بخشی از مقاله
چکیده
با توجه به توانایی دادههاي فراطیفی در ثبت تصاویر با دقت طیفی بالا نسبت به دادههاي چندطیفی، تشخیص پیکسلهاي آنومال در آنالیز تصاویر فراطیفی به عنوان روشی نو، اهمیت قابل توجهی یافته است. در واقع سنجندههاي فراطیفی در زمینههایی که تکنیکهاي با پایهي تشخیص فضایی نتوانستهاند کارایی لازمه را داشته باشند، بعبارتی در زمینه تشخیص خودکار هدفهاي نسبتا کوچک و اصولا با احتمال رخداد پایین و بدون هیچ دانش قبلی بسیار موفق عمل کردهاند.
هدف از این مطالعه ارزیابی قابلیت دادههاي هایپریون در ثبت پیکسل یا جزءپیکسلهاي نامتعارف، بدون اطلاعات قبلی درباره هدف یا اطلاعات آماري دادهها است. در این مطالعه روشهاي تشخیص پیکسلهاي آنومال RX-UTD و UTD بکار گرفته شده وهمچنین جهت تمییز بین هدفهاي تشخیص داده شده، الگوریتم خوشهبندي RMFM و براي شناسایی کانیهاي مورد مطالعه از آنالیز طیفی استفاده شده است.
در پایان نتایج بدستآمده انطباق خوبی با زمینشناسی منطقه نشان دادهاند بطوریکه الگوریتم UTD با نتایج کانیهاي کوولیت، ایلمنیت، لابرادور، گالن، هماتیت و ورمیکولیت بیشتر بر زمینه تصویر منطبق بوده و نتایج الگوریتم RX-UTD با کانیهاي استیبلیت، ورمیکولیت، تینکالکونیت، گالن، استارولیت، اپال، الکسیت و هماتیت انطباق خوبی بر هدفهاي آنومال با فراوانی کم را نشان دادند. در حالت کلی شناسایی و تفکیک کانیهاي معرف با نتایج حاصله از دادههاي زمینی - نقشهي زمین- شناسی - نشاندهنده توانایی بالاي دادههاي فراطیفی هایپریون و روشهاي تشخیص پیکسلهاي نامتعارف و بالاخص روش طبقهبندي RMFM میباشد.
-1 مقدمه
بوردمن در سال 1993، بوردمن و همکارانش در سال 1995 جزو اولین کسانی بودند که یک سري الگوریتمهاي مشخص را جهت استخراج اطلاعات جزئیتر از تصاویر هایپراسپکترال طراحی و ارائه کردهاند. تشخیص آنومالی و هدف در تصاویر چندطیفی و فراطیفی میتواند بر اساس اطلاعات طیفی یا فضایی یا ترکیبی از آنها صورت گیرد. مشکل تجزیه و تحلیل فضائی تصاویر دورسنجی جهت تشخیص آنومالی، مربوط به این واقعیت است که فواصل نمونهبرداري زمینی اصولا بزرگتر از سایز هدف موردنظر میباشند به این ترتیب هدفهاي مدنظر به عنوان آنومالی، درون یک پیکسل محاط بوده و به لحاظ فضایی تشخیص داده نمیشوند.
تحت چنین شرایطی تشخیص هدف در یک فضاي جزءپیکسلی و به طریق طیفی صورت میگیرد. در این مقوله منظور از آنومالی یک اثر طیفی و فضایی نامعمول است که از زمینهي خود متمایز میباشد . به عبارتی دیگر به علت ترکیبات مجزاي مواد، بردارهاي طیفی هدف با ویژگیهاي آماري متفاوتی نسبت به زمینه ارائه میشوند. پس منطقهاي به عنوان آنومالی طبقهبندي میشود که مشخصات آماري آن، ناتشابهی کافی را با زمینه اطراف داشته باشد.
تحقیقات قبلی در رابطه با دادههاي مالتیاسپکترال نشان دادهاند که میتوان امکان تشخیص هدفهاي کوچک را با کاربرد روشهاي خاص بالا برد در این زمینه دو روش RXD1 و LPD2 مورد توجه خاص میباشند که در تشخیص پیکسلهاي نامتعارف در تصاویر چندطیفی و فراطیفی موفقیتآمیز بودهاند ذیلا از روشهاي تشخیص آنومال، به معرفی الگوریتمهاي UTD3 و RX-UTD پرداخته میشود. الگوریتم پایهي RX اصولا براي دادههاي مالتیاسپکترال، توسط رید و یو طراحی شده است البته RXD، در تشخیص آنومالی براي تصاویر فراطیفی نیز کاربرد موفقیتآمیزي داشته است.
