ÁLKOVÝ PRŮZKUM ZEMĚ 104

Transkript

1 DÁLKOVÝ PRŮZKUM ZEMĚ 104

2 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE. ČÁST II. DIGITÁLNÍ ZPRACOVÁNÍ MATERIÁLŮ DPZ Obrazové materiály pořízené distančními metodami mohou existovat ve dvou základních formách: analogové (například letecká fotografie vykopírovaná na fotografický papír) a digitální (číslicové, například naskenovaná letecká fotografie vizualizovaná ve tvaru matice čísel). Tyto dvě formy uchovávání obrazové informace zároveň definují možnosti jejího zpracování. Zpracování analogových dat klasickými postupy interpretace je rozvíjeno prakticky od počátků fotografie. Postupem času byly vytvořeny obecně platné zásady, umožňující extrahování užitečné informace z leteckých a později i družicových snímků pro nejrůznější aplikace. Každý obrazový materiál obsahuje informaci dvojího druhu. Prvním je informace o topografických (geometrických) vlastnostech objektů, mezi které patří například velikost, vzdálenost objektů, ale také například jejich vzájemná poloha. Druhým typem informace obsaženým v obrazových materiálech je informace tématická, například druh povrchů, ale také například stupeň poškození polních plodin nebo obsah půdní vlhkosti. Topografickou informací a měřickými vlastnostmi materiálů DPZ se zabývá tzv. fotogrammetrie. Jak uvádí např. ČAPEK (1988), jde více méně o technickou disciplínu. Základy fotogrammetrie shrnuje například ŠMIDRKAL (1982), ze zahraniční literatury lze doporučit především manuál Americké společnosti pro fotogrammetrii (American Society of Photogrammetry) a také učebnici LILLESANDA a KIEFERA (1994). Tématické informace obsažené na snímcích využívají nejrůznější disciplíny jak z oblasti věd o Zemi, tak i nejrůznějších technických disciplín. Všechny postupy lze shrnout pod pojem fotointerpretace. I když zaměření nejrůznějších projektů využívajících analogových dat se může značně lišit, fotointerpretace je založena především na tzv. interpretačních znacích. Ty lze podle ČAPKA (1988) definovat jako vzhled a vlastnosti předmětů a jevů, zobrazených na snímcích. Mezi základní interpretační znaky patří především tvar, tón, barva, stín, velikost, textura, struktura, poloha a příčinné vztahy. Interpretačních znaků je využíváno k sestavování tzv. interpretačních klíčů. Tyto klíče obrazovou nebo popisnou formou definují vztah mezi vzezřením objektů a jevů na snímcích a ve skutečnosti. Význam jednotlivých interpretačních znaků, druhy interpretačních klíčů i základní postupy interpretace popisují již zmíněné práce JEŘÁBEK a LEDVINKA 1959, MURDYCH 1976, JEŘÁBEK 1982, ČAPEK 1988), ze zahraničních potom především SABINS 19896, LILLESAND a KIEFER 1994, CAMPBELL Jak fotogrammetrie, tak i fotointerpretace využívají řadu přístrojů, jejichž přehled lze nalézt také v uvedených pracech. Zpracování digitální obrazové informace nabývá na významu od první poloviny 70. let a souvisí se dvěma skutečnostmi. První je dostupnost primárně digitálních dat poskytovaných družicemi LANDSAT, druhou je potom rozvoj výpočetní techniky. Obě zmíněné skutečnosti výrazně ovlivnily obě disciplíny zabývající se zpracováním obrazových dat DPZ (fotogrammetrii i fotointerpretaci) a také do jisté míry způsobují jejich postupnou konvergenci. V posledních letech se formuje tzv. digitální fotogrammetrie a fotogrammetrické postupy jsou stále více implementovány do aplikací tématického mapování (RENÉ 1996, PIVNIČKA 1996). Číslicová forma uložení obrazové informace a možnosti výpočetní techniky znamenaly především zautomatizování řady postupů, dále také výrazné urychlení některých, zvláště výpočetních postupů (transformace, tvorba ortofoto apod.). Dalšími přednostmi jsou 105

3 DÁLKOVÝ PRŮZKUM ZEMĚ objektivita, přesnost a do jisté míry i nižší náklady na zpracování. Nové postupy spojené například s využíváním radarových obrazových záznamů nebo s tzv. obrazovou spektrometrií také podporují rozvoj digitálního zpracování. S rozvojem dalších geoinformačních technologií, především GIS, se obrazové materiály získané metodami dálkového průzkumu a uchovávané a zpracovávané v číslicové podobě postupně stávají nejdůležitějším zdrojem dat pro prostorové analýzy nejrůznějšího zaměření CARRY (1994). Jak obrovský je tok obrazových dat poskytovaných současnými systémy ukazuje i fakt, že z veškerých existujících databází družicových i leteckých snímků bylo do současné doby využito pouze asi 1 % (EHLERS 1995). Je však nutno poznamenat, že vedle nesporných výhod přináší digitální zpracování materiálů DPZ i nevýhody a řadu postupů zvláště v oblasti automatické klasifikace je nutné korigovat poznatky z analogové interpretace. Zmíněné nevýhody spočívají především v rozdílné hierarchii významu jednotlivých interpretačních znaků, používaných oběma postupy. Některé ze zmíněných interpretačních znaků lze velmi dobře prezentovat v číslicové formě (barva, tón), u jiných to lze velmi obtížně (textura, struktura). To je také jedna z příčin, proč i v budoucnu budou používány klasické postupy analogové interpretace a proč je role člověka v interpretačním procesu nezastupitelná. Právě základní postupy digitálního zpracování obrazové informace jsou obsahem následujících kapitol. Zájemce o další informace lze z domácích prací odkázat na práce ŠMIDRKALA a kol. (1989), KOLÁŘE (1990) a KOLÁŘE a kol. (1997). Ze zahraničních prací lze doporučit především uživatelské příručky a materiály softwarových produktů pro digitální zpracování obrazu (Using PCI Software 1997, ERDAS Field Guide 1994) a dále učebnice JENSENA (1986), LILLESANDA a KIEFERA (1994), WILLIAMSE (1995) či CAMPBELLA (1996). Množství zvláště výukového materiálu lze potom nalézt ve formě hypertextu například na následujících adresách: Digitální zpracování obrazové informace získané metodami dálkového průzkumu lze rozdělit do následujících částí: 1) Předzpracování obrazů. Slouží ke korekci radiometrických, atmosférických a geometrických zkreslení a šumu, které vznikají v průběhu vytváření obrazu. Druh, způsob a rozsah předzpracování závisí na typu senzoru, kterým byl záznam pořízen. 2) Zvýraznění obrazů. Je aplikováno na data s cílem efektivněji znázornit obraz pro další vizuální či automatické zpracování. Zahrnuje techniky k výraznějšímu odlišení jednotlivých objektů v obraze. Cílem je vytvořit nový obraz, který obsahuje více informace, která může být interpretována. Neexistuje jedno obecné pravidlo, kterým by se daly zvýraznit všechny snímky. Většinou se zvýraznění provádí v několika krocích, které např. manipulují kontrastem snímku, provádí jeho filtrace, zvýraznění hran apod. Do této skupiny metod však patří i algoritmy, které transformují původní pásma multispektrálního obrazu do pásem nových. 3) Extrahování informace. Zahrnuje především klasifikaci obrazu. Nahrazuje klasifikaci vizuální postupem automatizovaným s cílem identifikace jednotlivých povrchů či objektů. K tomuto cíli jsou využívány například vícerozměrné statistické metody nebo různá rozhodovací pravidla a výsledkem je, že každému obrazovému 106

