Loading
Apuntes
Study Reminders
Support
Text Version

Técnicas de mejora de imagen-Examen

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 y bienvenidos a esta nueva discusión en este curso esencial de detección remota que es técnicas de mejora de la imagen 1. Algunas de las diapositivas que usted podría ver se repiten aquí, pero era esencial tener esas diapositivas de nuevo y ahora vamos a tener discusión porque hemos visto alguna demostración y también hemos visto alguna técnica de mejora de la imagen, el espacio de color y otras cosas. Así que ahora podemos entender estas cosas de una manera mucho mejor, por lo tanto esta repetición podría estar ahí de las diapositivas. Pero tenga en cuenta el contenido o la parte de discusión, como usted sabe que después de la adquisición de la imagen el enfoque principal aquí es ahora el procesamiento de imágenes. En última instancia estamos interesados en la extracción de características a través de la clasificación y luego vamos para evaluaciones de precisión también. Ahora la calidad de imagen cuando decimos calidad de imagen hay muchos aspectos en ella no sólo el ruido que está presente en los datos en la demostración anterior del software del simulador de procesamiento de imágenes digitales DIPS. Hemos visto 2 tipos de ruidos, uno es la línea completa que se cae y otro ruido que vimos en nuestros datos. En ese ejemplo los datos eran una especie de sal y pimienta de que un píxel está teniendo 0 valor, el siguiente píxel en la misma línea está teniendo 255 valor y de igual forma que usted está teniendo. Usted sabe que estos son dispositivos electrónicos, aunque antes de lanzar la puesta en el satélite y el lanzamiento de todo tipo de pruebas continúa. Pero a veces debido a cuando están en un espacio en el ambiente es completamente diferente. Entonces lo que usted está teniendo en la tierra y por lo tanto, a veces debido a algunas otras razones pueden ir mal y puede empezar a dar algunos datos. A veces estos ruidos no son permanentes solo para pocas escenas, pocos días estás teniendo ruidos en los datos, errores en los datos y más adelante se corrige también. Pero a veces no pasa me acuerdo de un escenario sobre todo ocurre en caso de canales infrarrojos térmicos que cuando se está encima pasando una característica de temperatura muy alta del suelo. Como por ejemplo, sobre un volcán son valores de temperatura muy altos y que el sensor que se conoce a sí mismo se satura durante algún tiempo y un comienzo dando ruido después de eso. Y una vez que se enfría después de algún tiempo comienza de nuevo funcionando bien. Por lo que no es necesario que estos sensores tengan errores de ruido de forma permanente. A veces estos errores vienen y es por eso que se ponen a veces en los errores sistemáticos y en algún error sistemático. Los errores sistemáticos son más fáciles más fácil de eliminar las rutinas se pueden desarrollar, los softwares pueden ser desarrollados y estos pueden ser eliminados. Pero ninguno de los errores sistemáticos debe tratarse por separado por separado. Así que cuando decimos calidad de imagen, los datos de calidad que significa decir que no es sólo la parte de precisión que puede venir a través de las correcciones geográficas o georeferenciadas o geométricas o que podría ser debido al ruido o menos ruido en los datos o datos de alta calidad o distorsiones introducidas por la atmósfera, que es el mayor problema en los datos de detección remota. Y por lo tanto este tipo de si estos son menos entonces podemos esperar una alta calidad precisa de datos de detección remota. También en la discusión anterior un día les dije que hay posibilidades de que en un ambiente muy contaminado las condiciones atmosféricas una vez que hay una lluvia y luego de repente las cosas se vuelven muy claras y si ese tiempo los datos han sido adquiridos por sobre el satélite que pasa. Entonces esa imagen es muy, muy limpia generalmente porque todos estos constituyentes atmosféricos o tiempos se han asentado debido a la lluvia y el cielo es claro. Así