Loading
Apuntes
Study Reminders
Support
Text Version

Técnicas básicas de mejora de la imagen

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Vídeo 1

Hola a todos, Así que empezaremos con algunas técnicas básicas, pero antes de eso me gustaría discutir sobre diferentes formatos que se utilizan con los datos en bruto cuando se nos suministran. Más temprano como usted sabe que cuando no teníamos el medio óptico o a través de la red, entonces usamos para obtener los datos en cintas magnéticas. Y si son datos multiespectrales entonces había algunos formatos bien conocidos están allí y aún así usted puede encontrar algunos conjuntos de datos que tal vez tener uno de esos formatos. Así que muy brevemente vamos a discutir sobre esos formatos primero y luego más adelante veremos cosas básicas acerca de la mejora de la imagen. Como puede ver aquí una imagen multiespectral se muestra sólo un esquemático o una muestra. Y si quiero recuperar un solo valor de píxel entonces como se marca aquí en este es el rincón uno en la banda 2 que es el valor de pixel 105. Y si estos datos multiespectrales se escriben en forma secuencial entonces el uso del thertrieval para ser largo proceso. Así que en muchos libros en libros todavía encontrarían detalles sobre estos formatos.
Ahora unos días después de tener todo en plataforma digital en lugar de plataforma u óptica o en pendrive o a través de net. La mayoría de los conjuntos de datos que estamos recibiendo ahora están en formato secuencial de banda o bandas individuales están allí. Y los formatos de archivo son generalmente archivos tif, archivos geo tif, cuando digo archivo tif que es el formato de archivo de información apilada. Y es que la información sobre el archivo que se trata de los metadatos también se conecta con el archivo. Así que ese tipo de formato se llama formato tif y mejor formato que también lleva la coordenada geográfica que se llama geo tif. Así que la mayoría de los datos como por ejemplo, si usted descarga datos de Landsat incluso datos pasados o datos actuales puede obtener los datos muy fácilmente en formato geo. Y una vez si obtiene el formato geo tif se hace muy fácil porque la georreferenciación no es necesaria y de inmediato se puede mostrar en la pantalla y luego mejora y otro proceso puede comenzar. Así que vamos por este formato de archivo de imagen en cuanto a los datos secuenciales como se puede ver que el ejemplo mostrado aquí el escenario de 4 bandas se muestra aquí. Y están en toda secuencia, así que primero toda la información sobre todas las líneas de la banda 1 están en la parte superior como aquí. Y entonces todas las líneas de la banda 2 están en el segundo en el color verde entonces el color azul y entonces usted puede tener varias bandas. Así que esto es n banda y en medio entre usted está teniendo algunas otras bandas. Así que la banda secuencial se llama imagen de formato secuencial de banda uno a la vez este es el formato más común hoy en día. En otras palabras, los datos de todos los píxeles para la banda 1 se almacenan primero y luego para la banda 2 a continuación y así sucesivamente hasta llegar al final de las bandas. Y como también puedes tener un tipo diferente de formato que se llama banda intercalada por línea o formato BIL en la que como nombre implicaba esa banda intercalada por línea, así que lo que sucederá que la primera línea que es la fila 1 de la banda 1 llegará primero en la secuencia. Entonces la primera línea de la banda 2 es aquí entonces la primera línea de la banda 3 está aquí y de la misma manera usted conseguirá los datos en la banda intercalados. Así que banda intercalada por formato de línea, datos de formato BIL es almacena los datos, información de pixel, banda por banda para cada línea y para fila de la imagen. Esto es muy común también en algunos casos porque cuando los datos multiespectrales están siendo adquiridos por los sensores de satélite, línea por línea se escanea. Por lo que es muy natural o estar encajando para ese tipo de formato porque el cuando se están adquiriendo los datos, también se adquiere todo como primera línea de todas las bandas. Luego segunda línea de toda la banda, por lo que los datos en sí están llegando casi en el mismo formato que el BIL. Así que por lo tanto las personas también almacenan para en este formato los datos y si es el escenario de 3 bandas como aquí en la imagen del lado izquierdo. Entonces como ya he mencionado que las 3 bandas de los datos se escriben en la fila 1, entonces las 3 bandas de los datos se escriben en la fila 2 y para la línea siguiente para la línea