Loading
Nota de Estudos
Study Reminders
Support
Text Version

Técnicas Básicas De Aprimoramento De Imagem

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

Olá a todos, Então vamos começar com algumas técnicas básicas mas antes disso eu gostaria de discutir sobre diferentes formatos que são usados com os dados brutos quando eles são fornecidos para nós. Mais cedo como você sabe que quando não tínhamos a mídia óptica ou através de net então usamos para obter os dados em fitas magnéticas. E se são dados multispectrais então havia alguns formatos bem conhecidos estão lá e ainda você pode encontrar alguns conjuntos de dados que talvez tenham um desses formatos. Por isso, muito brevemente vamos discutir sobre esses formatos primeiro e depois mais adiante veremos coisas básicas sobre o aprimoramento da imagem. Como você pode ver aqui uma imagem multispectral é mostrada apenas um esquemático ou uma amostra. E se eu quiser recuperar um único valor de pixel então como ele é marcado aqui neste é o canto um na banda 2 que é o pixel valor 105. E se esses dados multispectrais são escritos em forma sequencial então a theretrieval usa-se para ser longo processo. Por isso, em muitas literatura em livros ainda você encontraria detalhes sobre esses formatos.
Agora um dias depois de ter tudo em plataforma digital em vez de plataforma ou plataforma óptica ou em pendrive ou através de net. A maioria dos datasets que estamos recebendo agora estão em formato sequencial de banda ou bandas individuais estão lá. E os formatos de arquivo são geralmente arquivos tif, arquivos de geo tif, quando digo arquivo de tif que é um formato de arquivo de informação empilhado. E que são informações sobre o arquivo que se trata sobre os meta dados também são anexados com o arquivo. Sendo assim, esse tipo de formato é chamado formato de tif e melhor formato que também carrega coordenada geográfica que é chamada de geo tif. Assim, a maioria dos dados como por exemplo se você baixar dados de Landsat mesmo dados passados ou dados atuais você pode obter os dados com muito facilidade no formato de geo tif. E uma vez que você obtenha o formato de geo tif ele se torna muito fácil porque o referenciamento de geo não é necessário e imediatamente ele pode ser exibido na tela e então o aprimoramento e outro processamento pode começar. Por isso, vamos para esse formato de arquivo de imagem como para os dados sequenciais como você pode ver que o exemplo mostrado aqui o cenário da banda 4 é mostrado aqui. E eles estão em toda sequência, então primeiro todas as informações sobre todas as linhas da banda 1 estão no topo como aqui. E então todas as linhas da banda 2 estão na segunda na cor verde então cor azul e então você pode ter várias bandas. Então, esta é n banda e no meio entre você está tendo algumas outras bandas. Então sequencial de banda isso é chamado de band sequential format image one em um momento este é o formato mais comum hoje em dia. Em outras palavras os dados de todos os pixels para a banda 1 são armazenados primeiro e depois para a banda 2 próximo e assim por diante até chegar ao final das bandas. E como também você pode ter um tipo diferente de formato que se chama banda intercalada por linha ou formato BIL em que como nome implicava que banda intercalava por linha, então o que vai acontecer que a primeira linha que é a linha 1 da banda 1 virá em primeiro lugar na sequência. Então primeira linha da banda 2 está aqui então a primeira linha da banda 3 está aqui e da mesma forma você vai obter os dados da banda intercalados. Por isso, banda intercalada por formato de linha, dados de formato BIL ele é armazena os dados, informações de pixel, banda por banda para cada linha e para linha da imagem. Isso é muito comum também em alguns casos porque quando dados multispectrais estão sendo adquiridos pelos sensores de satélite, a linha por linha é escaneada. Por isso, é muito natural ou se adequar a esse tipo de formato porque o quando os dados estão sendo adquiridos, ele também é adquirido todos como a primeira linha de todas as bandas. Em seguida, segunda linha de toda a banda, então os dados em si estão chegando quase no mesmo formato do BIL. Por isso, portanto, as pessoas também armazenam para neste formato os dados e se for cenário de banda de 3 como aqui na imagem lateral esquerda. Então como já menciono que todas as 3 bandas dos dados são escritas na linha 1 então todas as 3 bandas dos dados são escritas na linha 