Preprocesamiento de datos de teledetección
El preprocesamiento de datos de extracción de información de daños por terremotos por detección remota basado en tecnología de detección de cambios multitemporales y de múltiples fuentes es diferente del preprocesamiento de datos de imágenes de detección remota ordinarias. Requiere imágenes de dos fases de alta calidad. (Corrección de radiación, se requiere alta precisión en la corrección geométrica y el registro de imágenes), porque está directamente relacionada con la precisión de la extracción posterior de información sobre daños por terremotos. Con el fin de cumplir con los requisitos de "rápido, eficiente y preciso", esta sección propone un proceso técnico de preprocesamiento de imágenes para extraer información de daños por terremotos de detección remota multifuente y multitemporal basada en la tecnología de detección de cambios (Figura 4-2). y logró buenos resultados a través de experimentos.
(1) Método de corrección geométrica de * *ecuación lineal sin puntos de control
* *La ecuación lineal se basa en la estricta relación de transformación matemática entre las coordenadas de la imagen y las coordenadas del terreno. geometría espacial. El proceso de corrección de este método requiere un modelo de elevación digital, que puede corregir en cierta medida la diferencia de proyección y la deformación geométrica causada por el relieve del terreno. Todos los datos actuales de teledetección por satélite van acompañados de la posición precisa, altitud, velocidad, ángulo de altitud solar y actitud del sensor satelital. Generalmente se almacenan en el archivo de encabezado o archivo RPC de la imagen de teledetección y se procesan con alta precisión. Utilizando el método de corrección geométrica de ecuaciones lineales, la corrección geométrica y el posicionamiento no requieren puntos de control del suelo, lo cual es muy conveniente.
Las imágenes de teledetección de alta resolución tienen un ancho estrecho y una alta resolución espacial. Se ven relativamente menos afectadas por el plano tangente y la curvatura de la Tierra, y tienen una pequeña distorsión geométrica interna. Por lo tanto, generalmente se pueden lograr mejores resultados utilizando el método de corrección geométrica de ecuaciones lineales para realizar la corrección geométrica en imágenes de detección remota de alta resolución. Dado que el método de corrección geométrica de ecuación lineal ** solo necesita proporcionar los parámetros relevantes del vuelo del sensor del satélite para corregir la imagen, ahorra el paso de seleccionar puntos de control, ahorra tiempo y cumple con los requisitos de "rápido y preciso". El estudio es el primero en elegir el método de corrección geométrica de * * * ecuación lineal sin puntos de control para corregir la imagen.
En el software ENVI, lea los datos IKONOS y QuickBird de los archivos RPC (formato .txt) y luego use el módulo de georreferenciación para calcular la banda pancromática y la banda multiespectral sin puntos de control respectivamente * * * Las ecuaciones lineales son corregido geométricamente.
Figura 4-2 Diagrama de flujo de la tecnología de preprocesamiento de imágenes para extraer información de sensores remotos sobre daños por terremotos
(2) Corrección de ortoimagen
Al realizar levantamientos y mapeos de imágenes de sensores remotos, Debido a la influencia de diversos factores inciertos, como el método de obtención de imágenes del sensor, cambios en los elementos externos del acimut, relieve del terreno, curvatura de la tierra, refracción atmosférica, etc. , la forma geométrica de la imagen en sí suele ser inconsistente con la forma de su objeto terrestre correspondiente, lo que provoca deformación geométrica (distorsión). La deformación geométrica de las imágenes de teledetección se refiere a la deformación cuando la posición geométrica, la forma, el tamaño, la orientación y otras características de las cosas en la imagen original no son consistentes con los requisitos de expresión en el sistema de referencia. Para eliminar la distorsión geométrica causada por estos factores y allanar el camino para el registro posterior de la imagen, también es necesario utilizar el DEM del área de estudio para realizar la ortorrectificación digital de la imagen para generar ortoimágenes digitales antes y después del terremoto ( DOM). El principio de la ortorrectificación digital es el proceso de corregir la imagen de proyección central a través de elementos digitales para formar una ortorrectificación (Chen Wenkai, 2007).
La ortorrectificación de este artículo se completa en el módulo de ortorrectificación del software ENVI. Después de obtener el DOM antes y después del terremoto, verifique su coincidencia con el DEM. El error en la posición del punto característico con el mismo nombre que el DEM no debe ser mayor que los requisitos de la Tabla 4-1. Si excede la especificación, es necesario volver a realizar la ortorrectificación.