siguiente y de la misma manera. Hay otra posibilidad que es el formato más poco común, pero todavía para ciertas aplicaciones es allí. Porque hay ciertas aplicaciones en las que se necesita un único píxel de todas las bandas a la vez. Y por lo tanto otro formato que se llama banda de formato BIP intercalada en lugar de banda de línea intercalada por píxeles. Y los datos son similares excepto como he mencionado que en lugar de línea por línea. Ahora usted está teniendo pixels, así que el ejemplo como aquí que la fila 1 de la banda 1 primer pixel está viniendo entonces fila 1 banda 2 el primer píxel viene, fila 1 banda 3 el primer píxel está viniendo. Y también vas hasta el final de la imagen, así que si los datos se almacenan como este entonces el acceso también se vuelve más rápido. Si quiero acceder a una pequeña parte de una imagen grande y esa imagen se almacena en formato BIP. Entonces el acceso de esa pequeña porción se volvería muy rápido, pero si está en el formato de secuencia de banda o en formato BIL entonces podría tomar mucho tiempo. Por lo tanto, debido a la eficiencia de la recuperación con fines diferentes formato donde todos estos 3 formatos BSQ, BIL y BP donde se diseñó BIP. Aquí también como también dejadme dejar claro que esto era muy común cuando teníamos el almacenamiento de datos en los dispositivos no en dispositivos de acceso aleatorio. Después de tener estos dispositivos ópticos u otras formas de almacenar la información entonces estas restricciones sobre estos formatos han ido. Pero aún si alguien está trabajando en archivos antiguos que muchas veces en estudios relacionados con el cambio climático o algún cambio se extiende el estudio y los datos originales podrían estar todavía en cintas o en estos formatos. Y por lo tanto el conocimiento sobre estos formatos y en caso de procesamiento de imágenes, el procesamiento de imágenes digitales es muy necesario. Así que por eso discuto primero esta parte, ahora una vez que la imagen ha sido adquirida. Entonces este procesamiento de la imagen básicamente tiene lugar y luego más adelante en este reconocimiento de patrón o clasificación de la imagen también estará allí. Y entonces también se intenta la evaluación de la precisión de la clasificación de la imagen porque la buena clasificación se ha realizado que 2 puede ser evaluado a través de este paso. Así que primero como usted sabe que este número de diapositivas que voy a mostrar son repetición de conferencias anteriores. Pero aquí son relevantes el propósito porque la adquisición de imágenes. Así que la imagen de los satélites, los satélites de teledetección se adquieren a través de la estación de tierra satélite, esta es la antena externa de nuestra estación de tierra NOAA AVHRR. Esta es la configuración interna, el receptor está ahí y es un sistema automático basado en PC. Ya que tenemos en conferencias anteriores hemos hablado en detalle sobre el funcionamiento de esta estación de tierra. Por lo tanto, no voy a decir mucho sobre esto. Y debido a una resolución relativamente gruesa o espacial en una sola vez puede cubrir una amplia franja y esto es lo que están viendo todo el Himalaya en sólo 1 imagen. Este no es el mosaico de múltiples imágenes, esta es sólo 1 imagen individual adquirida por la estación de nuestra tierra en esta fecha y hora. Así que por supuesto depende de la resolución pero una vez que la imagen ha sido adquirida por supuesto esta es imagen procesada, esta no es la imagen cruda. Así que el procesamiento de lo que esto es lo que vamos a discutir, por lo que el procesamiento de la imagen que incluye la mejora de la imagen o la calidad de la imagen. Para que la interpretabilidad mejore, también extrayendo información, características extracciones o identificación de objetos. Esto vendrá bajo la clasificación de una imagen de una imagen de satélite o de una imagen de teledetección. Por lo tanto, estos procesos de imagen incluyen esto, por supuesto, porque estamos manejando imágenes digitales. Así que por supuesto que hay en (()) (10:29) de la computadora, por lo tanto, las rutinas computarizadas para la extracción de la información. Y especialmente sobre el reconocimiento de patrones de clasificación, detecciones de objetos, tal vez de manera semi automática o automática a partir de imágenes de satélite. Y para categorizar la información sobre características específicas, de modo que también se realice. Así que la primera parte es mejorar la calidad de una imagen antes de que también requerimos eliminar ciertos errores que podrían estar presentes en nuestras imágenes de satélite.