2 e para a próxima linha para a próxima linha e da mesma forma. Há uma outra possibilidade que é o formato mais pouco comum mas ainda para determinados aplicativos ela está lá. Porque há certos aplicativos em que você precisa de todos os 1 pixels únicos de todas as bandas de uma só vez. E, portanto, outro formato que é chamado de banda de formato BIP intercalou em vez de banda de linha intercalada por pixels. E os dados são semelhantes, exceto como eu mencionei que em vez de linha por linha. Agora você está tendo pixels, então o like here exemplo que linha 1 banda 1 first pixel está chegando então linha 1 banda 2 primeiro pixel está chegando, linha 1 banda 3 primeiro pixel está chegando. E da mesma forma você vai até o fim da imagem, então, se os dados são armazenados assim o acesso também se torna mais rápido. Se eu quiser acessar uma pequena parte de uma imagem grande e essa imagem estiver armazenada no formato BIP. Em seguida, o acesso dessa pequena porção se tornaria muito rápido, mas se for no formato de sequência da banda ou formato BIL então pode demorar muito tempo. Portanto, porque a recuperação de eficiência finda formato diferente onde todos estes 3 formatos BSQ, BIL e BP onde BIP foram projetados. Aqui também como também deixe-me deixar você claro isso era muito comum quando tínhamos o armazenamento de dados em tifs não em dispositivos de acesso aleatório. Depois de ter esses dispositivos ópticos ou outras formas de armazenar as informações então essas restrições sobre esses formatos se foram. Mas ainda se alguém estiver trabalhando em arquivos antigos que muitas vezes em especialmente estudos relacionados com a mudança climática ou alguma mudança ele estenda o estudo e os dados originais podem estar ainda em fitas ou nesses formatos. E, portanto, conhecimento sobre esses formatos e em caso de processamento de imagens, o processamento de imagens digitais é muito exigido. Por isso, é por isso que eu discuto primeiro esta parte, agora uma vez que a imagem foi adquirida. Então esse processamento de imagem basicamente ocorre e, posteriormente, nesse padrão de reconhecimento ou classificação de imagem também estará lá. E então a avaliação de precisão também é tentativa de classificação de imagem porque como foi boa a classificação foi realizada que 2 podem ser avaliadas através desta etapa. Então primeiro como você sabe que esses poucos slides que eu vou mostrar são repetição de palestras anteriores. Mas aqui eles são relevantes o propósito porque a aquisição de imagem. Por isso, imagem de satélites, satélites de sensoriamento remoto são adquiridos através da estação terrestre de satélites, esta é antena externa da nossa estação terrestre NOAA AVHRR. Esta é a configuração interna, o receptor está lá e é um sistema automático baseado em PC. Já que temos em palestras anteriores discutimos em detalhes sobre o funcionamento desta estação terrestre. Por isso, não vou dizer muito sobre isso. E por causa de resolução relativamente grosseira ou espacial apenas em um vá ele pode cobrir uma ampla faixa e é isso que você está vendo o Himalaya inteiro em apenas 1 imagem. Este não é o mosaico de múltiplas imagens, esta é apenas 1 imagem única adquirida pela nossa estação terrestre nesta data e hora. Então é claro que depende da resolução mas uma vez que a imagem foi adquirida é claro que isso é imagem processada, esta não é a imagem bruta. Por isso, o processamento do que é isso que vamos discutir, portanto processamento de imagem que inclui o aprimoramento da imagem ou qualidade de imagem. Para que a interpretabilidade melhore, também extraindo informações, recurso extrações ou identificação de objetos. Isso virá sob a classificaçãode a partir de uma imagem a partir de uma imagem de satélite ou imagem de sensoriamento remoto. Por isso, esses processamentos de imagem incluem isso estes são naturalmente porque estamos tratando de imagens digitais. Por isso, é claro que existem em (()) (10:29) de computador, portanto, rotinas computadorizadas para extração de informações. E especialmente sobre o reconhecimento de padrão de classificação, detecções de objetos, talvez semi automáticas ou automáticas a partir de imagens de satélite. E para categorizar as informações sobre um recurso específico, para que também seja executado. Por isso, a primeira parte é melhorar a qualidade de uma imagem antes que também exigimos remover certos erros que podem estar presentes em nossas imagens de satélite.
