GEODEZJA l TOM 12 l ZESZYT 2/1 l 2006 Stanis³aw Mularz*, Tomasz Pirowski* ASPEKTY METODYCZNE INTEGRACJI DANYCH TELEDETEKCYJNYCH W OPARCIU O METODÊ IHS I JEJ MODYFIKACJE** 1. Wstêp Stale wzrastaj¹ca liczba dostêpnych na rynku danych satelitarnych otwiera nowe mo - liwoœci wykorzystania tak szerokiego spektrum informacji do monitoringu powierzchni Ziemi. Dostêpne obrazy pozwalaj¹ uzyskaæ informacjê o ró nej czasowej, spektralnej, przestrzennej czy radiometrycznej dok³adnoœci. Tak du a ró norodnoœæ obrazów satelitarnych dotycz¹cych jednego obiektu b¹dÿ obszaru daje mo liwoœæ komplementarnego wykorzystania danych w taki sposób, by otrzymaæ wiêcej informacji, ni mo e byæ pozyskane z ka dego obrazu osobno. Jest to szczególny przypadek sytuacji, gdy po³¹czenie ró nego rodzaju danych prowadzi do uzyskania synergicznego wzrostu informacji. Dla danych obrazowych mo na to sprecyzowaæ jako integracjê i uzupe³nienie siê wzajemne danych prowadz¹ce do zwiêkszenia informacji znajduj¹cych siê na obrazie i/lub ich uwiarygodnienie. Dla zrealizowania takiego zamierzenia zosta³o opracowanych szereg zaawansowanych technik analitycznych i cyfrowych. Szczególnym przypadkiem ³¹czenia danych jest fuzja na poziomie piksela, co oznacza ³¹czenie na niskim poziomie przetwarzania w odniesieniu do zmierzonych parametrów fizycznych. Obrazy wejœciowe poddawane s¹ wstêpnemu przetwarzaniu. Produktem jest syntetyczny obraz, na którym jest prowadzona dalsza analiza informacji. Najczêstsze wykorzystanie ³¹czenia na tym poziomie to, np. wyostrzenie obrazu dla celów interpretacyjnych, wzmocnienie cech nierozró nialnych w pojedynczych zestawach danych, uzupe³nienie zestawu danych celem polepszenia klasyfikacji [17]. Tego typu podejœcie stosuje siê, * Akademia Górniczo-Hutnicza, Wydzia³ Geodezji Górniczej i In ynierii Œrodowiska ** Praca wykonana w ramach badañ statutowych AGH nr 11.11.150.459 317
318 S. Mularz, T. Pirowski dysponuj¹c obrazem panchromatycznym o wysokiej rozdzielczoœci przestrzennej i kana³ami spektralnymi o relatywnie niskiej rozdzielczoœci przestrzennej. Najczêstsze zastosowania to produkcja wielkoskalowych map satelitarnych oraz analiza ma³ych obiektów lub terenów charakteryzuj¹cych siê du ¹ czêstotliwoœci¹ (zmiennoœci¹) informacji przestrzennej. Warunkiem skutecznego zastosowania takiego podejœcia jest dysponowanie symultanicznymi (lub ewentualnie o zbli onych terminach rejestracji) danymi. W wyniku uzyskuje siê nowy zestaw danych multispektralnych o podwy szonej w stosunku do danych wejœciowych rozdzielczoœci przestrzennej, nie wiêkszej jednak od rozdzielczoœci u ytego obrazu panchromatycznego. Kluczowym elementem wp³ywaj¹cym na jakoœæ uzyskiwanych nowych danych multispektralnych jest wybór odpowiedniego algorytmu ³¹czenia obrazów. Musi on rozwi¹zywaæ g³ówny problem integracji danych, jakim jest wprowadzanie informacji panchromatycznej (z zakresu widzialnego) do kana³ów podczerwonych, co powoduje zak³ócenie w wiêkszym b¹dÿ mniejszym stopniu oryginalnej informacji spektralnej. Od lat 80. podawane s¹ ró ne propozycje realizacji postulatu zachowania informacji spektralnej, jednak adna z nich nie okaza³a siê wystarczaj¹co uniwersalna lub zdecydowanie lepsza od pozosta³ych. Obecnie na miano standardu zas³uguje metoda wykorzystuj¹c¹ transformacjê IHS (Intensity Hue Saturation), która zdoby³a sobie popularnoœæ ze wzglêdu na swoj¹ prostotê, dostêpnoœæ procedur transformacyjnych w wiêkszoœci pakietów GIS (Geographic Information System) i w programach graficznych oraz uzyskiwane relatywnie dobre wyniki pod wzglêdem walorów interpretacyjnych. Nie nale y jednak uto samiaæ popularnoœci tej metody z jej uniwersalnoœci¹. W literaturze spotyka siê ró norodne propozycje podzia³u metod integracji danych. Najczêœciej stosowanym podejœciem jest klasyfikacja metod wg technik ³¹czenia obrazów. Szerokie i usystematyzowane podejœcie tego typu stosuj¹ Pohl et al. [17], wydzielaj¹c dwie podstawowe grupy metod: 1) oparte na transformacji barw, 2) statystyczno-numeryczne. Do pierwszej grupy autorzy zaliczaj¹ operacje oparte na kompozycjach barwnych RGB (Red Green Blue) oraz bardziej zaawansowanych przekszta³ceniach wykorzystuj¹cych transformacje do modeli kolorów IHS i HSV (Hue Saturation Value) [3, 27]. W tej grupie podstawow¹ metod¹ jest IHS. W drugiej grupie wydzielaj¹ techniki oparte na dzia³aniach arytmetycznych [6, 13, 14, 18, 19, 28], rozwiniête na bazie statystyki kana³ów np. sk³adowych g³ównych, regresji [5, 25] oraz metody filtracyjne [4], w tym wykorzystuj¹ce operacje na piramidach obrazów [26]. W niniejszym artykule przedstawiono wyniki uzyskane standardow¹ metod¹ IHS (g³ówny przedstawiciel metod opartych na transformacji barw), a nastêpnie skonfrontowano je z wynikami wybranych metod nale ¹cych do drugiej grupy. Nastêpnie, z uwagi na du ¹ popularnoœæ metody IHS oraz jej wysokie walory wizualne, podjêto próby zmodyfikowania formu³y celem poprawy wyników formalnych. Przetestowano trzy ró ne podejœcia, ³¹cz¹c metodê IHS z obrazem panchromatycznym przez jego analizê teksturaln¹, filtracjê górnoprzepustow¹ oraz lokalne zmiany wariancji i jasnoœci.
