com
Bagian I
Pengolahan citra
Bagian ini mencakup teknik pemrosesan gambar yang paling bab karena 10% sisanya yang Anda capai selama 90% dari
penting untuk visualisasi gambar, analisis kuantitatif dan waktu Anda yang akan melayani tujuan tingkat tertinggi dari
ekstraksi informasi tematik untuk aplikasi penginderaan jauh. proyek Anda. Poin kuncinya adalah bahwa pemrosesan
Serangkaian bab memperkenalkan topik dengan gambar tematik harus didorong oleh aplikasi, sedangkan
kompleksitas yang meningkat dari algoritme visualisasi pembelajaran kita biasanya didorong oleh teknik.
dasar, yang dapat dengan mudah digunakan untuk
meningkatkan gambar kamera digital Anda, hingga multi- Sederhana
transformasi dimensi-teknik berbasis.
Hasil
Pemrosesan gambar digital dapat meningkatkan kualitas
visual gambar, secara selektif meningkatkan dan menyoroti
Pemrosesan Gambar dan GIS untuk Penginderaan Jauh: Teknik dan Aplikasi, Edisi kedua. Jian Guo Liu dan Philippa J. Mason.
© 2016 John Wiley & Sons, Ltd. Diterbitkan 2016 oleh John Wiley & Sons, Ltd.
Bab 1
1.1 Apa itu citra digital? menjadi lapisan tambahan pemandangan di samping tujuh
pita spektral TM. Demikian pula, jika kita memiliki dataset
Citra adalah gambar, foto, atau bentuk apa pun dari dua- model elevasi digital (DEM) di mana gambar SPOT
representasi dimensi (2D) dari objek atau pemandangan. diperbaiki, maka DEM dapat dianggap sebagai lapisan
Informasi dalam gambar disajikan dalam corak atau warna. gambar SPOT di samping empat pita spektralnya. Dalam
Sebuah gambar digital adalah dua- array dimensi pengertian ini, kita dapat mempertimbangkan satu set co-
angka.Setiap sel citra digital disebut piksel, dan angka yang gambar digital terdaftar sebagai tiga-dataset dimensi (3D)
mewakili kecerahan piksel disebut angka digital (DN) (Gbr. dan dengan dimensi 'ketiga' menyediakan hubungan antara
1.1). Sebagai array 2D, gambar digital terdiri dari data dalam pemrosesan gambar dan GIS.
garis dan kolom. Posisi piksel dialokasikan dengan garis dan Gambar digital dapat disimpan sebagai file di
kolom DN-nya. Data yang tersusun teratur seperti itu, tanpa penyimpanan data komputer pada berbagai media, seperti
koordinat x dan y, biasanya disebut data raster. Karena hard disk, memory stick, CD, dll. Dapat ditampilkan dalam
gambar digital tidak lebih dari array data, operasi matematika warna hitam putih atau berwarna pada monitor komputer
dapat dengan mudah dilakukan pada jumlah gambar digital. juga seperti dalam output hard copy seperti film atau cetak.
