• پنجشنبه ۲۱ آذر ۱۳۹۸
  • |

آمار سایت

  • تمام بازديد‌ها: 1689239 بازدید
  • بازديد 24 ساعت قبل: 2324 بازدید
  • مهمانان حاضر در زیرپورتال: 23 کاربر
  • کاربران حاضر در زیرپورتال:0 کاربر

ورود به سایت

سنجنده های ابرطیفی و مقدمه ای بر تحلیل تصاویر آن

 | تاریخ ارسال: ۱۳۹۶/۴/۲۵ | 

Introduction to Hyperspectral Image Analysis
Peg Shippert, Ph.D.
Earth Science Applications Specialist
Research Systems, Inc.

تاریخچه
از جمله مهمترین دستاورد اخیر در سنجش از دور، توسعه سنجنده های ابر طیفی و نرم افزارهای مربوطه جهت پردازش تصاویر حاصل می باشد. پانزده سال قبل تنها کارشناسان سنجش ازدور امکان دسترسی به تصاویر ابر طیفی را داشتند. در طی دهه گذشته تحلیل تصاویر ابر طیفی به حد کمال رسیده بطوریکه تبدیل به یک فناوری موثر در عرصه سنجش از دور شده است. واژه هایپر Hyper به معنی زیاد میباشد که اشاره به کثرت تعداد باند های اندازه گیری شده دارد. تصاویر Hyperspectral اطلاعات طیفی فراوانی را جهت شناسائی و تشخیص کانیهائی با ویژگی های طیفی منحصربفرد فراهم می آورد. تصاویر ابر طیفی امکان استخراج اطلاعات دقیق تری از جزئیات پدیده ها را فراهم میسازد که با سایر داده های سنجش از دوری ممکن نیست. در این مقاله مفاهیم طیفی تصاویر، تعریف داده ابر طیفی در مقایسه با داده چند طیفی، مروری بر برخی کاربرد های جدید تصاویر ابر طیفی و خلاصه ای از روش های پردازش تصاویر ابر طیفی مورد بررسی قرار خواهد گرفت.


اصول و مبانی تصاویر طیفی
بمنظور آشنائی  با مزایای تصاویر ابر طیفی ابتدا برخی مفاهیم سنجش از دور را مرور می کنیم. فوتون نور دارای یک طول موج با سطح انرژی معین می باشد. نور و سایر اشکال از تابش الکترومغناطیسی با طول موج های مربوطه تعریف می گردند. برای مثال، طول موج نور مرئی بین 0.4 – 0.7 میکرون بوده در حالیکه امواج رادیوئی، طول موجی بیش از 30 سانتی متر دارند ( شکل 1).

AWT IMAGE

شکل 1. طیف الکترومغناطیسی

بازتابندگی، درصدی از نور است که توسط یک ماده منعکس میشود در مقابل مقداری از نور نیز از ماده عبور یا توسط آن جذب می شود. طیف بازتابندگی نشانگر میزان بازتابندگی یک ماده در گستره ای از طول موج ها می باشد (شکل 2). برخی مواد طول موج های خاصی از طیف نور را منعکس می کنند در حالیکه سایر مواد ممکنست همان طول موج را جذب نمایند. از طریق الگوی بازتابندگی و جذب یک ماده در گستره ای از طول موجها میتوان برای شناسائی یک ماده خاص کمک گرفت.

AWT IMAGE

شکل 2- طیف بازتابندگی اندازه گیری شده توسط طیف سنج آزمایشگاهی برای  سه نمونه : برگ سبز، تالک و خاک رس

اسپکترومتر آزمایشگاهی و صحرائی عموماً میزان بازتابندگی را در باندهای متعدد و باریک نزدیک بهم اندازه گیری می نماید، بطوریکه طیف حاصل بصورت یک منحنی پیوسته بنظر میرسد (شکل 2). زمانیکه اسپکترومتر بصورت یک سنجنده تصویری بکار میرود، تصاویر حاصل طیف بازتابی را برای هر پیکسل در تصویر ثبت می نماید ( شکل 3 ).

AWT IMAGE

شکل 3- مفهوم تصویر ابر طیفی. سنجش تصویر در باند های متعدد پیوسته و باریک انجام و منجر به یک طیف کامل برای هر پیکسل شده است.