Aspekty metodyczne integracji danych teledetekcyjnych... 319 2. Charakterystyka danych i pole testowe Baz¹ dla prowadzonych w niniejszej pracy badañ by³y obrazowe dane satelitarne pochodz¹ce z dwóch sensorów: LANDSAT 7 ETM+ oraz IRS 1C PAN. Dane te zosta³y zortorektyfikowane programem PCI OrthoEngine przy u yciu numerycznego modelu rzeÿby terenu o rozdzielczoœci 30 metrów. LANDSAT 7 jest amerykañskim satelit¹ umieszczonym na orbicie w kwietniu 1999 r. Obrazy rejestrowane s¹ przez skaner optyczno-mechaniczny ETM+ (Enhaced Thematic Mapper Plus). Skaner pozyskuje dane z oœmiobitow¹ rozdzielczoœci¹ radiometryczn¹ w oœmiu zakresach spektralnych. W badaniach wykorzystano scenê zarejestrowan¹ 7 maja 2000 r. o godzinie 9.25 czasu lokalnego. Do przetwarzania u yto fragment obejmuj¹cy obszar testów z³o ony z zestawu kana³ów spektralnych TM1, TM2, TM3, TM4, TM5 i TM7 (TM Thematic Mapper). IRS-1C (Indian Remote Sensing) jest indyjskim satelit¹ umieszczonym na orbicie w roku 1995 wyposa onym m.in. w skaner panchromatyczny PAN oraz skaner multispektralny LISS-III. Obrazy panchromatyczne posiadaj¹ rozdzielczoœæ 5,8 m 5,8 m i s¹ rejestrowane z szeœciobitow¹ rozdzielczoœci¹ radiometryczn¹, w zakresie spektralnym 0,50 0,75 µm. System zawiera skaner elektrooptyczny z trzema linijkami detektorów. Ka da z nich rejestruje odrêbny pas o szerokoœci 23 km o niewielkim wzajemnym pokryciu poprzecznym. Wykorzystano w badaniach fragmenty dwóch pasów obrazowania: œrodkowy i prawy wykonane w dniu 28 maja 2000 r o godzinie 9.53 czasu lokalnego. Na obszar testowy wybrano aglomeracjê krakowsk¹. Prostok¹tny kszta³t (o wymiarach 20 km 10 km) przyjêto dla wygody przetwarzania danych obrazowych w systemach GIS. Wskazany obszar by³ wystarczaj¹co obszerny w celu reprezentowania przeciêtnych elementów i struktur wystêpuj¹cych w œrodowisku miejsko-przemys³owym dla œrednich szerokoœci geograficznych. Stosunkowo du a strefa buforowa wokó³ miasta zapewni³a analizê wyników nie tylko dla œcis³ego centrum aglomeracji (zwarta zabudowa, przemys³, zieleñ miejska), ale i dla obszarów mieszanych, np. stref podmiejskich wraz z charakterystyczn¹ infrastruktur¹ zwi¹zan¹ funkcjonalnie z miastem (sieæ komunikacyjna, lotnisko, strefy rekreacyjne, zabudowa willowa, rolnictwo i ogrodnictwo). 3. Metody bazowe 3.1. Metoda IHS Metoda oparta na transformacji IHS by³a wykorzystywana do scalania ró nych danych: obrazów LANDSAT MSS z danymi RBV, danych SPOT [2, 3], danych LANDSAT TM i SPOT PAN [27], danych MOMS-2P z satelity Priroda [8], danych IRS 1C [9], danych LANDSAT 7 ETM+ [10], wielospektralnych obrazów LANDSAT TM ze zdjêciami lotniczymi [11, 12].
