografie
  • 8. Etapy digitálního zpracování obrazu DPZ 1. Předzpracování obrazu 2. Zvýraznění obrazu 3. Extrahování informace 4. Studium dynamiky jevů 5. Modelování s obrazivými daty 6. Integrace obrazových dat a jejich vstup do GIS 8
  • 9. Etapy digitálního zpracování obrazu DPZ 1. Předzpracování obrazu  slouží ke korekci radiometrických, atmosférických a geometrických zkreslení a šumu, které vznikají v průběhu vytváření obrazu 2. Zvýraznění obrazu 3. Extrahování informace 4. Studium dynamiky jevů 5. Modelování s obrazivými daty 6. Integrace obrazových dat a jejich vstup do GIS 9
  • 10. Etapy digitálního zpracování obrazu DPZ 1. Předzpracování obrazu 2. Zvýraznění obrazu  výraznější odlišení jednotlivých objektů v obraze  cílem je pomocí různých technik efektivněji znázornit obraz pro další vizuální či automatické zpracování  na snímku se provádí filtrace, zvýraznění hran, mění se kontrast 3. Extrahování informace 4. Studium dynamiky jevů 5. Modelování s obrazivými daty 6. Integrace obrazových dat a jejich vstup do GIS 10
  • 11. Etapy digitálního zpracování obrazu DPZ 1. Předzpracování obrazu 2. Zvýraznění obrazu 3. Extrahování informace  tzv. klasifikace obrazu  vizuální klasifikaci nahrazujeme automatizovanou  cílem je identifikace jednotlivých povrchů či objektů  použití různých rozhodovacích pravidel  výsledkem je přiřazení konkrétního tematického obsahu každému prvku obrazu 4. Studium dynamiky jevů 5. Modelování s obrazivými daty 6. Integrace obrazových dat a jejich vstup do GIS 11
  • 12. Etapy digitálního zpracování obrazu DPZ 1. Předzpracování obrazu 2. Zvýraznění obrazu 3. Extrahování informace 4. Studium dynamiky jevů  využití opakovaně snímaných obrazů ke studiu časových změn  monitorování synoptických procesů v meteorologii  detekce změn ve využívání krajiny 5. Modelování s obrazivými daty 6. Integrace obrazových dat a jejich vstup do GIS 12
  • 13. Etapy digitálního zpracování obrazu DPZ 1. Předzpracování obrazu 2. Zvýraznění obrazu 3. Extrahování informace 4. Studium dynamiky jevů 5. Modelování s obrazivými daty  cílem je odvodit kvantitativní vztahy mezi daty získaných metodami DPZ a daty získanými pozemním měřením (např. fyzikálních vlastností) k modelování a predikci chování např. životního prostředí v závislosti na změnách podmínek  zapojení metod a technik GIS 6. Integrace obrazových dat a jejich vstup do GIS 13
  • 14. Etapy digitálního zpracování obrazu DPZ 1. Předzpracování obrazu 2. Zvýraznění obrazu 3. Extrahování informace 4. Studium dynamiky jevů 5. Modelování s obrazivými daty 6. Integrace obrazových dat a jejich vstup do GIS  cílem je vytvářet kombinace různých rastrových dat (získaných např. z různých senzorů) nebo kombinací s vektorovými daty  vstup DPZ dat do GIS umožňuje aplikovat další analytické metody 14
  • 15. Etapy digitálního zpracování obrazu DPZ 1. Předzpracování obrazu 2. Zvýraznění obrazu 3. Extrahování informace 4. Studium dynamiky jevů 5. Modelování s obrazivými daty 6. Integrace obrazových dat a jejich vstup do GIS 15
  • 16. 2. Předzpracování obrazových záznamů DPZ Pojmy: zdroje chyb chyby systematické a náhodné šum (noise) geometrické korekce radiometrické korekce 16
  • 17. Zdroje a typy chyb  na vznikající obrazový záznam působí řada vlivů, které mění (snižují) jeho kvalitu  původ:  technické nedokonalosti snímacího zařízení  atmosféra  samotná podstata distančního měření  rozlišujeme:  chyby systematické (opakovatelné, např. zakřivení Země, rotace Země, mohou být dobře modelovány, korekce na stanici)  chyby náhodné (kolísání parametrů dráhy nosiče, výpadky v činnosti detektorů, vliv atmosféry – tzv. šum (noise) 17
  • 18. Cíl 1. fáze = korekce  cílem předzpracování obrazu je úprava jeho geometrických a radiometrických znaků  radiometrické korekce – úprava DN hodnot jednotlivých pixelů; součástí těchto korekcí jsou tzv. atmosférické korekce (cílem je minimalizovat vlivy atmosféry)  geometrické korekce – transformace souřadné soustavy obrazového záznamu nebo velikosti obrazového prvku 18