Por ejemplo, podrían requerirse correcciones radiométricas, se podrían requerir correcciones atmosféricas o algunos errores sistemáticos que pudieran estar allí en las imágenes de satélite. Algunos de ellos ya hemos debatido sobre algunos de los que podrían ser debatidos en nuestras futuras discusiones. Así que también se eliminan esos, por lo que hay varios pasos y uno no es necesario que todos los pasos a seguir en una secuencia, depende de la calidad de entrada de la imagen. Así que como ustedes saben, la calidad de la imagen y la evolución estadística es el primer paso que hay que hacer. Especialmente la parte estadística de la evolución generalmente se hace mirando el histograma de una imagen particular de o bandas individuales si se están utilizando imágenes multiespectrales. Y también estadísticas simples cuál es la media, cuál es la desviación estándar y así sucesivamente. Así que una vez que tengo esa información, entonces puedo decidir qué procesamiento de imagen o la técnica de mejora de la imagen que tengo que realizar para mejorar la calidad de mi imagen. Así que la calidad de imagen importa para la mejora, podría haber requisito de corrección radiométrica. Así que eso se hará de manera general lo hacen los propios proveedores o las agencias. Al igual que en la India estamos teniendo NRSA y DC o tal vez la NASA o estos servidores web también son cada vez que están poniendo los datos. Debido a que para eliminar los errores radiométricos de las imágenes de detección remota se requiere mucha otra información. Y esa información podría no estar disponible para los usuarios finales, generalmente está disponible con las agencias o operadores de esos satélites o propietarios de esos satélites. Por lo tanto, por lo tanto, a nuestro fin, es posible que no estemos haciendo una corrección radiométrica, pero necesitamos saber si se han realizado correcciones radiométricas en esas imágenes o no. Antes de empezar a usar para nuestras aplicaciones, correcciones geométricas por supuesto, como pocos minutos atrás, menciono que si usted está descargando imagen geo. Eso automáticamente significa que se corrige geométricamente, pero si usted está descargando una imagen de tif simple que puede no estar teniendo coordenadas geográficas. Por lo general no tendrá y por lo tanto se requerirán correcciones geométricas o georeferencing. Y eso se puede hacer usando muy estos estándares de software de procesamiento de imágenes digitales o incluso software GI como RGIS o muchos otros softwares GI.