320 S. Mularz, T. Pirowski W metodzie IHS trzy wybrane niskorozdzielcze kana³y spektralne transformuje siê z modelu barw RGB do modelu barw IHS. W ten sposób uzyskuje siê rozdzielenie informacji przestrzennej w postaci obrazu I (Intensity jasnoœci) od informacji spektralnej w postaci obrazów H (Hue barwa) i S (Saturation nasycenie). W drugim kroku za sk³adow¹ I podstawia siê obraz PAN o wy szej rozdzielczoœci, po czym nastêpuje transformacja powrotna do modelu barw RGB (rys. 1). W wyniku tego procesu informacja przestrzenna jest wprowadzana na poszczególne kana³y spektralne. Dla unikniêcia du ych zniekszta³ceñ kolorystycznych stosuje siê modyfikacjê obrazu panchromatycznego w taki sposób, aby jego parametry statystyczne (œrednia wartoœæ i wariancja) by³y zbli one do sk³adowej I po wykonanej transformacji danych spektralnych. Wysoka korelacja i uzyskiwane podobieñstwo to podstawowe wyt³umaczenie zast¹pienia sk³adowej jasnoœci rozci¹gniêtym obrazem o wy- szej rozdzielczoœci przestrzennej wtedy I mo na potraktowaæ jako ekwiwalent informacji przestrzennej zawartej w zobrazowaniach wielospektralnych [4]. Metoda posiada ograniczenie dotycz¹ce mo liwoœci jednokrotnego u ycia do integracji tylko trzech kana³ów spektralnych. IRS-PAN IRS-PAN Ibcd dopasowanie œredniej i wariancji obrazu IRS-PAN do I bcd TM(b) I bcd ntm(b) TM(c) KB bcd H bcd nkb bcd ntm(c) TM(d) S bcd ntm(d) transformacja RGB RGB IHS IHS transformacja IHS IHS RGB RGB Rys. 1. Integracja danych metod¹ IHS 3.2. Metoda HPF Metoda HPF (High-Pass Filter) polega na zastosowaniu filtracji górnoprzepustowej na obrazie o podwy szonej rozdzielczoœci przestrzennej [22]. Tego typu operacje stosowano dla integracji danych satelitarnych ze zdjêciami lotniczymi [4, 11, 12] oraz dla integracji zobrazowañ TM z obrazem SPOT PAN [5]. W metodzie HPF zak³ada siê, e filtracja górnoprzepustowa usuwa wiêkszoœæ informacji spektralnej ze zobrazowania panchromatycznego, pozostawiaj¹c g³ównie informacje wysokoczêstotliwoœciowe, które odnosz¹ siê do informacji przestrzennej. Powsta³y obraz ma œredni¹ zbli on¹ do zera, a zakres wartoœci i ich
Aspekty metodyczne integracji danych teledetekcyjnych... 321 wariancja zale ¹ od wielkoœci ruchomego okna (wraz ze wzrostem okna filtrowania wzrastaj¹ ww. wielkoœci). Obraz po filtracji górnoprzepustowej mo e byæ znormalizowany poprzez dobór histogramu. Nastêpnie jest dodawany piksel po pikselu do poszczególnych kana³ów spektralnych (rys. 2). IRS-PAN PHP fxg obraz IRS-PANb po filtracji górnoprzepustowej w oknie f*g obraz IRS-PAN po filtracji górnoprzepustowej i doborze histogramu PHP fxg-pc1 TM(b) dopasowanie œredniej i wariancji obrazu PHP do TM(b) ntm(b) suma wa ona WJP obrazów TM(b) i PHP Rys. 2. Integracja danych metod¹ HPF W wyniku otrzymuje siê zestaw obrazów wielospektralnych o podwy szonej rozdzielczoœci przestrzennej. Najwa niejszym parametrem wp³ywaj¹cym na jakoœæ integracji jest wielkoœæ okna filtrowania. Zastosowanie zbyt ma³ego okna filtracji powoduje jedynie wydobycie informacji teksturalnej znajduj¹cej siê wewn¹trz piksela o ni szej rozdzielczoœci przestrzennej, ale jest niewystarczaj¹ce dla scalenia danych. Z kolei u ycie zbyt du ego okna powoduje obok dobrych mo liwoœci integracji danych niepotrzebne na tym etapie wzmocnienie krawêdzi. W niniejszym artykule badañ rozmiar ruchomego okna wynosi³ (9 9). 3.3. Metoda PCA Jest to metoda oparta na analizie sk³adowych g³ównych [23]. PCA (Principal Components Analysis) jest procedur¹ zbli on¹ ideowo do metody IHS. Podobnie jak w procedurze IHS jest wykorzystywana transformacja z oryginalnej przestrzeni kana³ów do nowej przestrzeni tym razem g³ównych sk³adowych. Nastêpnie dokonuje siê podmiany kana³ów nios¹cych informacjê przestrzenn¹ i przeprowadza siê transformacjê odwrotn¹ (rys. 3). Procedura PCA pozwala wykorzystaæ równoczeœnie nie tylko trzy (jak mia³o to miejsce w metodzie IHS), ale wiêksz¹ liczbê kana³ów spektralnych. Daje to mo liwoœæ wp³ywu na wyniki procedury PCA poprzez wybór liczbie kana³ów spektralnych równoczeœnie bior¹cych udzia³ w procesie integracji. Analogicznie jak w metodzie IHS, histogram obrazu panchromatycznego jest dostosowywany do ekwiwalentu informacji przestrzennej wyekstrahowanej z kana³ów spektralnych a nastêpnie podmieniany. W metodzie PCA przyjmuje siê, e jest to pierwsza sk³adowa g³ówna procesu transformacji (PC1). Po transformacji odwrotnej informacja przestrzenna lokuje siê z ró nym natê eniem we wszystkich kana³ach spektralnych, które bra³y udzia³ w transformacji. Poprzez zast¹pienie pierwszej g³ównej sk³adowej, która zawiera maksymaln¹ wariancjê w zestawie danych o niskiej rozdzielczoœci, maksymalizuje siê efekt wy szej rozdzielczoœci w kana³ach po transformacji odwrotnej [23].
