Problematika dosahu OE přístrojů v reálných atmosférických podmínkách

Problematika dosahu OE přístrojů v reálných atmosférických podmínkách Optické vlastnosti atmosféry Vliv atmosféry na optický signál Rekonstrukce optického signálu degradovaného průchodem atmosférou Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem České republiky. 1

Osnova přednášky 1. Optické vlastnosti atmosféry Země 2. Vliv atmosféry na optický signál 3. Rekonstrukce optického signálu Spektrální filtrace Prostorová filtrace Adaptivní optika Softwarová restaurace obrazu Projekt KYKLOP 2

OPTICKÉ VLASTNOSTI ATMOSFÉRY ZEMĚ 3

Optické vlastnosti atmosféry Země Charakteristika atmosféry Obrázek: Demonstrace vlivu atmosféry 4

Optické vlastnosti atmosféry Země Charakteristika atmosféry q c Reálná scéna Q c p šum, Atm + PSF ATM Degradace vlivem atmosféry Drift a deformace obrazu vlivem turbulence útlum optického záření MTF Turb MTF Útl } MTF Atm 5

Optické vlastnosti atmosféry Země Charakteristika atmosféry q c Reálná scéna Q c p šum, Atm + PSF ATM Degradace vlivem atmosféry Drift a deformace obrazu vlivem turbulence útlum optického záření MTF Turb MTF Útl } MTF Atm PSF OS Degradace obrazu vlivem OS MTF OS šum, det + PSF Det Vzorkovací efekt CCD snímače, MTF Det q Pozorovan á scéna Q 6

Optické vlastnosti atmosféry Země Útlum optického záření Obrázek: Spektrální pásma propustnosti optického záření 7

Optické vlastnosti atmosféry Země Útlum optického záření ( ) ( ) ( ) ( ) f RH, T, p,... 3.91 ( ) S m 0.55 0.585 1/ 3 S m kde () koeficient absorpce [km -1 ], () koeficient rozptylu [km -1 ], S m meteorologická dohlednost [km]. 8

Optické vlastnosti atmosféry Země Ukázka vlivu útlum optického záření 3 km 1 km 0,5 km a) pro Sm = 15 km b) pro Sm = 5 km c) pro Sm = 0.5 km Obrázek: Vliv atmosféry na kvalitu optického signál Typické hodnoty meteorologické dohlednosti pro region JM: LÉTO: do 10-15 km, ZIMA: kolem 3 km 9

Útlum optického záření přenosová funkce, pro,,,pro c r r a c r c r f f s r f M f f f f s s )] ( ) ( [ exp ),, ( ] 2 ) ( ) ( [ exp lze ji stanovit z meteor. údajů (T, p, RH, ) Optické vlastnosti atmosféry Země 10

MTF [-] Optické vlastnosti atmosféry Země Útlum optického záření přenosová funkce 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 10 20 30 40 50 60 70 80 90 100 Fr [cycle/mrad] Obrázek: Typická modulační přenosová funkce útlumu atmosféry 11

Optické vlastnosti atmosféry Země Turbulence atmosféry Obrázek: Vliv turbulence na obraz 12

Optické vlastnosti atmosféry Země Turbulence atmosféry 10 6 Power spectral density 10 4 10 2 10 0 10-2 10-4 10-6 0 10 0 10 1 10 2 10 3 Frequency (Hz) Obrázek: Typické spektrum turbulence 13

Optické vlastnosti atmosféry Země Turbulence - strukturní parametr indexu lomu Cn2 C 2 n 0. 95 y 2. 91k kde: l vzdálenost pozorovaného objektu *km+, f ohnisková vzdálenost objektivu pozorovacího přístroje *mm+, k vlnové číslo *m -1 ], y 0.5 rozměr plochy, v níž je intenzita ozáření obrazové roviny objektivu bodovým zdrojem rovna polovině její maximální hodnoty *mm+. 0. 5 f 1/ 3 l 5/ 3 14

Optické vlastnosti atmosféry Země Turbulence atmosféry a)pro dlouhé expozice: MTF turbul exp( 57.3 f 5/ 3 r C 2 n 1/ 3 s) b) pro krátké expozice: MTF turbul exp 57.3 f 5/ 3 r C 2 n 1/ 3 f s 1 x D r 1/ 3 lze ji stanovit z meteor. údajů (T, p, RH, SF, v ) 15

MTF [-] Optické vlastnosti atmosféry Země Turbulence atmosféry přenosová charakteristika 1 MTF atmosfery (cervena-utlum, zluta-turbulence, modra-celkova) 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 10 20 30 40 50 60 70 80 90 100 Fr [cycle/mrad] Obrázek: Srovnání typické MTF útlumu a turbulence - noc 16