La mayoría de estos softwares ahora también apoya las correcciones geométricas, la mejora de la imagen y la agudización de estos son a través de las técnicas de filtrado espacial. Mejora de la imagen, diferentes técnicas de mejora de la imagen están allí, algunos son lineales, algunos son no lineales de simple a complicado. Depende de nuevo que sepas lo que estás buscando en las imágenes y para qué propósito lo vas a usar. Pero una cosa que quiero dejar claro aquí y más adelante cuando vamos a discutir la clasificación en ese momento también voy a recordar esta cosa. Eso si usted va por última vez para la clasificación de la imagen entonces tenemos cuidado de elegir la técnica de mejora de imagen apropiada. Porque si usted tiene realzar la imagen y luego usted va para la clasificación de la imagen que podría darle resultados incorrectos. Así que es mejor no poner mucho de mejora antes de la clasificación, es dejar que el auto clasificado identificado diferentes objetos. Y si no lo hace entonces usted puede volver hacer el algo de mejora y luego volver a hacer la clasificación, de esa manera. Ahora la clasificación de imágenes, hay 2 tipos amplios están ahí, uno es el píxel basado que es muy común y también la clasificación basada en objetos también se han desarrollado, han sido implementados por estos populares software, por lo que también se puede utilizar. Y si usted va para la clasificación entonces de la evaluación de la exactitud del curso, con qué precisión se ha hecho la clasificación. Que tienes que comprobar ya sea tothet tierra o usando alguna otra imagen ya clasificada de la misma zona. Para que usted pueda evaluar la parte de precisión de la clasificación, tal vez post clasificación e integración de las imágenes con el SIG que también se hace. Debido a que hoy en día apenas la gente está usando imágenes de satélite en aislamiento hacen la parte de procesamiento primera o parte de la clasificación en el software de procesamiento de imágenes digitales o incluso software GI. Y luego junto con otros conjuntos de datos, otros temas, otras capas que comienzan a utilizar estas imágenes de satélite también, por lo que es por lo que va para las plataformas GIS. Los estudios de detección de cambios pueden estar allí, por lo que necesita datos de series temporales. De nuevo hoy en día este es el mejor momento para hacer estudios de detección de cambios por qué dije que el mejor momento para hacer estudios de detección de cambios es porque ahora desde 1972 en adelante para casi todo el grupo que está teniendo datos de satélite. Porque en 1972 son los primeros datos de Landsat MSS disponibles y desde entonces ahora los datos están disponibles. Y todo esto está disponible libremente, por lo que si quiero ahora saber 1972 a esto cerca de 48 años o 47 años de datos ya está disponible. Y eso te da mucha información sobre el cambio climático o las cosas están cambiando debido a algunos procesos naturales o algunos desastres naturales o manmade. Así que todas estas cosas ahora pueden ser evaluadas usando los datos de larga serie de datos de satélite que ahora están disponibles para todo este tipo de estudios.

Vídeo 2

Además, discutimos acerca de esta calidad de imagen y como usted sabe que muchos conjuntos de datos de detección remota ya contienen datos precisos de alta calidad cuando se descarga. Y a veces mosaicos que cubren una gran área o también disponibles especialmente sobre la lente Landsat o la lente mosaicos que ya están procesados, georeferenciados. Se corrigen geométricamente, se corrige radiométricamente y la calidad de la imagen también ha mejorado. Así que directamente esas imágenes sin ir por ningún tipo de procesamiento también pueden ser utilizadas para varias aplicaciones. Y sin embargo a veces puede haber algunos errores, ruido que usted puede evaluar por una vez que una imagen es tomada o descargada de algunos sitios. Una vez que usted exhibió primero pasar un tiempo y evaluar la calidad de la imagen, lo bueno que es si hay ruidos hay un rayado. Porque debido al mal sensor o a las malas calibraciones todas esas cosas pueden ser gaseadas a veces puedes conseguir las nubes o la dispersión. Así que su imagen podría estar mirando muy agy y eso podría ser debido a los efectos de dispersión que están teniendo lugar debido al ambiente o la atmósfera y porque entre el satélite y la superficie de la tierra que usted está teniendo atmósfera. A veces usted está teniendo condiciones pesadas y la calidad de la imagen puede no ser buena. Así que esto tiene que ser evaluado antes de que usted vaya para operaciones serias como clasificaciones y otras cosas. También podría haber un mal funcionamiento aleatorio o sistemático de los sistemas de detección remota, en tiempos anteriores estos problemas sistemáticos o mal funcionamiento o al azar eran más. Pero hoy en día los estos sensores, la electrónica y estos dispositivos se han vuelto realmente robustos cuando se va a conseguir. Y tales errores que no vemos mucho excepto en Landsat-7 este problema vino esto es el problema de la zancada se hizo tan grande. Eso se convirtió en que se volvió muy difícil usar esas