Operasi matematika pada citra digital disebut pengolahan Ini juga dapat menjadi output sebagai array angka sederhana
citra digital. untuk analisis numerik. Sebagai citra digital, kelebihannya
Data citra digital juga dapat memiliki dimensi ketiga: antara lain:
lapisan (Gbr. 1.1). Layer adalah gambar dari pemandangan
yang sama tetapi mengandung informasi yang berbeda. • Gambar tidak berubah dengan faktor lingkungan seperti
dalam banyak-gambar spektral, lapisan adalah gambar dari gambar-gambar dan foto-foto hard copy;
rentang spektral yang berbeda yang disebut pita atau saluran. • gambar dapat diduplikasi secara identik tanpa apapun
Misalnya, gambar berwarna yang diambil oleh kamera digital perubahan atau hilangnya informasi;
terdiri dari tiga pita yang berisi informasi spektral merah, • gambar dapat diproses secara matematis untuk
hijau, dan biru satu per satu. Istilah band lebih sering menghasilkan gambar baru tanpa mengubah gambar asli;
digunakan daripada layer untuk merujuk pada multi spectral • gambar dapat ditransmisikan secara elektronik dari atau
images. Secara umum, multi yang terdaftar secara geome ke lokasi terpencil tanpa kehilangan informasi. Gambar
tris- kumpulan data dimensi dari pemandangan yang sama penginderaan jauh diperoleh oleh sistem sensor
dapat dianggap sebagai lapisan gambar. Misalnya, kita dapat benda-benda di atas pesawat terbang atau pesawat ruang
mendigitalkan sebuah peta geologi dan kemudian dicatat angkasa, seperti satelit pengamatan bumi. Sistem sensor
bersama peta digital dengan citra Landsat TM. Kemudian dapat dikategorikan menjadi dua cabang utama: sensor pasif
peta digital dan sensor aktif. Multi-sistem pencitraan optik spektral
bersifat pasif
Pemrosesan Gambar dan GIS untuk Penginderaan Jauh: Teknik dan Aplikasi, Edisi kedua. Jian Guo Liu dan Philippa J. Mason.
© 2016 John Wiley & Sons, Ltd. Diterbitkan 2016 oleh John Wiley & Sons, Ltd.
3
4Bab 1
Merah
warna RGB
Hijau gabungan
Biru
Merah Kuning (SFCC) di mana pita NIR ditampilkan dalam warna merah,
pita merah dalam warna hijau dan pita hijau dengan warna
biru (Gbr. 1.5, kanan bawah). SFCC secara efektif menyoroti
Magenta
vegetasi apa pun dengan warna merah. Jelas, kami dapat
Putih
menampilkan berbagai lapisan gambar, yang tanpa relevansi
spektral, sebagai komposit warna palsu. Komposit warna
palsu adalah kasus umum tampilan warna RGB sedangkan
Warna
komposit warna asli hanya kasus khusus.
vektor
Gambar 1.5 Warna asli dan warna palsu komposit pita biru, hijau, merah dan NIR dari Landsat-7 gambar ETM+. Jika kita menampilkan pita
biru dengan warna biru, pita hijau dengan warna hijau dan pita merah dengan warna merah, maka dihasilkan komposit warna asli seperti yang
ditunjukkan di kiri bawah. Jika kita menampilkan pita hijau dengan warna biru, pita merah dengan warna hijau dan pita NIR dengan warna
merah, maka a so-disebut komposit warna palsu standar diproduksi seperti yang ditunjukkan di kanan bawah.
Gambar 1.6 (a) Sebuah gambar berwarna abu-abu-tampilan skala (B/W); (b) gambar yang sama dalam pseudo-tampilan warna; dan (c)
DN paling terang adalah disorot dengan warna merah di atas abu-abu-latar belakang skala.
8Bab 1
Tampilan B/W sebagai kasus khusus pseudo-tampilan warna tampilan warna sebenarnya adalah kasus khusus dari
di mana skala abu-abu berurutan berdasarkan tingkat DN tampilan warna palsu umum.
digunakan sebagai ganti skema warna. Seringkali, kita dapat • Semu-warna tampilan menghasilkan hilangnya hubungan
menggunakan kombinasi B/W dan pseudo-tampilan warna sekuensial numerik dari DN gambar. Oleh karena itu
untuk menyorot informasi penting dalam rentang DN tertentu bukan lagi citra digital; itu adalah gambar simbol.
dalam warna di atas abu-abu-latar belakang skala seperti
yang ditunjukkan pada Gambar. 1.6(c).
