Wyniki wyszukiwania - Biblioteka Nauki

1

Integracja obrazów radarowych i optycznych dla potrzeb tworzenia map pokrycia terenu

100%

Badurska M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2007

|

tom Vol. 17a

11--21

PL

Analizując wady i zalety danych pochodzących z różnych sensorów można stwierdzić, że dostarczane przez nie dane mogą okazać się często niekompletne lub niewystarczające. Dla danych optycznych ograniczeniem może okazać sie rejestracja w trudnych warunkach atmosferycznych, dla danych radarowych niewystarczająca rozdzielczość lub występowanie szumów radarowych. Biorąc pod uwagę te wszystkie czynniki, szczególnie interesujące wydaje sie być łączenie obrazów pochodzących z różnych źródeł i ich wspólne wykorzystanie. Korzyści płynące z integracji obrazów radarowych z optycznymi sprawdzono pod katem możliwości polepszenia wyników klasyfikacji obszarów miejskich. Próbowano odpowiedzieć na pytanie, w jakim stopniu dane radarowe mogą polepszyć wynik klasyfikacji i czy mogą być one alternatywnym źródłem w przypadku braku danych optycznych. Nie skupiono sie na samych technikach klasyfikacji, wykorzystano standardowe klasyfikatory w podejściu nadzorowanym. Zwrócono jednak uwagę na dynamicznie rozwijającą sie w ostatnim czasie klasyfikacje obiektowa i podjęto próbę porównania jej wyników z klasyczna klasyfikacja oparta na pikselach. Ponieważ w przypadku danych radarowych bardzo cennym źródłem informacji jest tekstura, to jej wykorzystaniu poświęcono główna część prac. W rezultacie, zastosowanie odpowiednio dobranych miar teksturalnych z tzw. macierzy zdarzeń (ang. Grey Level Co-occurence Matrix - GLCM) spowodowało wzrost dokładności wspólnej klasyfikacji w porównaniu do klasyfikacji uzyskanej dla poszczególnych sensorów.

EN

While analysing the advantages and drawbacks of data coming from different sensors , it can be observed that acquired data can be often incomplete or insufficient. Registration in difficult atmospheric conditions can be the limitation factor for optical data, whereas for the radar data it can be the insufficient resolution or occurring speckle effect. Taking into consideration all these factors, the integration of images from various sources and using them jointly seem to be very interesting. The benefits resulting from the integration of radar and optical images were checked for possible improvement of the results of classification of urban areas. The question is how radar images can improve the result of classification and whether they can be the alternative source in case of lack of optical images. The analysis of various techniques of classification was not the main concern, but the standard classification in supervised approach was used. The attention was also drawn to the objectbased classification developing very dynamically recently, and attempt was made to compare the results of pixel and object-based classification. Due to the fact that, for the radar data, the most important source of information is the texture, that was the main focus of the work. . Consequently, the use of suitably selected textural features from co-occurrence matrix (Grey Level Co-occurrence Matrix – GLMC) caused the increase of accuracy of joint classification, as compared to classification of images from individual sensors.

2

Orthorectification and geometric verification of high resolution TerraSAR-X images

100%

Badurska M.

Geomatics and Environmental Engineering

|

2011

|

tom Vol. 5, no. 3

13-25

EN

TerraSAR-X is a German radar satellite, which was launched in June 2007. The satellite is equipped with a modern SAR system using the X band microwave radiation frequency and is capable of acquiring very high resolution SAR images independent of weather conditions and illumination. The paper presents the results of geometrical correction of high resolution TerraSAR-X images. The research was based on images acquired in HighResolution SpotLight mode in single polarisation HH with spatial resolution about 1 m. In orthorectification process the data supplied by the distributor in the SSC format was used. The results of orthorectification using various amount of ground control points was checked. The influence of the digital terrain model used in orthorectification process was also analysed. The last part of the work presents verification of geometric precision of geocoded product (EEC) generated by the distributor.

