ΕΝΤΟΠΙΣΜΟΣ ΠΕΤΡΕΛΑΙΟΚΗΛΙΔΑΣ ΚΑΙ ΚΑΤΑΓΡΑΦΗ ΜΕΣΩ ΔΟΡΥΦΟΡΙΚΗΣ ΕΙΚΟΝΑΣ
Από RemoteSensing Wiki
Εισαγωγή – Αντικείμενο εφαρμογής
Η ιδιαίτερη φύση των θαλάσσιων πετρελαιοκηλίδων που καλύπτουν μεγάλες εκτάσεις στον ανοιχτό ωκεανό απαιτεί τη χρήση των δορυφορικών τηλεπισκοπικών μεθόδων για ενίσχυση των παρατηρήσεων.
Στόχος εφαρμογής
Στόχος είναι η κατασκευή ενός συστήματος προειδοποίησης για την πιθανή και τυχαία εμφάνιση πετρελαιοκηλίδων στο θαλάσσιο περιβάλλον. Χρησιμοποιήθηκαν νέες τεχνικές όπως η επεξεργασία δορυφορικών εικόνων για την καλύτερη διάκριση της πυκνότητας της πετρελαιοκηλίδας.
Υλικό και μεθοδολογία
Η Εικόνα 1 δείχνει τον αλγόριθμο του SAR για την ανίχνευση και ταξινόμηση των πετρελαιοκηλίδων.Χρησιμοποιήθηκαν δεδομένα SAR της 10ης Οκτωβρίου του 1997 για την περιοχή Malacca της Malaysia, μία έκταση 110 x 150 km.
Εικόνα 1 Αναγνώριση και ταξινόμηση πετρελαιοκηλίδας μέσω του αλγόριθμου της εικόνας SAR.
- Η ανάλυση της εικόνας, η διόρθωση και η ενίσχυση (PACE) είναι μία ομάδα προγραμμάτων εφαρμογών σε λογισμικό ανάλυσης εικόνας PCI, κάτι που παρέχει εκτενείς λειτουργίες επεξεργασίας ψηφιακών εικόνων. Τα προγράμματα αυτά χρησιμοποιήθηκαν για την επεξεργασία των δεδομένων του radar για τον εντοπισμό της περιολαιοκηλίδας στο υδατινο σώμα. Εφαρμόστηκε προεπεξεργασία της radar εικόνας συμπεριλαμβανομένης της Antenna pattern διόρθωσης (APC), καθώς και ραδιομετρική και γεωμετρική διόρθωση, για την προετοιμασία των κατάλληλων δεδομένων από την εικόνα SAR.
Μετα-επεξεργασία της radar εικόνας πραγματοποιήθηκε για τον εντοπισμό της πετρελαιοκηλίδας, περιλαμβάνοντας ενίσχυση εικόνας, ανάλυση χαρακτηριστικών (texture analysis), dark slick detection, feature extraction, scaling και filtering.
Για την εξαγωγή λεπτομερών πληροφοριών σχετικά με την πετρελαιοκηλίδα, το scaling radar οριστικοποίησε τις τιμές των χαρακτηριστικών. Το πρόγραμμα Gray Level Scaling (SCAL) σε PACE πραγματοποιεί γραμμική και μη γραμμική χαρτογράφηση των τόνων του γκρι στην εικόνα, σε ένα επιθυμητό εύρος απόδοσης (output).
Η εικόνα υπέστη επιβλεπόμενη ταξινόμηση μεγίστης πιθανότητας (supervised maximum likelihood algorithm) μέσω του αλγόριθμου. Τέλος, για τη δημιουργία μηχανής αυτόματης ανίχνευσης για κάθε radar εικόνα πετρελαιοκηλίδας χρησιμοποιήθηκε το PCI Modeler για να παρέχει μία διαδραστική μεθοδολογία για την ανάπτυξη όλων των περιγραφόμενων εικόνων ανάλυσης πετρελαιοκιλήδας και για την διαδικασία επεξεργασίας αυτών.
Αποτελέσματα και συζήτηση
Η Εικόνα 2 παρουσιάζει τα αποτελέσματα της προεπεξεργασίας μετά την APC, τη ραδιομετρική και γεωμετρική διόρθωση. Η Εικόνα 3 δείχνει τη διαβάθμιση των τόνων του γκρι της εικόνας και του quantization, το οποίο εφαρμόστηκε για τη ρύθμιση της φωτεινότητας της radar εικόνας με στόχο την γραμική χαρτογράφηση των τόνων του γκρι της εικόνας, σε ένα επιθυμητό εύρος απόδοσης (output).
Εικόνα 2 Γεωμετρική διόρθωση βασισμένη στο panel του Geometric Correction based on GCPWorks Main.
