Multispektral-Pankromatik Görüntülerin

Kaynaştırılması

IHS DÖNÜŞÜMÜ

Burak Berat YILDIZ Burak Can KARA Halil İbrahim YILDIZ

SUNUM İÇERİĞİ IHS NEDİR? IHS İŞLEM ADIMLARI IHS DÖNÜŞÜMÜNE AİT FORMÜLLER LANDSAT BANT ÖZELLİKLERİ LANDSAT BANT KOMBİNASYONLARI ERDAS IMAGINE İLE YAPILAN ÖRNEK UYGULAMA MATLAB İLE YAPILAN ÖRNEK UYGULAMA KAYNAKÇA

IHS NEDİR? HSV renk uzayı 1978 yılında Alvy Ray Smith tarafından tanımlandı. Amacı RGB uzayına göre insan görü düzeneğine daha yakın bir yapı oluşturmaktı. HSV, RGB renk uzayından doğrusal olmayan bir dönüşüm ile elde edilir. IHS bu çatıda ilgilenilen bir dönüşüm işleminin ismidir.

IHS NEDİR? Yansıma şiddeti (intensity-I) görüntünün toplam parlaklığını belirtir. Yani rengin aydınlığını,içindeki beyaz oranını belirler. Renk beyaz ile ne kadar seyreltilmiş bize bunu anlatan kısımdır. 0-100 arasından değişir. Şekildeki V yani value

değeri burada I ile belirtilen değerin ifadesi

olarak algılanabilir. Renklerin seyreltilme

derecesini bize gösterir.

IHS NEDİR? Renk özü veya Renk Tonu (Hue-H) görüntüyü oluşturan ışığın ortalama dalga boyunu ifade eder. Rengin baskın dalga uzunluğunu belirler, örneğin sarı, mavi, yeşil, vb. Açısal bir değerdir 0° - 360°, bazı uygulamalarda ise 0-100 arası olağanlaştırılır.

Görüldüğü gibi renkler uzayında açısal olarak ilgili görüntüde hangi tonun baskın olduğunu belirtir.

IHS NEDİR? Doygunluk, rengin «canlılığını» veya «saflığını» belirler. Yüksek doygunluk canlı renklere neden olurken, düşük olasılık rengin gri tonlarına yaklaşmasına neden olur. 0-100 arasında değişir.

S değeri rengin görüldüğü üzere her renk tonunu gri ile kendi renk skalası arasında hangi

bölgede olduğunu belirtir.

DAHA İYİ ANLAYALIM Aşağıda Windows kullanıcılarının sıklıkla uğraştığı pencere rengi bölümünün bir parçasını görmektesiniz.

H S

V(I)

Görüldüğü gibi S değeri rengin kendi skalasında ne kadar saf olduğunu veya ne kadar doygun olduğunu gösterir. En düşükte beyaza yakın en parlakta ise canlı

dolgun renklere sahip olur. H ise 360 derecelik renk

uzayında nerede olduğumuzu verecektir.

V ise parlaklık değerimizdir.

Görüntü Kaynaştırma Nedir? Uzaktan algılamada, çok bantlı renkli uydu görüntülerinin konumsal çözünürlüklerinin aynı bölgeye ait daha iyi konumsal çözünürlüğü olan pankromatik görüntülerle iyileştirilmesi işlemine görüntü kaynaştırma denilmektedir. Pankromatik görüntüdeki konumsal detay çok bantlı görüntüye aktarılırsa ve çok bantlı görüntüdeki spektral içerik orijinal görüntüdekine uygun olarak saklanırsa, görüntü kaynaştırma yöntemi başarılı olarak kabul edilir.

IHS DÖNÜŞÜMÜNÜN AMACI Son dönemde yüksek mekânsal çözünürlüklü ve çok bantlı (multispektral) uydu görüntülerindeki artış, piksel tabanlı sınıflandırma uygulamalarını da olumlu etkilemektedir. Kullanıcılar uygulamalarında hem yüksek mekânsal çözünürlükten hem de yüksek spektral çözünürlükten elde ettiği bilgilerden vazgeçmek istememektedirler. Bu durum tek bantlı yüksek mekânsal çözünürlüklü görüntünün, çok bantlı yüksek spektral çözünürlüklü görüntü ile kaynaştırılmasına (Pan Sharpening) olan talebi üst düzeylere getirmiştir. Bu yüzden kullanıcılar bu kaynaştırma yöntemlerini tercih etmektedirler. Amacımız yüksek mekânsal çözünürlük ile spectral çözünürlüğü birleştirmektir.

IHS DÖNÜŞÜMÜNÜN İŞLEM ADIMLARI NELERDİR?