PL

TerraSAR-X jest niemieckim satelitą radarowym wyniesionym na orbitę w czerwcu 2007 roku. Satelita wyposażony jest w nowoczesny radar z syntetyzowaną aperturą (SAR), rejestrujący wysokorozdzielcze obrazy radarowe w paśmie X promieniowania mikrofalowego niezależnie od oświetlenia słonecznego i warunków atmosferycznych. W artykule przedstawiono wyniki korekcji geometrycznej wysokorozdzielczych obrazów radarowych TerraSAR-X. W badaniach wykorzystano zobrazowania zarejestrowane w trybie High Resolution SpotLight o rozdzielczości około 1 m, zarejestrowane w pojedynczej polaryzacji poziomej. Ortorektyfikację przeprowadzono na danych dostarczonych przez dystrybutora w formie zespolonej (SSC). Sprawdzono wyniki ortorektyfikacji przy wykorzystaniu różnej liczby punktów kontrolnych oraz przeanalizowano wpływ wykorzystanego w procesie ortorektyfikacji numerycznego modelu terenu. W przypadku obrazu dostarczonego przez dystrybutora w formie przetworzonej (EEC) zbadano jego dokładność geometryczną poprzez weryfikację współrzędnych fotopunktów pomierzonych na materiałach referencyjnych i obrazie TerraSAR-X.

3

Redukcja efektu plamkowania na obrazach radarowych z wykorzystaniem propagacyjno-separacyjnego algorytmu metody największej wiarygodności

63%

Kolecki J. , Badurska M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2008

|

tom Vol. 18a

251--261

PL

Redukcja szumów na obrazach jest istotnym etapem wstępnego przetwarzania danych. Zagadnienie redukcji szumów było wielokrotnie poruszane w licznych publikacjach naukowych. Przygotowanie danych przed wykonaniem właściwych analiz jest szczególnie ważne w przypadku obrazów radarowych, charakteryzujących się specyficznym szumem (tzw. speckle effect), który jest główną przeszkodą w interpretacji i klasyfikacji obrazów radarowych. Do redukcji tego typu szumów zaproponowano w pracy, opublikowaną w roku 2006 przez J. Polzehl i V. Spokoiny, nieparametryczną metodę opartą na stałym, lokalnym wygładzaniu z adaptacyjnym wyborem wag dla każdej pary punktów na obrazie (Adaptive Weights Smoothing – AWS). Algorytm AWS nie został do tej pory szczegółowo sprawdzony na obrazach radarowych. Zaproponowana metodyka stosowania algorytmu AWS polega na scaleniu w końcowy wynik przetworzenia trzech obrazów: obrazu oryginalnego i dwóch obrazów stanowiących rezultat działania algorytmu. Do badań wykorzystano zobrazowania wysokorozdzielczego satelity TerraSAR-X, testując rezultaty proponowanego podejścia na obrazach radarowych pozyskanych w różnych trybach, o różnej rozdzielczości i przedstawiających teren o różnym zagospodarowaniu (pola uprawne, obszar miejski). Rezultaty działania badanego algorytmu porównano z wynikami redukcji efektu plamkowania przy użyciu popularnych filtrów adaptacyjnych (filtru Lee i filtru Frost). Otrzymane wyniki potwierdzają przydatność algorytmu AWS jako efektywnego narzędzia redukującego charakterystyczne szumy radarowe.

EN

Solving the problem of image smoothing is regarded as an essential stage in preparing digital images for further processing. It was tackled by a number of studies. The presence of speckle noise in SAR images is the major obstacle in interpreting, classifying, and analyzing SAR images. The main problem in many remote sensing applications is the extraction and interpretation of information about the objects which are present on SAR images. This makes the speckle noise reduction a very important task. The reduction of speckles was performed by applying the nonparametric method, described by J. Polsehl and V. Spokoiny in 2006; the method is based on locally constant smoothing with an adaptive choice for every pair of data points (Adaptive Weights Smoothing – AWS). The AWS algorithm has never been tested in detail on SAR data. This paper describes the methodology of using the AWS algorithm by integrating three images: one original image and two images determining the result of the algorithm processed. The performance of the proposed method was tested on high-resolution X-band synthetic aperture radar TerraSAR-X images and was compared with popular adaptive filters (Lee, Frost). The method presented was tested on two samples extracted from images captured in different imaging modes, with different geometric resolution and showing various land use and land cover. The results confirm the utility of the propagation-separation approach for radar image smoothing.