Por exemplo, correções radiométricas podem ser necessárias, correções atmosféricas podem ser necessárias ou alguns erros sistemáticos que podem estar lá nas imagens de satélite. Alguns deles já discutimos alguns que podem ser que discutiremos em nossas futuras discussões. Assim, aquelas também são removidas, por isso existem várias etapas e uma não é necessário que todas as etapas até sejam seguidas em uma sequência, ela depende da qualidade de entrada da imagem. Assim como você sabe aquela qualidade de imagem e evolução estatística que é o primeiro passo que tem de ser feito. Especialmente a evolução estatística parte geralmente é feita olhando o histograma de uma determinada imagem de ou de bandas individuais se imagens multispectrais estão sendo usadas. E também estatísticas simples o que é a média, o que é o desvio padrão e assim por diante. Por isso, uma vez que estou tendo essa informacao então eu posso decidir que qual processamento de imagem ou técnica de aprimoramento de imagem eu preciso executar para melhorar a qualidade da minha imagem. Por isso, questões de qualidade de imagem para o aprimoramento, pode haver exigência de correção radiométrica. Portanto, isso será feito de qualquer forma em geral é feito pelos próprios fornecedores ou pelas agências. Como na Índia estamos tendo a NRSA e a DC ou talvez a NASA ou esses servidores web também estejam sempre que estão colocando os dados. Pois, para remover erros radiométricos das imagens de sensoriamento remoto muitas outras informações são necessárias. E que as informações podem não estar disponíveis para os usuários finais, geralmente ele está disponível com as agências ou operadores desses satélites ou proprietários desses satélites. Por isso, por isso, no nosso final podemos não estar fazendo correção radiométrica mas precisamos saber se as correções radiométricas foram realizadas nessas imagens ou não. Antes de começarmos a usar para os nossos aplicativos, correções geométricas do curso como poucos minutos de volta eu menciono que se você estiver baixando a imagem geo tif. Isso automaticamente significa que ele é geometricamente corrigido, mas se você estiver baixando uma imagem de tif simples que pode não estar tendo coordenadas geográficas. Geralmente ela não terá e, portanto, correções geométricas ou georeferenciamento serão necessárias. E isso pode ser feito usando muito esses padrões de processamento de imagem digital softwares ou até mesmo GI softwares como RGIS ou muitos outros softwares GI.