MTF [-] Optické vlastnosti atmosféry Země Turbulence atmosféry přenosová charakteristika 1 MTF atmosfery (cervena-utlum, zluta-turbulence, modra-celkova) 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 10 20 30 40 50 60 70 80 90 100 Fr [cycle/mrad] Obrázek: Srovnání typické MTF útlumu a turbulence - poledne 17

VLIV ATMOSFÉRY NA OPTICKÝ SIGNÁL 18

Vliv atmosféry na optický signál Absorpce, Rozptyl Pokles intenzity zobrazení Pokles kontrastu zobrazení Turbulence Geometrické deformace obrazu 19

Vliv atmosféry na optický signál Statické vlivy ovlivňující zobrazení Absorpce optického záření Rozptyl optického záření Obrázek: Vliv útlumu na optický signál (vpravo) 20

Vliv atmosféry na optický signál Statické vlivy ovlivňující zobrazení Projevy: Absorpce optického záření Rozptyl optického záření Refrakce, pokles intenzity optického záření pokles kontrastu obrazu odklon optického paprsku od původního směru 21

Vliv atmosféry na optický signál Kvalita obrazu 1 MCFA 0 MTF( f f r r ) df r 0.9 M C F A [ - ] 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 3 4 5 6 Dálka objektu [km] 22

Vliv atmosféry na optický signál Dosah OEPř 6 z t MCFA ln( MCFA 1 MCFA id id poz ) 5.5 5 4.5 4 Z t [-] 3.5 3 2.5 2 1.5 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 MCFA [-] 23

Vliv atmosféry na optický signál Dynamické vlivy ovlivňující zobrazení Turbulence atmosféry Obrázek: Vliv turbulence na optický signál (vpravo) 24

Vliv atmosféry na optický signál Dynamické vlivy ovlivňující zobrazení Projevy: Turbulence atmosféry geometrické deformace obrazu změna dopadového úhlu paprsku pokles kontrastu obrazu při dlouhých expozicích fluktuace energie paprsku ve směru šíření 25

Vliv atmosféry na optický signál Dynamické vlivy ovlivňující zobrazení kvantifikace turbulence Obrázek: Schéma pasivního scintilometru 26

Vliv atmosféry na optický signál Dynamické vlivy ovlivňující zobrazení Obrázek: Vizualizovaná turbulence 27

Dynamické vlivy ovlivňující zobrazení Frame1 Frame2 Frame3 Frame4 + + + + Obrázek: Drift fragmentu obrazu záměrného bodu...,,,,... 4 4 3 3 2 2 1 1 4 3 2 1 y x y x y x y x t t t t Vliv atmosféry na optický signál 28

Vliv atmosféry na optický signál Dynamické vlivy ovlivňující zobrazení drift záměrného bodu 10 3 10 10 2 1 E E x, y, t x, y, tv t 0 10 0-1 10-2 j-4 j-3 j-2 j-1 j j+1 W Obrázek: Stavový vektor Wi a jeho aproximace 29

Vliv atmosféry na optický signál Kompenzace vlivu turbulence 30

Použitá literatura [1] Řehoř Z.: Charakteristiky atmosféry, které mohou ovlivnit přesnost měření pasivních systémů lokalizace objektu; Výzkumná zpráva projektu CILEPAS, 120 stran, Brno, 2002. [2] R. C. Gonzalez and R. E. Woods, Digital Image Processing. Upper Saddle River, N.J.:Prentice Hall, 2002. [3] Sandot, D.- Dvir, A.- Bergel, I.- Kopeika, N.S.: Restoration of thermal images distorted by the atmosphere, based on measured and theoretical atmospheric modulation transfer fuction; Optical Engineering, 33, č.1, str. 44-53, 1994. [4] M. J. Black and P. Anandan, The robust estimation of multiple motions: Parametric and piecewise smooth flow fileds, Computer Vision and Image Understanding, vol. 63, no. 1, pp. 75 104, January 1996. [5] DOSKOČIL, Radek, BALAŽ, Teodor, MACKO, Martin, et al. Real-Time Software Restoration of Optic Image Degraded by the Atmosphere. Mathematics and Computers in Science and Engineering, World Scientific and Engineering Academy and Society, WSEAS Press, Athens, s.79-84. ISBN 978-960-474-027-7, Greece, 2008. 31

REKONSTRUKCE OPTICKÉHO SIGNÁLU 32

Osnova přednášky Rekonstrukce optického signálu Spektrální filtrace Prostorová filtrace Adaptivní optika Softwarová restaurace obrazu Projekt KYKLOP 33