imágenes, por lo que los problemas de zancada en los conjuntos de datos más antiguos era muy común. Pero no es hoy en día no se ve mucho en diferentes imágenes de satélite. Si hablo de satélites de detección remota de la India, apenas se ha notado este problema de zanjamiento. Así que hemos estado desde 1988 después de tener el IRS-1A no tuvimos este tipo de problema. La razón es porque el spot electrónico la calidad de los sensores ha mejorado definitivamente y se hacen muchas pruebas antes de que los sensores se envíen en el espacio. Todo tipo de pruebas se hace durante meses o incluso años juntos y es por eso que estos fallos aleatorios o sistemáticos se han convertido ahora en fenómenos raros. El preproceso incorrecto, el preproceso implica básicamente la eliminación de los errores. Y si no se ha tomado un cuidado adecuado entonces si tomo esa imagen ir para la clasificación de la imagen. Estoy obligado a crear imágenes o mapas de clasificación erróneos y, por lo tanto, es muy necesario pasar por estos pasos de preproceso adecuados. Identificar e identificar los detalles de esa imagen que tienes y que es la mejor manera de hacerlo es también obtener el archivo de punto de encuentro MET punto encontrado. Y este es un archivo de metadatos y siempre que descarga cualquier imagen de satélite generalmente estos servidores de abajo también tienen el archivo meta correspondiente. Y usted no es información de metología, esta es la información de metadatos. Meta datos significa información sobre los datos en sí, por lo que ha descargado una imagen decir nombre de imagen era imagen 1 punto geo tif o tif que está en geo tif. Y luego también tendrá una imagen de archivo 1.met y esta reunión tendrá todo tipo de información relacionada con esa imagen en particular. Cuando se adquirió la imagen qué tipo de proceso tenía, cuáles son las coordenadas de la esquina y así, y así sucesivamente, no evite leer toda esta metainformación. Cada vez que descarga cualquier imagen del satélite porque muchos de los datos libres están disponibles hoy en día, también debe junto con que también descargar archivo de punto encontrado. Y también mantener en los registros, en sus registros o en su disco duro acerca de estos metaarchivo porque son ellos se vuelven muy importantes cuando usted va para la clasificación o cualquier tipo de información. Ahí hay que mencionar que en qué fecha de qué sensor, qué satélite se adquirió esta imagen, qué tipo de procesamiento fue realizado por el propio proveedor y qué tipo de procesamiento que ha hecho a través o por la respiración debe ser mención. Así que estos problemas podrían estar ahí si no se cuida, ahora inexacto analógico a la conversión digital. De nuevo cuando nuestros sensores estaban haciendo todo este ejercicio había algunas cuestiones sobre esta conversión de analógico a digital. Pero como se me menciona ahora nuestros sensores se vuelven muy robustos, muy avanzados y por lo tanto tales problemas no están ahí. Ahora el primer paso en el procesamiento de imágenes digitales de datos de satélite es comprobar el histograma y las estadísticas simples. Esto es lo que estoy tomando un ejemplo aquí, que cuando se muestra un histograma idealmente esperamos que el histograma debe ser como el primer ejemplo en una forma bien formada que usted sabe. Y pero esto no es normalmente se obtiene en una imagen natural imágenes sin procesar. Normalmente, pero se espera que haya una distribución bien formada o gaussiana. Pero no está ahí, usted puede obtener una imagen como esta que tal vez de esto podría ser posiblemente allí de un área cubierta de nieve o podría estar en condiciones desérticas, un histograma de esa imagen puede parecer así. Así que si ves que el histograma bien distribuido o bien distribuido Gaussianally allí significa, la mediana y el modo todos coinciden todos son los mismos. Esta es la condición ideal que no es raro en cualquiera de las imágenes que descargar o obtener imágenes en bruto estoy hablando. Este es el escenario posible, ya que he dicho las áreas que están teniendo alta (()) (24:54) alta reflectancia tal vez en áreas cubiertas de nieve, tal vez en condiciones desérticas. Usted puede obtener esta distribución bimodal o multimodal en este ejemplo bimodal y por lo tanto la media y la mediana están aquí. Y 2 lóbulos están allí, toda la información se distribuye en 2 este escenario podría ser en una zona donde usted está teniendo 2 distintas rocas tal vez 2 distincts bosque o vegetación o tierra agrícola o tal vez en las regiones costeras también. Donde la mitad de la imagen está teniendo parte de la tierra, la mitad de la imagen está teniendo la parte del mar. Así que este tipo de distribución podría estar allí también usted puede tener justo lo contrario a la parte superior derecha usted puede tener un histograma sesgado de imagen sesgada que está en el principio de la imagen que está teniendo la frecuencia máxima en la parte inferior entre los valores de píxel más bajos como se muestra aquí. Así que el modo es aquí entonces la mediana y luego significa, aquí está la media está viniendo primero que la mediana y luego el modo.