que entonces las cosas la atmósfera es clara y entonces obtenemos un dato de muy alta calidad de incluso el mismo sensor que antes le daba a conocer los datos de mala calidad. Así que a veces estos no son permanentes a veces estos siguen cambiando. Y el ambiente o la atmósfera entre el sensor y la tierra juega un papel muy, muy importante. Hay fenómenos de dispersión, hay fenómenos de absorción, nubes, gotas de agua, gases que crean una absorción, reflexión, dispersión en diferentes partes del espectro EM y pueden crear un ruido. Las disfunciones aleatorias o sistemáticas están ahí, al azar o difíciles y, a veces, por ejemplo, se detecta descalibrado. En general solía suceder en la tecnología de sensores anteriores, pero ahora estas calibraciones han mejorado muy significativamente y no es muy común ahora ver estos efectos de fragmentación. Pero en cualquier momento los sensores dentro de un aireado pueden ir mal y luego se empieza a ver el desmonte. Así que todo no es todo el tiempo fiable en ese sentido también cuando discutimos sobre el pre-procesamiento de los datos de detección remota. Entonces podría haber algunos errores podrían ser introducidos en durante esa etapa también. Así como por ejemplo porque a veces las imágenes se convierten fácilmente de la conversión analógica a formato digital. Y podría haber algún error introducido durante ese tiempo y pocas cosas más afectan la calidad de la imagen. Así que si casi todas estas cosas se han eliminado entonces la imagen se vuelve de muy alta calidad. Pero no es tan fácil hacerlo, de nuevo esta parte ya hemos visto estas diapositivas. Pero como he dicho que cada vez que se busca una imagen de calidad cómo se puede valorar que la imagen está teniendo calidad es pasando por el histograma. Si la distribución es la distribución normal, una distribución gaussiana, bien formada a lo largo del rango dinámico, dice el escenario de 8 bits 0 a 255, si es que ahí está. Entonces definitivamente esa imagen parece ser de muy alta calidad pero si usted consigue otros escenarios que se muestran como este o este. Entonces tal vez la imagen no es de muy alta calidad. Así que uno tiene que ver el histograma no es indicador directo de la calidad, pero la distribución de los valores de pixel en esta escala entre 0 y 255 puede decir algo sobre la calidad.También la posición de la mediana, el modo y la media también le dará algunas indicaciones sobre la calidad de una imagen donde se concentran. Como por ejemplo, aquí la distribución sesgada negativamente que estamos viendo. Aquí estamos viendo la distribución positivamente sesgada. Por lo tanto, los valores de pixel debido a la absorción o a una dispersión de los valores de píxel están cambiando donde no debería haber habido. Y están cambiando la posición no es una distribución normal y podemos adivinar que probablemente la calidad de imagen no es buena. Así que esperamos que la mayor parte del tiempo esperamos que haya una distribución normal adecuada y la posición de media, mediana y modo en este histograma debe ser como en el primer ejemplo. Pero no es necesario todo el tiempo, aunque la imagen puede tener los datos de calidad, pero todavía el histograma puede ser diferente. Así que no es el único indicador de calidad de imagen, hay otros parámetros en los que se evalúa la calidad de la imagen. Ahora, cómo saber exactamente representar estas imágenes una vez que obtengamos los datos en una etapa de pre-procesamiento. Hoy anterior a la discusión anterior sobre las correcciones geométricas que vienen bajo el paso previo de la imagen que ya hemos discutido. Como usted sabe que mejor y precisa la georreferenciación se hace que será mejor en el procesamiento adicional o la utilización posterior de esa imagen o conjuntos de datos. Así que las correcciones geométricas o georreferenciación juegan un papel muy, muy importante en la teledetección, así como en el SIG. Así que cuando uno está haciendo estas cosas, uno tiene que tomar todos los cuidados, para que logremos una muy buena georreferenciación. Podría