322 S. Mularz, T. Pirowski IRS-PAN IRS-PAN PC1 dopasowanie œredniej i wariancji obrazu IRS-PAN do PC 1 TM1 PC 1 ntm1 TM2 PC 2 ntm2 TM3 PC 3 ntm3 TM4 PC 4 ntm4 TM5 PC 5 ntm5 TM7 transformacja sk³adowych g³ównych PC 6 ntm7 odwrotna transformacja sk³adowych g³ównych Rys. 3. Integracja danych metod¹ PCA 3.4. Metoda Wiemkera (WMK) Podejœcia, wykorzystuj¹ce dzielenie miêdzykana³owe, da³y pocz¹tek grupie metod scalania danych zwanych SRC (Spectral Relative Contribution) [28]. Cech¹ wspóln¹ tych rozwi¹zañ jest to, e oryginalna odpowiedÿ spektralna w danym kanale wartoœæ atrybutu piksela jest mno ona przez pewien wspó³czynnik wagê. Ta wartoœæ reprezentuje wk³ad informacji spektralnej z kana³u tematycznego do kana³u panchromatycznego. Jest ona równa stosunkowi kana³u panchromatycznego i kombinacji kana³ów spektralnych, które pokrywa swoim zakresem spektralnym kana³ panchromatyczny. Jedn¹ z pierwszych propozycji tego typu by³a metoda P+XS stosowana dla kana³ów widzialnych SPOT (zielonego i niebieskiego), opracowana przez CNES (Centre National d'etude Spatiale). Rozszerzeniem metody ilorazowej na wiêcej ni dwa kana³y spektralne jest transformacja Broveya [7]. Normalizuje ona trzy kana³y multispektralne wchodz¹ce w sk³ad kompozycji barwnej w celu zachowania integralnoœci radiometrycznej. Rezultat mno y siê przez dowolne inne dane zawieraj¹ce informacjê przestrzenn¹. Przebieg procedury dla pojedynczego kana³u ilustruje rysunek 4, przy parametrze A = 1. Pomimo generowanych du ych zniekszta³ceñ spektralnych metoda ta jest czêsto u ywana dla ró nych zastosowañ o charakterze fotointerpretacyjnym, np. detekcji zmian na terenach miejskich [20] czy monitoringu kopalni odkrywkowej [11, 12]. Rozwiniêciem transformacji Broveya jest
Aspekty metodyczne integracji danych teledetekcyjnych... 323 metoda CN (Color Normalised) [7]. Rozwi¹zanie to testuj¹ m.in. [2, 21, 24]. W metodzie CN przemno enie jasnoœci obrazu po fuzji przez wartoœæ 3 (A = 3 na rys. 4) zwiêksza jasnoœæ sceny obni on¹ wskutek dzielenia miêdzykana³owego. Nie wystarcza to jednak do zachowania œredniej wartoœci odpowiedzi spektralnej dla nowego generowanego obrazu. Wiemker et al. [28] proponuj¹ zatem obliczyæ œredni¹ odpowiedÿ spektraln¹ na obrazie oryginalnym i po wstêpnej integracji z obrazem panchromatycznym, a nastêpnie parametr ten wykorzystaæ do ostatecznego obliczenia œredniej jasnoœci syntetycznego obrazu. Wspó³czynnikiem odpowiedzialnym za odpowiednie zachowanie œredniej jasnoœci sceny jest A. TM(b) A * IRS-PAN * TM(b) ntm(b) TM(b) + TM(c) + TM(d) Rys. 4. Integracja danych metodami: transformacji Broveya (A = 1), CN (A = 3), Wiemkera (A obliczane ka dorazowo dla konkretnego kana³u) W rezultacie nowy obraz zachowuje œredni¹ jasnoœæ jak obraz sprzed fuzji, co nie by³o osi¹gane wczeœniej podczas transformacji Broveya i tylko czêœciowo przy trzykrotnym zwiêkszaniu jasnoœci sceny w metodzie CN. 4. Propozycje modyfikacji metody IHS G³ównym zarzutem stawianym koncepcji scalania danych obrazowych procedur¹ IHS jest du a niestabilnoœæ sk³adowej I bcd w zale noœci od u ytych wejœciowych kana³ów spektralnych (znacz¹co zmienia siê jej korelacja z obrazem panchromatycznym). Zmiana zawartoœci informacji w sk³adowej jasnoœci szczególnie nasila siê przy wzrastaj¹cej iloœci kana³ów spoza zakresu widzialnego. Z regu³y spada wtedy podobieñstwo obrazu I bcd do obrazu panchromatycznego i w¹tpliwy staje siê do utrzymania postulat, e t¹ sk³adow¹ mo na potraktowaæ jako ekwiwalent informacji przestrzennej zawartej w zobrazowaniach wielospektralnych (do sk³adowej I bcd jest wprowadzana nie tylko informacja przestrzenna, ale równie czêœæ informacji spektralnej). W