4 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE. prvku je přiřazen určitý tématický obsah např. využití země. Rozhodovací pravidla (klasifikátory) jsou většinou založena na studiu spektrálního chování objektů. Mohou však být založena i na geometrických a prostorových vlastnostech objektů - tvaru, velikosti, struktuře, textuře apod. 4) Studium dynamiky jevů. V dnešní době je téměř celý povrch Zeměkoule snímán opakovaně, s různou frekvencí. Řadu obrazových materiálů DPZ lze vhodně použít ke studiu časových změn. Povaha těchto změn může být velice různorodá - od monitorování poměrně velmi rychle probíhajících synoptických procesů v meteorologii, po detekce změn ve využívání krajiny v měřítku několika desítek let. 5) Modelování s obrazovými daty. Cílem je odvodit kvantitativní vztahy mezi daty získanými dálkovým průzkumem Země a například biofyzikálními parametry objektů získanými pozemním měřením či pozorováním. Data DPZ mohou být použita ke kvantitativnímu vyjádření takových parametrů, jako jsou úroda vybraných plodin, radiační teplota, koncentrace znečišťujících látek, množství rozpuštěných sedimentů ve vodě, hloubka vody, obsah vody v půdě, barva půdy apod. Spolu s technikami GIS jsou data DPZ používána i k modelování životního prostředí, k predikcím jeho chování za změněných podmínek (např. globální klimatická změna). 6) Integrace obrazových dat a jejich vstup do GIS. Předpokládá kombinaci obrazových dat s jinými geografickými daty dané oblasti, případně spojení s jinými rastrovými daty, zahrnuje i spojení dat z různých senzorů apod. 107

5 DÁLKOVÝ PRŮZKUM ZEMĚ 7. Předzpracování obrazových záznamů Při pořizování fotografických snímků i při vytváření skenovaných obrazových záznamů zemského povrchu působí na výsledný obrazový záznam řada vlivů, které často degradují jeho kvalitu. Tyto nepřesnosti (chyby) v obrazovém záznamu lze popsat z několika hledisek. Prvním hlediskem může být především zdroj těchto nepřesností. Mohou mít původ v technické nedokonalosti snímacího zařízení či v algoritmech tzv. systémové korekce, jiné problémy způsobuje atmosféra jako hmotné prostředí nacházející se mezi senzorem a měřeným objektem, některé vycházejí ze samotné podstaty distančního měření. Jiným hlediskem, podle kterého lze chyby v obrazovém záznamu vzniklém distančním snímáním dělit, je dělení na chyby systematické (opakovatelné) a chyby náhodné. Některé nepřesnosti, jako jsou například chyby v poloze objektů, vznikající v důsledku zakřivení Země či její rotace, mohou být velmi dobře modelovány. Tyto chyby nazýváme proto systematické nebo také opakovatelné. Jejich velikost lze předvídat a jejich korekce se často děje již na přijímací stanici. Obrazové záznamy však obsahují řadu nepřesností náhodné povahy, vzniklých například kolísáním parametrů dráhy nosiče, výpadky v činnosti detektorů snímacího zařízení v průběhu snímání, vlivy atmosféry a podobně. Náhodné chyby představují v obrazovém záznamu tzv. šum (noise). I tento šum však může mít v některých případech povahu systematické nepřesnosti v obraze (tzv. bílý šum). Příkladem může být existence periodických pásů v originálním obrazovém záznamu, které vznikají v důsledku chybné kalibrace jednoho ze senzorů. Uvedené nepřesnosti v obrazovém záznamu lze dělit také na chyby vnitřní (interní), které vznikají uvnitř systému - tedy například chyby senzoru - a chyby vnější (externí) související například s vlivy atmosféry. Aby bylo možné data vzniklá metodami dálkového průzkumu Země dále využívat například k sestavování topografických či tématických map, studiu dynamiky jevů či odhadu některých biofyzikálních parametrů, je nutné odstranit či alespoň potlačit výše uvedené chyby a nepřesnosti. Cílem předzpracování obrazu je tedy jeho úprava ve smyslu geometrických i radiometrických vlastností. Geometrické korekce transformují souřadnou soustavu obrazového záznamu nebo velikost obrazového prvku, radiometrické korekce upravují DN hodnoty jednotlivých pixelů. V rámci radiometrických korekcí lze vyčlenit také korekce atmosférické, jejichž cílem je minimalizovat vlivy atmosféry při distančním měření odrazových či zářivých vlastností objektů. Stupeň i způsoby předzpracování mohou být pro data z určitých systémů typické. 7.1 Radiometrické korekce V důsledku řady výše uvedených vlivů neodpovídá skutečná radiometrická charakteristika objektu DN hodnotám naměřeným distančním měřením. Cílem radiometrických korekcí je upravit DN hodnoty v obrazovém záznamu tak, aby co nejvíce odpovídaly skutečným odrazovým či zářivým vlastnostem objektů. Naměřené hodnoty odrazivosti objektů závisí v prvé řadě na přesné kalibraci měřícího zařízení. Tuto kalibraci provádí většina systémů automaticky, například periodickým snímáním určitých referenčních ploch o známých radiačních vlastnostech. Informace 108