روش UTD که اساسا معادل RXD به شمار میرود، بجز اینکه بردار واحدي را بجاي بردار طیفی هدف بعنوان سیگنال تطابقی بکار میگیرد در واقع دلیل انتخاب بردارهاي تطابقی به این ترتیب، این است که هیچ دانش و اطلاعات قبلی در دسترس نمیباشد. در نگاهی به این واقعیت که تصاویر بدست آمده از RXD اصولا سیاه و سفید هستند بنابراین، نیاز به بسط یک روش خودکار - کامپیوتري تعیین حد آستانه وجود دارد. در واقع RXD هدفهاي آنومال را تشخیص میدهد اما توانایی تمییز آنها را از هم ندارد. در این مطالعه از الگوریتم RMFM4 بعنوان یک روش طبقهبندي استفاده شده است.
-2 دادههاي مورد مطالعه
منطقه مورد مطالعه در شمال غرب ایران، بین مختصات طولیً46º 10´ 3 -46º 14´ 33 و عرضی- 38º 30´ 2038º 31´ 41 در زون سیهرود شامل کوههاي قرهداغ و ارسباران، در زون زمینساختی البرز - آذربایجان در 70 کیلومتري شهرستان اهر از استان آذربایجانشرقی واقع است. دادههاي مورد مطالعه دادههاي هایپریون مربوط به منطقه سیهرود واقع در غرب استان آذربایجانشرقی، که شامل 242 باند در محدوده 0/4-2/5µm میباشد.
-3 پیشپردازشهاي انجام شده
-1-3 تصحیح اثر انحناي طیفی 5
انحناي طیفی، اثر سیستماتیکی است که در پردازش دادههاي هایپریون موجب افت طیفی ردیف VNIR میشود، تحت عنوان انحناي لبخند یا اخم نامیده شده و اثر تکنولوژي پوشبروم6 بشمار میرود بخاطر آرایش دوبعدي سنجنده هایپریون طولموج مرکزي با موقعیت مکانی در سرتاسر عرض تصویر تغییر میکند و اکثرا پیک منحنی ملایم متمایل به وسط تصویر میباشد. گرچه سنجنده هایپریون کارکرد صحیحی داشته و اطلاعات مفیدي در اختیار قرار میدهد ولی شامل اشکالاتی از قبیل نسبت سیگنال به نویز نسبتا پایین است. از باب تشخیص اثر فوق میتوان گفت، در باندهاي منحصر به فرد مشخص نیست در واقع هنگامی که تصویر به فضاي MNF منتقل میشود اثر فوق آشکار می شود، روش دیگر بررسی اثر انحناي طیفی، نگاه کردن به اختلاف باند تصاویر اطراف ساختارهاي جذبی اتمسفر از قبیل اکسیژن میباشد. در این مطالعه الگوریتم De-streaking جهت تصحیح اثر انحناي طیفی بکار گرفته شده است.
-2-3 تصحیح اتمسفري
فرآیند تبدیل انرژي ثبت شده در سنجنده به انعکاس سطح را تصحیح اتمسفري مینامند. اثرات اتمسفري قدرت تمایز میان اشیاء را پایین میآورند که عملا باعث مشکلتر ساختن استخراج اطلاعات از تصویر میشوند. تکنیکهایی وجود دارد که تاثیرات اتمسفري از طریق تاثیري که روي دادهها دارند بدست میآیند و یا از طریق سعی و خطا میتوان بدست آورد. در این مطالعه الگوریتم FLAASH7 و دادههاي ورودي بصورت رادیانس به فرمت BIL یا BIP استفاده شده است. لازم به ذکر است که براي تعیین ارتفاع متوسط منطقه، تصاویر ارتفاعی رقومی SRTM8 استفاده شده است.
-3-3 تصحیح توپوگرافی
به دلیل ناهمواري سطح زمین همه نقاط به یک اندازه در معرض تابش آفتاب قرار ندارند و این باعث میشود که امواج دریافتی توسط سنجنده، براي یک ترکیب زمینشناسی مشابه در نقاط مختلف متفاوت باشند. در واقع اثرات توپوگرافی در تصاویر ماهوارهاي به علت تفاوت در روشناییهاي مناطق مواج میباشند. روشهاي تصحیح توپوگرافی روشهاي هستند که به مدلهاي ارتفاعی دیجیتالی9 نیاز دارند. این روشها به دو دسته ي لامبرتین و غیرلامبرتین تقسیم می شود.