konsekwencji podmiany obrazu PAN za obraz I bcd czêœæ informacji spektralnej jest bezpowrotnie tracona. Wprowadzana na jej miejsce informacja przestrzenna obrazu panchromatycznego jest po retransformacji nadmiernie eksponowana, co szczególnie niekorzystnie uwidacznia siê w kana³ach spoza zakresu widzialnego (nastêpuje znacz¹ce zniekszta³cenie barw). W celu zapobie enia tego typu niekorzystnym tendencjom stosuje siê ró nego typu zabiegi ochrony informacji z zakresu podczerwonego. Jednym z nich jest podmiana sk³adowej I mieszan¹ informacj¹ pochodz¹cych z kana³u panchromatycznego i jednego z kana- ³ów podczerwonych. Opracowana przez Carpera et al. [3] metoda WTA (Weigh Ted Average) jest po³¹czeniem metody IHS z wzorami arytmetycznymi podanymi przez Cliché et al. [6].
324 S. Mularz, T. Pirowski Autorzy sugeruj¹ dla kompozycji barwnej KB 234 podmianê obrazu I bcd poprzez sumê wa- on¹: z³o on¹ z oryginalnego kana³u podczerwonego (75%) i panchromatycznego (25%). Z kolei Mróz [10] proponuje tylko wzmocnienie informacji przestrzennej w obrazie I bcd, a nie podmianê kana³ów. Swoj¹ metodê okreœla jako wykorzystuj¹c¹ teksturalne w³aœciwoœci kana³u panchromatycznego. Jest to po³¹czenie metody IHS z rozwi¹zaniem HFM (High-Frequency Modulation) opisanym przez Pradines [18]. Tego typu modyfikacjê IHS stosuj¹ Zhijun et al. [29]. Inne podejœcie, nosz¹ce nazwê IHS-SC, polega na zastosowaniu sferycznej (a nie cylindrycznej) transformacji IHS [14, 21]. Proponuje siê równie wykonywanie rozci¹gniêcia liniowego histogramu na obrazach oryginalnych przed procesem fuzji albo na obrazach H i S lub H, S i I [9]. 4.1. Metoda IHS-PRAD Przy pierwszej modyfikacji (tzw. IHS-PRAD) zrezygnowano z podmiany sk³adowej I bcd. Zamiast tego dokonano jej modyfikacji opieraj¹c siê na cechach teksturalnych obrazu IRS-PAN (rys. 5). IRS-PAN 123 TM(b) I bcd P 5 / PNL 30 I bcd *PRAD obraz teksturalnych w³aœciwoœci IRS-PAN123 iloczyn WJP obrazów I bcd i P/PNS (met. PRAD) ntm(b) TM(c) KB bcd H bcd nkb bcd ntm(c) TM(d) S bcd ntm(d) transformacja transformacja RGB IHS IHS RGB Rys. 5. Integracja danych metod¹ IHS-PRAD W tym celu wykorzystano sposób postêpowania zaproponowany przez Pradines [18]. Zak³ada on, i niedobór informacji przestrzennej w odwzorowaniu multispektralnym mo e byæ zrekompensowany poprzez zdegradowanie obrazu panchromatycznego w tzw. superpiksele a nastêpnie porównanie obydwu obrazów. Tzw. superpiksel jest geometrycznie zlokalizowany identycznie jak piksel spektralny, jest równy mu powierzchniowo, a jego wartoœæ jasnoœci jest wartoœci¹ uœrednion¹ z wartoœci pikseli oryginalnego obrazu panchromatycznego. Porównanie obrazów oryginalnego i zdegradowanego nastêpuje poprzez obliczenie stosunku jasnoœci pikseli. Niniejsze testy wykaza³y, e lepsze wyniki uzyskuje siê, degraduj¹c obraz panchromatyczny poprzez filtracjê dolnoprzepustow¹. Po zmo-
Aspekty metodyczne integracji danych teledetekcyjnych... 325 dyfikowaniu I bcd do postaci ni bcd PRAD nastêpowa³a transformacja odwrotna z przestrzeni barw IHS do RGB. Podobn¹ ideê zastosowa³ Mróz [10], integruj¹c dane panchromatyczne i spektralne satelity Landsat ETM+. 