4

Przetwarzanie lotniczych danych lidarowych dla potrzeb generowania NMT i NMPT

51%

Hejmanowska B. , Borowiec N. , Badurska M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2008

|

tom Vol. 18a

151--161

PL

Przedmiotem prezentowanych analiz było testowanie metodyki przetwarzania lotniczych danych lidarowych dla potrzeb tworzenia numerycznego modelu terenu (NMT) i numerycznego modelu powierzchni terenu (NMPT). Testowanie przeprowadzono w oparciu o dane lidarowe udostępnione przez instytut badawczy UE. Obszar testowy obejmował okolice Ispry we Włoszech. Do badań wykorzystano oprogramowanie Terrasolid (TerraScan, TerraModeler) oraz Geomedia. Testowano metodykę przetwarzania danych lidarowych i badano dokładność wewnętrzną i zewnętrzną NMT. Optymalna długość trójkąta w TerrScan wynosiła 45 m. Wewnętrzną dokładność NMT (porównanie siatki NMT z danymi pomiarowymi z lidara) oszacowano w zakresie: 10-30 cm. Porównanie NMT z pomiarem GPS wykazało błąd systematyczny 50 cm, a odchylenie standardowe 20-30 cm. W artykule zostały zamieszczone wyniki badań prowadzonych w ramach projektu UE, JRC. Natomiast niniejsza publikacja została przygotowana w ramach projektu AGH nr: 11.11.150.949.

EN

The analysis was aimed at testing of aerial lidar data for Digital Terrain Model (DTM) and Digital Surface Model (DSM) generation. Lidar data wereobtained from The JRC , an EU research institute. The test area was located near Ispra, Italy. There were 5 test areas: 3 of them covered a flat JRC region and 2 covered the urban, modulated surface of Ispra near the lake. The TerraScan and Geomedia software packages were applied for data processing. Lidar data processing algorithms and DTM inner and external accuracy were tested. In the ground point classification using the Terrasolid, the triangle length and interaction angle were tested. The optimal triangle length in the TerraScan was found to amount to 45 m. The first phase involved generation of a DTM; subsequently, a DSM was developed basedon lidar cloud point classification (low, middle and high vegetation, and buildings). The accuracy analysis was performed using a DTM with 0.1 m and 1 m pixel size. The resolution of 0.1 m was chosen to render the DTM as comparable as possible to the density of lidar points. However ,resolution of 1 m was also tested because of its usual application in DTM generation from lidar data. Two kinds of accuracy were tested. We called them the inner (comparison of DTM and lidar data) and the external (comparison of DTM and GPS RTK) accuracy. The inner DTM accuracy was estimated at 10-30 cm. The DTM and GPS comparison allowed to determine the systematic error of 20-30 cm and standard deviation of 50 cm. The accuracy (inner and external) obtained was lower than expected. The future research should explain these phenomena. The work was supported by the AGH project No. 11.11.150.949

5

Mapy podstawowych form pokrycia i użytkowania terenu zlewni Raby powyżej Zbiornika Dobczyckiego - porównanie dokładności klasyfikacji pikselowej i obiektowej obrazów LANDSAT TM

51%

Badurska M. , Drzewiecki W. , Tokarczyk P.

Teledetekcja Środowiska

|

2009

|

tom T. 42

15--21

EN

The research presented in the paper has been aimed at mapping the basic types of land-use in the upper Raba watershed (south Poland). The maps have been prepared for a study of the influence of land-use changes within the watershed on the sediment yields introduced into the reservoir. Because the erosion models used for sediment yields prediction need only to identify the main land-use / land cover classes (arable land, meadows and pastures, forests, waters, developed areas), the maps have been based on classification of middle-resolution satellite images (Landsat TM). In the research the results of traditional pixel-based classification were compared to the ones obtained in the object based approach. Six different Landsat TM images were classified. The methodology of both classification approaches have been described in the paper. The accuracy assessment of the classification results was based on their comparison with the land use types defined by the photo interpretation of colour composite images. The assessment was done by two operators. Each of them used different set of two hundred and fifty randomly generated sample points. In most cases the pixel-based approach resulted in higher overall accuracy. However, if overall accuracy confidence intervals are taken into consideration, none of the methods can be definitely recognised as a better one.