Este artículo analiza el procesamiento de imágenes satelitales de teledetección y sus tendencias de desarrollo.
Las imágenes digitales de teledetección (en adelante, "imágenes de teledetección") son imágenes digitales de teledetección. Diferentes áreas y objetos de la superficie de la Tierra pueden reflejar o irradiar ondas electromagnéticas de diferentes longitudes de onda. Utilizando esta característica, el sistema de detección remota puede producir diferentes imágenes digitales de detección remota.
La diferencia entre esta y las imágenes digitales ordinarias, es decir, las fotografías electrónicas que habitualmente tomamos, radica en el rango de imagen y la finura de las imágenes de detección remota. El área de disparo de los satélites de teledetección es una dimensión macro a nivel de la Tierra. Cada píxel de la imagen corresponde a varias, una o parte de las características del mundo real tridimensional. Dependiendo de la resolución de las imágenes satelitales, un píxel puede ser un árbol, un automóvil o la ventana de un edificio.
Por lo tanto, el valor de brillo (valor DN, número digital) de cada píxel de la imagen tiene un importante significado informativo. Para obtener información precisa, los usuarios deben realizar una serie de "operaciones mágicas", como gestión, transformación, corrección, mejora y extracción de píxeles en imágenes satelitales en función de los objetivos de su propia aplicación para facilitar futuras aplicaciones de minería y integración empresarial.
Valor DN (número): el valor de brillo del píxel en la imagen de detección remota, que registra el valor en escala de grises del objeto terrestre. No tiene unidades y es un valor entero. Está relacionado con la resolución de radiación del sensor, la emisividad del objeto terrestre, la transmitancia atmosférica y la tasa de dispersión, y refleja la radiación del objeto terrestre.
Podemos volver al "mundo de las imágenes p" para hacer una analogía. Para que nuestra imagen en las redes sociales sea más perfecta, abrimos un software Xiuxiu para blanquear, adelgazar, exfoliar, eliminar el acné... Por supuesto, el procesamiento de datos de las imágenes de teledetección es mucho más complicado y profesional. ¿Hasta qué punto? Se puede escribir como un libro de texto——
Hoy, echemos un vistazo a qué “habilidades mágicas” existen y cómo usarlas. Hoy en día, con el rápido desarrollo de la industria de la teledetección, ¿el impacto de la producción de datos de alta frecuencia, los algoritmos y la inteligencia artificial cambiarán los modelos tradicionales y la lógica subyacente de estas "operaciones mágicas"?
01. ¿Qué es el procesamiento de imágenes por teledetección?
El procesamiento de imágenes por teledetección es el proceso de utilizar un sistema de procesamiento de imágenes por computadora para realizar una serie de operaciones en píxeles en imágenes de teledetección.
Las imágenes de teledetección contienen una gran cantidad de información. Sólo a través de la digitalización (muestreo, cuantificación y almacenamiento digital de sistemas de imágenes) se puede llevar a cabo eficazmente el análisis de la información y la extracción de contenidos. Sobre esta base, los datos de la imagen se pueden procesar y reprocesar, como corregir las coordenadas de alineación gráfica, mejorar los contornos de los objetos terrestres, etc., lo que puede mejorar en gran medida la precisión del procesamiento de imágenes y la eficiencia de la extracción de información. Este proceso puede denominarse "procesamiento de imágenes digitales por teledetección".
Como eslabón básico e importante en el proceso de "observación de la Tierra", el procesamiento de imágenes de teledetección ocupa una posición importante en los tramos medio e inferior de la cadena industrial de aplicaciones satelitales, vinculando el pasado y el futuro. El front-end es responsable de las instalaciones terrestres satelitales y el back-end proporciona servicios o herramientas de datos "listos para usar" para aplicaciones comerciales específicas en agricultura, silvicultura, meteorología, recursos naturales y otras industrias.
02. ¿Por qué el procesamiento de imágenes por teledetección es la única forma de aplicarlo?