6 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE. o kalibraci senzorů či potřebné koeficienty jejich oprav jsou nejčastěji uloženy v hlavičce ( header ) obrazového záznamu Kompenzace sezónních rozdílů Při studiu časových změn zahrnujících více obrazových záznamů z různé části roku mohou mít zpracovávané obrazové záznamy velmi rozdílné DN hodnoty pro stejné povrchy. Tyto rozdíly jsou dány rozdílnou výškou Slunce v závislosti na roční době, rozdílnými podmínkami pro pohlcování a rozptyl měřeného elektromagnetického záření apod. Protože družice pohybující se na polárních drahách eliminují pro každou scénu změny výšky Slunce v průběhu dne (dráhy jsou synchronní se Sluncem), celkové osvětlení scény lze normalizovat pouze kompenzací sezónních rozdílů. Osvětlení scény kolísá s výškou Slunce. Výška Slunce je normalizována na pozici družice v zenitu například dělením každého záznamu sinem výšky Slunce. Informace o výšce Slunce je pro každou scénu zapsána v hlavičce souboru. Jiným vhodným způsobem, jak eliminovat efekt výšky Slunce, je použití podílů původních pásem multispektrálního obrazu. V některých aplikacích dat dálkového průzkumu Země jsou prováděny i radiometrické opravy na vzdálenost Země od Slunce. Protože kolísání této vzdálenosti v průběhu roku způsobuje pouze malé rozdíly v naměřených radiometrických charakteristikách, jsou uvedené opravy prováděny zpravidla jen u experimentálních hodnocení Odstranění náhodných radiometrických chyb Většina digitálních obrazových záznamů obsahuje nepřesnosti víceméně náhodné povahy. Jejich projevem může být například radiometricky nepřesný či zcela chybějící řádek obrazového záznamu vzniklý chybnou kalibrací jednoho ze senzorů, nebo poruchou při přenosu signálu na Zemi. Takováto chyba se většinou odstraní zprůměrováním hodnot sousedních řádků. Při příčném skenování není obrazový záznam v naprosté většině případů vytvářen po jednotlivých řádcích, ale systém používá řady detektorů a snímá najednou více řádků V případě nepřesné kalibrace nebo rozdílné senzitivity jednoho z detektorů vzniká obraz, na němž uvedený detektor vytváří tmavší či naopak světlejší řádek opakující se s určitou periodou.uvedená chyba může být typická pro určitý typ senzoru. Takovou je například pravidelné horizontální "páskování" záznamu z mechanooptických skenerů. Například pro obrazové záznamy z MSS má toto páskování periodu sedmi řádků, v případě obrazových záznamů z LANDSAT TM, má periodu osmi řádků. Uvedené nepřesnosti jsou patrné především v částech obrazu snímajících rozsáhlé homogenní plochy vyznačující se nízkou odrazivostí - především vodní plochy. K odstranění uvedeného páskování je možné použít algoritmus založený na výpočtu histogramu a základních statistických charakteristik pro řádky vznikající jednotlivými detektory. Histogram řádků, které byly naměřeny detektorem s rozdílnou senzitivitou, je oproti ostatním histogramům posunut do vyšších či nižších hodnot. Úpravou průměru či přizpůsobením histogramu (viz dále) daného řádku lze uvedené horizontální páskování do značné míry potlačit. Opravy obou uvedených radiometrických nepřesností je nutné provádět ještě před geometrickou korekcí, protože v průběhu geometrické transformace dochází většinou k rotaci obrazu, při níž by chyby z jednoho řádku byly zaneseny do částí více řádků. 109

7 DÁLKOVÝ PRŮZKUM ZEMĚ V případě elektrooptických skenerů vzniká obrazový záznam tzv. podélným skenováním pomocí velkého počtu detektorů snímajících najednou celou řádku území. Dojde-li v tomto případě k výpadku či poruše v kalibraci jednoho z detektorů, obrazový záznam pak obsahuje nepřesná nebo chybějící data orientovaná vertikálně. Odstranění těchto nepřesností je náročnější proto, že jednak nemá pravidelný charakter jako v případě příčného skenování, jednak po korekci obrazového záznamu na rotaci Země mají chybějící data šikmý směr. Vhodným algoritmem na odstranění všech radiometrických nepřesností, které v obraze zaujímají určitý směr (řádek, sloupec či diagonálu), jsou tzv. Fourierovy filtrace (viz. kapitola 8.2.4). U některých obrazových dat se zpracovatel může setkat i s tzv. bitovými chybami. Jde o případ, kdy v záznamu chybějí či jsou nepřesné radiometrické DN hodnoty jednotlivých obrazových prvků často nepravidelně rozmístěných po ploše obrazu, ve kterém se jeví jako velmi světlé či velmi tmavé pixely. Odstranění těchto bitových chyb lze dosáhnout aplikací vhodných filtrů na původní data. Je však zapotřebí vzít v úvahu, že většina filtrů mění radiometrické hodnoty všech pixelů v obraze. 7.2 Atmosférické korekce Atmosférické korekce představují složitý problém a existuje celá řada různě složitých technik řešících tento problém. Efekty atmosféry jsou však naštěstí ve srovnání s např. efektem výšky Slunce malé a ve většině aplikací je možné je zanedbat. Efekty atmosféry, stejně jako předchozí vlivy způsobují, že distančním způsobem naměřené hodnoty o radiačních či zářivých vlastnostech objektů neodpovídají vlastnostem skutečným. Atmosféra jako hmotné prostředí způsobuje modifikaci naměřených hodnot především procesy pohlcování a rozptylu. Oba procesy závisí na řadě faktorů. K nim patří především vlnová délka měřeného elektromagnetického záření. V případě viditelného a blízkého infračerveného záření je důležité odstranění atmosférických efektů jako kouřma či zákalu. Tyto atmosférické efekty mohou ve viditelných vlnových délkách přispívat až z 80 procent k signálu dosahujícího čidlo měřící aparatury a jsou směsí rozptylu a pohlcování na vodních kapičkách, plynech, aerosolech a pevných částicích. Jednoduchou metodou eliminace těchto příspěvků atmosféry je tzv. metoda nejtmavšího pixelu (JENSEN 1986). Ta je založena na fyzikálním poznatku, že vyzařování vodních objektů v oblasti blízkého infračerveného záření je rovno téměř nule - všechno záření je vodou pohlceno). Je-li tedy možné ve scéně nalézt alespoň jednu dostatečně hlubokou vodní plochu, potom signál přijatý senzorem lze považovat za příspěvek atmosféry. Zjištěná hodnota radiometrické charakteristiky je tedy odečtena od všech obrazových prvků. Uvedená metoda je poměrně jednoduchá, avšak často může nevhodně degradovat původní data (LILLESAND a KIEFER 1994). Navíc, jak uvádí LAVREAU (1991), příspěvek atmosféry může být rozdílný pro různé DN hodnoty v rámci obrazu a uvedený způsob atmosférické korekce lze považovat pouze za velmi hrubý. Zjištěná hodnota nejtmavšího pixelu totiž nemusí být příspěvkem atmosféry, ale například určitého množství rozpuštěných sedimentů ve vodním sloupci, koncentrací chlorofylu, chemických příměsí ve vodě apod. Metodu atmosférické korekce obrazových dat z družice LANDSAT založenou na regresní analýze mezi jednotlivými pásmy uvádí CHAVEZ (1975). Tuto metodu potom rozvíjí SWITZER et al. (1981) výpočtem tzv. kovarianční matice pro všechny kombinace pásem multispektrálního obrazu. Metoda předpokládá, že rozdíly v odrazivých vlastnostech objektů jsou způsobeny lokálními vlivy topografie. 110