4.2. Metoda IHS-HPF Drugie podejœcie oparte jest na modyfikacji obrazu I bcd za pomoc¹ metody HPF (rys. 6). Do obrazu jasnoœci I dodawana by³a informacja przestrzenna, któr¹ pozyskano z obrazu panchromatycznego w procesie filtracji górnoprzepustowej w oknach (9 9), (7 7), (5 5). Po tym etapie nastêpowa³a transformacja odwrotna do przestrzeni RGB. dopasowanie œredniej i wariancji obrazu PHP do I bcd IRS-PAN PHP fxg PHP fxg-bcd obraz IRS-PAN Ibcd po filtracji górnoprzepustowej TM(b) I bcd I bcd +PHP suma wa ona WJP obrazów I bcd i PHP (met. HPF) ntm(b) TM(c) KB bcd H bcd nkb bcd ntm(c) TM(d) S bcd ntm(d) transformacja transformacja RGB IHS IHS RGB Rys. 6. Integracja danych metod¹ IHS-HPF 4.3. Metoda IHS-LMVM Trzecia modyfikacja metody IHS (tzw. IHS-LMVM) (Local Mean Variance Matching) polega³a na zmianie sposobu dopasowania œredniej i wariancji obrazu IRS-PAN, który zastêpuje sk³adow¹ I bcd (rys. 7). W tym przypadku obraz IRS-PAN jest przekszta³cany radiometryczne lokalnie, a nie globalnie, tj. na ka dym obszarze obrazu skala i kierunek przekszta³cenie jasnoœci pikseli mog¹ byæ ró ne. Dla realizacji tego zadania wykorzystano zasady podane przez Béthune et al. [1]. W niniejszej publikacji przedstawiono efekt wykorzystania algorytmu LMVM. Polega on na modyfikowaniu obrazu panchromatycznego w taki sposób, e przekszta³cony obraz charakteryzuje siê lokaln¹ zgodnoœci¹ œredniej jasnoœci i wariancji w stosunku do wzorca w ka dym miejscu obrazu. Obszar tej lokalnej zgodnoœci parametrów statystycznych obu obrazów definiuje wielkoœæ okna obliczeñ. Przekszta³cenie prowadz¹ce do uzyskania takiego zmodyfikowanego radiometrycznie obrazu bazuje technicznie na filtrach adaptacyjnych AIM (Adaptive Intensity Matching filters).
326 S. Mularz, T. Pirowski IRS-PAN TM(b) IRS-PAN Ibcd I bcd dopasowanie lokalnej œredniej i wariancji obrazu IRS-PAN do I bcd ntm(b) TM(c) KB bcd H bcd nkb bcd ntm(c) TM(d) S bcd ntm(d) transformacja transformacja RGB IHS IHS RGB Rys. 7. Integracja danych metod¹ IHS-LMVM Na podstawie tej propozycje podali m.in. Béthune et al. [1] oraz Hill et al. [8]. W testowanym przypadku wzorcem jest obraz I bcd, a obrazem modyfikowanym IRS-PAN. Testowano okna obliczeñ (3 3), (5 5), (7 7), (9 9), (11 11), (15 15), (21 21), (31 31), (41 41), (51 51), (61 61), (121 121). 5. Analizy i porównanie 5.1. Ocena statystyczna Do analizy statystycznej wykorzystano parametry syntetycznie opisuj¹ce stopieñ zniekszta³cenia spektralnego oraz stopieñ wzrostu uczytelnienia obrazów. Parametr nq% zaproponowany przez Walda [25] i uproszczony w badaniach prowadzonych dla jednego zestawu danych przez Pirowskiego [15] ma nastêpuj¹c¹ formu³ê nq 1 RMS() b = 100 % N 2 b= 1 MSœr() b k 2 (1) Jest to wzglêdna wartoœæ œredniego b³êdu kwadratowego poziomu jasnoœci wszystkich pikseli z dowolnej liczby kana³ów spektralnych po scaleniu w stosunku do kana³ów oryginalnych. Wartoœæ jest wyra ana w procentach, gdy odnosi siê do œredniej jasnoœci sceny. Dla pomiaru wzmocnienia przestrzennego wykorzystano korelacjê pomiêdzy obrazami poddanymi filtracji górnoprzepustowej w oknie (3 3) [30]. W ten sposób parami badano zgodnoœæ krawêdzi obrazów po integracji z obrazem panchromatycznym. Dla lepszej interpretacji jego wartoœci zastosowano wartoœci R 2 (wspó³czynnika determinacji korelacji) i wyra ano je w [%]. Wtedy wartoœæ parametru mo na interpretowaæ jako stopieñ obecnoœci krawêdzi na scalonym obrazie spektralnym w stosunku do znajduj¹cych siê w kanale
Aspekty metodyczne integracji danych teledetekcyjnych... 327 PAN. Zgodnie z propozycj¹ Pirowskiego [15, 16] wykorzystano parametr syntetyczny AIL % oparty na œredniej arytmetycznej z trzech takich wspó³czynników z ka dego kana³u wchodz¹cego w sk³ad trypletu. W tabeli 1 zestawiono wyniki uzyskane dla kompozycji barwnych: 123, 134, 354, 457 dla wybranych metod. Tabela 1. Zniekszta³cenie spektralne oraz wzmocnienie przestrzenne notowane dla kompozycji barwnych po integracji z obrazem panchromatycznym Kompozycja KB 123 KB 134 KB 354 KB 457 Metoda nq% AIL% nq% AIL% nq% AIL% nq% AIL% HPF (9 9) 13,44 94,63 14,14 95,43 13,97 96,49 14,90 96,47 PCA 16,16 94,54 14,57 77,56 13,93 78,87 15,95 78,95 WMK 17,85 95,49 18,02 