Cuando vemos productos terrestres digitales limpios y hermosos como Google Earth, o mapas temáticos satelitales de teledetección o mapas de interpretación utilizados en la gestión de recursos naturales, protección ambiental, agricultura, meteorología y otros campos, necesitamos aceptar el "bautismo". " en medio del procesamiento de imágenes.
Debido a que los satélites de detección remota "funcionan" a grandes altitudes, su entorno de imágenes es mucho más complejo que nuestro entorno fotográfico diario en tierra. Encontrarán inestabilidad del sensor, curvatura de la tierra, condiciones atmosféricas, cambios de iluminación y terreno. cambios y otros sistemas y condiciones deformación geométrica, distorsión, desenfoque, ruido, etc. causados por factores ajenos al sistema. El centro de datos de teledetección realiza un procesamiento preliminar de la imagen, como eliminación, corrección geométrica aproximada, etc. Cuando los datos llegan a manos de todos los usuarios finales, necesitan un procesamiento más refinado para acercarlos al entorno del espacio físico y las coordenadas del mundo real, y un procesamiento profesional basado en sus propios objetivos de análisis de negocios para prepararse para el siguiente paso de control remoto. Análisis e interpretación de imágenes de detección y aplicaciones empresariales.
En términos generales, los principales objetivos del procesamiento de imágenes de teledetección son los siguientes:
Corrección de imagen: restauración y restauración de imágenes. Antes de la extracción de información, las imágenes de detección remota deben corregirse para que puedan reflejar correctamente la información real de la superficie o los procesos físicos.
Mejora de imagen: Suprime o elimina el ruido de la imagen. Para que la información de características contenida en las imágenes de teledetección sea más legible, los objetos de interés más prominentes y más fáciles de entender e interpretar, es necesario mejorar toda la imagen o la información de características específicas.
Extracción de información: de acuerdo con las características espectrales y geométricas de los objetos terrestres, determine las reglas de extracción para diferentes información de objetos terrestres y, sobre esta base, utilice las reglas para extraer varias características geográficas útiles de la información corregida. datos de teledetección.
03. ¿Cuáles son las funciones del procesamiento de datos de teledetección?
El procesamiento completo de imágenes digitales por teledetección incluye dos partes: sistema de hardware y sistema de software. El volumen de almacenamiento de datos de teledetección es enorme y requiere software y dispositivos de almacenamiento digital de gran capacidad para coordinar el almacenamiento y el procesamiento. Este artículo presenta principalmente la parte de procesamiento de software. La siguiente imagen es la interfaz del software de procesamiento de imágenes profesional. En comparación con el software de oficina de uso común, las funciones de los sistemas de procesamiento de imágenes están relativamente dispersas y los vínculos entre los menús no son estrechos.
En cierto sentido, el sistema de procesamiento de imágenes se parece más a una caja de herramientas integral para el procesamiento de imágenes.
Debido a los diferentes objetivos del procesamiento de imágenes, los usuarios pueden llamar a una determinada función o una combinación de varias funciones, y no se seleccionan todos los procesos. Aquí se resumen algunas funciones de procesamiento típicas y se presentan los pasos básicos.
Almacenamiento y gestión digital
La capacidad de almacenamiento de las imágenes de teledetección en sí es grande. Una imagen de escena de teledetección Landsat de 7 bandas tiene al menos 200 MB, mientras que una imagen hiperespectral puede alcanzar 1 GB. Desde que se ingresó a la era del gran espacio y tiempo, la producción y acumulación de datos de alta frecuencia también ha llevado a la detección remota a ingresar a la era del big data, lo que hace que la tendencia de los servicios en la nube de detección remota, la gestión del almacenamiento y la distribución rápida sean cada vez más obvias. El almacenamiento digital, la actualización en línea, la recuperación de gestión, la publicación y la exploración de imágenes de teledetección basadas en nubes privadas y nubes híbridas se han convertido gradualmente en una base indispensable e importante para el procesamiento de datos de teledetección, lo que mejorará en gran medida la eficiencia del procesamiento profesional y las aplicaciones comerciales posteriores. de imágenes de teledetección.