1.4 Pertanyaan
1.3 Beberapa poin penting
1 Apa itu citra digital dan bagaimana komposisinya?
Dalam bab ini, kita mempelajari apa itu citra digital dan 2 Menjelaskan teori warna tristimulus dan prinsip komposisi
elemen-elemen yang membentuk citra digital, dan kita juga warna aditif RGB.
mempelajari tentang tampilan hitam-putih dan warna dari 3 Jelaskan hubungan antara warna primer dan warna
citra digital. Penting untuk mengingat poin-poin penting ini: komplementer menggunakan diagram.
• Sebuah gambar digital adalah dataset raster atau array 2D 4 Ilustrasikan kubus warna dalam diagram. Bagaimana
dari nomor; warna terdiri dari komponen RGB? Jelaskan definisi garis
abu-abu dalam kubus warna.
• Persepsi kita tentang warna didasarkan pada tristimulus
teori penglihatan manusia. Setiap warna terdiri dari tiga 5 Apa itu komposit warna palsu? Jelaskan prinsip
warna primer: merah, hijau dan biru. penggunaan warna sebagai alat untuk memvisualisasikan
informasi spektral multi-gambar spektral.
• Menggunakan kubus warna RGB, warna dapat
diekspresikan sebagai vektor penjumlahan berbobot 6 Jelaskan cara menghasilkan pseudo-tampilan warna. Apa
komponen merah, hijau dan biru. kelebihan dan kekurangan tampilan warna semu?
• Dalam pengolahan citra, warna digunakan sebagai alat
untuk visualisasi informasi gambar. Dari sudut pandang
ini,
Bab 2
Peningkatan kontras, kadang-kadang disebut peningkatan histogram yang unik, tetapi kebalikannya belum tentu benar
radiometrik atau modifikasi histogram, adalah teknik paling karena histogram tidak mengandung informasi spasial.
dasar tetapi juga paling efektif untuk mengoptimalkan Sebagai contoh sederhana, bayangkan berapa banyak pola
kontras dan kecerahan gambar untuk visualisasi atau untuk berbeda yang dapat Anda bentuk pada papan catur kotak 10
menyoroti informasi dalam rentang DN tertentu. × 10 menggunakan 50 bidak putih dan 50 bidak hitam.
Bila X mewakili gambar digital; xij adalah nomor digital Semua pola ini memiliki histogram yang sama!
(DN) dari setiap piksel pada gambar pada baris i dan kolom j. Hal ini wajar untuk memanggil modifikasi histogram
Bila Y mewakili bayangan yang diturunkan dari X dengan operasi titik karena operasi hanya mengubah histogram
a fungsi f; yij adalah nilai keluaran yang sesuai dengan x ij. gambar tetapi tidak hubungan spasial piksel gambar. Dalam
Kemudian peningkatan kontras dapat dinyatakan dalam persamaan 2.1, operasi titik seharusnya dilakukan piksel
bentuk umum: demi piksel. Untuk piksel dengan input DN yang sama tetapi
lokasi yang berbeda (xi j xkl ), fungsi f akan menghasilkan
output yang sama DN (y i j Ykl ). Jadioperasi titik tidak
(2.1) tergantung pada posisi piksel. Operasi titik pada masing-
Pemrosesan ini mengubah gambar input tunggal X masing piksel sama seperti pada level DN:
menjadi gambar output tunggal Y, melalui fungsi f,
sedemikian rupa sehingga DN dari piksel output yij
tergantung pada dan hanya pada DN dari piksel input yang
sesuai xij. Jenis pemrosesan ini disebut operasi titik. yfx (2.2)
Peningkatan kontras adalah operasi titik yang mengubah
kecerahan dan kontras gambar tetapi tidak mengubah ukuran Seperti ditunjukkan pada Gambar. 2.1, misalkan h i (x),
gambar. histogram dari gambar input X, adalah fungsi kontinu;
sebagai operasi titik tidak mengubah ukuran gambar, jumlah
piksel dalam rentang DN x pada gambar input X harus sama
dengan jumlah piksel dalam rentang DN y pada gambar
2.1 Modifikasi histogram dan
keluaran Y, sehingga kita memiliki:
tabel pencarian
Bila x mewakili tingkat DN dari gambar X; jumlah piksel hsayaxxhHaiY y (2.3)
dari setiap tingkat DN h(x) disebut histogram dari gambar X. Membiarkan x 0 lalu kamu 0,
h(x) juga dapat dinyatakan sebagai persentase dari jumlah
piksel tingkat DN x terhadap jumlah total piksel dalam hsayax dx hHaiy dy (2.4)
gambar X. Dalam hal ini, dalam istilah statistik, h(x) adalah
Karena itu,
fungsi kepadatan probabilitas.