A maioria desses softwares agora suporta as correções geométricas também, o aprimoramento de imagem e o afiação destes são através das técnicas de filtragem espacial. Aprimoramento de imagem, técnicas de aprimoramento de imagem diferentes estão lá, algumas são lineares, algumas são não lineares de simples para complicadas. Depende novamente você sabe o que está olhando nas imagens e para que finalidade você vai usar. Mas uma coisa eu quero deixar claro aqui e mais tarde sobre quando estaremos discutindo a classificação naquele momento também eu vou lembrar essa coisa. Que se você está indo finalmente para classificação de imagem então cuidamos de escolher a técnica de aprimoramento de imagem apropriada. Porque se você tem aprimorado a imagem e então você vai para classificação de imagem que pode dar resultados errados. Por isso, é melhor não colocar muito o aprimoramento antes da classificação, é deixar que o autoclassificado se identitenha objetos diferentes. E se não for então você pode voltar fazer o algum aprimoramento e depois fazer novamente a classificação, por isso mesmo. Agora classificação de imagem, existem 2 tipos amplos estão lá, um é o pixel baseado que é muito comum e também foram desenvolvidos classificação baseada em objeto, eles foram implementados por esses softwares populares, de modo que aqueles podem ser também usados. E se você está indo para classificação então com avaliação de precisão de curso, com que precisão a classificação foi feita. Que você tem que verificar totens de chão ou usando algumas outras imagens já classificadas da mesma área. Para que você possa avaliar a parte de precisão da classificação, talvez postar classificação e integração das imagens com o GIS que também é feito. Porque hoje em dia dificilmente as pessoas estão usando imagens de satélite isoladamente fazem a parte de processamento primeira ou a classificação parte no software de processamento de imagens digitais ou até mesmo a própria GI softwares. E então junto com outros datasets, outros temas, outras camadas eles começam a usar essas imagens de satélite também, então é por isso que você vai para as plataformas GIS. Os estudos de detecção de mudanças podem estar lá, então você requer um dado de séries temporais. Novamente hoje em dia este é o melhor momento para fazer estudos de detecção de mudanças por que eu disse que o melhor momento para fazer estudos de detecção de mudanças é porque agora desde 1972 em diante para quase todo o grupo você está tendo dados de satélite. Pois em 1972 os primeiros dados do Landsat MSS se tornam disponíveis e desde então os dados agora estão disponíveis. E isso tudo está disponível gratuitamente, então se eu quiser agora você sabe 1972 para isso cerca de 48 anos ou 47 anos de dados já está disponível. E isso lhe dá muitas informações sobre as mudanças climáticas ou as coisas estão mudando por causa de alguns processos naturais ou de alguns desastres naturais ou manfeitos. Por isso, todas essas coisas agora podem ser avaliadas usando os dados de séries de longa data de dados de satélites que agora se tornou disponível para todo esse tipo de estudos.

Vídeo 2

Mais adiante discutimos sobre essa qualidade de imagem e como você sabe que muitos datasets de sensoriamento remoto já contêm dados precisos de alta qualidade quando você faz o download. E, às vezes, mosaicos cobrindo uma grande área ou também disponíveis especialmente sobre as lentes Landsat ou mosaicos lentes que já são processadas, georeferenciadas. Eles são geometricamente corrigidos, radiometricamente corrigidos e a qualidade de imagem também melhorou. Por isso, diretamente aquelas imagens sem ir para qualquer tipo de processamento também podem ser usadas para várias aplicações. E mas, no entanto, às vezes, pode haver alguns erros, ruído que você pode avaliar por uma vez que uma imagem é tirada ou baixada de alguns sites. Uma vez exibida primeiro passe algum tempo e avalie a qualidade da imagem, o quão bom é se há ruídos há listras. Porque devido ao sensor ruim ou calibrações ruins todas essas coisas podem ser assadas às vezes você pode pegar as nuvens ou espalhar. Assim, sua imagem pode estar parecendo muito agy e isso pode ser por causa de efeitos de dispersão que estão ocorrendo devido ao ambiente ou à atmosfera e porque entre o satélite e a superfície da terra você está tendo atmosfera. Às vezes você está tendo condições pesadas e a qualidade da imagem pode não ser boa. Por isso, isso tem que ser avaliado também antes de ir para operações sérias como classificações e outras coisas. Também pode haver mau funcionamento aleatório ou sistemático de sistemas de sensoriamento remoto, em tempos anteriores esses problemas sistemáticos ou de mau funcionamento ou aleatórios eram mais. Mas hoje em dia os esses sensores, eletrônicos e esses aparelhos se tornaram realmente robustos quando você vai conseguir. E tais erros não vemos muito a não ser em Landsat-7 esse problema veio esse problema de striping se tornou tão grande. Isso se tornou