Preprocesamiento de imágenes
Corrección de radiación (corrección de radiación)
Se refiere a la corrección de la distorsión de radiación sistemática y aleatoria o causada por factores externos y la adquisición y transmisión de datos. sistemas Distorsión causada por un error de radiación, el proceso de eliminar o corregir la distorsión de la imagen causada por un error de radiación.
Un resumen simple es eliminar el "ruido" atmosférico o del sensor, representar con mayor precisión las condiciones del terreno y mejorar la "fidelidad" de la imagen, principalmente para restaurar datos faltantes, eliminar la neblina o proporcionar mosaicos y Prepárese para el monitoreo de cambios.
El papel de la corrección de radiación en el monitoreo dinámico: en imágenes de teledetección multitemporal, además de los cambios en los objetos terrestres, los valores de radiación de los objetos terrestres sin cambios también serán diferentes en imágenes de diferentes fases. Si es necesario utilizar la información espectral de imágenes de teledetección multitemporal para monitorear dinámicamente los cambios en los objetos terrestres, primero se debe eliminar la diferencia en los valores de radiación de los objetos terrestres sin cambios.
Mediante la corrección de radiación relativa, una imagen se utiliza como imagen de referencia (o referencia) y el valor DN de la otra imagen se ajusta para que los objetos con el mismo nombre en las dos imágenes de fase tengan el mismo Valor DN. Este proceso también se conoce como normalización espectral de imágenes de teledetección multitemporales. De esta manera, el monitoreo de cambios se puede lograr analizando las diferencias en los valores de radiación en imágenes de teledetección de diferentes fases, completando así el monitoreo dinámico por teledetección de los cambios dinámicos en los objetos terrestres.
Corrección geométrica (corrección geométrica)
En el proceso de obtención de imágenes de teledetección, debido a la influencia integral de la deformación del material fotosensible, la distorsión de la lente del objetivo, la refracción atmosférica, la curvatura de la tierra, la rotación de la tierra , relieve del terreno y otros factores. La posición geométrica, la forma, el tamaño, la escala, la orientación y otras características de los objetos terrestres en la imagen original a menudo no coinciden con sus características correspondientes. Este fenómeno se llama deformación geométrica, también conocida como distorsión geométrica. La corrección geométrica utiliza una serie de modelos matemáticos para corregir y eliminar esta distorsión geométrica para garantizar un posicionamiento preciso.
El principio de corrección geométrica muestra que el terreno en el mundo real es tridimensional y desigual, pero los sensores satelitales de detección remota solo pueden obtener píxeles bidimensionales, lo que resulta en una distorsión del terreno. : Con vistas al tiempo y al espacio
Mejora de imagen
Mejora del contraste de la imagen (Mejora del contraste de la imagen)
Un gráfico de distribución aleatoria obtenido contando el número de píxeles para cada brillo de cada imagen es el histograma de la imagen. En términos generales, una distribución aleatoria del brillo de los píxeles debería ser normal en imágenes que contienen una gran cantidad de píxeles. El histograma es una distribución no normal, lo que significa que la distribución del brillo de la imagen es demasiado brillante, demasiado oscura o demasiado concentrada y el contraste de la imagen es pequeño. El histograma debe ajustarse a una distribución normal para mejorar la calidad de la imagen y facilitar la distinción de los contornos de los objetos terrestres y la extracción de información.
Síntesis de color
Para aprovechar al máximo las ventajas del color en la interpretación de imágenes de teledetección y la extracción de información, la síntesis de color a menudo se realiza en imágenes multiespectrales para obtener imágenes en color. Como se muestra arriba, las imágenes en color se pueden dividir en imágenes en color verdadero e imágenes en color falso.
Segmentación de densidad
Las imágenes en escala de grises se clasifican según el valor de los píxeles en escala de grises y luego se clasifican utilizando diferentes colores para convertir la imagen en escala de grises original en una imagen en pseudocolor para lograr una mejora de la imagen. . objetivo.