  • 19. Radiometrické korekce  CÍL: upravit DN hodnoty obrazového záznamu tak, aby co nejvíce odpovídaly skutečnosti (skutečným odrazovým či zářivým vlastnostem objektů)  jedno z řešení: přesná kalibrace měřících zařízení (např. periodickým snímáním referenčních ploch o známých charakteristikách)  informace o kalibraci senzorů má každý obrazový záznam uvedeny v tzv. hlavičce (header) 19
  • 20. Radiometrické korekce  typy chyb:  kompenzace sezónních rozdílů (jsou dány rozdílnou výškou Slunce v závislosti na roční době)  náhodné chyby – např. radiometricky nepřesný nebo zcela chybějící řádek obrazového záznamu  atmosférické chyby – pohlcování a rozptyl  radiometrické korekce se provádějí ještě před geometrickými (zcela nezbytně v případě náhodných chyb) 20
  • 21. Geometrické korekce  CÍL: odstranit nežádoucí chyby obrazového záznamu tak, aby získal požadovaný souřadný systém nebo kartografické zobrazení a bylo ho možné použít jako mapu (např. k měření ploch a vzdáleností)  negativní jevy: kolísání výšky a rychlosti pohybu, zakřivení Země, atmosférické refrakce, zdánlivé změny v poloze objektů v důsledku změny nadmořské výšky  vzájemná poloha objektů v obraze DPZ neodpovídá jejich poloze ve skutečnosti  nelze ho použít jako mapu 21
  • 22. Funkce/účel geometrických korekcí  transformace obrazových dat do určité mapové projekce  propojení obrazových dat s prostorovou vektorovou databází v GIS  porovnání dvou a více obrazů stejného území  tvorba ortofotomap  vytváření mozaiky z několika obrazových záznamů 22
  • 23. Základní pojmy  kartografická projekce – systém vztahů, kterými je část sféroidu transformována do roviny  souřadný systém – systém použitý každou kartograf. projekcí k vyjádření polohy objektů  rektifikace – obecně proces transformace polohy všech obrazových prvků (pixelů) z jednoho souřadného do jiného souřadného systému  převzorkování (resampling) – proces transformace DN hodnot každého obrazového prvku z původní souřadné soustavy do nové 23
  • 24. Základní pojmy  georeferencování – alespoň pro jeden bod obrazového záznamu dodáme informaci o absolutní poloze; neměníme DN hodnoty pixelů (data nejsou převzorkovaná)  georeferencovaná data  geokódování – takový případ rektifikace, během které jsou data transformována do určité kartografické projekce  je založeno na sběru identických (vlícovacích) bodů a polynomické transformaci  geokódovaná data – poloha každého pixelu je vyjádřena v systému mapových souřadnic; tato data lze kombinovat s vektorovými daty ve stejné kartografické projekci 24
  • 25. 25
  • 26. Základní pojmy  ortorektifikace – proces odstranění dalších nepřesností daných proměnlivou nadmořskou výškou záznamu  je zapotřebí DTM (digitální model reliéfu)  ortofotomapy a družicové mapy 26
  • 27. Postup rektifikace obrazu  Rektifikace obrazu založená na polynomické transformaci a technice identických bodů 1. sběr identických bodů 2. volba stupně transformace 3. výpočet a testování transformačních rovnic 4. převzorkování obrazu 5. rektifikace obrazu 27
  • 28. Rektifikace: 1. sběr identických bodů  identické (vlícovací) body = body, jejichž polohu lze přesně určit jak v obraze, který bude transformován, tak na mapě či jiném obraze, který má požadovanou projekci nebo souřadný systém  pro každý bod známe:  souřadnice zdrojové (sloupec/řádek v x,y souřadnici)  souřadnice referenční (vzorové/cílové, např. v metrech nebo zeměpisných souřadnicích)  body musí být rovnoměrně rozmístěny  ideální průsečíky liniových umělých prvků (např. komunikace) 28
  • 29. Rektifikace: 2. volba stupně transformace  vztah mezi souřadnicemi zdrojovými a cílovými je vyjádřen formou polynomu n-tého stupně  posunutí, otočení, 2 body  + zkosení (3 páry)  nejkomplikovanější (4)  rozhoduje o počtu potřebných vlícovacích bodů 29
  • 30. Rektifikace: 3. transformační rovnice  definují vztah mezi polohou každého identického bodu v obraze a v požadovaném systému 30