داده های ابرطیفی
اغلب تصاویر چند طیفی نظیر لندست، اسپات، AVHRR امواج بازتابی از سطح  را درچند باند پهن مجزا از هم اندازه گیری میکنند ( شکل 4). در حالیکه  اغلب تصاویر ابر طیفی (جدول 1) امواج بازتابی را در یک سری باند های باریک و پیوسته ثبت می کند. زمانیکه یک پیکسل تصویر ابر طیفی را مشاهده می نمائیم، مثل این است که آنرا از طریق اسپکتروسکپ آزمایشگاه نظاره می کنیم ( شکل 5). این نوع طیف پیکسلی دقیق اطلاعات بسیار بیشتری در قیاس با طیف پیکسلی چند طیفی فراهم می آورد.

AWT IMAGE

شکل 4- طیف بازتابندگی سه نمونه اندازه گیری شده در شکل 2 بطوریکه در تصویر چند طیفی سنجنده ETM ماهواره لندست مشاهده می شود.

AWT IMAGE

شکل 5-  طیف بازتابندگی سه نمونه اندازه گیری شده در شکل 2 بطوریکه در تصویر ابر طیفی سنجنده AVIRIS مشاهده میشود. بخش هائی از منحنی طیفی که قطع شده نشان دهنده جذب آتمسفر می باشد که هیچ سیگنالی از سطح زمین به سنجنده نرسیده است.

گرچه اغلب سنجنده های ابر طیفی قابلیت اندازه گیری صد ها طول موج را دارند اما اهمیت این قبیل سنجنده ها عمدتاً در باریک بودن پهنای باندها و پیوستگی آنها است. برای مثال سنجنده ای که دارای 20 باند طیفی می باشد و باند های طیفی پیوسته ای را با پهنای 10 نانومتر اندازه گیری میکند در شمار سنجنده ابر طیفی قرار دارد در حالیکه اگر سنجنده ای با 20 باند و پهنای باند 100 نانومتر داشته باشیم یا باندهای موجود دارای پیوستگی نباشند در زمره سنجنده ابر طیفی قرار نمیگیرد. در روشهای استاندارد، تصاویر چند طیفی عموماً در گروه های وسیعی طبقه بندی میشوند. تصاویر ابر طیفی امکان تفسیر و تحلیل دقیق تری را فراهم می آورد  برای مثال با استفاده از داده های ابر طیفی موادی با بازتاب طیفی مشابه، براحتی قابل شناسائی بوده و امکان استخراج اطلاعات زیر پیکسل وجود دارد. روش های پردازش تصویر خاص جهت برآورد این قابلیت ها وجود دارد. بسیاری از قدیمی ترین و جدید ترین سنجنده های ابر طیفی بر روی سکوهای هوائی نصب بوده اند (جدول 1)، به استثناء : سنجنده Hyperion که بر روی ماهواره EO-1 نصب بوده و سنجنده FTHSI که بر روی ماهواره Mighty II متعلق به آزمایشگاه نیروی هوائی آمریکا نصب شده است. اخیراً سنجنده های متعدد جدید نیز در دست اقدام میباشد( جدول 2). سنجنده های فضائی بر خلاف سنجنده های هوائی، قابلیت پوشش های تکراری منظم را در سطوح وسیع تری از کره زمین دارا می باشند. بنابراین با توجه به موفقیت سنجنده های فضائی پرتاب شده، بایستی سطح دسترسی به تصاویر ابر طیفی در آینده نزدیک بطور چشمگیری افزایش یابد. جدول 1.  سنجنده های ابر طیفی اخیر و تهیه کنندگان داده

سنجنده/ماهواره سازنده تعداد باندها دامنه طیفی
FTHSI/Mighty Sat II آزمایشگاه تحقیقاتی نیروی هوائی 256 1.05–0.35 میکرومتر
Hyperion/EO-1 مرکز پرواز های فضائی گودارد ناسا 220 2.5 – 0.4 میکرومتر
سنجنده هوائی سازنده تعداد باندها دامنه طیفی
AVIRIS آزمایشگاه JPL ناسا 224 2.5 – 0.4 میکرومتر
HYDICE آزمایشگاه تحقیقات NAVEL 210 2.5 – 0.4 میکرومتر
PROBE-1 شرکت تحقیقات علوم زمین 128 2.5 – 0.4 میکرومتر
CASI شرکت تحقیقات ITRES تا حدود 228 1 – 0.4 میکرومتر
HyMap Integrated Spectronics 100-200 مرئی – مادون قرمز حرارتی
EPS-H سیستم حفاظت محیط زیست GER Corporation VIS/NIR(76),SWIR1(32),
SWIR2 (32),TIR(12)
VIS/NIR(0.43-1.05),SWIR1(1.5-1.8),
SWIR2 (2-2.5),TIR(8-12.5) میکرومتر
DAIS 7915 GER Corporation VIS/NIR(32),SWIR1(8),
SWIR2 (32),
MIR (1),TIR(6)
VIS/NIR(0.43-1.05),SWIR1(1.5-1.8),
SWIR2 (2-2.5),MRI ( 3- 5)
TIR(8,7-12.3) میکرومتر
DAIS 21115 GER Corporation VIS/NIR(76),SWIR1(64),
SWIR2 (64),
MIR (1),TIR(6)
VIS/NIR(0.4 - 1 ),SWIR1(1-1.8),
SWIR2 (2-2.5),MRI (3-5)
TIR (8-12)میکرومتر
AISA Spectral Imaging تا 288 0.43 - 1 میکرومتر