92,50 20,30 93,75 22,23 94,24 IHS 18,96 95,49 16,02 85,03 17,32 90,05 20,24 91,58 IHS-PRAD 9,46 86,72 9,15 84,63 8,82 86,19 9,14 85,41 IHS-HPF (9 9) 13,93 92,47 10,51 85,43 11,00 89,61 12,34 90,96 IHS-LMVM (41 41) 13,56 83,24 10,44 69,87 10,84 74,59 12,47 75,60 W celu zilustrowania wzajemnych relacji wzmocnienia przestrzennego do notowanego zniekszta³cenia spektralnego pos³u ono siê tzw. diagramem wyników (rys. 8) opracowanym przez Pirowskiego [16]. Ujêto w nim œrednie wartoœci AIL i nq notowane ³¹cznie dla pe³nego zestawu kana³ów spektralnych po fuzji (ntm1, ntm2, ntm3, ntm4, ntm5, ntm7). Oprócz podejœæ wymienionych w tabeli 1 znalaz³y siê tutaj warianty metod IHS-LMVM oraz IHS-HPF testowane w innych oknach obliczeniowych. Rys. 8. Diagram wyników: Ocena formalna grupy metod IHS na tle metod HPF, PCA, WMK. Liczby oznaczaj¹ wielkoœæ okna obliczeñ. Wartoœci œrednie dla szeœciu kana³ów
328 S. Mularz, T. Pirowski 5.2. Ocena wizualna Porównanie wizualne przeprowadzono na poszczególnych kompozycjach barwnych (ocena zachowania informacji spektralnej wymaga pracy na obrazach barwnych). Poni ej zilustrowano wynik osi¹gniêty dla KB 134 (rys. 9). Ze wzglêdów redakcyjnych zredukowano ilustracje do odcieni szaroœci, co pozwala czytelnikowi jedynie na ocenê stopnia uczytelnienia szczegó³ów. a) b) c) d) e) f) g) h) Rys. 9. Fragment obszaru testowego w KB 134: a) kana³y oryginalne; b) HPF (9 9); c) PCA; d) WMK; e) IHS; f) IHS-PRAD; g) IHS HPF (9 9); h) IHS-LMVM (41 41)
Aspekty metodyczne integracji danych teledetekcyjnych... 329 6. Dyskusja wyników Dokonana za pomoc¹ wskaÿników statystycznych (AIL % i nq % ) ocena formalna uzyskanych wyników integracji (tab. 1) wykaza³a, e zdecydowanie najni szy poziom wzmocnienia przestrzennego uzyskano dla metody PCA oraz IHS-LMVM (41 41). Spoœród czterech analizowanych kompozycji jedynie synteza kana³ów widzialnych (KB 123) charakteryzowa³a siê wysokim wzmocnieniem przestrzennym, w odniesieniu do wszystkich testowanych formu³, przy czym wysoki poziom wzmocnienia przestrzennego porównywalny z metodami bazowymi ma modyfikacja IHS-HPF (9 9). Natomiast bardzo wysokie wzmocnienie przestrzenne w dodatku niezale nie od zestawu kana³ów tworz¹cych dan¹ kompozycjê barwn¹ da³y metody HPF (9 9) oraz WMK. WyraŸnie ni szy poziom wzmocnienia informacja przestrzenn¹, ale równie podobny w odniesieniu do wszystkich testowanych kompozycji daje zmodyfikowana formu³a IHS-PRAD, której zastosowanie zapewnia równie relatywnie ma³e zniekszta³cenie spektralne, œrednio dwukrotnie ni sze od bazowej procedury IHS. Z analizy diagramu (rys. 8) wynika, i modyfikacja IHS-HPF (9 9) mo e stanowiæ korzystn¹ alternatywê do stosowania klasycznej formu³y IHS. Bowiem z punktu widzenia wymiernych parametrów statystycznych zapewnia ona niemal identyczny poziom wzmocnienia przestrzennego i jednoczeœnie blisko dwukrotn¹ redukcjê zniekszta³ceñ spektralnych. W tym kontekœcie na uwagê zas³uguje równie modyfikacja IHS-PRAD, któr¹ charakteryzuje nieco ni sze wzmocnienie informacj¹ przestrzenn¹, ale w zamian uzyskujemy znacz¹ce zredukowanie poziomu zniekszta³cenia spektralnego. Natomiast formu³a IHS- LMVM w przedstawionych badaniach okaza³a siê najmniej obiecuj¹c¹ propozycj¹ modyfikacji procedury IHS. Ponadto warto zauwa yæ, e spoœród standardowych procedur najlepsze efekty integracji uzyskano dla formu³y HPF, która zapewnia bezwzglêdnie najwy szy poziom wzmocnienia przestrzennego, a jednoczeœnie wprowadza mniejsze, ni pozosta³e metody, zniekszta³cenie spektralne. Przedstawiona powy ej formalna ocena wyników fuzji danych satelitarnych pozyskiwanych ró nymi sensorami (LANDSAT ETM+ oraz IRS 1C/D) dobrze koresponduje