بخشی از مقاله
چکیده
واضح است که، در چند سال اخیر استفاده از تصاویر پلاریمتری - PolSAR - SAR در کاربردهای سنجش از دور افزایش یافته است. مهمترین مزیت تصاویر PolSAR استفاده از ویژگی های پلاریمتری آنها در داخل الگوریتم های پردازش این تصاویر می باشد. برای استفاده بهینه از این ویژگی ها باید تصحیحات هندسی لازم را بر روی آنها انجام دهیم.مطالعات اخیر نشان داده است که مدل ضرایب چند جمله ای کسری جایگزینی مناسب برای مدل فیزیکی، به منظور پردازشهای هندسی تصاویر SAR می باشد.
هدف اصلی این تحقیق، غلبه بر مشکلات تهیه نقاط کنترل زمینی و استفاده از مدل ضرایب چند جمله ای کسری معمولی و تصحیح شده آن به کمک تعداد کمتری نقاط کنترل زمینی، برای تصحیح هندسی - زمین مرجع سازی - ویژگی های پلاریمتری تصاویر PolSARمی باشد. نتایج نشان می دهد که، زمانی که از مدل تصحیح شده استفاده می کنیم، دقت کار بهبود می یابد.برای پیاده سازی الگوریتم، از یک تصویر PolSAR مربوط به ماهواره RADARSAT-2 از یک منطقه جنگلی به بنام Petawawa در کشور کانادا، استفاده نمودیم.
-1 مقدمه
در چند سال اخیر به دلیل افزایش دسترسیبه تصاویر پلاریمتری - - PolSAR1 سنجندههایی از قبیل RADARSAT-2، ALOS و... نیاز به الگوریتم های پردازش این تصاویر نیز بیشتر شده است. در بیشتر کاربردها برای استفاده مفید از تصاویر SAR2 و وارد کردن آنها به محیط سیستم اطلاعات جغرافیایی و استفاده از آنها در کنار سایر دادههای سنجش از دوری، لازم است تصحیحات هندسی و زمین مرجع سازی تصاویر صورت پذیرد.ماهواره RADARSAT-2 به عنوان دومین ماهواره سنجش از دور راداری با تکنولوژی SAR بعداز ماهواره RADARSAT-1 توسط کشور کانادا در سال 2007به فضا پرتاب شد. یکی از مزیت های مهم تصاویر این ماهواره، قابلیت اخذ تصاویر به منظور افزایش قدرت تفکیک پذیری، بهبود تشخیص و طبقه بندی عوارض مختلف می باشد.
به عبارتی، تصاویر PolSAR نسبت به تصاویر تک باند SAR، دارای انواع ویژگی های پلاریمتری مثل ماتریس کواریانس و همبستگی پلاریمتری، پارامترهای حاصل از الگوریتم های تجزیه هدف همدوس3 و غیر همدوس4می باشد، که از این پارامترها در داخل پردازش های مختلف مثل طبقه بندی، کشف تغییرات و... استفاده می کنند. بنابراین، در مورد تصاویر پلاریمتری SAR بر خلاف تصاویر تک باند SAR علاوه بر نیاز به زمین مرجع سازی خود تصویر باید ویژگی های پلاریمتری نیز تصحیح هندسی شده و زمین مرجع شوند.
ویژگی های حاصل از الگوریتمهای تجزیه هدف غیر همدوس نسبت به همدوس ها دارای کاربرد بیشتری هستند و ورودی این الگوریتم های غیر همدوس،ماتریس همبستگی پلاریمتری - T3 - یا کواریانس پلاریمتری - C3 - می باشد[1]، بنابراین زمین مرجع شدن ویژگیهای حاصل از الگوریتمهای تجزیه هدف غیر همدوس وابسته به زمین مرجع بودن یا نبودن دو ماتریس همبستکی و کواریانس پلاریمتری دارد. دو استراتژی کلی برای زمین مرجع نمودن ویژگی های پلاریمتری حاصل از الگوریتم های تجزیه هدف وجود دارد.
