원격 감지 이미지 처리 효과

얻은 연구 영역 원격 감지 이미지에 대한 기하학적 보정, 원격 감지 이미지의 노이즈 감소 처리, 원격 감지 이미지 향상 처리, 원격 감지 이미지의 컬러 합성, 원격 감지 이미지의 가장자리 향상 등의 기술 처리를 통해 다음과 같은 응용 효과를 얻을 수 있습니다.

(1) 웨이브 렛 변환 이미지 노이즈 처리 결과

소파 변환을 이용하여 원격 감지 영상 잡음 처리를 하고, 위의 알고리즘을 이용하여 연구 지역 원격 감지 영상을 잡음 제거 처리한다. 그림 3-17 에 나와 있는 대로 효과를 처리합니다.

그림 3-17 원격 감지 이미지 노이즈 제거 전후의 비교

이미지 픽셀 표준 편차의 크기는 이미지에 포함된 정보의 양을 나타냅니다. 차트 정보를 보면 소파 변환 처리 후 이미지의 픽셀 표준 편차가 원본 이미지보다 크다는 것을 알 수 있고, 이미지 픽셀 평균은 낮아져, 소파 변환이 원격 감지 이미지의 잡음 감소에 뚜렷한 처리 효과를 가지고 있다는 것을 알 수 있다. 즉, 소음을 줄이는 동시에 이미지의 원본 정보를 최대한 보존할 수 있다는 것이다. (알버트 아인슈타인, Northern Exposure (미국 TV 드라마), 예술명언) 표 3-15 에 나와 있습니다. 노이즈 제거 후 스펙트럼 데이터는 그림의 스펙트럼 특징을 보다 사실적으로 반영하여 분석 결과의 신뢰성을 높이는 데 도움이 됩니다.

표 3-15 소파 변환 노이즈 제거 전후의 원격 감지 이미지 효과 비교

일련의 기술을 사용하여 이미지의 시각적 효과를 향상시키고 이미지의 선명도와 대비를 높이며 필요한 정보를 강조하는 작업을 이미지 향상이라고 합니다. 수학적 의미에서, 어떤 이미지든 향상된 처리는 이미지 특징에 대해 어떤 변형을 하는 것이다.

원격 감지 이미지는 시각적으로 느낄 수 있으며 매개변수로 설명할 수 있는 특징은 그레이스케일, 색상, 텍스처, 모양 등입니다. 향상은 이미지 데이터의 이러한 특성 매개변수에 따라 디스플레이 미디어와 사람의 시각 시스템 기능을 결합하여 원본 이미지에서 향상된 이미지로의 변환을 선택하는 것입니다.

원격 감지 이미지 향상 처리 기술은 처리 공간에 따라 이미지 공간 기반 공간 방법과 이미지 변환 기반 주파수 영역 방법의 두 가지 범주로 나눌 수 있습니다. 공역 향상 처리는 주로 그레이스케일에 글을 쓰는 것이다. 각 개별 픽셀 요소에 대한 그레이스케일 향상 처리를 점 처리라고 합니다. 픽셀 주위의 작은 영역 하위 이미지를 처리합니다. 이를 이웃 처리 또는 템플릿 처리라고 합니다. 또한 이미지 처리 범위에 따라 향상된 처리 기술을 전역 (전체 이미지) 처리와 부분 (부분 이미지) 으로 나눌 수 있습니다. 그 후 컬러 이미지가 광범위하게 적용됨에 따라 컬러 이미지에 대한 여러 가지 향상된 처리 방법이 개발되어 회색조 이미지와 컬러 이미지 향상의 구분이 있게 되었다. (윌리엄 셰익스피어, 윈스턴, 컬러 이미지, 컬러 이미지, 컬러 이미지, 컬러 이미지, 컬러 이미지, 컬러 이미지, 컬러 이미지) 결론적으로, 채택할 수 있는 향상된 처리 방법과 알고리즘은 매우 많으며, 운용중에 현지 상황에 따라 적절한 향상 방법을 선택해야 한다. 우리는 원격 감지 이미지 향상 처리에서 주로 컬러 합성과 이미지 가장자리 향상 두 가지 기술 수단을 사용했습니다.