haber alguna pregunta que cuando decimos que la georreferenciación es muy buena. De modo que el error cuadrado medio de la raíz de la suma del error cuadrado de la media raíz que hemos discutido en la discusión de la georreferenciación debe estar dentro del píxel. Por lo tanto, si su resolución espacial de la imagen de satélite en la que está realizando georreferenciación tiene una resolución espacial de 10 metros. A continuación, la suma de la media de RMS cuadrado de la raíz debe ser inferior a 10. Si puede lograr mediante el proceso de iteración que identifica GCPS y encuentra que le está dando un alto error que lo suprima, vuelva a recordar, cambie la ubicación de nuevo para identificar un nuevo GCP. Y si seguir haciendo y pasar un tiempo uno y recoger más GCPS entonces mínimo requerido. Entonces probablemente usted puede lograr una alta georreferenciación dentro de un píxel y dentro de por supuesto, pixel es la unidad de una imagen que es individual que no se puede ver dentro, no se puede hacer nada. Así que dentro de un píxel si el error de la raíz media cuadrada, algo de raíz medio de error cuadrado viene así, entonces es muy buena georreferenciación puede ser considerado como uno muy estándar. Por lo tanto, al hacer una corrección geométrica o georeferenciar el máximo cuidado debe hacerse porque esa imagen se utilizará más adelante con otros conjuntos de datos, que también son georreferenciados. Y si hay algunos errores en las correcciones geométricas equivocadas se ha hecho una georreferenciación incorrecta se ha hecho, entonces usted puede terminar con los resultados erróneos. Porque un error se propaga en el procesamiento de imágenes digitales, así como en GIS. Así que uno tiene que controlar estos errores, de modo que los resultados siguen siendo altamente confiables. Otra cosa son las correcciones radiométricas, la corrección radiométrica generalmente no son hechas por el usuario estas son hechas por las agencias que adquieren los datos. Y saben que cómo están funcionando los diferentes sensores en una zona, que uno está bajo rendimiento, que está por encima de realizar y que ellos, ustedes conocen las correctas las imágenes haciendo la corrección radiométrica. Pero de nuevo como usuario y sobre todo cuando van a utilizar estas imágenes para el análisis cuantitativo. Para el análisis cualitativo uno puede todavía saber dar un menor énfasis en las correcciones radiométricas o atmosféricas. Pero si alguien va para el análisis cuantitativo, entonces uno debe saber que si las correcciones radiométricas se han realizado en sus imágenes de entrada o no. De igual manera se han realizado correcciones atmosféricas o no que también hemos visto antes. Y esto hace que esto sea más fácil la mejora de la imagen y luego, por supuesto, una vez que haya mejorado la calidad de una imagen pasando por estos procesos y más algo de mejora. Y entonces la imagen se vuelve mucho más interpretable mucho más utilizable. Y como también sabes a veces es posible que nosotros mismos no estemos teniendo capacidades o solo para en un determinado proyecto que requerimos una o dos veces las imágenes. Entonces nuestro yo puede no estar haciendo la mejora de correcciones, podemos preguntar a la agencia de suministro. Como en la India, NDC de un RSA y para hacer estas correcciones, hacer la georreferenciación, hacer la corrección radiométrica hacer la corrección atmosférica y dar el producto bien. Por supuesto que el producto va a ser muy caro, pero no obstante, tales cosas también pueden ser hechas por las rectificaciones. Por supuesto que eliminó las distorsiones y ya sea por el movimiento de la plataforma debido a que podría ser la rotación de la tierra del sensor o las distorsiones atmosféricas. Por lo tanto, en la medida de lo posible, todos estos errores deben ser eliminados antes de proceder a cualquier análisis cuantitativo o cualitativo. Especialmente estoy hablando de análisis cuantitativo de una eliminación de ruido, eliminación de ruido, acabamos de ver la demostración a través del software DIP.