استراتژی اول این است که، ورودی این الگوریتم های تجزیه هدف را زمین مرجع نمود و به تبع آن ویژگیهای حاصله نیز زمین مرجع میشوند. در استراتژی دوم، ویژگی های حاصل از الگوریتم های تجزیه هدف را با ورودی زمین مرجع نشده بدست آورد و سپس خود آنها را زمین مرجع نمود. با توجه به نتایج ارائه شده در [2]،خروجی این دو استراتژی تفاوت چندانی باهم ندارند. از آنجا که ماتریس همبستگی - T3 - مستقل از فاز مطلق داده های پلاریمتری است و فقط دارای فاز نسبی می باشد، می تواند در هر دو حالت زمین مرجع شده یا نشده، به عنوان ورودی الگوریتم های تجزیه هدف قرار بگیرد.
ولی خود ماتریس های، کواریانس و همبستگی پلاریمتری را باید قبل از اعمال هر تصحیح هندسی بر روی تصاویر پلاریمتری، و از داده های خام پلاریمتری استخراج کرده و سپس خود این ماتریس ها را زمین مرجع نمود.چون با اعمال تصحیح هندسی بر روی تصویر اطلاعات فاز مطلق که در داخل ماتریس پراکندگی5 می باشد، در مرحله نمونهبرداری مجدد تغییر کرده و ماتریسهای کواریانس و همبستگی پلاریمتری استخراج شده و مشتقات آنها در این حالت، دچار تغییر نامطلوب میشوند.
به طور کلی، زمین مرجع سازی تصاویر SAR انجام یک تبدیل هندسی به کمک مدل ارتفاع رقومی - Z - 6، از سیستم مختصات آزیموت و فاصله راداری - l,s - به سیستم مختصات جغرافیایی - , - یا نقشه - X,Y - می باشد. به طور کلی، روند مرجع سازی تصاویر سنجش از دوری شامل سه مرحله زیر می باشد:
- 1 انتخاب یا طراحی یک مدل تبدیل ریاضی که هندسه تصویر برداری سنجنده را توصیف کند.
- 2 تعیین محل نقاط کنترل زمینی روی تصویر و
- 3 محاسبه پارامترهای مدل تبدیل، که با توجه به این پارامترها مدل های تبدیل را می توان به دو دسته فیزیکی و غیر فیزیکی دسته بندی کرد.
جمع آوری نقاط کنترل زمینی برای تصحیح هندسی تصاویر SAR دارای مشکﻻت فراوانی است. علاوه بر مشکلات مرسوم مانند، در دسترس نبودن منبعی برای نقاط کنترل زمینی و هزینه بر بودن تهیه نقاط جدید، مخصوصاً در مناطقی با قابلیت دسترسی سخت، بر خلاف تصاویر اپتیک انتخاب نقاط کنترل زمینی در تصاویر SAR مخصوصاً در مناطق کوهستانی به دلیل تاثیر خطای وارونگی و کوتاه شدگی، طاقت فرسا و برخی مواقع غیر ممکن است.
پرکاربرد ترین مدل فیزیکی [5]،در مورد تصاویر SAR مدل Range -Doppler - RD - میباشد. این مدل با اینکه دقیقترین مدل ریاضی در مورد تصاویر SAR محسوب می شود ولی استفاده از این مدل برای تصحیح هندسی تصاویر SARدارای پیچیدگی و نیاز به زمان پردازش زیاد میباشد. در مقابل مدلهای فیزیکی، یک سری مدلهای دیگر مانند، چند جمله ایهای سه بعدی و توابع کسری بدون داشتن تفسیر فیزیکی برای پارامترهای آنها ارتباط بین تصویر زمین را برقرار می نمایند. مهمترین مشکل این نوع مدلها وجود همبستگی در بین پارامترهای آنها بوده و در بیشتر مواقع باعث ناپایداری در حل پارامترها میشود.