Renk Tonu, Doygunluk Dönüşümü (Intensity Hue Saturation - IHS) olarak bilinen IHS yöntemi düşük mekansal çözünürlüğe sahip kırmızı, yeşil ve mavi (RGB) olmak üzere üç renk ile temsil edilen sayısal görüntülerin seçilen üç bandını kullanarak veriyi IHS bileşenlerine dönüştürür. Bu yöntem genellikle 4 ayrı adım içermektedir. 1. RGB–IHS donuşumu; 2. PAN görüntüsüne ait histogramı I ile uyuşumlu hale

getirme işlemi. 3. I bileşenini PAN ile değiştirerek H ve S bileşenlerini en

yüksek çözünürlüğe tekrar örneklemesi işlemi. 4. IHS – RGB ters dönüşümü.

(NIKOLAKOPOULOS, 2008)

IHS DÖNÜŞÜMÜNÜN İŞLEM ADIMLARI NELERDİR?

IHS DÖNÜŞÜM AYRINTILAR Adım 1. Multispectral görüntümüzün sahip olduğu bantların(RGB) piksel değerlerinin her biri yukarıda gösterilen işleme tabi tutulur. Uydu tabanlı uzaktan algılamada, genelde çok bantlı görüntülerde en az 4 bant bulunur ve I hesaplanmasında ağırlıklı ortalamalar kullanmak renk anlamında daha iyi sonuçlar verebilir. Bu ağırlıklar büyük oranda algılayıcıya bağlıdır. Yazılımlarda algılayıcı tipi seçeceğimiz bölümler bulunmaktadır.

IHS DÖNÜŞÜM AYRINTILAR Adım 2. İkinci adımda I bileşeni ile pankromatik görüntümüzü birleştiriyoruz. Aslında bir çok bantlı görüntüye ait I bileşeni konumsal bilgiyi (Chibani ve Houacine 2002) içermektedir. Burada F kaynaştırılmış görüntüyü ifade etmektedir.

IHS DÖNÜŞÜM AYRINTILAR Adım 3. H ve S bileşenleri H = atan (V2 / V1) ve S = 𝑉𝑉𝑉2 + 𝑉𝑉𝑉2 bağıntılarından elde edilir.

UYGULAMALAR Erdas Imagine Yazılımı ile Görüntü Kaynaştırma

• Uydu: L7 ETM+ SLC-on (1999-2003) • Tarih: 30.07.2002 • Bant : 6. Termal 8.Pankromatik • Çözünürlük : MultiSpectral (30m) – Pankromatik (15m)

Matlab Yazılımı ile Görüntü Kaynaştırma • Bir adet fotoğraf • Matlab ile kodlanmış IHS Spec-Pan Kaynaştırıcı

LANDSAT UYDUSUNU TANIYALIM Landsat uydusuna ait bilgileri internet üzerinden bulabiliriz. Çalışmanız için uygun olan görüntüleri elde edebilmek sizin uyduları ne kadar tanıdığınıza bağlıdır. Bir uyduyu seçmişseniz eğer sonrasında hangi bandlar ile çalışacağınız konusunda doğru seçimi yapabilmek için yine bu uydunun bant özelliklerini bilmelisiniz. Bizim kullandığımız Landsat Enhanced Thematic Mapper Plus (ETM+) uydusunun bant özelliklerini inceleyecek olursak.

LANDSAT UYDUSUNU TANIYALIM 0.45-2.35 µm dalga boyu aralığında kayıt yapan 7 bant vardır.

En küçük dalga boyu aralığıdır ve geçirgenliği en fazladır. Bu yüzden sucul ekosistemin izlenmesinde tercih edilir. (Tortulu Sular,Mercan Kayalıkları vs.) Fakat ne yazıkki atmosferik saçılma en fazla olduğu için gürültüsü farklıdır.

1. Bantla çok fazla olmasada benzer özelliklerdedir. Bitki örtüsü izlediğimizde dalga boyları eşleştiği için tercih edilir.

Bitki örtüsü kırmızı ışığın neredeyse tamamını emer. Toprak ile bitki örtüsünün ayrımında veya bitkilerin sağlıklarının kontrol edilmesinde kullanılır.

Su neredeyse bu dalga boyunun tamamını emer. Toprak ise tam tersi olarak neredeyse tamamını yansıtır. Bu iki zıtlıktan faydalanarak kıyı şeridi belirlenmesi vs. Gibi uygulamalarda kullanılabilir.

Bu dalga boyunun neme duyarlılığı çok fazladır. Bu sebeple toprak ve bitkilerdeki nemin belirlenmesinde kullanılır. Ayrıca bulut ve kar bileşenlerini ayırmak için kullanılır.

Bu bant sıcaklık ölçümü için kullanılan termal banttır. Yüzey sıcaklığını ölçmek için kullanılır ve genelde jeolojik uygulamalar için idealdir. Bazen bitkilerin sıcaklık streslerini ölçmek içinde faydalanılır. Bu bant diğer bantların yarısı kadar yani 60m çözünürlüklüdür.