سنجنده های ابرطیفی فضایی آینده

ماهواره سنجنده حامی
ARIES-1 ARIES-1 Auspace Ltd
ACRES
Earth Resource Mapping Pty. Ltd.
Geoimage Pty. Ltd.
CSIRO
PROBA CHRIS سازمان فضائی اروپا
NEMO COIS آزمایشگاه تحقیقات NAVEL، شرکت توسعه تکنولوژی فضائی
PRISM سازمان فضائی اروپا

کاربرد تصاویر ابر طیفی
تصاویر ابرطیفی بمنظور شناسائی و به نقشه در آوردن انواع متعددی از مواد با ویژگی طیفی خاص بکار می رود. بعنوان مثال زمین شناسان از این داده های ابر طیفی به منظور شناسائی انواع مواد معدنی  Clark, et al.,1992,1995) همچنین تشخیص خصوصیات خاک از قبیل رطوبت، مواد آلی موجود در خاک و میزان شوری خاک (Ben-Dor 2000) استفاده می کنند. گیاه شناسان از این تصاویر برای شناسائی گونه های گیاهی Clark et al.,1995))، مطالعه تاج پوشش گیاهی (Aber و Martin 1995) و تشخیص بیماریهای گیاهی (Merton، 1999) بهره می گیرند. نظامیان از تصاویر ابر طیفی در شناسائی ادوات نظامی استتار شده توسط گیاهان و سایر اهداف نظامی استفاده می کنند.
تصحیحات آتمسفری
زمانیکه نور خورشید به سطح زمین می تابد و به سوی سنجنده بر می گردد، آتمسفر مابین، غالبآ مقداری از نور را پراکنده می کند. بنابراین، نور ورودی به سنجنده اندکی کمتر یا بیشتر از مقدار نوری است که از سطح زمین به تنهائی باز می تابد. هدف از تصحیحات آتمسفری، کاهش این اثرات بر روی تصاویر است. تصحیحات آتمسفری عمومآ قبل از تحلیل کمی یا تشخیص تغییرات تصاویر ابرطیفی و چند طیفی ضرورت دارد. الگوریتم های پیشرفته تصحیحات  آتمسفری برای محاسبه تجمع گازهای آتمسفری بطور مستقیم از اطلاعات طیفی تصاویر ابرطیفی توسعه یافته است. دو نمونه از این الگوریتم ها بنام های ACORN ازAnalytical Imaging and Geophysics   و الگوریتم  FLAASH متعلق به Research Systems بصورت برنامه هائی در نرم افزار ENVI در دسترس می باشد.
کتابخانه های طیفی
کتابخانه طیفی شامل مجموعه ای از طیف های بازتابندگی از موادی با ترکیبات شناخته شده است که معمولاً در آزمایشگاه یا زمین تهیه شده است. اغلب محققین کتابخانه طیفی مواد را بعنوان بخشی از یک پروژه و در جهت تسهیل  تحلیل تصاویر ابرطیفی و چند طیفی از محل پروژه جمع آوری می کنند. چندین کتابخانه طیفی با کیفیت بالا نیز در دسترس عموم قرار دارد ( Clark et al., 1993; Grove et al., 1992; Elvidge, 1990; Korb et al., 1996; Salisbury et al., 1991a., 1991b: Salisbury et al., 1994). کتابخانه طیفی نصب شده بر روی نرم افزار ENVI  شامل 27 کتابخانه طیفی میباشد که در خصوص مواد گوناگون از کانی ها، گیاهان و مواد مصنوعی تهیه شده است. طیف های کتابخانه طیفی، ما را در طبقه بندی طیفی تصاویر یاری نموده یا در شناسائی اهداف جهت تحلیل طیفی تصاویر بکار می رود.
طبقه بندی و شناسائی هدف در ENVI
الگوریتم های متعددی جهت پردازش تصاویر ابرطیفی توسعه یافته. اغلب این الگوریتم ها امکان تحلیل و تفسیر دقیق اما بسیار محدود داده های چند طیفی را فراهم می آورد. معمولا روشهای تحلیل طیفی براساس مقایسه طیف یک پیکسل با طیف مرجع صورت می گیرد (اغلب بنام طیف هدف نامیده میشود). طیف هدف از منابع متعددی قابل استخراج است از جمله کتابخانه طیفی، ناحیه مورد نظربر روی تصویر
( region of interest) و یا یک پیکسل منفرد در یک تصویر. متداولترین روش تحلیل تصاویر ابرطیفی/چند طیفی که توسط ENVI مورد استفاده میباشد در زیز توضیح داده می شود.
روش پیکسل کامل
در روش پیکسل کامل، سعی بر این است که بفهمیم آیا یک یا چند ماده هدف در هر پیکسل موجود در تصویر ابرطیفی یا چند طیفی براساس شباهت طیفی با پیکسل هدف وجود دارد. روش پیکسل کامل شامل روش استاندارد طبقه بندی نظارت شده نظیر نزدیکترین فاصلهminimum distance  و یا حداکثر شباهت Maximum likelihood ( Richaeds and Jia, 1999 ) و همچنین نرم افزار خاص پردازش تصاویر ابرطیفی نظیر spectral angle mapper  و spectral feature fitting می باشد.