یکی دیگر از مشکلات آنها زیاد بودن پارامترها و نیاز به نقاط کنترل زمینی زیاد برای محاسبه آنها است، که برای حل این مشکل راه کارهایی در[7 ,6]ارائه شده است.پرکاربردترین مدل در این خانواده برای تصاویر سنجش از دوری مدل توابع کسری7 بوده و کارایی بهتر این مدل با آزمایش برروی تصاویر اپتیکمخصوصاً با هندسه پوش بروم اثبات شده است.
تحقیقات اخیر نشان می دهد که، علاوه بر تصاویر اپتیک، مدل توابع کسری جایگزینی مناسب برای مدل سنجندهتصاویر SAR می باشد
با توجه به در دسترس بودن یا نبودن مدل فیزیکی سنجنده، می توان ضرایب مدل توابع کسری8 را بترتیب، به دو روش مستقل از زمین و وابسته به زمین حل کرد. از آنجا که برای اکثر ماهوارههای سنجش از دوری جدید، مدل فیزیکی در اختیار مالکان آنها بوده و آن را منتشر نمی کنند، به روش مستقل از زمین ضرایب مدل توابع کسری را حل و به همراه تصویر آنها را به کاربران ارائه می دهند.در مورد تصاویر RADARSAT-2 نیز این ضرایب به همراه تصویر ارائه می شود. در این تحقیق، ما از مدلRPCs در دو حالت معمولی و تصحیح شده، برای تصحیح هندسی و زمین مرجع نمودن ویژگی های حاصل ازتصاویر پلاریمتری RADARSAT-2استفاده نمودیم.
به دلیلبرخی اعوجاجات ذاتی در زمان اخذ تصویرSAR و این که بدون هیچ نقطه کنترل واقعی مدل RPCحل شده است، این ضرایب دارای بایاس بوده ودقت مطلق مکانی این مدل تا یک حدمعین میباشد.برای تصاویر SAR برخلاف تصاویر اپتیکدر مناطق کوهستانی و با توپوگرافی شدید، به دلیل اعوجاجات هندسی موجود در تصاویر ناشی از توپوگرافی، انتخاب نقاط کنترل قابل اعتماد برای تصحیح بایاس مدلسخت، و تقریباً غیر ممکن میباشد. در این تحقیق، با انتخاب تعدادی نقاط گرهی به طور بصری از یک تصویر ارتو شده - RADARSAT-1 - و تصویر حاصل از ماتریس کواریانس پلاریمتری، زمین مرجع سازی با مدلRPC معمولی و بهبود یافته در دو حالت، تصحیح با چند جملهای درجه صفر - دو پارامتر انتقال - و درجه یک - تبدیل آفاین - ،انجام شد.
-2 مدل RPC دارای بایاس و تصحیح شده برای تصاویر SAR
مدل توابع کسری ارتباط بین نقطه تصویری - l,s - و همان نقطه در فضای شی را با تقسیم دو چند جملهای درجه سه که متغیرهای آن مختصات نقطه در فضای شی - B,L,H - میباشد، را توصیف میکند. فرم کلی این روابط به صورت زیر میباشد:
در رابطه بالا - l,s - مختصات نرمال شده تصویری در بازه -1 و1 در جهت آزیموت9 و رنج10و - B,L,H - مختصات نرمال شده در بازه -1 و1 برای طول و عرض ژئودتیکی و ارتفاع در فضای شی میباشد. نرمال سازی مختصات موجود در رابطه - 1 - با رابطه زیر صورت میپذیرد
در رابطه بالا،X میتواند یکی از مختصات l, s, B, L, H، اندیس u به معنی مختصات نرمال نشده ، Xoffset و Xscale بترتیب فاکتور آفست و مقیاس متناظر هر یک از مختصات ها میباشد.