muito difícil de usar essas imagens, por isso, problemas de striping nos datasets mais antigos eram muito comuns. Mas não é hoje em dia que não é muito visto em diferentes imagens de satélite. Se eu falar sobre satélites de sensoriamento remoto indiano dificilmente esse problema de striping já foi notado. Por isso, estamos desde 1988 depois de ter IRS-1A não tínhamos este tipo de problema. O motivo é porque o ponto eletrônico a qualidade dos sensores definitivamente melhorou e muitos testes são feitos antes que sensores sejam enviados no espaço. Todos os tipos de testes são feitos durante meses ou até anos juntos e é por isso que esses malfuncionais aleatórios ou sistemáticos se tornaram fenômenos agora raros. Pré-processamento impróprio, o pré-processamento envolve basicamente remover os erros. E se um cuidado adequado não foi tomado então se eu levar essa imagem vai para a classificação de imagem. Sou obrigado a criar imagens ou mapas de classificação errados e, portanto, é muito necessário passar por esta adequada etapas de pré-processamento. Identifique e identifique os detalhes dessa imagem que você obteve e essa é a melhor maneira de fazer é também obter ponto met arquivo MET dot met arquivo. E este é meta arquivo de dados e sempre que você baixar qualquer imagem de satélite geralmente esses servidores abaixo também possuem o arquivo meta correspondente. E você esta não é informação de metologia, esta é a informação de meta dados. Meta data significa informação sobre os dados em si, então você baixou uma imagem dizer nome da imagem era imagem 1 dot geo tif ou tif que está em geo tif. E então você também terá uma imagem de arquivo 1.met e este met terá todos os tipos de informações relacionadas a essa imagem em particular. Quando a imagem foi adquirida que tipo de processamento tinha beendona, quais são as coordenadas do canto e assim etc., não evite ler todas essas informações de meta. Sempre que você faz o download de qualquer imagem de satélite porque muitos dados grátis estão disponíveis hoje em dia, você também deve junto com isso também baixar o arquivo dot met. E também guarde em registros, em seus registros ou em seu disco rígido sobre esses meta arquivo porque eles são eles se tornam muito importantes quando você vai para classificação ou qualquer tipo de reportagem. Lá você tem que mencionar que em qual data de qual sensor, qual satélite essa imagem foi adquirida, que tipo de processamento foi feito pelo próprio fornecedor e que tipo de processamento você fez através ou respiração deve ser menção. Assim, esses problemas podem estar lá se os cuidados não são tomados, agora imprecisos analógicos para a conversão digital. Novamente quando nossos sensores em si estavam fazendo todo esse exercício havia algumas questões sobre essa conversão do analógico para o digital. Mas como estou mencionando agora nossos sensores estão se tornando muito robustos, muito avançam e, portanto, tais problemas não estão lá. Agora o primeiro passo no processamento digital de imagens de dados de satélites é verificar histograma e simples estatísticas. É isso que eu estou tomando um exemplo aqui, que quando você exibe um histograma idealmente esperamos que o histograma deve se parecer com o primeiro exemplo em um bem moldado você sabe. E mas isso não é normalmente você consegue em uma imagem não processada uma imagem natural. Normalmente, mas você espera que haja uma distribuição bem moldada ou gaussiana. Mas não é lá, você pode obter uma imagem como esta que talvez deste possa estar possivelmente lá de uma área coberta de neve ou pode estar em uma condição de deserto, um histograma dessa imagem pode parecer assim. Por isso, se você ver o histograma normalmente distribuído ou Gaussianalmente distribuído por aí quer dizer, mediana e modo todos estão coincidindo todos são iguais. Esta é a condição ideal que não é o que é raro em qualquer uma das imagens que você baixe ou obtenha imagens cruas que eu estou falando. Esse é um cenário possível como eu disse as áreas que estão tendo alta (()) (24:54) alta refletância talvez em áreas cobertas de neve, talvez em condições de deserto. Você pode obter essa distribuição bimodal ou multimodal neste exemplo bimodal e, portanto, significar e mediana estão aqui. E 2 lóbulos estão lá, dados inteiros são distribuídos em 2 este cenário pode estar em uma área em que você está tendo 2 distintas talvez rochas 2 distinções floresta ou vegetação ou terras agrícolas ou talvez em regiões litorâneas também. Onde metade da imagem está tendo parte de terra, metade da imagem está tendo a parte do mar. Assim, esse tipo de distribuição pode estar lá também você pode ter exatamente oposto ao este direito superior você pode ter um histograma defasado de imagem que está no início da imagem você está tendo frequência máxima na parte inferior entre os valores de pixels inferiores como é mostrado aqui. Então o modo é aqui então mediano e então quer dizer, aqui está significa que vem primeiro então mediano e então modo.