8 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE. Druhou skupinou empirických metod použitelných k atmosférické korekci jsou postupy založené na regresní analýze mezi daty naměřenými distančními metodami a daty z pozemních měření konaných nejlépe v době přeletu družice. Uvedený postup je pro svoji časovou i finanční náročnost praktikován pouze pro některé experimenty. Třetí možností, jak odstranit vlivy atmosféry z DN hodnot obrazových záznamů, je skupina metod založená na modelování těchto vlivů. Za pomoci meteorologických dat např. o teplotě či vlhkosti vzduchu, zákalovém faktoru či znečistění, pořízených v době vytváření obrazového záznamu, lze parametrizovat vlivy atmosféry. Uvedené hodnoty spolu s DN hodnotami obrazového záznamu potom vstupují do numerických modelů, které na výstupu poskytují korigovaná data o radiačních či zářivých vlastnostech objektů. V průběhu času bylo vytvořeno několik modelů atmosférických korekcí, většina z nich je použitelná především pro meteorologická data. Mezi nejpoužívanější patří např. modely LOWTRAN nebo MODTRAN. Uvedené modely poskytují především údaje o propustnosti atmosféry pro záření a údaje o vlastním vyzařování atmosféry pro různé atmosférické podmínky definované hodnotami vybraných meteorologických prvků (CAMPBELL 1996). Dalším z výstupů z uvedených modelů jsou hodnoty absorpce a vyzařování pro různé koncentrace vybraných radiačně aktivních plynů, především pro vodní páru, NO 2, O, O 3, CH 4, CO 2, SO 2. Modely zohledňují roční dobu i geografickou polohu a jsou parametrizovány pro řadu meteorologických prvků (oblačnost, srážky, apod.). Cílem všech atmosférických korekcí je získat z původních naměřených dat tzv. absolutní hodnoty odrazivosti či vyzařování objektů. Pomocí těchto absolutních hodnot lze následně vyjádřit některé vlastnosti těchto objektů v kvantitativní podobě. Například určovat množství biomasy, povrchovou radiační teplotu, vodní obsah atd. (viz. kapitola 12). Velmi podrobně pojednává o problematice atmosférických korekcí práce CRACKNELLA a HAYESE (1991). V současné době jsou např. data z LANDSAT TM nabízena společností EURIMAGE nově s již provedenými atmosférickými korekcemi jako standardní produkt (ARINO et al. 1997). 7.3 Geometrické korekce Nezpracovaná obrazová data obvykle obsahují tak významné geometrické nepřesnosti, že jich nelze použít jako mapy. Vzájemná poloha objektů v obraze neodpovídá jejich poloze ve skutečnosti, nelze tedy zjišťovat plochy či vzdálenosti, protože obrazový záznam nemá jednotné měřítko. Zdroje nepřesností plynou většinou ze způsobu vytváření obrazového záznamu a jsou tedy specifické jak pro leteckou fotografii, tak i pro záznamy z různých typů skenerů. Zabírají jevy od kolísání výšky a rychlosti pohybu nosiče až po faktory postihující zakřivení Země, atmosférické refrakce, zdánlivé změny v poloze objektů v důsledku kolísání nadmořské výšky terénu a nelinearity v průběhu snímání senzoru. Účelem geometrických oprav a transformací je odstranit všechny výše zmíněné vlivy tak, aby obraz získal požadovaný souřadný systém či určité kartografické zobrazení a aby bylo možné ho použít jako mapy - tedy například pro měření ploch či vzdáleností. V případě letecké fotografie vzniklé centrální projekcí se jejími geometrickými vlastnostmi zabývá fotogrammetrie. Ta řeší problém transformace vlastními metodami, které jsou mimo rozsah tohoto textu. Jak uvádí WILLIAMS (1995), všechny faktory, které způsobují chyby a nepřesnosti v geometrických vlastnostech obrazu, mohou mít trojí původ: 1. v parametrech dráhy nosiče (kolísání výšky a změny v orientaci) 111

9 DÁLKOVÝ PRŮZKUM ZEMĚ ve vlastnostech senzoru (nepřesnosti při snímání obrazu) 3. na zemském povrchu (zakřivení Země, její rotace a lokální topografické efekty). Bez ohledu na jejich původ je možné je opět rozdělit na chyby a nepřesnosti systematické - tj. takové, které lze poměrně jednoduchým způsobem modelovat a tedy i odstranit - a chyby a nepřesnosti náhodné povahy. Geometrické korekce obecně zahrnují celou skupinu metod sloužících především k následujícím účelům: transformace obrazových dat do určité mapové projekce propojení obrazových dat s prostorovou vektorovou databází v GIS porovnání dvou či více obrazových záznamů pořízených stejným či odlišným snímacím zařízením za účelem studia časových změn tvorba ortofotomap vytváření mozaiky z několika obrazových záznamů Základní používané pojmy Mapa se vyznačuje určitou kartografickou projekcí, což je systém vztahů, kterým je část sféroidu transformována do roviny. Každá projekce používá určitého souřadného systému k vyjádření polohy objektů, každá mapa se vyznačuje jednotným měřítkem. Obrazový záznam pořízený distančním měřením není mapou, nemá kartografickou projekci a nemá jednotné měřítko. Původní digitální obrazový záznam využívá jako souřadného systému počtu sloupců a řádků, které definují jeho velikost. Průsečík jednoho sloupce a řádku definuje tzv. obrazový prvek. Jeho velikost (rozměr) odpovídá přibližně prostorové rozlišovací schopnosti snímacího zařízení, která se může významně měnit směrem k okraji obrazového záznamu. Poloha každého pixelu v rámci obrazu je známa pouze v souřadnicích sloupec - řádek. Tzv. rektifikace je obecný proces transformace polohy všech obrazových prvků z jednoho souřadného systému do jiného souřadného systému. Protože poloha stejného obrazového prvku v původní a v nové souřadné soustavě je jiná a jiný může být i jeho rozměr, druhým krokem této transformace je tzv. převzorkování. Převzorkování je proces transformace DN hodnoty každého obrazového prvku z původní souřadné soustavy do nové soustavy. Hlavním výsledkem rektifikace a převzorkování je, že dva obrazové záznamy jsou porovnatelné - jsou ve stejné souřadné soustavě a mají stejnou velikost obrazového prvku (stejné prostorové rozlišení). Jedním ze způsobů rektifikace je tzv. registrace. Mnohá obrazová data jsou pořízena v různých souřadných soustavách, v různém rozlišení. Pro účely pouhého porovnání dvou či více obrazových záznamů po jednotlivých obrazových prvcích je nutné tyto převést do jedné souřadné soustavy. Registrace je proces, kterým se souřadná soustava jednoho záznamu upraví tak, aby odpovídala souřadné soustavě jiného obrazového záznamu. Přitom nemusí jít o souřadnou soustavu mapového zobrazení. Je-li k registrovaným datům dodána informace o absolutní poloze alespoň jednoho obrazového prvku, potom tento proces označujeme jako tzv. georeferencování a obrazový záznam jako georeferencovaná data. Procesem georeferencování se mění pouze informace o poloze obrazových prvků např. v hlavičce souboru s obrazovými daty, nemění se DN hodnoty jednotlivých pixelů. Geokódování je proces rektifikace, během kterého jsou obrazová data transformována do určité kartografické projekce a poloha každého pixelu obrazového záznamu je