Vídeo 2

Así que muy rápido iré que se hacen correcciones radiométricas o desmonte. Como aquí la línea que vimos era horizontal en el software aquí. Las rayas están en la dirección vertical, pero la técnica sería la misma que el valor promedio de píxeles adyacentes se toma y se da a esa línea de caída y se obtiene una imagen corregida. Sin embargo, si no tendríamos el efecto de stripping entonces la imagen sería completamente diferente entonces lo que estamos viendo aquí. Pero como no tenemos ninguna opción. Tenemos que usar esos datos y por lo tanto por este promedio de pixeles adyacentes reemplazando con ese pixel de gota puede resolver nuestro problema para ciertas aplicaciones. Pero si voy a utilizar esta imagen de la derecha para algún análisis cuantitativo, entonces probablemente eso no sería un buen enfoque para tener. Por lo tanto, las imágenes que se han corregido debido al desmonte o al ruido no deben considerarse para un análisis cuantitativo serio. Así que esta línea de caída o la línea de datos defectuosa escaneando tal vez un problema y estos valores pueden ser reemplazados. Un ruido que tengo también que el ruido de sal y pimienta lo que estás viendo aquí, el ruido de la pimienta salada se ha eliminado. Y es más o menos es un método manual un tipo quirúrgico de método y se hace así. Porque no sabemos si es un objeto real o un ruido de voz, por lo que es por eso que manualmente se puede hacer estos ruidos moteados o el ruido de sal y pimienta que generalmente se ve en los datos del radar. Pero hay diferentes técnicas de filtrado de paso de procesamiento están allí por donde se pueden eliminar estos ruidos. Para que no estemos aquí discutiendo cuándo vamos a entrar en los datos de los datos del radar, entonces estaríamos discutiendo. Correcciones atmosféricas, ya hemos comentado y hemos hecho un tratamiento separado media 2 problemas en la dispersión de la atmósfera y las absorciones y estas pueden ser a veces puede ser, usted sabe que puede cambiar la calidad de una imagen muy mal debido a estos fenómenos. Pero usted sabe que la elección de la imagen correcta, especialmente de la temporada correcta de una ubicación en particular es muy, muy importante. Y generalmente lo que hacemos, para aplicaciones serias primero tratamos de pensar qué tipo de cuál es el mejor momento del año para una aplicación en particular. Así que supongamos que si tengo que identificar algo de vegetación y quiero que los efectos atmosféricos especialmente la dispersión y las absorciones serán mínimos.
Luego decir que decimos como el mes de febrero o marzo en la India, especialmente en el centro de la India o en el sur de la India pueden ser muy buenos meses para adquirir los datos de detección remota. Allí se conseguirá una buena discriminación entre la vegetación y otros objetos y estos efectos, la dispersión y las absorciones afectan generalmente al mínimo durante esos meses. Pero contrario a esto si voy y adquirir los datos de decir mayo o junio o en la parte norte tal vez de noviembre cuando gran parte de esta quema está teniendo lugar de después de este cultivo de arroz. Entonces habrá muchos fenómenos de absorción y tal vez la dispersión también y su calidad de imagen va a ser muy, muy mala. Así que elegir una temporada correcta que dependerá de la ubicación es muy, muy importante. Así que la fecha de la escena uno tiene que ser muy cuidadoso, si hay una opción, que puedo elegir una imagen de cualquier época del año sabiendo muy bien que este es mi objetivo. Así que como te dije, que si estoy trabajando en la parte de la vegetación. Y no quiero justo después de la post monzón porque justo después del monzón, usted puede tener una vegetación muy saludable. Así que quiero discriminar entre la vegetación saludable y la vegetación menos saludable entonces tal vez enero, febrero, marzo cuando un cielo es claro, menos dispersión y los efectos de absorción están allí, puedo ir para eso, sin nubes en general en ese momento también. Así que usted sabe que elegir un momento adecuado para la adquisición de imágenes es muy, muy importante. Porque hoy en día este puede evaluar