Se for uniformemente distribuída novamente esta é uma coisa muito rara, exceto em você sabe ficar parado ou em condições oceânicas muito calmas ou em condições muito desérmidas em que você não tem nenhuma característica em tudo quase que se apresenta menos deserto. Então você pode obter um histograma ou distribuição de pixels algo como esta parte completamente plana. Então isso é muito porque uma vez que você viu o histograma, analise o histograma. Agora você sabe que tipo de processamento seria necessário para a minha imagem, de modo que conta a etapa futura para o processamento de imagens. Agora aqui a média que por significar menção aqui a média é a média aritmética e é definida como a soma de todos os valores de brilho que são valores de pixel, observações divididas pelo número de observações. Então aqui isso é o que a média é derivada de uma imagem de satélite. Mediana é o valor midway como você sempre pode ver aqui mediana, mediana, mediana e mediana aqui é o valor mediana a distribuição de frequência. Porque no eixo y você está tendo frequência no eixo x você está tendo os valores do pixel. Por isso, uma metade da área abaixo da curva de distribuição é para o direito da mediana e a outra metade do lado esquerdo da mediana. E modo é o valor que ocorre com mais frequência em uma distribuição e geralmente o ponto mais alto da curva. Assim como você está vendo na maioria desses exemplos esse é o ponto mais alto aqui. Portanto, essas coisas embora essas sejam coisas simples você pode ter ido em uma estatística simples mas é necessário se relacionar. E lembre-se desses parâmetros estatísticos que nos permitirão entender que tipo de processamento é mais necessário para melhorar a qualidade de imagem para melhor interpreta.

Vídeo 3

Por isso, no processamento de imagens agora vamos para correção geométrica muito brevemente o que será discutido não já discute-se desculpe por essa digitação errada aqui. Isso será discutido como um tópico separado em georeferenciamento então correção radiométrica. Quer tenham sido já feitas, geralmente é feito pelas agências, as correções atmosféricas não são por agências. Se for muito exigido devemos fazê-lo mas se dizer tarefa complicada, então um tem que estar preparado com muitos dados de entrada se você for tentar a correção atmosférica. Teremos um tratamento separado para a correção atmosférica em discussões posteriores. E também é basicamente o objetivo principal é melhorar a qualidade da imagem, assim interpretações melhores podem ser realizadas, esse é o propósito do aprimoramento da imagem. E como como na Índia você pode pedir imagens pedindo que por favor realize essas correções antes de fornecer. É claro que haverá algumas cobras extras, suponhamos que você vá e diga que eu quero uma imagem geometricamente, radiometricamente e atmosférico corrigida para uma determinada área.