10 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE. vyjádřena v systému mapových souřadnic, vznikají tzv. geokódovaná data, která již lze například kombinovat s vektorovými daty ve stejné kartografické projekci. Ortorektifikace je proces, během něhož jsou odstraněny i nepřesnosti vznikající v důsledku relativní změny polohy objektů, jež plyne z jejich různé nadmořské výšky. K ortorektifikaci je zapotřebí digitálního modelu terénu a je nutné ji provádět zvláště pro družicová obrazová data zachycující vertikálně členitý terén (horské oblasti apod.) a především pro mapy velkých měřítek.. Ortorektifikací vznikají ortofotomapy či družicové mapy a je spíše fotogrammetrickou záležitostí. U georeferencovaných dat jsou odstraněny systematické nepřesnosti v geometrii obrazového záznamu, protože lze poměrně snadno modelovat jejich příčiny. Například systematickým zdrojem nepřesností vznikajícím při skenování z družice je skutečnost, že Země se pod nosičem v průběhu snímání pohybuje východním směrem. To způsobuje, že následující řádky v záznamu jsou posunuty mírně k západu vzhledem k řádkům předcházejícím. Jednoduchým posunutím skenovaného řádku je tato nepřesnost korigována většinou již při prvotním zpracování dat na přijímací stanici. Touto prvotní radiometrickou a geometrickou úpravou původních hrubých ( raw ) dat vznikají tzv. data systémově korigovaná. Systematické nepřesnosti lze tedy odstranit na základě precizní znalosti parametrů dráhy družice a její pozice v čase pořizování obrazu. Je-li známa přesná poloha družice, její výška a orientace senzorů, potom lze metodami sférické trigonometrie vypočítat polohu každého pixelu ve scéně. Tato informace je pak použita k transformaci obrazu. Současné družice jsou poměrně stabilní nosiče a informace o jejich poloze a výšce jsou běžně vysílány v reálném čase na Zemi společně s vytvářeným obrazem. Uvedeným způsobem jsou tedy korigována například data z meteorologických družic vyznačujících se nižším prostorovým rozlišením, u nichž lze chyby vznikající v důsledku nestejné nadmořské výšky povrchů většinou zanedbat. U družic s vyšším prostorovým rozlišením, jejichž obrazová data mají být dále kombinována s daty vektorovými nebo jichž má být použito k sestavení topografických či tématických map středního měřítka je geokódování většinou založeno na sběru tzv. identických bodů a tzv. polynomické transformaci. Uvedený způsob transformace lze schematicky vyjádřit následujícím vztahem: X = f 1 (x,y) Y = f 2 (x,y), kde X,Y - souřadnice daného obrazového prvku v nekorigovaném obraze x,y - souřadnice daného obrazového prvku v korigovaném obraze f 1, f 2 - transformační rovnice Také polynomická transformace je určitým zjednodušením problému geometrické korekce - ze zpracovávaného obrazu nejsou odstraněny nepřesnosti vznikající v důsledku nestejné nadmořské výšky objektů. K tomu je zapotřebí do transformačních vztahů zahrnout i informaci o třetím rozměru (výšce) - tedy provést tzv. ortorektifikaci. Ta je nejčastěji implementována ve formě digitálního modelu terénu. Pokud nejde o snímek území se značným převýšením (např. horské oblasti), v případě běžně dostupných družicových obrazových dat (LANDSAT, SPOT) postačuje pro rektifikaci takovýchto obrazových dat uvedená polynomická transformace založená na sběru identických bodů. Jak uvádí KOLÁŘ a kol. (1997), chyby způsobené nestejnou výškou terénu jsou u běžných družicových dat pouze chybami 2. řádu. Podle Using PCI Software (1997) v případě snímků z LANDSAT TM je poziční chyba 10 m na 100 m výšky nad 113

11 DÁLKOVÝ PRŮZKUM ZEMĚ průměrnou výšku scény, v případě SPOT je to 4 m/100 m výšky. Naproti tomu v případě obrazových záznamů pořizovaných mimo subsatelitní bod, tedy u všech radarových snímků a také v případě letecké fotografie, uvedené nepřesnosti výrazně narůstají a je nutné je korigovat Obecný postup rektifikace obrazu pomocí identických bodů Rektifikace obrazu založená na tzv. polynomické transformaci a na použití techniky identických bodů probíhá obecně v následujících etapách: 1. sběr identických bodů 2. volba stupně transformace 3. výpočet transformačních rovnic 4. testování transformačních rovnic 5. rektifikace obrazu 6. převzorkování obrazu Naznačený proces geometrické korekce obrazu není jednosměrný a především 2. až 4. etapa jsou často několikrát opakovány, než je dosaženo dobrého výsledku s požadovanou přesností Sběr identických bodů Identické (vlícovací) body jsou body, jejichž polohu lze přesně určit jak v obraze, který bude transformován, tak na mapě či jiném obraze, který má požadovanou projekci či požadovaný souřadný systém. Pro každý identický bod jsou tedy známy dvě dvojice souřadnic - souřadnice zdrojové - to jest souřadnice obrazu, který bude korigován (např. v souřadnicích sloupec, řádek) a souřadnice referenční (vzorové či cílové) například v metrech nebo v zeměpisných souřadnicích. Ideálními body jsou především křížení liniových objektů v obraze jako komunikací. Málo vhodné jsou charakteristické tvary vodních toků či okrajů lesa. Řada takovýchto objektů totiž mění polohu v čase. Příkladem může být břežní čára vodní plochy, jejíž hladina kolísá. V případě okraje lesa je nutné vzít v úvahu možné vlivy stínu a podobně. V závislosti na tom, z jakého podkladu budou sbírány identické body, lze geometrickou korekci obrazu provádět těmito základními způsoby: korekce k mapě - mapový list vhodného měřítka a požadovaného zobrazení je připevněn na digitalizačním stole a kurzorem je registrována poloha odpovídajících si objektů jak na mapě, tak ve zpracovávaném obraze korekce k jinému obrazu - k dispozici jsou dva obrazové záznamy stejného území, z nichž jeden slouží jako referenční a druhý má být registrován k tomuto referenčnímu například pro možnosti studia změn korekce k databázi identických bodů - předpokládá, že k dispozici je soubor obsahující referenční (skutečné) souřadnice, zjištěné například odečtením z mapy nebo za pomoci globálního pozičního systému (GPS) korekce k vektorové prostorové databázi - předpokládá, že k dispozici je vektorová kresba liniových objektů stejného území v digitální podobě Vedle potřebného počtu identických bodů, který je definován použitým stupněm transformace (viz dále), musí tyto body pro úspěšnou geometrickou korekci splňovat některé další požadavky. Je žádoucí, aby body byly rovnoměrně rozmístěny po ploše korigovaného obrazu. 114