también por sí mismo si usted va en la tierra de Google y usted puede encontrar para una ubicación en particular imágenes están disponibles de la temporada diferente. Y encontrarías decir si te doy ejemplo de la India central o del sur de la India. Y en el mes de enero de febrero encontrarías imágenes son muy, muy claras y cuando las imágenes son claras entonces podemos decir que están teniendo buena calidad de imagen. Y cuando las imágenes no son claras como en el norte de la India en el mes de noviembre mucha contaminación absorbe en la dispersión está sucediendo o en la temporada de niebla entonces uno no debería usar esas imágenes para aplicaciones serias. Así que estas son las cosas que uno tiene que recordar, cosa importante son estas son las cosas que no se mencionan generalmente en libros o manuales o por el software estas cosas que usted aprende sólo a través de su experiencia. Así que debido a que no se puede evitar la atmósfera que estará allí, pero para una ubicación en particular se puede evaluar a través de algunos otros conjuntos de datos. Entonces, cuando esto es dispersión y la absorción son mínimas para esa área en particular. Y una como desde el departamento de metrología o algunas otras fuentes. Y una vez que estés seguro de que estos meses son mejores para mí entonces adquiere la imagen de esos meses. Y esas imágenes serían de alta calidad y si se producen ciertos resultados, serían también de muy alta calidad. Así que este tiene que recordar porque no podemos deshacernos de la atmósfera, pero definitivamente podemos adquirir las imágenes de ese momento en particular cuando las distorsiones atmosféricas son mínimas para esa ubicación, que está en nuestra mano y que podemos hacerlo. Después de que usted sabe que si es posible entonces usted todavía puede realizar correcciones atmosféricas incluso en aquellas imágenes que son según la evaluación inicial de buena calidad. Así que si eso se hace entonces todavía se pueden mejorar las imágenes es un problema más en la parte norte de la India debido a la contaminación y partículas de polvo son otras cosas. Así que de nuevo, si veo que muchos de ustedes saben las vistas previas de estos proveedores lado I y un mismo tiempo veo los datos de lluvia. Puedo saber que cuando se ha producido la lluvia y justo después de eso si me llega una imagen puede que no esté viendo mucho es en la imagen del satélite que es la imagen que uno debe adquirir. Así que justo después de la lluvia, si es posible, cuando las nubes son menos imagen es un ambiente muy claro son las distorsiones son mínimas, ese es el momento de adquirir la imagen o tomar la imagen o comprar la imagen, descargar la imagen de ese tiempo en particular. Como usted sabe que a través de ese software también el software DIPS, también he demostrado a través de un simple estiramiento de contraste lineal que cómo la imagen se puede mejorar y lo que va en el fondo. Y el ejemplo que tomamos es el estiramiento de contraste lineal y el cálculo de cálculo muy simple sigue detrás de la escena, aunque en ese software no está detrás de él está en el frente. Estaremos en discusiones futuras que también vamos a discutir ahora, filtrar un filtrado espacial también mejorar el cemento. Así que en un filtrado espacial, filtros de paso alto, filtros de paso bajo o filtros direccionales estaremos discutiendo. También vamos a discutir el análisis de Fourier y otras cosas en la mejora de la imagen 2 o algunas técnicas de filtrado espacial también. En los softwares DIP me detuve en la discusión anterior que paré cuando vino la cosa de filtrado. Así que ahora cuando vamos a discutir el filtrado, también voy a mostrar a través de ese software, cuando vamos para un filtrado espacial, qué tipo de modificaciones en los valores de píxeles va en que se puede ver a través de esa demostración de ese software en particular. Así que quien esté interesado en las técnicas de mejora de la imagen y quisiera aprender el interior de la mejora de la imagen, el procesamiento de la imagen, lo mejor primero es descargar el software DIPS, ya que no es comercial. Así que puedo repetir