Si se distribuye uniformemente de nuevo esto es algo muy raro, excepto en usted sabe de pie todavía o condiciones oceánicas muy tranquilas o en condiciones muy desérticas donde usted no tiene ninguna característica en absoluto casi característica menos desierto. Entonces puedes conseguir un histograma o una distribución de pixeles algo así como esta parte completamente plana. Así que esto es mucho porque una vez que has visto el histograma, analiza el histograma. Ahora ya sabes qué tipo de procesamiento sería necesario para mi imagen, así que eso indica el paso futuro para el procesamiento de imágenes. Ahora aquí la media que por medio de mención aquí la media es la media aritmética y se define como la suma de todos los valores de brillo que son los valores de pixel, observaciones divididas por el número de observaciones. Así que aquí esto es lo que la media se deriva de una imagen de satélite. La mediana es el valor medio como siempre se puede ver aquí mediana, mediana, mediana y mediana aquí es el valor mediana de la distribución de la frecuencia. Debido a que en el eje y usted está teniendo frecuencia en el eje x usted está teniendo los valores de pixel. Por lo tanto, la mitad del área debajo de la curva de distribución es a la derecha de la mediana y la otra mitad en el lado izquierdo de la mediana. Y el modo es el valor que se produce con más frecuencia en una distribución y por lo general el punto más alto en la curva. Así que como usted está viendo en la mayoría de estos ejemplos que es el punto más alto aquí. Así que estas cosas a pesar de que son cosas simples que usted podría haber ido en una simple estadística, pero es necesario relacionarse. Y recordar estos parámetros estadísticos que nos permitirán entender qué tipo de procesamiento se requiere más para mejorar la calidad de imagen para mejor interpretación.

Vídeo 3

Así que en el procesamiento de imágenes ahora vamos a la corrección geométrica muy brevemente, que será discutir no ya discutir lo siento por este mal escribir aquí. Esto se discutirá como un tema separado en georeferenciación luego corrección radiométrica. Ya se hayan hecho, generalmente lo hacen las agencias, las correcciones atmosféricas no son por parte de las agencias. Si es muy necesario debemos hacerlo pero si decimos tarea complicada, por lo que uno tiene que estar preparado con muchos datos de entrada si usted va a intentar la corrección atmosférica. Tendremos un tratamiento separado para la corrección atmosférica en discusiones posteriores. Y también es básicamente el propósito principal es mejorar la calidad de imagen, por lo que se pueden realizar mejores interpretaciones, que es el propósito de la mejora de la imagen. Y como en la India, puede pedir imágenes que le pidan que realice estas correcciones antes de suministrar. Por supuesto que habrá algunos cargos adicionales, supongamos que usted va y dice que quiero geométricamente, radiométricamente y la imagen corregicamente corregida para un área determinada.