Operaciones de imágenes
Después de registrar dos o más imágenes de una sola banda en el espacio, se pueden realizar operaciones aritméticas para mejorar las imágenes. De acuerdo con las diferencias en escala de grises de los objetos terrestres en diferentes bandas, se generan nuevas "bandas" mediante operaciones algebraicas de diferentes bandas, como operaciones de suma, operaciones de resta, operaciones de razón, operaciones integrales, etc., como:
Operaciones de resta: Sí Resalte las características con grandes diferencias entre las dos bandas, como infrarrojo y rojo, y resalte la información de la vegetación.
Operación de ratio: se suele utilizar para calcular el índice de vegetación y eliminar las sombras del terreno.
Índice de vegetación: NDVI=(IR-R)/(IR+R)
Fusión de imágenes
La fusión de información de imágenes de teledetección tiene como objetivo mejorar la resolución de la imagen y información medios efectivos de cantidad. Es un proceso de generación de un nuevo conjunto de información o imágenes sintéticas a partir de datos de detección remota de múltiples fuentes utilizando un determinado algoritmo bajo un sistema de coordenadas geográficas unificado.
Los diferentes datos de teledetección tienen diferente resolución espacial, resolución espectral y resolución temporal. Tecnología de procesamiento de imágenes que vuelve a muestrear imágenes multiespectrales de baja resolución e imágenes de banda única de alta resolución para generar imágenes de detección remota multiespectrales de alta resolución, de modo que las imágenes procesadas tengan características multiespectrales y de alta resolución espacial.
Recorte de imágenes
En aplicaciones prácticas de teledetección, es posible que los usuarios solo estén interesados en información dentro de un rango específico de imágenes de teledetección, lo que requiere reducir las imágenes de teledetección al tamaño de la rango de investigación.
Los métodos de recorte comunes incluyen el recorte por ROI (región de interés), el recorte por archivo (según el tamaño del archivo de imagen especificado) y el recorte por mapa (según las coordenadas geográficas o el rango de latitud y longitud del mapa).
Costura de imágenes
También llamada unión de imágenes, es el proceso de empalmar dos o más imágenes digitales (que pueden obtenerse en diferentes condiciones fotográficas) para formar una imagen técnica completa. proceso. Por lo general, cada imagen se corrige geométricamente primero para planificarlas en un sistema de coordenadas unificado, luego se corta para eliminar las partes superpuestas y luego las imágenes cortadas se empalman para formar una imagen de gran formato.
Color uniforme del mosaico
Fusiona varias imágenes de detección remota adyacentes en una nueva imagen unificada mediante tecnología de empalme y equilibrio de color.
Extracción de información
Las características del objeto objetivo en la imagen de detección remota son un reflejo de la diferencia en la radiación de ondas electromagnéticas del objeto en la imagen de detección remota. De acuerdo con las características de los objetos terrestres en imágenes de teledetección, el proceso de identificar el tipo, naturaleza, ubicación espacial, forma, tamaño y otros atributos de los objetos terrestres es la extracción de información de teledetección.
Interpretación visual
También llamada interpretación manual, es decir, interpretar imágenes de sensores remotos a través de ojos artificiales y experiencia, y delinear manualmente el alcance de los objetos objetivo en imágenes de sensores remotos para lograr el objetivo. propósito de la extracción de información. La interpretación manual es un método tradicional de extracción de información, pero la eficiencia de interpretación y análisis es relativamente baja en imágenes masivas.
Clasificación de imágenes
Según las características espectrales de los objetos terrestres, se determina la función discriminante y los criterios discriminantes correspondientes, y todos los píxeles de la imagen se dividen en varias categorías según sus propiedades. . Los métodos principales se dividen en clasificación supervisada y clasificación no supervisada.
-Clasificación supervisada
Clasificación supervisada significa que las personas tienen un conocimiento previo de los atributos de categoría de las áreas de muestra de imágenes de teledetección antes de la clasificación, y luego pueden establecer y clasificar en función de las características de estas. categorías de muestra. Entrene al clasificador (es decir, establezca una función discriminante) para completar la clasificación de toda la imagen y clasificar cada píxel en la categoría correspondiente.
