Przetwarzanie wstępne danych z hiperspektralnego sensora satelitarnego HYPERION

• Autorzy: Głowienka E.

Warianty tytułu

EN

Pre-processing of spaceborne hyperspectral HYPERION data

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono metodykę przetwarzania wstępnego satelitarnych danych hiperspektralnych z sensora HYPERION. Jest to sensor umieszczony na platformie satelity EO-1 (Earth Observing - 1) wraz z multispektralnym sensorem ALI (Advanced Land Image). Hyperion rejestruje obraz w 242 kanałach z rozdzielczością spektralną 10 nm dla zakresów 357÷1058 nm (70 kanałów VNIR) oraz 852÷2576 nm (172 kanałów SWIR), z rozdzielczością przestrzenną 30 m. W artykule przedstawiono wyniki metod przetwarzania danych hiperspektralnych dla fragmentu sceny HYPERIONA. Przetwarzanie wstępne tzw. pre-processing wymaga odpowiedniego przygotowania i analizy danych. Przeprowadzane w programie ENVI (Environment for Visualizing Image) procedury pre-processingu obrazu HYPERIONA, podzielone zostały na dwa główne etapy. W pierwszym etapie wykonano, tzw. destriping, czyli usuwanie zakłóceń spowodowanych niestabilnością sensora lub wadliwie działającymi detektorami oraz korekcję efektu smile, ujawniającego się w obrazach hiperspektralnych w postaci gradientu jasności. Do identyfikacji kanałów obarczonych efektem smile a także do częściowego wyeliminowania tego zakłócenia wykorzystano transformację Minimum Noise Fraction (MNF) oraz Inverse MNF. W drugim etapie pre-processingu wykonana została korekcja atmosferyczna obrazu HYPERIONA. Korekcję przeprowadzono za pomocą programu Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH) dostępnego, jako moduł programu ENVI. W wyniku dokonanego na obrazie HYPERIONA pre-processingu, usunięte zostały zakłócenia stripingu, smilingu oraz zakłócenia związane z wpływem atmosfery.

EN

The paper presents methodology of preliminary pre-processing of spaceborne hyperspectral data. HYPERION is a sensor, placed on the platform of EO-1 (Earth Observing-1) satellite, which records images in 242 channels, at the spectral resolution of 10 nm and the spatial resolution of 30 m. The paper described results of processing hyperspectral data for the HYPERION’s scene fragment. Preliminary processing, or the so-called pre-processing requires proper preparation and analysis of data. Procedures of pre-processing a HYPERION's image, performed with the use of ENVI (Environment for Visualizing Image) software, were split into two main stages. The first stage involved the so-called destriping, or the removal of interference caused by the instability of the sensor and defectively operating detectors. Another very important measure, aimed at preparing the image for the subsequent extraction of its thematic information was the removal of the "smile" effect, revealed in hyperspectral images in the form of the brightness gradient. The Minimum Noise Fraction (MNF) and Inverse MNF transformations were applied to identify those channels burdened with the "smile" effect, and also to partially eliminate that interference. The second stage of pre-processing involved the atmospheric correction of the HYPERION's image. That correction was achieved by means of Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH) programme, available as a module of ENVI software. The pre-processing resulted in removal of striping, smiling, and interfering of atmosphere's impact.

Słowa kluczowe

PL

dane hiperspektralne; HYPERION; striping; smiling; korekcja atmosferyczna; FLAASH; odbicie spektralne

EN

hyperspectral data; HYPERION; destriping; smiling; atmospheric correction; FLAASH; reflectance

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2008
• Tom: Vol. 18a
• Strony: 131--140
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Głowienka E.

• Katedra Geoinformacji, Fotogrametrii i Teledetekcji Środowiska, Akademia Górniczo-Hutnicza w Krakowie, tel. [phone], fax: [phone]

Bibliografia

• 1. Anderson G., Berk A., Acharya P., Matthew M., Bernstein L., Chetwynd J., Dothe H., Adler-Golden S., Ratkowski A., Felde G., Gardner J., Hoke M., Richtsmeier S., Pukall B., Mello J., Jeong L., 2000. MODTRAN4: Radiative Transfer Modeling for Remote Sensing, Algorithms for Multispectral, Hyperspectral, and Ultraspectral Imagery VI , Proceedings of SPIE Vol. 4049, s. 176-183.
• 2. Aizenberg I., Butakoff C., 2002. Frequency domain medianlike filter for periodic and quasi-periodic noise removal, Proc. SPIE Image Processing: Algorithms and Systems, vol. 4667, s. 181-191.
• 3. Chavez P., 1996. Image-Based Atmospheric Corrections – Revisited and Improved. Photogrammetric Engineering and Remote Sensing, 62, 9.
• 4. Clark R., Swayze G., and Gallagher A., 1992. Mapping the mineralogy and lithology of Canyonlands, Utah with imaging spectrometer data and the multiple spectral feature mapping algorithm. Summaries of the Third Annual JPL Airborne Geoscience Workshop, JPL Publication 92-14, Vol.1, s. 11-13.
• 5. Datt B., McVicar T., Van Niel T., Jupp D., Pearlman J., 2003. Pre-processing EO-1 Hyperion hyperspectral data to support the application of agricultural indices. Institute of Electrical and Electronics Engineers (IEEE), Transactions on Geoscience and Remote Sensing. vol. 41, nr 6, s. 1246-1259.
• 6. Green A., Berman M., Switzer B., Craig M., 1988. A transformation for ordering multispectral data in terms of image quality with implications for noise removal: IEEE Transactions on Geoscience and Remote Sensing, Vol. 26, nr 1, s. 65-74.
• 7. Helder D., Ruggles T., 2004. Landsat Thematic Mapper reflective-band radiometric artifacts. IEEE Transactions on Geoscience and Remote Sensing 42 (12), s. 2704-2716.
• 8. Hejmanowska B., Drzewiecki W., Głowienka E., Mularz S., Zagajewski B., Sanecki J., 2006. Próba integracji satelitarnych obrazów hiperspektralnych z nieobrazowymi naziemnymi danymi spektrometrycznymi na przykładzie Zbiornika Dobczyckiego. Archiwum otogrametrii, Kartografii i Teledetekcji, Vol. 16. s. 207-215.
• 9. Kruse F. 2002. Comparison of AVIRIS and Hyperion for Hyperspectral Mineral Mapping. 11th JPL Airborne Geoscience Workshop, Pasadena, Kalifornia.
• 10. Schowengerdt R., 2007. Remote Sensing. Models and Methods for image processing. Elsevier , San Diego, Third Edition.
• 11. Tsai F., Lin S, Rau J., Chen L., Liu G., 2005. Destriping Hyperion Imagery Using Spline Interpolation. Proc. 26th Asian Conference on Remote Sensing (ACRS2005), Hanoi.
• 12. van Wagtendonk J. W., Root R., 2000. Hyperspectral analysis of multi-temporal Landsat TM data for mapping fuels in Yosemite National Park. Proc. Joint Fire Sci. Conf. and Workshop, Vol. I. Univ. Idaho and Int. Assoc. Wildland Fire. s. 224-228.
• 13. Yang K., Chen Y., Guo D., Jiang J., 2006. Spectral analysis and information extraction of crop disease by multi-temporal hyperspectral images” Proceedings of SPIE, Vol. 6419 Geoinformatics.