z rezultatami oceny wizualnej, gdzie podstawowym kryterium oceny testowanych produktów scalania danych teledetekcyjnych by³y ich walory interpretacyjne. Równie i w tym przypadku najlepsze odwzorowanie obszaru testowego uzyskano za pomoc¹ zmodyfikowanej formu³y IHS-HPF (9 9), w sensie zgodnoœci spektralnej z kompozycj¹ referencyjn¹, generowan¹ z danych Ÿród³owych (LANDSAT ETM+), jak i wzmocnienia informacj¹ przestrzenn¹. Fakt ten ilustruje rysunek 9. Za pomoc¹ analizy porównawczej przyk³adowej kompozycji (KB 134) wynika zasadnoœæ powy szej oceny, jak równie daleko id¹ce podobieñstwo wyników integracji przy u yciu formu³: IHS-HPF (9 9) oraz IHS-PRAD (rys. 9g i 9f). Warto podkreœliæ, e stwierdzenie to jest zbie ne z ocen¹ statystyczn¹ uzyskanych produktów scalenia. Ponadto, w ocenie wizualnej wynik fuzji wg procedury HPF (9 9) charakteryzuje siê wysok¹ przydatnoœci¹ interpretacyjn¹ (rys. 9b) i zas³uguje równie na wyró nienie wœród testowanych procedur standardowych, podobnie jak to mia³o miejsce w ocenie for-
330 S. Mularz, T. Pirowski malnej. Dodaæ nale y, e równie w ocenie wizualnej wynik integracji wg formu³y IHS- -LMVM jest zdecydowanie najmniej korzystny z punktu widzenia w³aœciwej geometryzacji przestrzeni miejskiej. atwo te zauwa yæ, e wynik integracji standardow¹ metod¹ IHS odbiega w najwiêkszym stopniu od wzorcowej kompozycji sprzed integracji. 7. Wnioski Wyniki przeprowadzonych badañ wskazuj¹ na celowoœæ doskonalenia metodyki integracji obrazów satelitarnych pozyskiwanych ró nymi sensorami, co znalaz³o potwierdzenie w przedstawionych artykule propozycjach. Rezultaty badañ dokumentuj¹ w sposób wymierny mo liwoœæ uzyskania znacz¹cej poprawy walorów interpretacyjnych produktów scalania danych satelitarnych (LANDSAT ETM+ oraz IRS 1C/D) poprzez wprowadzenie stosownych modyfikacji formu³y IHS. Najbardziej obiecuj¹ce efekty uzyskano dla formu³ IHS-HPF (9 9) oraz IHS-PRAD, które zapewniaj¹ znacz¹c¹ redukcjê zniekszta³ceñ spektralnych z jednoczesnym zachowaniem wysokiego poziomo wzmocnienia informacj¹ przestrzenn¹. Warto przy tym wskazaæ na daleko id¹c¹ zbie noœæ ocen dokonanych za pomoc¹ analizy formalnej (parametry statystyczne) oraz wizualnej (walory interpretacyjne) w odniesieniu do uzyskanych produktów scalania danych teledetekcyjnych. Mo na przypuszczaæ, e tego rodzaju podejœcie otwiera pola ró norodnych aplikacji, w tym przede wszystkim w zakresie teledetekcyjnego monitoringu aglomeracji miejsko- -przemys³owych. Literatura [1] Béthune S., Muller F., Donnay J.P.: Fusion of multispectral and panchromatic images by local mean and variance matching filtering techniques. Fusion of Earth Data, Sophia Antipolis, 1998 [2] Bretschneider T., Kao O.: Image fusion in remote sensing. Proc. of the 1st Online Symposium of Electronic Engineers, 2000 [3] Carper T.J., Lillesand T.M., Kiefer R.W.: The use of intensity-hue-saturation transformations for Merging SPOT panchromatic and multispectral image data. Photogrammetric Engineering and Remote Sensing, vol. 56, No. 4, 1990 [4] Chavez P.S., Jr.: Digital Merging of Landsat TM and digitized NHAP data for 1:24,000- scale image mapping. Photogrammetric Engineering and Remote Sensing, vol. 52, No. 10, 1986 [5] Chavez P.S., Jr., Sides S.C., Anderson J.A.: Comparison of three different methods to merge multiresolution and multispectral data: Landsat TM and SPOT panchromatic. Photogrammetric Engineering and Remote Sensing, vol. 57, No. 3, 1991 [6] Cliché G., Bonn F., Teillet P.: Integration of the SPOT panchromatic channel into its multispectral mode for image sharpness enhancement. Photogrammetric Engineering and Remote Sensing, vol. 51, No. 3, 1985