12 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE Volba stupně transformace Vztah mezi souřadnicemi zdrojovými na cílovými je vyjádřen formou polynomu n-tého stupně. Stupeň geometrické transformace obrazu přímo závisí jednak na geometrických distorzích, které vznikly v průběhu jeho vytváření, jednak na požadované přesnosti. Je-li transformována skenovaná mapa, potom k přesné geometrické korekci lze využít transformaci polynomem prvního řádu. Příkladem tohoto typu transformace jsou transformace podobnostní, kolineární či afinní. Při podobnostní transformaci je provedeno posunutí, otočení a případně shodná změna měřítka ve směru řádků i sloupců a postačují k ní dva páry identických bodů. Při afinní transformaci může korigovaný obraz podléhat posunutí, otočení, zkosení a je k ní zapotřebí tří párů bodů. V případě kolineární transformace se mění měřítko ve směru řádků i sloupců nezávisle a je třeba čtyř párů bodů. V případě obrazových záznamů z družic vznikajících v dynamickém režimu již nepostačují uvedené typy transformace a proto k rektifikaci obrazu bývá využito polynomu vyššího řádu. Alternativou k polynomické transformaci může být i použití tzv. splineových funkcí (Using PCI Software 1997). Tento přístup definuje transformační funkci s minimální křivostí mezi každými dvěma identickými body a zvláště u členitého terénu vyžaduje shromáždění značného počtu identických bodů Výpočet transformačních rovnic Transformační rovnice definují vztah mezi polohou každého identického bodu v obraze, který je korigován (X 1,Y 1 ), a polohou tohoto bodu v požadovaném systému souřadnic (x,y). Vlastní transformace je založena na předpokladu, že identické body představují reprezentativní vzorek celého obrazu a z nich vypočtené koeficienty transformačních rovnic lze použít pro určení nové polohy všech pixelů zpracovávaného obrazu. Transformace tedy spočívá v určení koeficientů polynomu n-tého stupně pro osu x a y. Například pro transformaci polynomem 3. stupně jsou určeny koeficienty A 0 až A 9 a B 0 až B 9 : X = A + A x + A y + A xy + A x + A y + A x y + A xy + A x + A y Y = B + B x + B y + B xy + B x + B y + B x y + B xy + B x + B y V závislosti na stupni polynomu je třeba shromáždit určité minimální množství identických bodů, které uvádí následující tabulka: Řád polynomu Minimální počet bodů Obvykle je však nasbíráno více bodů a výpočet koeficientů polynomu je poté proveden metodou nejmenších čtverců. Databáze identických bodů je před vlastní transformací podrobena zkoumání vhodnosti jednotlivých bodů, jejich vyřazování či opětovnému zařazování do výpočtu tak, aby výsledné transformační koeficienty indikovaly nejmenší chybu. Některé ze zpracovatelských systémů dovolují v této fázi hledání nejvhodnější množiny bodů interaktivně měnit také řád polynomu pro transformaci. Obecně ale platí, že vyšší řád polynomu může zmenšit výslednou chybu transformace vypočtenou z identických bodů, avšak v místech, kde identické body chybějí, může do transformovaného obrazu vnášet poměrně značné nepřesnosti (obr. 7.1)

13 DÁLKOVÝ PRŮZKUM ZEMĚ Obr. 7.Chyba! Neznámý argument přepínače. Vliv stupně polynomu na přesnost transformace. Podle WILLIAMSE (1996) Způsob, jakým je korigovaný obraz transformován do zvoleného systému souřadnic při použití polynomu vyššího řádu ukazuje obr Obr. 7.Chyba! Neznámý argument přepínače. Transformace obrazu polynomem vyššího řádu. Podle Using PCI Software (1997) Testování transformačních rovnic a vlastní transformace Koeficienty transformačních rovnic vytvářejí transformační matici. Inverzí této matice lze pro každý identický bod použitím nalezených koeficientů vypočítat jeho polohu v zdrojové (referenční) soustavě. Nově vypočtená poloha identického bodu bude odlišná od polohy původní. Mírou tohoto rozdílu, mírou vhodnosti vypočtených koeficientů transformačních rovnic a zároveň také mírou přesnosti následné transformace je 116

14 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE. odmocnina z tzv. střední kvadratické chyby (RMS - root mean square error). Je to vzdálenost mezi polohou bodu ve zdrojových souřadnicích a jeho polohou vypočtenou na základě koeficientů transformačních rovnic opět ve zdrojových souřadnicích. RMS chyba se vypočte podle následujícího vztahu: ( ) ( ) RMS = x x + y y or 2 2 kde x, y - souřadnice identického bodu ve zdrojové soustavě vypočtené z transformačních rovnic, x or, y or - původní souřadnice identického bodu ve zdrojové soustavě RMS chybu lze vypočíst jak pro jednotlivé dvojice identických bodů, tak také jako celkovou chybu. To umožňuje seřadit body podle velikosti této chyby a vylučovat ty, které vykazují chybu největší do té doby, až celková RMS chyba klesne v obou směrech na přípustnou hodnotu - tedy například pod jeden pixel, což je běžně akceptovatelná chyba (LILLESAND a KIEFER 1994). Po ošetření souboru identických bodů a dosažení přípustné chyby v obou směrech je možné specifikovat parametry výsledného transformovaného obrazu. Především je nutné určit jeho velikost (počet sloupců a řádků), je však možné také určit nový rozměr jednoho obrazového prvku. V případě LANDSAT TM je původní obraz s pixely zhruba 30 x 30 metrů často transformován do obrazu s rozlišením 25 metrů. Po definování parametrů výsledného obrazu lze provést vlastní transformaci, během níž je jednak určena poloha každého obrazového prvku v požadované cílové souřadné soustavě, jednak vypočtena DN hodnota pro každý pixel výsledného obrazu a to procesem označovaným jako převzorkování Převzorkování Převzorkování (resampling) je proces, kdy každému obrazovému prvku výsledného obrazu je přiřazena nová DN hodnota, vypočtená z obrazu původního. Snímek může být převzorkován několika základními algoritmy, jejichž princip uvádí obr or 117