Entonces la agencia lo hará, están teniendo su estándar usted sabe procedimientos, técnicas por las cuales lo harán y lo suministran, pero será un asunto costoso. Rectificación, otra vez la rectificación también es a veces para corrección geométrica término de rectificación también es uso. Pero básicamente la rectificación significa la eliminación de las distorsiones que podría haber sido introducido por la plataforma o podría ser el sensor, la curvatura de la tierra o la atmósfera. Así que estas rectificaciones son necesarias, ahora así que vamos a ir uno por uno todo tipo de correcciones que son necesarias. Así que primero son las correcciones radiométricas, la corrección radiométrica es un método de paso previo al procesamiento para reconstruir valores físicamente calibrados corrigiendo los errores espectrales y la distribución causados por el sensor. Estas bandas sólo se producirán cuando se utilice CCD en un sensor o no estén perfectamente calibradas. Y por lo tanto producirán fenómenos de destripado como se puede ver aquí. Por lo tanto o decimos eliminación de ruido también, uno puede llamarlo pero el ruido cuando dicen que es un tipo de cosa al azar. Estas estrías son un error sistemático debido al mal calibrado sensor, a veces en el suelo todo se hacía perfectamente bien. Durante el lanzamiento o después de ciertos años de operaciones, los sensores pueden ir mal. Por lo tanto, es posible que tenga o que algunos comiencen a tener un poco de rendimiento y por lo tanto es posible que tenga este efecto de tachado también. Pero si no es demasiado como en este ejemplo, entonces usando los valores de pixel que rodean los valores de pixel adyacentes. Estos efectos de striping o efecto de zancada se pueden eliminar y estos entonces usted obtendrá una imagen que no tiene ahora estos efectos de tachado como en el visto en el lado derecho de esta imagen. Así que esto es un error típico y es posible que algunos se extienden a eliminar usando los valores circundantes y tomando su promedio y dando a esos píxeles que están bajo estos bajos rendimiento de los sensores individuales. Y estas líneas caídas se corrigen normalmente como acabo de mencionar la sustitución de línea con el valor de pixel en la línea de arriba o abajo o con el promedio de. Por lo que depende de para qué fines vas a utilizar imágenes y pero es posible hacerlo. Ahora la parte de ruido, el ruido generalmente moteado y estos espectros como se muestra en las imágenes de la izquierda también puede ser eliminado de nuevo empleando casi el mismo método que para las líneas caídas. Eso significa ahora mirar los valores de los alrededores y tomar su promedio y dar a ese píxel que tiene este punto negro o negro oscuro rendimiento o rendimiento bajo es por el sensor. Así que al hacer ese ejercicio uno puede lograr este, los errores sistemáticos son más fáciles de eliminar ninguno de los errores sistemáticos haciendo ruido no es que sea fácil. Y todavía que la salida puede llevar a menos que vaya para el radio de búsqueda de área grande y que puede reducir la calidad de la imagen. Esa voluntad puede reducir la nitidez en la imagen. Eso hará que la imagen sea más alisa, pero puede que no sea muy buena para ciertas aplicaciones.
De lo contrario, en general, si no hay otra opción, tengo que usar esa imagen en particular porque pertenece a una fecha concreta y yo necesitaba entonces esa es la manera de eliminar ese ruido. Por lo general se puede ver el ruido striping afecta, pero el ruido generalmente no es común en las imágenes de detección remota normales, excepto en el microondas o imágenes de radar el ruido es un fenómeno muy común. Ahora las correcciones atmosféricas, la corrección atmosférica es la básicamente porque ocurre cuando ésta tiene la reflexión o la emitencia tiene que viajar a través de la atmósfera al sensor. Por lo tanto, la radiación solar básicamente si estoy hablando de datos en imágenes generalmente que usamos entonces la radiación solar rara vez no se ve afectada a medida que viaja a través del vacío de un espacio. Pero en condición natural no tenemos el vacío, por lo que tiene que pasar por la atmósfera. Así que cuando interactúa con la atmósfera, la atmósfera terrestre se dispersa y absorbe selectivamente dependiendo del tamaño de las partículas o gases que están presentes en la atmósfera. Y esto es muy