روش  Spectral Angle Mapper (SAM)
طرح توزیع ارزش های پیکسل از دو باند یک تصویر را در نظر بگیرید. در یک چنین طرحی طیف پیکسل مورد نظر و طیف هدف هر دو بصورت نقاطی ترسیم خواهد شد.(شکل 6).اگر یک بردار از مبدا به هر نقطه ترسیم شود زاویه بین دو بردار زاویه طیفی بین دو نقطه را تشکیل خواهد داد. در روش SAM ( ( Yuhas et al. 1992 زاویه طیفی مابین طیف هر پیکسل و هر کدام از طیف های هدف محاسبه می شود. هر قدر زاویه طیفی کوچکتر باشد، شباهت طیف پیکسل مورد نظرو هدف بیشتر خواهد بود. با توجه به اینکه افزایش یا کاهش روشنائی پیکسل ها تاثیری در جهت بردار ندارد لذا این زاویه طیفی نسبت به تغییرات روشنائی پیکسل ها حساسیتی نخواهد داشت ( پیکسل تیره تر در امتداد همان بردار ترسیم خواهد شد ، اما  نزدیکتر به مبدا میباشد). توجه داشته باشید گرچه، زاویه طیفی محاسبه شده با استفاده از یک نمودار، پراکندگی دو بعدی را توصیف میکند اما محاسبه زاویه طیفی واقعی بر اساس کلیه باند های تصویر میباشد. در مورد یک تصویر ابر طیفی زاویه طیفی از محاسبه زاویه ما بین یک پیکسل و هدف  بدست میآید.
 

AWT IMAGE
شکل 6 . مفهوم  Spectral Angle Mapper

روش Spectral Feature Fitting
روش دیگر برای تطبیق طیف هدف و پیکسل مورد نظر از طریق شناسائی  میزان جذب در یک طیف میباشد (Clark et al. 1991). مثال بارز این روش توسط سازمان زمین شناسی آمریکا توسعه یافته است (clark et al., 2000). شکل نسبتاً ساده این روش، بنام Spectral Feature Fitting بعنوان  بخشی از نرم افزار ENVI در دسترس میباشد.
در این روش کاربر بخشی از طول موج ها را که در آن محدوده جذب بارزی در برخورد با هدف مورد نظر وجود دارد مشخص میکند. سپس با استفاده از دو اندازه گیری طیف پیکسل با طیف هدف مورد مقایسه قرارمیگیرد: 1) عمق عارضه در پیکسل با عمق عارضه در هدف مورد مقایسه قرار میگیرد. 2) شکل عارضه در پیکسل با شکل عارضه در هدف مورد مقایسه قرار میگیرد (با استفاده از روش کمترین مربعات).

روش Sub-Pixel
این روش برای محاسبه کمی هدف در هر کدام از پیکسل های یک تصویر بکار میرود. روش sub-pixel قابلیت تشخیص مقادیر اهداف بسیار کوچکتر از اندازه پیکسل را  دارا میباشد. در شرایطی که کنتراست مابین هدف و زمینه تصویر مناسب باشد با استفاده از این روش اهدافی  تا حد 1-3 % اندازه پیکسل نیز شناسائی شده است. این روش شامل دو متد Linear Spectral Unmixing و فیلترینگ تطبیق یافته matched filtering میباشد.