Εικόνα 3 Η Διαβάθμιση πραγματοποιεί μία γραμμική χαρτογράφηση των τόνων του γκρι.
Το φίλτρο Gamma MAP Filter αρχικά χρησιμοποιήθηκε σε δεδομένα radar για την αφαίρεση του θορύβου υψηλής συχνότητας (speckle) με ταυτόχρονη διατήρηση τα χαρακτηριστικά υψηλής συχνότητας (edges). Η Εικόνα 4 δείχνει ότι το φίλτρο ομαλοποίησε την εικόνα, χωρίς ωστόσο να μετακινήσει τις κορυφές (edges) ή να οξύνει τα χαρακτηριστικά των εικόνων. Οι Εικόνες 5 και 6 δείχνουν τα αποτελέσματα της ανάλυσης των χαρακτηριστικών (texture analysis) για την εικόνα της πετρελαιοκηλίδας. Για τον εντοπισμό της πετρελαιοκηλίδας και την ταξινόμηση, οι αναλύσεις Homogeneity και Angular Second Moment βρέθηκαν ιδιαίτερα δραστικές.
Εικόνα 4 Ενισχύοντας την radar εικόνα με χρήση του FSPEC -- SAR Speckle Filters command σε Xpace.
Εικόνα 5 Επιδράσεις της λειτουργίας homogeneity της texture analysis στην εικόνα.
Εικόνα 6 Επιδράσεις στη λειτουργία Contrast της exture analysis στην εικόνα.
Οι Εικόνες 7 και 8 περιγράφουν τα καλύτερα αποτελέσματα για αυτόματη ανίχνευση των πετρελαιοκηλίδων μέσω εικόνων SAR, βασισμένη στο πρόγραμμα SCAL, στο gamma image filtering και το πρόγραμμα texture analysis Τα αποτελέσματα σώθηκαν σε νέο κανάλι.
Εικόνα 7 Ταξινομημένη εικόνα πετρελαιοκηλίδας μέσω visual modeler σε δύο περιοχές. Η περιοχή με τις πετρελαιοκηλίδες έχουν χρώμα κόκκινο και οι μολυσμένη σε μαύρο.
Εικόνα 8
Η Εικόνα 8 δείχνει τις τιμές του γκρι (κανάλι 1) και ταξινομεί τις τιμές μετά την διαδικασία Homogeneity (Κανάλι 2) και του Angular Second Moment (κανάλι 3). Το κανάλι 2 ειδικεύεται σε όλες τις ρυπασμένες περιοχές και το κανάλι 3 διορθώνει (rectify) μόνο ιδιαίτερα ρυπασμένες περιοχές (spilled areas).
H Μέγιστη Πιθανότητα βρέθηκε ως ο κατάλληλος αλγόριθμος για την ταξινόμηση των πετρελαιοκηλίδων. Η Εικόνα 9 δείχνει τη σύνθετη ταξινόμηση εικόνας με τη χρήση texture analysis και scaled grey level image. Τα αποτελέσματα της ανάλυσης της ταξινόμησης έδωσαν τα απαραίτητα στοιχεία για την πυκνότητα (thickness) της πετρελαιοκηλίδας και της περιοχής έκτασης της. Η εικόνα αυτή παρουσιάζει την πετρελαιοκηλίδα σε 3 διαφορετικές τάξεις, σύμφωνα την πυκνότητα αυτής.
Εικόνα 9
Συμπεράσματα
Τα τηλεπισκοπικά δεδομένα χρησιμοποιούνται για την ανίχνευση πετρελαιοκηλίδων, με στόχο την ενίσχυση σχεδίων αντιμετώπισης απρόοπτων γεγονότων στην περιοχή Malacca. Πολλές μέθοδοι εφαρμόστηκαν για το στόχο αυτό όπως οι: Gamma distribution analysis, texture analysis, image composite analysis και image classification. Μετά την προεπεξεργασία (radiometric correction, APC, geometric correction, pixel size conversion), η εικόνα εφαρμόστηκε ώστε να ανιχνεύει τις πετρελαιοκηλίδες και τα χαρακτηριστικά τους. Η εφαρμογή αυτή, επικεντρώθηκε στην αυτόματη dark slick detection και ταξινόμηση, ως πρώιμο προειδοποιητικό σύστημα για την αντιμετώπιση απρόοπτων γεγονότων πετρελαιοκηλίδας.
Πηγή:
Oil Spill Detection and Monitoring from Satellite Image
S. B. Mansor, H. Assilzadeh, H.M. Ibrahim, A. R. Mohamd Spatial and Numerical Modeling Laboratory Institute of Advanced Technology, University Putra Malaysia, 43400 Serdang, Selangor, Malaysia