dinámico, estas son partículas y los gases no están ubicados permanentemente en ciertas alturas o profundidad de en un espacio. Así que este es un sistema muy dinámico y depende de la imagen a la imagen básicamente o día a día condiciones de las condiciones atmosféricas. Así que estas algunas de estas 2 formas de pérdida de energía que es una es la dispersión de otra es la absorción se llama atenuación atmosférica. Y esta atenuación puede reducir la calidad de una imagen, si se compara la imagen es de tierra con imágenes de mars, mars tomadas por varios satélites incluso nuestro Mangalyaan. Las imágenes de mars son muy limpias, muy clara la razón es porque mars es no tiene mucha atmósfera en absoluto. Decir atmósfera muy delgada que está teniendo y por lo tanto es perfecto para la teledetección porque en medio no hay atmósfera, no tendrá correcciones atmosféricas e imágenes de. Tienes imágenes de muy alta calidad incluso el sensor puede no ser tan bueno como para la tierra que estamos usando. Pero debido a la presencia de la tierra debido a una dispersión y absorción afecta por los diversos gases, varias partículas que están presentes deteriora nuestra calidad de imagen debido al deterioro atmosférico. Y nuestro objetivo en la corrección atmosférica es generalmente eliminar que o minimizar puede no ser la eliminación es posible que no sea posible todo ese tiempo. Es demasiado difícil también porque necesitamos tener muchos datos de entrada y para ese momento en particular cuando se tomó la imagen. Así que alguien tiene que recoger los datos, ahora todos estos modelos que se utilizan para las correcciones atmosféricas o técnicas que se utilizan requiere ese tipo de entradas. Así que eliminar completamente los efectos atmosféricos de las imágenes de satélite de la tierra no es realmente posible. Pero ninguno de los menos lo intentamos para esa cosa. De modo que la corrección atmosférica es a su vez los valores de brillo digital registrados por el sistema de teledetección en valores de reflectancia de superficie escalado debido a este. Así que estos no son básicamente el valor de brillo verdadero, sino que están distorsionados debido a la presencia de la atmósfera.
Y estos valores pueden entonces compararlos o utilizarse en conjunción con valores de reflectancia de superficie a escala obtenidos en cualquier otro lugar del planeta. Así que si a uno le gustaría hacerlo casi usted sabe 100% o cerca del 100% de eliminación de esta cosa. A continuación, se requieren valores estándar que se han recopilado sin tener distorsiones atmosféricas. Y si se compara con estos valores si se utilizan esos valores de reflectancia de superficie a escala entonces se hace más fácil eliminar las distorsiones atmosféricas de las imágenes de satélite. Como se muestra aquí, la dispersión de la absorción, la reflexión, la refracción todas estas cosas están sucediendo.
Y todo esto está sucediendo entre 100 kilómetros desde la tierra hasta la capa superior de la atmósfera. Sensor está muy por encima de 850 kilómetros pero en medio la energía tiene que pasar, la reflexión o la energía de remesas tiene que pasar por esta atmósfera. Y todo tipo de estos fenómenos atenuaciones dispersión, absorción, refracción, la reflexión se producirá. Por lo tanto, es poco complicado aislar las diferentes contribuciones de estos parámetros de atenuación a fin de eliminar las distorsiones atmosféricas. Así que hay varias maneras de corregir los datos de detección remota. Y algunos son relativamente hacia adelante que también llamamos fuerza bruta de la fuerza de una manera muy simple que usted puede simplemente eliminar suponiendo que lo mismo debería haber sido así sólo. Que también discutiremos la manera directa hacia adelante, siendo fundada en los principios físicos y requiriendo una cantidad significativa de información para funcionar correctamente, si usted quiere ir para más sofisticado.


Vídeo 4

Ahora estoy dando un ejemplo en el lado izquierdo que están teniendo una imagen que está sufriendo de distorsiones atmosféricas. Y como puedes ver que debido a la presencia de diferentes partículas y gases dentro de la atmósfera que estás viendo que es parte media es relativamente brillante y entonces sabes parte superior o parte inferior es poco más oscuro. Pero cuando se realizó esta corrección entonces la parte media no es