(2) 원격 감지 이미지의 컬러 합성 결과

컬러 합성 (그림 3-18) 은 이미지 컬러 향상에 가장 널리 사용되는 처리 기술로, 다중 스펙트럼 원격 감지 및 다중 소스 데이터 융합 기술의 발전에 따라 엄청난 응용 가치를 보여 줍니다. 이번 연구에서 우리는 컬러 합성 이미지 향상 수단을 중점적으로 적용했다.

그림 3-18 다중 스펙트럼 원격 감지 이미지 색상 합성 원리 다이어그램

(J.V.Taranik, 1988 년 기준)

지상국이 시스템을 통해 처리한 원본 이미지 제품은 모두 그레이스케일 차이를 반영하는 흑백 이미지입니다. 우리 모두 알고 있듯이, 인간의 눈은 회색조 차이를 인식하고 구분할 수 있는 능력이 제한되어 있으며, 일반적으로 20 ~ 30 급만 구분할 수 있는 반면, 색상을 식별하고 구분하는 능력은 수백 가지나 수천 가지에 달할 수 있습니다. 둘 사이에는 큰 차이가 있습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 예술명언) 분명히 흑백 이미지의 그레이스케일 차이를 색상 차이로 바꾸면 원격 감지 이미지의 시각적 분석 해석 성능을 크게 향상시킬 수 있으므로 색상 향상은 원격 감지 이미지 응용 처리를 위한 또 다른 핵심 기술로 널리 사용되고 있습니다.

ETM+ 데이터의 여러 밴드 조합은 표 3-16 과 같은 일반적인 밴드 조합 및 용도인 다양한 지면 정보를 확대할 수 있습니다.

표 3-16 ETM+ 다양한 밴드 조합의 특징 및 주요 용도

표 3-16 은 ETM+741, 457 밴드 조합이 지질 연구에 분명히 사용된다는 것을 알 수 있으며, 이번 연구에서도 이 두 가지 컬러 합성도를 광범위하게 채택했다.

Connard 반암 구리 점인 ETM+ 원격 감지 영상을 예로 들어 그 운용 효과를 설명하다. 여기서 그림 3-19(a) 는 ETM+ 첫 번째 밴드입니다. 그림 3-19(b) 는 ETM+ 네 번째 밴드입니다. 그림 3-19(c) 는 ETM+ 일곱 번째 밴드입니다. 그림 3-19(d) 는 ETM+741 밴드의 컬러 합성도이며 RGB 는 각각 741 밴드입니다. 합성된 컬러 영상은 광점 주위의 시공 환경을 더 잘 반영하고 광점에 대한 더 많은 정보를 얻을 수 있으며, 원격 감지 이미지 멀티밴드 특징을 최대한 활용할 수 있다. 물론 다른 밴드의 합성은 다른 정보를 반영할 수 있다. 전체 컬러 합성 프로세스는 ERDAS IMAGINE9.0 환경에서 수행됩니다.

그림 3-19 콘나드 광점 ETM+ 원격 감지 이미지 컬러 합성도

(a)ETM+ 일곱 번째 원격 감지 이미지 맵; (b)ETM+ 네 번째 원격 감지 이미지 맵; (c)ETM+ 원격 감지 이미지의 첫 번째 단락; (d)ETM+(RGB = 741) 컬러 합성 원격 감지 이미지 맵

(3) 이미지 가장자리의 원격 감지 매크로 이미지 특징 및 처리 결과

원격 감지 이미지의 가장자리는 종종 선형 (Lineament) 및 원형 (Circular) 기능으로 나타납니다. 원격 감지 이미지에서는 주로 색조, 그래픽 특징, 수계 전개, 지형 형태 등으로 표시됩니다. 전자는 평평하거나 약간 구부러진 선형 스트립 모양이고, 후자는 원형이다. 반원형, 타원형 등 원형 스트립 모양입니다. 이러한 로고에는 종종