روش  Complete Linear Spectral Unmixing
مجموعه ای از مواد متشکله سطح زمین در یک صحنه تصویر که دارای طیف خاصی میباشد اغلب بنام طیف endmember آن سین نامیده میشود. روش Linear Spectral Unmixing (Adams et al.,1986 Boardman, 1989) از یک تئوری بهره میگیرد که بر اساس آن طیف بازتابی هر پیکسل حاصل ترکیب خطی کلیه طیف های مربوط به endmember های موجود در آن پیکسل میباشد. یک ترکیب خطی در این زمینه را میتوان بعنوان یک میانگین  وزنی تصور کرد که در آن هر endmember نسبت مستقیم با مساحت پیکسل در بر گیرنده دارد. اگر طیف کلیه endmember ها در یک سین معلوم باشد سپس فراوانی آن در هر پیکسل را میتوان از طیف هر کدام از پیکسل ها محاسبه کرد. این روش بسادگی مجموعه N معادله خطی را برای هر پیکسل حل میکند که در آن  N تعداد باند های تصویر میباشد. متغیرهای نامعلوم دراین معادلات، کسرهای مربوط به هر پیکسل می باشد. برای حل معادلات خطی پیکسلهای نامشخص، لازم است تعداد معادلات بیشتر از پیکسل های مذکور باشد. بدین معنی که تعداد باندهای بیشتری مورد نیاز است که این امر با داده های ابرطیفی قابل حل می باشد. نتایج روش Linear Spectral Unmixing شامل یک تصویر پراکندگی برای هر کدام ازendmember ها میباشد. برای مثال هر گاه ارزش یک پیکسل در یک تصویر از کانی کوارتز برابر 0.90  باشد در آنصورت 90% مساحت پیکسل شامل کوارتز خواهد بود.

روش Matched Filtering
روش فیلترینگ تطبیق یافته Boardman et al.,1995))  نوعی از روش unmixing  است که در آن فقط اهداف انتخابی کاربر به نقشه در می آید. برخلاف روش قبلی، نیاز به داشتن طیف کلیه endmember   ها در یک صحنه تصویر جهت رسیدن به یک تحلیل دقیق نمی باشد (لذا این نوع تحلیل بنام unmixing partial خوانده می شود چرا که تنها، بخشی از معادلات unmixing  حل می گردد). این روش در ابتدا جهت محاسبه توزیع اهداف نسبتآ کمیاب در یک سین توسعه یافته است. اگر چنانکه هدف کمیاب نباشد بایستی با احتیاط از این روش استفاده کرد.
در این روش فیلترینگ از طریق افزایش بازتاب طیف هدف تصویر ورودی جهت تطبیق بهتر با طیف هدف انتخاب شده فیلتر میشود. نظیر روش Complete  Unmixing ارزش پیکسل در تصویر خروجی، متناسب با کسری از پیکسل که دارای ماده مورد نظر یا هدف باشد، خواهد بود. هر پیکسل با ارزش صفر یا کمتر بعنوان زمینه، طبقه بندی خواهد شد. مسئله بالقوه، امکان رسیدن به یک نتیجه مثبت کاذب است. لذا، راه حل آن محاسبه یک معیار دیگر بنام عدم امکانپذیری Infeasibility  می باشد که در نرم افزار ENVI این امکان فراهم شده است. مقدار Infeasibility ، مبتنی بر مقدار نویز و مشخصات آماری تصویر می باشد. پیکسل هائی باInfeasibility  بالا، علیرغم ارزش فیلتر تطبیقی، احتمالاً بطور کاذب طبقه بندی می گردند.

خلاصه
سنجنده های ابرطیفی و آنالیز تصاویر مربوطه، اطلاعات بیشتری در مقایسه با تصاویر سنجنده های چند طیفی فراهم می آورد. با توسعه سنجنده های جدید، تصاویر ابرطیفی بیشتری تولید و همزمان با آن الگوریتم های پردازشی جدیدی نیز توسعه می یابد. از این رو تصاویر ابر طیفی، بعنوان یکی از متداول ترین فناوری های مطرح در زمینه های مختلف تحقیقات، اکتشاف و پایش در رشته های گوناگون مورد استفاده قرار می گیرد.


کلیدواژه ها: ابرطیفی | کاربرد تصاویر ابرطیفی | کاربرد ابرطیفی | طیف الکترومغناطیس |



CAPTCHA

دفعات مشاهده: 5709 بار   |   دفعات چاپ: 612 بار   |   دفعات ارسال به دیگران: 1 بار   |   1 نظر

نظرات کاربران

نظر ارسال شده توسط نام یا پست الکترونیک در تاریخ ۱۳۹۶/۸/۲۳
shahabcivil9@yahoo.com