Em seguida, agência o fará, eles estão tendo o seu padrão você conhece procedimentos, técnicas pelos quais eles o farão e fornecerá mas será um caso custoso. Retificação, novamente retificação é também às vezes para termo de retificação de correção geométrica também é uso. Mas basicamente retificação significa remover as distorções que podem ter sido introduzem pela plataforma ou pode ser o sensor, a curvatura da terra ou a atmosfera. Por isso, essas retificações são necessárias, agora assim vamos passar um por um todo tipo de correções que são necessárias. Portanto, primeiro são as correções radiométricas, correção radiométrica é um método de etapa de pré-processamento para reconstruir valores fisicamente calibrados, corrigindo os erros espectrais e de distribuição causados pelo sensor. Estes striping ocorrerão apenas quando utilizar CCD em um sensor ou não perfeitamente calibrado. E, portanto, eles vão produzir fenômenos de desstripagem como você pode ver aqui. Então ou dizemos remoção de ruído também, pode-se chamá-lo mas ruído quando dizer que é um tipo aleatório de coisa. Estes striping são um erro sistemático devido ao sensor mal calibrado, às vezes no chão tudo foi feito perfeitamente bem. Durante o lançamento ou após certos anos de operações, os sensores podem ir mal. Então você pode ter ou eles alguns podem começar a se apresentar abaixo e, portanto, você pode ter essa influência de striping também. Mas se não for muito parecido neste exemplo então usar o pixel circundante valoriza valores de pixel adjacentes. Estes afetos de striping ou de striping podem ser removidos e estes então você obterá uma imagem que não tem agora esses afetos de striping como sobre visto no lado direito desta imagem. Portanto, trata-se de um erro típico e é possível alguns se estendem para remover usando os valores circundantes e levando a sua média e dando para aqueles pixels que estão sob esses underperformance de sensores individuais. E essas linhas lançadas são normalmente corrigidas como eu acabei de mencionar a substituição da linha pelo valor do pixel na linha acima ou abaixo ou com a média de. Então, depende de que propósitos você vai usar imagens e mas é possível fazer. Agora a parte de ruído, ruído geralmente speckle e esses speckles como mostrado nas imagens da esquerda também podem ser removidos novamente empregando quase o mesmo método que para as linhas largadas. Isso significa agora olhar os valores circundantes e tirar a sua média e dar para o tal pixel que tem este ponto preto ou black dark executar ou baixo desempenho é pelo sensor. Por isso, fazendo aquele exercício um pode alcançar este, os erros sistemáticos são mais fáceis de remover nenhum erro sistemático fazendo barulho não é isso é fácil. E ainda que a saída pode carregar, a menos que você vá para o raio de busca de grande área e isso pode reduzir a qualidade de imagem. Essa vontade isso pode reduzir a nitidez na imagem. Isso tornará a imagem mais fumada mas pode não ser muito boa para determinados aplicativos.
Caso contrário geralmente se não houver escolha eu tenho que usar aquela imagem em particular porque isso pertence a uma determinada data e eu precisava então que é a maneira de remover esse ruído. Geralmente o ruído de striping afeta pode ser visto mas o ruído geralmente não é comum em imagens normais de sensoriamento remoto, exceto no ruído de imagens de micro-ondas ou radar é um fenômeno muito comum. Agora as correções atmosféricas, a correção atmosférica é o basicamente porque acontece quando este tem o reflexo ou a emissão tem que viajar pela atmosfera até o sensor. Por isso, a radiação solar basicamente se eu estiver falando de dados em imagens geralmente que usamos então a radiação solar raramente é pouco afetada enquanto viaja pelo vácuo de um espaço. Mas em condição natural não temos o vácuo, por isso tem que passar pela atmosfera. Assim, quando interage com a atmosfera, a atmosfera terrestre é seletivamente espalhada e absorvida dependendo do tamanho de partículas ou gases que estão presentes na atmosfera. E isto é muito dinâmico, estas são partículas e gases não estão permanentemente