15 DÁLKOVÝ PRŮZKUM ZEMĚ Obr. 7.Chyba! Neznámý argument přepínače. Způsoby převzorkování geometricky korigovaného obrazového záznamu. Podle LILLESANDA a KIEFERA 1994) Nejjednodušším způsobem převzorkování je metoda nejbližšího souseda (nearest neighbour), při které je do nové pozice (vyšrafovaný obrazový prvek na obr. 7.3) jednoduše posunuta digitální hodnota nejbližšího pixelu z původního obrazu (pixel označený a ). Tato metoda je geometricky nejméně přesná, zachovává však původní hodnoty pixelů. Výsledný snímek však může obsahovat nespojitosti, protože sousední pixely objektů mohou být ve výsledném obraze posunuty až o polovinu šířky pixelu. Pokud však transformovaný obraz bude v následujících krocích klasifikován, je nutné použít právě tohoto algoritmu. Z hlediska geometrické přesnosti výsledného transformovaného obrazu je přesnější technikou algoritmus nazývaný bilineární interpolace (bilinear interpolation). V tomto případě je hodnota pixelu v novém obraze vypočtena jako vážený průměr čtyř nejbližších pixelů z původního obrazu (pixely označené b v obr. 7.3). Výsledný obraz neobsahuje nespojitosti v poloze objektů, jak tomu je v případě předchozí metody, avšak funguje podobně jako nízkofrekvenční filtr - tedy do určité míry zhlazuje výsledný obraz, který poněkud ztrácí rozlišení a především mění původní hodnoty obrazových prvků, což může ovlivňovat výsledky následné spektrální analýzy obrazu. Pokud tedy má být obraz klasifikován, je vhodné klasifikaci provést před vlastní transformací. Třetím běžně používaným algoritmem používaným k převzorkování obrazu je metoda označovaná jako kubická konvoluce (cubic convolution). V tomto případě je nová hodnota obrazového prvku vypočtena jako vážený průměr ze 16 nejbližších pixelů původního obrazu (pixely označené c v obr. 7.3). Z hlediska geometrické přesnosti dává tato metoda lepší výsledky než metody předchozí a má nejblíže k teoreticky nejpřesnější transformaci označované jako funkce sinc(x) nebo sin(x)/x (LEGG 1994; Using PCI Software 1997). Výsledný transformovaný obraz má poměrně ostrý vzhled, opět však mění původní hodnoty pixelů a je výpočetně nejvíce náročný. V případě funkce sin(x)/x může být nová hodnota obrazového prvku vypočtena jako vážený průměr 64 resp. 256 okolních pixelů Další přístupy ke geometrické korekci snímků Registrace snímků může být prováděna z několika důvodů. Registrovat lze více snímků stejného území z odlišných dat, ale také snímky s odlišnou prostorovou rozlišovací schopností, snímky s jinými zdroji dat z GIS apod. Obecně přesnější je transformace původního snímku podle obrazu již transformovaného či transformace, při níž jsou souřadnice identických bodů snímány z mapového podkladu pomocí tabletu. Nejméně přesné jsou transformace obrazu k vektorům, protože již sama vektorová kresba může obsahovat polohové chyby oproti mapě. Špičkové zpracovatelské systémy umožňují uživateli využívat vlastní databáze vlícovacích bodů také ve formě malých výřezů obrazových záznamů (tzv. chips). Každý takovýto obrazový výřez obsahuje jeden identický bod v požadovaných souřadnicích, kterého lze využít ke geokódování jiného obrazového záznamu stejného území. V případě, že je potřebná rektifikace obrazu území se značným vertikálním převýšením (horské oblasti), je nutné vedle souřadnic x,y identických bodů zadávat také nadmořskou výšku těchto bodů, protože polynomická transformace neodstraní v obraze geometrické nepřesnosti, které vznikají v důsledku nestejné nadmořské výšky a následných 118

16 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE. relativních změn v poloze objektů. Je-li k dispozici digitální model terénu uvažovaného území, lze všechny geometrické distorze odstranit tzv. ortorektifikací. Jak uvádí např. LILLESAND a KIEFER (1994), kvalitní množinu identických bodů, která nejvíce rozhoduje o konečné přesnosti geometrické korekce, lze v současné době pro určitá území získat z existujících databází identických bodů, a tím celý proces do jisté míry automatizovat. Po specifikování geografické oblasti a některých dalších parametrů (kladu listů apod.) jsou z databáze nabídnuty vhodné body se souřadnicemi včetně nadmořské výšky. Získání souřadnic identických bodů pro naše území z těchto databází je však problematické, především vzhledem k specifikům souřadného systému S-JTSK. Výrazný posun v procesu geometrické transformace obrazu přinášejí technologie globálních pozičních systémů (GPS). Výše zmíněné techniky získávání korigovaných obrazových dat i techniky využívající databáze identických bodů předpokládají jistá zjednodušení - především nevýraznou vertikální členitost, protože nedosahují dobrých výsledků při velkém převýšení. To platí zvláště pro družicové systémy vybavené senzory s velkým úhlem záběru nebo pro senzory jako SPOT nebo SAR, které mohou pořizovat snímky nejen svislé, ale i šikmé. Precizní geometrické korekce se v těchto případech dá dosáhnout pouze přístupem, založeným na přesném modelování všech zdrojů geometrických nepřesností. Tedy modelem dráhy nosiče, modelem senzoru a modelem snímaného terénu. Jde tedy o modely specifické pro každý družicový systém, navíc prostorově omezené. Model orbity generuje přesnou prostorovou polohu nosiče v době snímání každého pixelu a také přesnou orientaci ve všech třech prostorových osách. Model senzoru vychází ze znalosti jeho mechanických či optických komponent určujících tzv. parametr IFOV (okamžité zorné pole radiometru). Poslední složka modelového přístupu zahrnuje jednak definování parametrů geoidu a jednak definování topografie snímaného terénu - tedy digitálního modelu území. Modelový přístup k rektifikaci obrazových záznamů z družic NOAA a SPOT rozebírá např. WILLIAMS (1995). Geometrické korekce jsou často finálním stadiem předzpracování obrazu a jsou většinou prováděny až po jiných korekcích. Důvodem je, že geometrická korekce vnáší do obrazu nezvratné změny modifikací hodnot jednotlivých pixelů v průběhu procesu převzorkování. Na druhé straně například jakékoliv korekce na poruchy skeneru (například chybějící řádek v obraze či tzv. páskování obrazu) musí být provedeny dopředu, protože po geometrických korekcích se z liniových objektů mohou stát objekty komplexnější - např. část sinusoidy. Po geometrických korekcích obrazu lze však provádět takové opravy, které postihují celou plochu obrazu stejným způsobem Stereoskopické dvojice, tvorba DTM a ortorektifikace S postupným zlepšováním prostorové rozlišovací schopnosti dat z moderních družicových systémů (viz např. IRS-1C či připravované projekty jako EARTHWATCH), nabývají postupně tato obrazová data z hlediska svých geometrických vlastností kvality letecké fotografie. To následně umožňuje jednak jejich použití například pro mapování ve stále větším měřítku, jednak aplikaci některých zpracovatelských postupů, které byly doposud doménou fotogrammetrie. Patří sem především práce se stereoskopickými dvojicemi snímků, generování digitálního modelu terénu a tzv. ortorektifikace (PETRIE 1998). Řada moderních družicových systémů pracujících v optické části spektra (viditelné, blízké a střední infračervené záření) i aktivních systémů nesoucích SAR, umožňuje 119