Tabla 4-1 Error promedio de puntos de DOM y DEM
(3) Fusión de imágenes
DOM que fusiona datos pancromáticos y datos multiespectrales para formar un DOM con alta Imagen de fusión de información espacial de resolución e información de color multiespectral. Antes de la fusión, se debe mejorar el color de los datos multiespectrales para ampliar el contraste de color entre diferentes tipos de terreno y resaltar su información de color. Ajuste simultáneamente el tono de la imagen, mejore el contraste y el brillo de los datos a todo color, mejore el contraste local, resalte detalles de textura y reduzca el ruido. Después de la fusión, debe verificar si la imagen tiene imágenes fantasma y borrosa, verificar los detalles de la textura y el color de la imagen y determinar si el procesamiento antes de la fusión es correcto. Si tiene los problemas anteriores, debe volver a la reintegración.
Si el brillo de la imagen fusionada es bajo y la escala de grises es estrecha, se puede utilizar el estiramiento lineal y el contraste de brillo para ajustar el tono, pero se debe prestar atención a retener la información espectral y espacial de los datos fusionados tanto como sea posible. .
Para mantener las características multiespectrales de los datos fusionados (cuatro bandas de rojo, verde, azul e infrarrojo cercano) y facilitar el cálculo del Índice de Vegetación de Diferencia Normalizada (NDVI), la fusión de reducción de resolución módulo (este método de fusión puede mantener las características multiespectrales originales de los datos fusionados). La banda pancromática y la banda multiespectral de los datos de IKONOS y QuickBird se fusionaron respectivamente y se lograron buenos resultados (Figura 4-3 y Figura 4-4).
Figura 4-3 Imagen fusionada de IKONOS (1m)
Figura 4-4 Imagen fusionada de Quickbird (0,6m)
(4) Registro de imagen
Las imágenes DOM antes y después del terremoto básicamente se superpusieron después de la corrección geométrica sin puntos de control y la corrección ortográfica con ecuaciones lineales. La mayoría de los objetos terrestres pueden superponerse bien, pero algunos objetivos están sesgados. En la Figura 4-5, la izquierda es la imagen QuickBird posterior al terremoto y la derecha es la imagen IKONOS. En el área marcada con una línea negra en el medio, el efecto de superposición del estanque está sesgado. En este caso, es necesario registrar las imágenes. El registro de imágenes, también conocido como corrección precisa de imágenes, se refiere al proceso de eliminar deformaciones geométricas en las imágenes y generar nuevas imágenes que cumplan con los requisitos de una determinada proyección cartográfica o expresión gráfica.
Figura 4-5 Efecto de superposición de imágenes DOM antes y después del terremoto (el área subrayada en negro tiene desviación)
El registro de imágenes al que se hace referencia en esta sección se refiere al registro geométrico de múltiples imágenes . Las imágenes de múltiples fuentes se refieren a imágenes de la misma área en diferentes momentos (imágenes multitemporales) o imágenes de múltiples fuentes obtenidas por diferentes sensores. Las imágenes de IKONOS y QuickBird aquí son imágenes de teledetección multifuente y multitemporal. El registro geométrico de múltiples imágenes se refiere a la superposición precisa de los puntos de imagen con el mismo nombre de múltiples imágenes mediante transformación geométrica, lo que generalmente se denomina registro relativo. Si varias imágenes obtenidas después del registro relativo se clasifican en el mismo sistema de coordenadas del mapa, se denomina registro absoluto.
En este estudio, se utilizó el módulo de corrección geométrica de imágenes del software ERDAS para registrar las imágenes DOM fusionadas antes y después del terremoto. Tomando como referencia la imagen DOM de QuickBird posterior al terremoto, se seleccionó un modelo de corrección polinomial cuadrática para registrar la imagen DOM de IKONOS anterior al terremoto. Después de seleccionar manualmente seis puntos de control con el mismo nombre para construir un modelo polinómico, el software ERDAS encontrará automáticamente las posiciones correspondientes de los puntos de control en la imagen según el modelo y luego simplemente corregirá sus posiciones en la ventana de la imagen, ahorrando tiempo. . Los residuales de los puntos de control de registro con el mismo nombre deben cumplir los requisitos de la Tabla 4-2. * * *Seleccione 20 puntos de control terrestre (GCP) y el error cuadrático medio total (RMSE) de estos 20 puntos de control es 1,0773. Los valores de coordenadas y RMSE de cada punto de control terrestre se muestran en la Tabla 4-3. Finalmente, se elige el método del vecino más cercano para volver a muestrear la imagen.