Rekonstrukce optického signálu Spektrální filtrace k [%] Obrázek: Závislost středního koef. útlumu na vlnové délce 35

Rekonstrukce optického signálu Spektrální filtrace Obrázek: Spektrální propustnost filtru pro zvýšení kvality obrazu 36

Rekonstrukce optického signálu Spektrální filtrace VÝHODY jednoduchá aplikace účinnost metody je úměrná na charakteristice filtru zpracování signálu bez časového zpoždění NEVÝHODY mění spektrální vlastnosti přijímaného signálu neúčinná pro potlačení turbulence 37

Rekonstrukce optického signálu Spektrální filtrace Obrázek: Ukázka účinnosti restaurace obrazu s využitím spektrální filtrace 38

Rekonstrukce optického signálu Spektrální filtrace Obrázek: Ukázka účinnosti restaurace obrazu s využitím spektrální filtrace Dálka pozorování: 50km 39

Rekonstrukce optického signálu Adaptivní optika Obrázek: Princip adaptivní optiky 40

Rekonstrukce optického signálu Adaptivní optika VÝHODY velmi účinná metoda potlačení dynamických vlivů atmosféry minimální časové zpoždění neovlivňuje spektrální charakteristiky signálu NEVÝHODY neúčinná na statické vlivy atmosféry potřebuje referenční bod (umělou hvězdu) účinné zpracování jen malých zorných polí náročná na přístrojové vybavení 43

Rekonstrukce optického signálu Adaptivní optika Obrázek: Ukázka účinnosti využití adaptovní optiky (vlevo) 44

MTF [-] Rekonstrukce optického signálu Prostorová filtrace 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 10 20 30 40 50 60 70 80 90 100 Fr [cycle/mrad] Obrázek: Princip prostorové filtrace 45

MTF [-] Rekonstrukce optického signálu Prostorová filtrace 1 F( f r ) Norm g MTF 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 10 20 30 40 50 60 70 80 90 100 Fr [cycle/mrad] Obrázek: Princip prostorové filtrace 46

Rekonstrukce optického signálu Prostorová filtrace 1 2 3 1 1.Vstupní a výstupní optická soustava 2.Prostorově-frekvenční modulátor 3.Spektrální filtr 47

Rekonstrukce optického signálu Prostorová filtrace VÝHODY jednoduchá aplikace zpracování signálu bez časového zpoždění omezeně umožňuje potlačit vliv turbulence (nízkých frekvencí) NEVÝHODY relativně složitý prostorový filtr (modulátor) 48

Rekonstrukce optického signálu Prostorová filtrace Obrázek: Ukázka účinnosti restaurace obrazu s využitím prostorové filtrace 49

Rekonstrukce optického signálu Softwarová rekonstrukce obrazu lineární zpracování Model atmosféry 1 N Preprocesing snímků Algoritmus zvýšení rozlišení obrazu Zvýraznění detailu obrazu Obrázek: Základní algoritmus softwarové rekonstrukce obrazu 50

Rekonstrukce optického signálu Hodnota [-] Softwarová rekonstrukce obrazu lineární zpracování 1 FIR Ham2 FFT2 { F FIR } 1 0.8 0.6 0.4 0.2 0 1 0.5 0 Frekvence [rad] -0.5-1 -1-0.5 0 Frekvence [rad] 0.5 1 Obrázek: Amplitudová frekvenční odezva filtru 51

Rekonstrukce optického signálu Softwarová rekonstrukce obrazu lineární zpracování Vstup meteorolog. parametrů Určení MTF atmosféry Určení frekvenční charakteristiky prostorové odezvy bod. zdroje (M f ) Amplitudová frekvenční odezva filtru (F FIR ) Určení Ham. okna (Ham 2 ) a matice filtru (FIR) Matice FIR Obrázek: Příklad možného algoritmu restaurace obrazu 52

Rekonstrukce optického signálu Softwarová rekonstrukce obrazu skládání snímků n qi x, y Li Váhová funkce výběru snímků q p x, y, L, i 1 n a) b) Obrázek: Výřez snímku jasný bod (série snímků ve falešných barvách) a) X odezev z vybraných nejlepších snímků, b) modře ideální odezva bodu, červeně výsledná odezva vzniklá zprůměrováním dílčích odezev dle a) 53

Rekonstrukce optického signálu Softwarová rekonstrukce obrazu skládání snímků Obrázek: Výřez snímku jasný bod (série snímků ve falešných barvách) a) nejlepší jednotlivý snímek, b) jednotlivý snímek deformovaný turbulencí, c) průměrný snímek z 10 po sobě jdoucích 54