17 DÁLKOVÝ PRŮZKUM ZEMĚ vytvářet obrazový záznam stejného území z více poloh na své oběžné dráze a vytvářet tak tzv. stereoskopické dvojice (viz obr či 6.10). I když takto pořízené dvojice obrazových záznamů nesplňují jednu z podmínek nutných pro vznik stereoskopického efektu - nejsou pořízeny s rovnoběžnými osami záběru - je možné vzhledem k výšce letu družice snímky považovat za kolmé a využít vzniklého efektu paralaxy k řešení základních stereoskopických úloh. Pozorováním stereoskopické dvojice snímků s pomocí speciálních přídavných zařízení (např. brýlí s tekutými krystaly nebo tzv. polarizovaných brýlí) lze zobrazené území vnímat trojrozměrně a návazně generovat výškový model daného území. Jak uvádí KUČERA (1996), v současné době existují tři základní možnosti získávání digitálního modelu terénu z družicových dat. Tyto možnosti zahrnují: zpracování stereoskopických dvojic obrazových záznamů poskytovaných např. družicemi SPOT, JERS-1 či IRS zpracování stereoskopických dvojic obrazových záznamů poskytovaných aktivními radarovými systémy jako ERS nebo RADARSAT zpracování dat z radaru metodami tzv. interferometrie (viz. kapitola 5.9) Digitální model terénu představuje jednu z nejdůležitějších informačních vrstev řady aplikací GIS a lze z něj generovat velké množství potřebných dat (morfometrické charakteristiky jako mapy sklonů a orientace apod.). Jsou-li k dispozici parametry dráhy družice (vyjádřené např. matematickým modelem) a množina identických bodů, je možné do jisté míry automaticky generovat digitální model terénu ze stereoskopické dvojice družicových snímků. Protože přesná parametrizace polohy družice na její dráze je podstatně složitější než je tomu v případě leteckého snímkování a protože také prostorové rozlišení družicového snímku nedosahuje kvality letecké fotografie, je výsledný model terénu samozřejmě méně přesný. Model dráhy družice podle KUČERY (1996) zahrnuje především opravu na polohu nosiče, opravu na nepřesnosti senzoru, opravu na zakřivení Země a opravu na požadovanou kartografickou projekci. Vytváření modelu terénu je založeno na korelaci mezi odpovídajícími pixely snímkové dvojice. Jde o poměrně náročný výpočet z hlediska časového i z hlediska paměťových nároků. Před vlastním výpočtem se snímky upraví do tzv. epipolární projekce - to znamená, že jeden ze snímků je posunut vždy tak, aby si s druhým snímkem odpovídal z hlediska polohy řádků a snímky byly posunuty pouze v horizontálním směru. Vlastní generování modelu terénu je založeno na nalezení odpovídajících si obrazových prvků. Jejich rozdílná poloha v obou snímcích dává informaci o tzv. horizontální paralaxe a je tudíž nositelem informace o výškových poměrech. K vyhledávání odpovídajících si pixelů se využívá korelačního počtu (ŠMIDRKAL a kol. 1989). DN hodnoty z okna určité velikosti (např. 5 x 5 pixelů) v prvním snímku jsou korelovány s DN hodnotami stejně velikého okna v druhém snímku. Okno v druhém snímku se posouvá stejně jako například při filtraci obrazu (viz. kapitola 8) a je hledána poloha, pro kterou je korelace nejvyšší. Z rozdílu v poloze středního pixelu okna v obou snímcích je možné určit jeho relativní i absolutní výšku. Ortorektifikace (ortografická rektifikace) potom využívá DTM k tvorbě digitálního ortofota. Jde v podstatě o nejpřesnější metodu geometrické korekce obrazu, která za pomoci výškové informace o každém obrazovém prvku eliminuje i geometrické nepřesnosti vzniklé jejich rozdílnou výškou. V analytické fotogrammetrii je tvorba ortofota založena na tzv. diferenciálním překreslení (překreslení po částech) ze stereoskopické dvojice snímků v analogové formě. V případě digitální fotogrammetrie se 120

18 CHYBA! NEZNÁMÝ ARGUMENT PŘEPÍNAČE. k výpočtu využívá digitálních obrazů a lze celý poměrně pracný proces zautomatizovat. Blíže např. PIVNIČKA (1996), WILLIAMS (1996) či Using PCI Software (1997). 121

19 DÁLKOVÝ PRŮZKUM ZEMĚ 8. Zvýrazňování obrazových záznamů Zvýrazňování obrazových záznamů zahrnuje velký počet technik, které slouží nejčastěji ke úpravě vzhledu snímků a k usnadnění jejich vizuální interpretace. Jejich cílem je však obecně zvýšit množství informace, která může být ze snímku získána, a to nejen vizuální interpretací. Jak uvádí LILLESAND a KIEFER (1994), proces vizuální interpretace digitálně zvýrazněných dat optimalizuje komplementární schopnosti lidské mysli a počítače. Člověk má velké možnosti interpretovat na snímku prostorové vztahy a atributy jevů. Lidské oko však velmi špatně rozlišuje malé rozdíly v radiometrickém a spektrálním chování objektů a jevů. Počítačové zvýraznění tedy napomáhá rozlišit často nepatrné rozdíly ve spektrálních a radiometrických vlastnostech objektů či jevů. Výsledky řady zvýrazňovacích technik však neslouží pouze jako prostředek ke zlepšení vizuální interpretace obrazových záznamů, ale existuje i značně rozsáhlá skupina technik, jejichž výsledků je používáno jako vstupních dat do dalšího numerického zpracování. Tyto techniky jsou založeny na zvýrazňování více pásem multispektrálního obrazu a slouží k tzv. rozšíření příznakového prostoru. Podle práce JENSENA (1986) lze většinu zvýrazňovacích technik rozdělit na operace bodové a operace prostorové. Bodové operace zvýrazňují hodnotu každého pixelu ve scéně nezávisle na jiných pixelech. Prostorové operace zvýrazňují hodnoty pixelu na základě hodnot pixelů okolních. Každé zvýraznění může být prováděno na jednom pásmu (na monochromatickém obraze) nebo na jednotlivých komponentách multispektrální syntézy. Výsledné obrazy tak mohou být černobílé i barevné. Na počátku je nutné konstatovat, že neexistuje univerzální obecně platný postup při zvýraznění obrazu, který by vedl k zaručeným výsledkům (Using PCI Software, 1997). Obecně je nutné použít vždy několika odlišných technik ke zvýraznění daného snímku. I když existují některé obecné zásady a nejpoužívanější algoritmy, které shrnuje následující text, výběr vhodného zvýraznění závisí na času i místě pořízení snímku a často je věcí zkušenosti zpracovatele. Zvýraznění by měla předcházet výše popsaná předzpracování snímku, především odstranění šumu. Digitální zvýraznění snímku lze rozdělit do tří následujících skupin, přičemž první dvě uvedené skupiny operací pracují na rozdíl od skupiny třetí pouze s jedním pásmem: bodová (radiometrická) zvýraznění (manipulace odstíny šedi) prostorová zvýraznění - prostorové filtrace, Fourierovy transformace spektrální zvýraznění - sestavování barevných syntéz, barevná zvýraznění více pásem (analýza hlavních komponent, aritmetické kombinace, IHS transformace) 8.1 Radiometrická zvýraznění Radiometrická zvýraznění obrazu pracují s histogramem obrazu a tzv. zobrazovací funkcí či zobrazovací tabulkou (LUT - Look Up Table). Zobrazovací funkce je funkce, která určité DN hodnotě pixelu na originálním obrazu (vstupním) přiřazuje novou hodnotu ve výsledném (zvýrazněném) obrazu. Tabelární i grafická prezentace této funkce je znázorněna na obr 8.1. Manipulace s DN hodnotami (odstíny šedi) zahrnuje především následující postupy: prahování, hustotní řezy zvýraznění kontrastu 122