Tabla 4-2 Residuales de puntos de control de registro
Tabla 4-3 Coordenadas y RMSE de cada punto de control terrestre
Continúa
Después Es necesario realizar el registro geométrico de las imágenes DOM, la inspección y el control de calidad. Primero, el error punto a punto del mismo punto característico en las imágenes DOM antes y después del terremoto no debe ser mayor que el especificado en la Tabla 4-4. Además, también se debe verificar la coincidencia entre las dos fases de las imágenes DOM y el mapa de estado de uso de la tierra (LUDRG), y la precisión no debe ser mayor que los requisitos de la Tabla 4-5. Si no se cumplen los requisitos, se debe utilizar el mapa de estado de uso del suelo para un segundo registro de las dos fases de las imágenes DOM.
Tabla 4-4 Precisión del registro de puntos característicos DOM multitemporales con el mismo nombre
Tabla 4-5 Precisión del DOM en relación con el mapa de estado de uso de la tierra
(5) Procesamiento de mejora de la radiación de la imagen
Debido a los diferentes tiempos de adquisición de las imágenes DOM antes y después del terremoto, la radiación solar recibida por el suelo es diferente y existe una fuerte falta de uniformidad espectral entre las píxeles de imágenes de detección remota de alta resolución, por lo que las dos Debe haber ciertas diferencias en la apariencia entre las imágenes DOM, lo que tendrá un impacto negativo en la detección de la información de cambio de daños por terremotos. Para eliminar estos efectos adversos y mejorar la precisión de la extracción de información sobre daños por terremotos, es necesario realizar una mejora de la radiación en las imágenes DOM antes y después del terremoto, lo que incluye principalmente filtrado adaptativo y coincidencia de histogramas.
Para controlar el ruido aleatorio en los datos de teledetección de alta resolución (el ruido aleatorio a menudo afecta la uniformidad entre los tipos de terreno y la estabilidad de los límites) y la fuerte falta de uniformidad del espectro entre píxeles, el la imagen necesita ser procesada Filtrado espacial.
Este estudio utiliza el filtrado adaptativo Frost en el software ENVI para filtrar imágenes DOM antes y después de los terremotos, lo que puede reducir la heterogeneidad espectral de los píxeles, suavizar las imágenes y mantener claros los bordes y texturas de la clase del suelo. El filtrado adaptativo Frost es un filtro que utiliza el peso como parámetro de ajuste adaptativo. Determina un peso para cada píxel y luego lo filtra uno por uno.
La coincidencia de histogramas mencionada en este estudio se refiere a la transformación matemática de la tabla de búsqueda de imágenes de modo que el histograma de todas las bandas de una imagen de teledetección multiespectral sea similar al histograma de otra imagen de teledetección. A menudo se utiliza para el preprocesamiento de empalmes entre imágenes adyacentes o para detectar información de cambios dinámicos en imágenes de detección remota multitemporales. Mediante la comparación de histogramas, se pueden eliminar las diferencias en la información espectral entre imágenes de sensores remotos de múltiples fuentes causadas por el ángulo de altitud solar o la radiación atmosférica (Dang Rongan et al., 2003).
Este estudio se basa en la imagen DOM QuickBird posterior al terremoto en el software ERDAS y realiza un procesamiento de coincidencia de histogramas en cada banda de la imagen DOM IKONOS anterior al terremoto. De los resultados de la fusión en la sección anterior (Figura 4-3 y Figura 4-4), se puede encontrar que hay nubes espesas y sombras causadas por las nubes en el área de estudio, lo que resulta en una pérdida completa de información dentro de las nubes y las sombras. rango, afectando seriamente la calidad de los datos. En este caso, el método de eliminación de nubes delgadas no puede resolver el problema y no se puede utilizar el método de reemplazo de eliminación de nubes gruesas, porque el trabajo posterior es extraer la información de cambio del daño del terremoto si hay otros datos de imagen (como los anteriores). (se utilizan datos IKONOS de desastre)) el reemplazo afectará inevitablemente la precisión de la extracción de información de cambios posteriores. Después de una consideración exhaustiva, se decidió realizar un procesamiento irreparable en las nubes espesas y sus áreas de sombra. Las nubes y las sombras se propusieron por separado mediante clasificación, y luego se estableció una capa de máscara para excluir las áreas anteriores de las imágenes de QuickBird y no participar en investigaciones posteriores. La misma zona también fue eliminada de la imagen de IKONOS antes del terremoto. El primer y segundo efecto de imagen DOM después de la mejora de la radiación y la eliminación de nubes espesas y sombras se muestran en la Figura 4-6 y la Figura 4-7.
Figura 4-6 Imagen DOM final de IKONOS (1 m)
Figura 4-7 Imagen DOM final de pájaro rápido (0,6 m)