Rekonstrukce optického signálu Softwarová rekonstrukce obrazu adaptivní zpracování Preprocesing snímku Aplikace rekurzivního filtru Aplikace vrstvy - Adaptivní váhová fce + Obrázek: Příklad možného algoritmu softwarové rekonstrukce obrazu 55

Jansson-Van Cittert n n n f H q f f 1 Gold-Meinel ) ( ) ( 1 n n n f C H q f C f Landweber n T n n f H q H f f 1 Richardson-Lucy H f H H q f f n n n ) ( 1 Maximum následnosti H f H q f f n n n * 1 exp 1 S.M.A.R.T n n n f H q H f f ln exp 1 Adaptivní zpracování vybrané druhy interakčních algoritmů Rekonstrukce optického signálu 56

Rekonstrukce optického signálu Adaptivní zpracování vybrané druhy interakčních algoritmů Obrázek: Rychlost iterakce vybraných algoritmů na nezašumělém obraze 57

Rekonstrukce optického signálu Adaptivní zpracování vybrané druhy interakčních algoritmů Obrázek: Rychlost iterakce vybraných algoritmů na nezašumělém obraze 58

Rekonstrukce optického signálu Softwarová rekonstrukce obrazu VÝHODY lze ji snadno adaptovat na konkrétní podmínky lze ji kombinovat s dříve uvedenými metodami umožňuje komplexní potlačení vlivu atmosférického kanálu (statických i dynamických vlivů) NEVÝHODY časové zpoždění závislé na velikosti a frekvenci obrazu náročná na hardwarové vybavení 59

Rekonstrukce optického signálu Softwarová rekonstrukce obrazu Obrázek: Ukázka účinnosti restaurace softwarové rekonstrukce obrazu 60

Rekonstrukce optického signálu Softwarová rekonstrukce obrazu - turbulence Obrázek: Ukázka účinnosti restaurace softwarového potlačení turbulenceu 61

Rekonstrukce optického signálu Projekt KYKLOP 62

Rekonstrukce optického signálu Projekt KYKLOP Obrázek: Mapa měřících stanic 63

Rekonstrukce optického signálu Projekt KYKLOP základní údaje Počet zapojených pozorovatelů: 56 Průměrný počet snímků na obrázek: 560 Průměrný průměr objektivu: Výsledný průměr objektivu: Velikost báze:. 150 mm 1122 mm až 770 km 64

Rekonstrukce optického signálu Projekt KYKLOP základní údaje Princip snímání synchronní Restaurační algoritmus: S. M. A. R. T. f n1 f n exp H ln H q f n 65

Rekonstrukce optického signálu Projekt KYKLOP Metoda zpracování: SM.A.R.T. * Obrázek: Princip projektu KYKLOP 66

Rekonstrukce optického signálu Projekt KYKLOP Obrázek: Princip projektu KYKLOP 67

Rekonstrukce optického signálu Projekt KYKLOP Obrázek: Nezpracovaný snímek planety Saturn 68

Rekonstrukce optického signálu Projekt KYKLOP Obrázek: Snímek zpracovaný průměrováním a klasickým filtrem FIR 69

Rekonstrukce optického signálu Projekt KYKLOP Obrázek: Snímek zpracovaný metodou synchronního snímání a adaptivním filtrem 70

Rekonstrukce optického signálu Projekt KYKLOP Earth s shadow Obrázek: Zatmění Měsíce zpracované metodou synchronního snímání 71

Děkuji za pozornost 72

Použitá literatura [1] Řehoř Z.: Charakteristiky atmosféry, které mohou ovlivnit přesnost měření pasivních systémů lokalizace objektu; Výzkumná zpráva projektu CILEPAS, 120 stran, Brno, 2002. [2] R. C. Gonzalez and R. E. Woods, Digital Image Processing. Upper Saddle River, N.J.:Prentice Hall, 2002. [3] Sandot, D.- Dvir, A.- Bergel, I.- Kopeika, N.S.: Restoration of thermal images distorted by the atmosphere, based on measured and theoretical atmospheric modulation transfer fuction; Optical Engineering, 33, č.1, str. 44-53, 1994. [4] M. J. Black and P. Anandan, The robust estimation of multiple motions: Parametric and piecewise smooth flow fileds, Computer Vision and Image Understanding, vol. 63, no. 1, pp. 75 104, January 1996. [5] DOSKOČIL, Radek, BALAŽ, Teodor, MACKO, Martin, et al. Real-Time Software Restoration of Optic Image Degraded by the Atmosphere. Mathematics and Computers in Science and Engineering, World Scientific and Engineering Academy and Society, WSEAS Press, Athens, s.79-84. ISBN 978-960-474-027-7, Greece, 2008. 73