① 색조와 형태

색조와 형태에는 색조선, 색조대, 색조 인터페이스 등선, 원형 이미지 특징이 포함되며, 선형, 원형 가장자리를 식별하는 첫 번째 표시입니다. 구김대 중 지층암성의 차이는 구김 구조가 펼쳐지는 방향을 분명하게 반영한다. 구조 양쪽의 지질체, 지형체 또는 지질현상의 차이를 끊어 전자기파 복사의 차이를 발생시켜 서로 다른 영상톤과 형태를 형성한다. 많은 경우, 단층대 자체의 구성 물질과 수성 등 측면과 주변 지층의 뚜렷한 차이로 인해, 단층선의 형태가 원격 감지 영상에서 더욱 두드러지고 식별하기 쉽기 때문에, 원격 감지 영상에서는 종종 많은 지상 조사에서 발견되지 못한 새로운 선형 구조를 찾을 수 있다.

② 지형 특징

원격 감지 이미지에서 선형 모양의 지형 표시는 두 가지 유형이 있습니다. 하나는 단층 삼각면, 단층절벽, 산등성이선의 착동 등 시공 지형 표지입니다. 둘째, 많은 미세 지형이 선형으로 배열되어 선형 음의 지형을 이루고 있다.

③ 수계 특성

수계 유형, 수계 밀도, 절단 깊이, 평면 형태, 흐름 방향 등은 모두 암석, 구조 등 지질 요인에 의해 밀접하게 통제되며, 특히 평면 형태와 스윙 방향은 지각 운동의 특징을 직접적으로 민감하게 반영한다. 강 평면 형태가' S',' L',' Z' 로 변하면 단층이 왼손 변환 특성 (반전) 이고, 강 평면 형태가' S',' L',' Z' 로 바뀌어 단층이 오른쪽 변환임을 나타냅니다 방사형, 링 수계는 돔 구조나 암석 침입의 가능성을 나타냅니다. 격상수계는 은둔한 두 그룹의 직교단층이 존재할 가능성을 암시한다.

④ 활성 특징점의 선형 분포

침입암, 분화구, 수로 특징점 (유역점, 분류점, 전환점, 수로가 넓어지거나 좁아지는 점, 곡류 세그먼트, 직선 세그먼트의 시작과 끝 등), 샘물이 이슬점, 지하 다이빙 넘침 지대, 홍적팬 정점, 호수해안선, 해안선, 섬 등이 선형으로 펼쳐지고 산계, 산계

원격 감지 영상선 형체 추출 연구는 첨단 탐사 기술과 지구과학의 유기적 결합으로, 단절 구조에 관한 일상적인 연구 방법에 대한 유익한 보충과 종심확장을 위한 필연적인 추세이다. 본 연구에서 Canny 알고리즘에 기반한 컴퓨터 자동 에지 검출 기술의 구현은 MATLAB7.0 환경에서 구현되었으며 구문 형식은

[g, t] = edge (f, 'canny', t, sign)

여기서 T 는 임계값 벡터 (T1, T2 에 대한 결정) 이고 시그마는 스무딩 필터의 표준 편차입니다. 처리 전후의 비교도는 그림 3-20 에 나와 있습니다.

그림 3-20 사전 처리된 이미지와 추출된 가장자리 이미지 비교

(a) 사전 처리된 이미지입니다. (b) 가장자리에 대해 추출한 이미지

그림 3-20 에서 알 수 있듯이, 컴퓨터가 자동으로 추출한 가장자리 정보학에는 도로, 강, 산등성이와 같은 일련의 유사 지질 경계가 포함되어 있으며, 이를 통칭하여 선 형태라고 합니다. 선형체는 표면의 선형 정보를 직접 반영하는데, 일부 선형체의 발육과 분포는 심부구조의 통제와 영향을 받기 때문에 선형체는 지각의 심부에서 오는 정보를 간접적으로 반영할 수 있다.