Genelde bant 5 ile toprak ve jeolojik haritaları yapmak için kullanılsada bazen bitkilerin nem oranlarını belirlemede de kullanılır.

BAND KOMBİNASYONLARINI TANIYALIM

Her bir bant RGB filtrelerine tabi tutularak çeşitli kombinasyonlar oluşturulur. Bu kombinasyonların kendilerine özgü avantajları ve dezavantajları vardır. Bu bant kombinasyonlarından en sık kullanılanlarından birkaçını inceleyelim.

BANT KOMBİNASYONLARI

Bu kombinasyon genellikle gerçek renge yakındır. Su habitatları üzerinde yapılan çalışmalarda uygundur. Fakat dezavantajı görüntünün puslu olma eğiliminde olmasıdır.

İçerisinde yakın kızıl ötesi bant içeren bir kombinasyondur. Kara ve su sınırlarının ayrımında idealdir. Ayrıca çeşitli birki örtülerinin algılanmasında da kullanılır.

KAYNAK

BANT KOMBİNASYONLARI

Kara – Su kıyıları ve farklı bitki örtüleri bu kombinasyonda çok belirgindir. Ayrıca nem değişimini ölçmek içinde bu bant kombinasyonları kullanılır.

Bitki örtüsü üzerindeki farklar büyük bir oranda belirlenir. NASA için oluşturulmuş küresel bant kombinasyonudur.

7,4,2 ile benzer özellikler gösterir fakat bazı tarımsal bölgelerin renklendirilmesinde kullanılan bant kombinasyonudur.

ERDAS IMAGINE

GEREKLİ AYARLARI YAPIYORUZ

Eğer tanımlı bir sensör bulamıyorsanız CUSTOM seçeneğinden SENSOR dalga boyu aralıklarını

girerek kendiniz oluşturabilirsiniz. Buradaki 6. bant aslında 7. banttır.

Görüntülerimizi Karşılaştırıyoruz.

Görüntülerimizi Karşılaştırıyoruz.

MATLAB Deneme amaçlı olarak çözünürlüğünü Photoshop ile düşürdüğümüz fotoğrafın ön izlemesi aşağıdadır.

MATLAB Deneme amaçlı olarak normal çözünürlükte ve tek bant olarak kaydedilmiş pankromatik varsayılan görüntümüz.

MATLAB ÜZERİNDE AÇTIĞIMIZ GÖRÜNTÜMÜZE AİT GRİLİK DEĞERLERİNİ GÖREBİLİRİZ

Uygulamamıza Resimleri Ekliyoruz

Kaynaştırdığımız Görüntüleri İzleyelim

Görüntümüzde Meydana Gelen İyileşme Bariz Bir Şekilde Görülmektedir.

MATLAB AÇIKLAMA

IHS Dönüşümünün daha önceki slaytlarda anlatılan formülleri ile

her bir matris gösterimindeki

görüntülerin her bir pixelinin değeri

işlenerek yeni bir matris oluşturulur. Bu matrisin

içerdiği grilik değerleriyle kaydedilen yeni görüntü düzeltilmiş görüntü olarak aktarılır.

Matlab İle Uygulanmış Hali Matlab ile uydu görüntüsü üzerinde yapılmış kaynaştırma.

KAYAKÇA 1. SPOT 5 ve Farklı Görüntü Birleştirme Algoritmaları

(Filiz BEKTAŞ BALÇIK, Çiğdem GÖKSEL)

2. An Improved Intensity-Hue-Saturation Method for IKONOS Image Fusion (M.-J Choi¤yz , H.-C. Kimx, N. I. Chox and H. O. Kimz)

3. Görüntü Birleştirme Yöntemlerinin Spektral Değerleri ve Görüntü Kalitesini Koruma Açısından Karşılaştırılması: Worldview-2 Uygulaması (Bekir GÜL, Çağlar YILDIRMIŞ, Abdullah DEĞER, Mustafa ERDOĞAN, Ali ULUBAY)

4. IKONOS uydu görüntüleri ile yeni bir görüntü kaynaştırma yöntemi (Deniz Yıldırım, Oğuz Güngör)

5. The IHS Transformations Based Image Fusion (Firouz Abdullah Al-Wassai1, N.V. Kalyankar2, Ali A. Al-Zuky3)

6. The Use of Intensity-Hue-Saturation Transformation of Landsat-5 Thematic Mapper Data for Burned Land Mapping (Nikos Koutsias, Michael Karteris, and Emlllo Chuvieco)

7. http://www.math.ucla.edu/~wittman/pansharpening/ 8. http://landsat.usgs.gov/panchromatic_image_sharpening.php

TEŞEKKÜRLER Burak Berat YILDIZ Burak Can KARA Halil İbrahim YILDIZ