localizados em certas alturas ou profundidade de num espaço. Portanto, este é um sistema muito dinâmico e depende da imagem para imagem basicamente ou dia a dia das condições atmosféricas. Por isso, essas algumas dessas 2 formas de perda de energia que é uma está espalhando outra é a absorção é chamada de atenuação atmosférica. E esta atenuação pode reduzir a qualidade de uma imagem, se você comparar a imagem é de terra com imagens de mars, mars tiradas por vários satélites até mesmo a nossa Mangalyaan. As imagens de mars são muito limpas, muito clara a razão é porque mars não tem muita atmosfera em nada. Diga-se atmosfera muito fina ela está tendo e, portanto, é perfeita para sensoriamento remoto porque no meio entre não há atmosfera, você não terá correções atmosféricas e imagens de. Você recebe imagens de altíssima qualidade até mesmo o sensor pode não ser tão bom quanto para a terra que estamos usando. Mas, por causa da presença da terra por causa de uma dispersão e absorção afetada pelos diversos gases, várias partículas que estão presentes deterioram nossa qualidade de imagem devido à deterioração atmosférica. E o nosso objetivo na correção atmosférica é geralmente remover que ou minimizar pode não ser remoção é pode não ser possível todo esse tempo. É muito difícil também porque precisamos ter muitos dados de entrada e para aquele momento particular de tempo em que a imagem foi tomada. Por isso, alguém tem que coletar os dados, agora todos esses modelos que são usados para correções atmosféricas ou técnicas que são usadas requer esse tipo de insumos. Portanto, remover completamente os efeitos atmosféricos de imagens de satélites da terra não é realmente possível. Mas nenhum a menos tentamos por aquela coisa. De modo que estes a correção atmosférica está em curva os valores de brilho digital registrados pelo sistema de sensoriamento remoto em valores de refletância de superfície escalonados por causa deste. Portanto, estes não são basicamente um verdadeiro valor de brilho mas eles são distorcidos devido à presença de atmosfera.
E esses valores podem então nós compararmos ou usados em conjunto com valores de refletância de superfície escalonados obter em qualquer outro lugar do planeta. Então, se um deles gostaria de fazer quase você sabe 100% ou perto de 100% de remoção dessa coisa. Em seguida, você requer valores padrão que foram coletados sem ter distorções atmosféricas. E se você comparar com esses valores se você usa aqueles valores de refletância de superfície escalonados então fica mais fácil remover distorções atmosféricas das imagens de satélite. Como mostrado aqui que espalha absorção, reflexão, refração todas essas coisas estão acontecendo.
E isso tudo está acontecendo entre 100 quilômetro da terra até a camada superior de atmosfera. O sensor está muito acima de 850 quilômetro mas em entre a energia tem que passar, a reflexão ou a energia de remessa tem que passar por essa atmosfera. E todos os tipos desses fenômenos atenuam a dispersão, a absorção, a refração, a reflexão ocorrerá. Por isso, portanto, é pouco complicado isolar diferentes essas contribuições desses parâmetros de atenuação a partir de para eliminar as distorções atmosféricas. Por isso, há aquelas várias formas de corrigir dados de sensoriamento remoto atmosférico. E alguns são relativamente em frente também chamamos de força bruta tipo de coisa de uma maneira muito simples você pode simplesmente remover supondo que o mesmo deveria ter sido assim apenas. Que também vamos discutir o caminho em frente, sendo fundado sobre os princípios físicos e exigindo uma quantidade significativa de informações para funcionar corretamente, se você quiser ir para mais sofisticado.


Vídeo 4

Agora aqui estou dando um exemplo do lado esquerdo você está tendo uma imagem que está sofrendo de distorções atmosféricas. E como você pode ver que por causa da presença de diferentes partículas e gases dentro da atmosfera você está vendo que a parte do meio é relativamente brilhante e então você sabe que parte superior ou parte inferior é pouco mais escura. Mas quando essa correção foi realizada então a parte do meio é não