  • 31. Rektifikace: 4. převzorkování (resampling)  každému obrazovému prvku výsledného obrazu je přiřazena nová DN hodnota vypočtená z obrazu původního  několik základních algoritmů/metod  metoda nejbližšího souseda (nearest neighbour): pixelu je přisouzena hodnota nejbližšího původního pixelu; nejméně přesné, ale zachovává původní hodnoty pixelů  bilineární interpolace (bilinear interpolation): nová hodnota je váženým průměrem čtyř nejbližších pixelů původního obrazu 31
  • 32. Rektifikace: 5. vlastní rektifikace  stanovení velikost výsledného obrazu (počat řádků a sloupců)  je vypočtena nová DN hodnota pro každý pixel 32
  • 33. Pojmy: 3. Zvýrazňování obrazových záznamů DPZ zvýraznění radiometrická zvýraznění prostorová zvýraznění spektrální textura barevná syntéza 33
  • 34. Cíle  CÍL: zvýšit množství informací, které mohou být ze snímku získány, a to nejen vizuální interpretací  velký počet technik sloužící k úpravě vzhledu snímku a k usnadnění interpretace (vizuální, automatické)  lidské oko špatně rozlišuje malé rozdíly v radiometrickém a spektrálním chování objektů a jevů  využití počítačů 34
  • 35. Zvýrazňovací techniky  zvýraznění: 1. radiometrická (bodová) 2. prostorová 3. spektrální 35
  • 36. Radiometrická zvýraznění  měníme hodnotu DN každého jednotlivého pixelu (bodové zvýraznění – pracujeme s hodnotami pixelu nezávisle na hodnotách jiných pixelů)  pracujeme se s histogramem obrazu  odstíny šedi  postupy: prahování hustotnířezy zvýraznění kontrastu 36
  • 37. Prostorová zvýraznění  tzv. filtrace obrazu  novou hodnotu DN určujeme v závislosti na hodnotách určitého počtu prvků okolních  filtraci používáme pro:  zhlazování snímku  zvýrazňování a detekci hran  zvýraznění textury (=významný interpretační znak, kvalitativní parametr)  = plošná proměnlivost tónu uvnitř obrazu 37
  • 38. Spektrální zvýraznění  vícepásmové manipulace  digitální obrazová data jsou pořizována většinou jako multispektrální (v několika intervalech vlnových délek)  barevná syntéza - skládáním (většinou) tří pásem  barevný obraz  fce: usnadnění vizuální interpretace a vstup do dalších analýz 38
  • 39. 4. Klasifikace obrazových záznamů DPZ Pojmy: informační třídy klasifikační schéma 39
  • 40. Východiska  každému obrazovému prvku je přiřazen určitý tematický obsah  vytváříme informační třídy – ty jsou definovány na počátku klasifikace v klasifikačním schématu (legenda) 40
  • 41. Klasifikátory  rozhodovací pravidla (klasifikátory) jsou většinou založena na:  studiu spektrálního chování objektů  geometrických a prostorových vlastnostech objektů (tvar, velikost, struktura, textura, vzájemná poloha atd.)  podle klasifikátorů lze všechny prvky roztřídit do určité třídy 41
  • 42. K samostudiu  Dálkový průzkum Země v mikrovlnné části spektra  pasivní a aktivní metody DPZ  RADAR  zobrazující a nezobrazující radar  mikrovlnný spektrometr  Dopplerův efekt  interferometr  altimetr  skaterometr 42 Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
  • 43. Oběžná dráha nosiče  základní vlastnost ovlivňující další parametry systému  oběžná dráha družice = eliptická dráha  rozdíly: výška, poloha dráhy k rovině rovníku 1. rovníkové dráhy 2. šikmé dráhy 3. subpolární dráhy 43
  • 44. Družicové systémy  dle výzkumného zaměření  družice meteorologické METEOSAT, GOES, NIMBUS, NOAA  družice pro výzkum přírodních zdrojů LANDSAT, SPOT, IRS  meteorologické družice  na polárních drahách (NOAA)  geostacionární (METEOSAT) 44
  • 45. dostudujte samostatně dle dostupné literatury Další vybrané aplikace DPZ 45
  • 46. K samostudiu  Rapant, P. 2005. Geoinformační technologie. Vysokoškolská skripta. VŠB - TU, Ostrava.  Dobrovolný, P. 1998. Dálkový průzkum Země. Digitální zpracování obrazu. Brno. ISBN 1-879102- 06-4 46 Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci
  • 47. děkuji za pozornost jiri.smida@tul.cz 47 Fakulta přírodovědně-humanitní a pedagogická, Technická univerzita v Liberci