La clasificación supervisada es también el método de aplicación más común de la IA de detección remota en la actualidad, es decir, utilizar el aprendizaje automático para clasificar, etiquetar o identificar características específicas a través de una base de datos de muestra.
-Clasificación no supervisada
La clasificación no supervisada, también conocida como análisis de conglomerados, significa que las personas se basan en datos (reglas de distribución de características espectrales de imágenes de detección remota), es decir, las características de clustering natural, en clasificación "Ciega" sin imponer ningún conocimiento previo en el proceso de clasificación, es un método de análisis estadístico de imágenes utilizando computadoras basado en la teoría de clustering, y es un método de reconocimiento de patrones. Los algoritmos generales incluyen: análisis de regresión, análisis de tendencias, método de distancia de mezcla igual, análisis de conglomerados, análisis de componentes principales y reconocimiento de patrones.
La diferencia entre clasificación supervisada y clasificación no supervisada: la clasificación supervisada debe tener un conjunto de entrenamiento y una muestra de prueba. Encuentre las reglas en el conjunto de entrenamiento y aplíquelas a las muestras de prueba; sin supervisión no tiene un conjunto de entrenamiento, solo un conjunto de datos en el que encontrar las reglas.
04. ¿Qué cambios se están produciendo en el procesamiento de datos de teledetección?
El procesamiento de datos de teledetección se parece más al "procesamiento aproximado de materias primas" en la industria manufacturera y también es un requisito previo para la aplicación inteligente y la integración empresarial de datos de imágenes de teledetección. A juzgar por la introducción del artículo anterior, su proceso también es más complejo y profesional.
Como parte importante de la industrialización de la observación de la Tierra y la teledetección, el procesamiento de datos de teledetección en los niveles medio y bajo de la industria también se ha visto afectado por la era de los grandes datos y está cambiando en respuesta a esta tendencia, avanzando hacia el tiempo real y la estandarización, la escala y la automatización.
En la transformación digital de las empresas, a menudo se dice que todas las industrias tradicionales son dignas de digitalización. Lo mismo ocurre con las industrias tradicionales de producción de datos y servicios de información, sus modelos y procesos son dignos de utilizar algoritmos. Hazlo de nuevo con IA.
Cuando los algoritmos y la inteligencia artificial penetran gradualmente en el procesamiento de datos de teledetección, pueden resolver muchos problemas en los servicios de producción de datos en la industria de la teledetección, como largos ciclos y enlaces de distribución de datos, muchos enlaces de procesamiento y la precisión del procesamiento masivo de datos y consistencia, etc. , podemos considerarlo como "procesamiento automático por lotes".
Después de que el motor de algoritmo resuelva problemas como los servicios de datos, la eficiencia de la computación de datos y los procesos automatizados, habrá productos de datos de aplicaciones más refinados adecuados para diversos escenarios de segmentación vertical posteriores. En el proceso de extracción de información de imágenes de teledetección presentado anteriormente, con la participación de IA y algoritmos, también habrá muchas funciones automatizadas eficientes, como reconocimiento de objetivos, extracción de características, clasificación de características, detección de cambios, etc. , que ayudará gradualmente a los humanos a mejorar la eficiencia de la interpretación y formar un mecanismo de "minería de información inteligente" aguas abajo de la industria de la teledetección.
Podemos ver que desde la fuente de recopilación de datos de teledetección, el procesamiento de datos hasta las aplicaciones terminales, su eficiencia está estrechamente relacionada con el modelo de datos subyacente. Con la formación gradual de constelaciones de Internet satelital y observación de la Tierra, sólo estandarizando el proceso de adquisición, procesamiento e intercambio de datos podrá la industria de teledetección a gran escala, automatizada y optimizada, ejercer mejor su impulso para la transformación digital de gobiernos y empresas. La era del big data en el espacio y el tiempo realmente ha comenzado.
Datos de referencia
"Tutorial de procesamiento de imágenes digitales con teledetección" editado por Wei Yuchun, Tang Guoan y Yang Xin