연구구 원격감 영상선 형체 추출도 (그림 3-21 참조) 에 대한 밀도 분석을 실시한 결과, 포고도 I, II, II, II, ⅳ, ⅴ, 또한 그림 3-21 의 왼쪽 위 모서리에는 고선 형체 밀도 벨트가 눈에 띄게 발달하여 원격 감지 영상과 관련 지질 자료에 따라 달라 부대 파열로 판정될 수 있다. 그림 3-21 에서 알 수 있듯이 연구 지역은 1 차 파열, NE 동향, 1 차 단층 양쪽의 비대칭 발육은 여러 개의 2 차, 3 차 파열이다. 1 차 단층부 남동에서 적어도 5 개의 암석이 노출되었다.

컴퓨터가 자동으로 추출한 가장자리 정보에 따라 ETM+ 원격 감지 이미지의 색조와 형태, 지형 특징, 수계 특징, 활성 특징점의 선형 전개 등에 따라 가장자리가 지질 경계인지 여부를 수동으로 판단함으로써 의사 지질 경계를 제거하여 연구 지역 내 주요 지층의 암석 경계를 산출합니다. 연구구 원격감각영상선 형체 등 밀도도가 표현한 지역지질개황을 결합해 기존 지질자료를 근거로 연구구역의 원격감각지질해석도를 얻어냈다 (그림 3-22 참조). 암성 식별 방면에서 ETM+ 원격 감지 영상암성 식별 기술과 야외 탐사를 결합한 면, 점이 결합된 기술을 이용하여 암성 식별을 한다.

그림 3-21 연구 영역 원격 감지 이미지 선 모양 등 밀도 맵

(컬러 사진은 책 뒷판 참조)

그림 3-22 연구 지역 원격 탐사 지질 해석지도

Q-제 4 계 P-페름기; C1b—-하부 석탄기 포장 고대 그림 그룹; C1t—-하부 석탄기 텔라 그룹; C1x—-하부 석탄기 히베쿠라스 그룹

Canny 알고리즘에 기반한 가장자리 감지 기술은 중앙아시아 포고투 지역의 실험을 통해 대상화 사전 처리된 원격 감지 이미지에 대한 이 방법의 선 모양 정보 추출이 성공적이라는 것을 알 수 있습니다 (그림 3-20B 참조). 선 형체에 대한 통계적 특징 분석, 즉 선 형체 등 밀도 분석을 통해 연구 구역 내 1 차 단단-다라부특대 단단의 대체적 위치와 흐름을 식별할 수 있다. 선 형체에 대한 등밀도도 분석을 통해 연구 구역 내 발육이 비교적 많은 고리형 구조가 있고, 암주 발육이 현저하다는 것을 알 수 있다. 연구 지역 내 주요 지층 경계 위치를 도출하다. 마지막으로, 알려진 지질 학적 데이터와 함께, 원격 감지 lithologic 식별 기술을 사용 하 여 연구 영역에서 원격 감지 지질 해석 지도를 그려, 연구 지역의 지질 학적 상황에 대 한 우리의 추가 이해를 심화 하 고 다음 지질 작업을 위한 토대를 마련 했다.

그러나 어떤 가장자리 감지 알고리즘이든 특정 문제를 해결하는 동시에 서로 다른 유형의 결함이 있습니다.

가장자리 감지는 시각의 초급 단계로서 일반적으로 불량한 문제로 간주되어 근본적으로 해결하기 어렵다. 따라서 가장자리 감지 정확도와 소음 방지 성능 조정 문제를 쉽게 해결할 수 있는 알고리즘을 찾는 가장자리 감지 알고리즘이 선호됩니다. 이 글에서 제시한 방법도 이 분야에서 약간의 탐구성 연구일 뿐, 아직 부족한 점이 많다. 예를 들어, 의사 지질 경계의 제거 처리는 큰 주관적인 억단을 가지고 있다. 이 모든 것은 앞으로 그것을 더욱 보완해야 한다.