muchas veces y pedirle que descargue la instalación en su máquina y luego trate de, usted sabe aprender las cosas máximo de ese software. Te dará un verdadero buen entendimiento que también estamos usando regularmente en nuestras clases también. Ahora las manipulaciones de imágenes multiespectrales cuando vamos a ir igual también a través de los DIPS estaremos viendo la relación de banda en el componente principal. Por supuesto que digital hay índices de vegetación que podrían no ser a través de ese software. Como hemos visto en ese software que cómo se mejoran o cambian los valores de píxel cuando elegimos el tramo de contraste lineal. Ahora usted puede darse cuenta de que cómo se hace porque cuando usamos el rango dinámico completo entonces el contraste en la imagen se incrementa automáticamente como se muestra aquí y también para usted a través de ese software. Aquí en este ejemplo, los valores eran entre 84 y 153 estos habían sido estirados a rango completo que es de 0 a 255 y la imagen original estaba teniendo un contraste bajo y esto está teniendo alto contraste. Ahora los usos de interpretabilidad de esta imagen son mucho más altos, por lo que el simple estiramiento de contraste lineal a veces funciona muy bien. Hay algunos otros que sabes de la misma manera que estoy mostrando aquí que aquí los valores están entre 0 a 158. Y cuando se va por el tramo de contraste los 60 valores van a 0, 158 va a 0 y el resto se reparten allí. Esta es la ecualización del histograma que también estaremos viendo. Así que en la ecualización del histograma, donde quiera que haya más frecuencia de píxeles, están más diseminados también. Estas diapositivas ya las hemos visto, así que no voy a pasar mucho tiempo aquí pero se puede dar cuenta de que lo que pasa en segundo plano cuando elegimos estos pasos o rutinas de estiramiento y qué tipo de mejora podemos aportar en nuestras imágenes. La ecualización del histograma puede crear un gran contraste en su imagen en comparación con el simple contraste lineal. Pero cuál sería el mejor para su imagen para esa ubicación particular de ese día en particular nadie puede decir. Así que esto es realmente uno tiene que elegir juiciosamente una rutina de estiramiento de contraste correcto o usted sabe herramienta. Y luego hazlo y probar y ver y valorar lo mejor que están los resultados. Y si no es ahí se vuelve a la imagen original hacer la otra manera de estirarse porque no hay estándar que cada imagen tiene que ser linarly contraste estiramiento no. No hay nadie puede decir que cada imagen tiene que ser un histograma ecualizado, no. Depende de la imagen, depende del contraste que está presente en la imagen. Si suponemos que obtienes una imagen que ya está teniendo distribución de valores de pixel en un escenario de 8 bits entre 0 y 255.
Entonces usted no tiene mucho espacio para el estiramiento de contraste o cualquier tipo de estiramiento, pero aún así se puede realizar, todavía se puede mejorar el contraste, pero no muchos espacios dejados. Pero si usted está teniendo una distribución estrecha de los valores de píxel que significa que su imagen está teniendo muy mal contraste, entonces definitivamente cualquiera de estos contrastes mejorará su imagen de manera muy significativa. Así que usted sabe elegir una técnica de estiramiento de contraste correcta o tal vez la ecualización del histograma o el estiramiento de contraste no lineal es hasta la imagen que usted es depende de la imagen de entrada básicamente. Así que esto lleva al final de esta discusión y definitivamente a 2 puntos principales que he mencionado aquí. Una es que elegir un momento adecuado para la imagen o la fecha correcta para la imagen que es muy, muy importante. Y segundo día, eligiendo una técnica de mejora de contraste correcta para su imagen. Ambos dependerán de tu juicio dependiendo del área local y de la ubicación de la que estés trabajando y en consecuencia elegirías una fecha correcta para tu imagen, temporada correcta para tu imagen. Y también en consecuencia elegiría técnicas de estiramiento correctas, esto trae para terminar esta discusión muchas gracias.