Histogram adalah presentasi kontras, kecerahan, dan terim hs x
distribusi data yang baik dari suatu gambar. Setiap gambar terim dx a dx aya
a kasi
memiliki
hy kasih h (2.5)
Hai saya
dy saya
fx dx f x
Pemrosesan Gambar dan GIS untuk Penginderaan Jauh: Teknik dan Aplikasi, Edisi kedua. Jian Guo Liu dan Philippa J. Mason.
© 2016 John Wiley & Sons, Ltd. Diterbitkan 2016 oleh John Wiley & Sons, Ltd.
9
10Bab 2
kamu f(x) Untuk fungsi operasi titik nonlinier, ini meregangkan dan
memampatkan bagian level DN yang berbeda, bergantung
pada gradiennya pada level DN yang berbeda. Ini
ditunjukkan kemudian dalam diskusi tentang fungsi operasi
titik logaritmik dan eksponensial.
kamu Dalam kasus nyata dari citra digital bilangan bulat,
keduanya hi(x) dan ho(y) adalah fungsi diskrit. Diberikan
operasi titikY f(x), tingkat DN x dalam gambar X diubah
menjadi Tingkat DN y pada citra keluaran Y dan jumlah
piksel dengan nilai DN x pada X sama dengan jumlah piksel
dengan nilai DN y pada Y. Dengan demikian,
hsaya x hHai kamu (2.6)
hHai(y) xhsaya (x)
Persamaan 2.6 tampaknya bertentangan dengan persamaan
2.3:
hsaya (x)x hHai (kamu)kamuuntuk kasus fungsi kontinu.
Bahkan, persamaan. 2.6 adalah kasus khusus dari persamaan.
2.3 untuk
x kamu 1, di mana 1 adalah interval DN minimal untuk
x
an
x
citra digital bilangan bulat. Sebenarnya operasi titik
Gambar 2.1 Prinsip-prinsip operasi titik dengan histogram memodifikasi histogram dari citra digital dengan
modifikasi. memindahkan 'histogram bar' dari setiap DN level x ke level
DN baru y sesuai dengan fungsi f. Panjang setiap batang
Kita juga dapat menulis eqn. 2,5 sebagai histogram tidak diubah oleh pemrosesan dan dengan
demikian tidak ada informasi yang hilang, tetapi jarak antara
h
saya
yx
hHai kamu batang histogram diubah. Untuk contoh yang diberikan di
Persamaan 2.5 menjelaskan bahwa histogram citra atas, jarak antara batang histogram digandakan dan dengan
keluaran dapat diturunkan dari histogram citra masukan demikian histogram ekivalen yang dirata-ratakan oleh celah
dibagi dengan turunan pertama fungsi operasi titik. lebih datar daripada histogram gambar input (Gbr. 2.2).
Misalnya, diberikan fungsi linier y 2x 6 lalu 2, dari Dalam pengertian ini, persamaan. 2.3 selalu berlaku
persamaan. 2.5 , kemudian : sementara eqn. 2.6 hanya berlaku untuk batang histogram
individual tetapi tidak untuk histogram yang setara. Operasi
titik dapat menggabungkan beberapa level DN dari gambar
input menjadi satu level DN dari gambar output. Persamaan
Fungsi linier ini akan menghasilkan gambar keluaran dengan 2.6 tidak lagi benar untuk beberapa bar histogram dan hasil
histogram yang diratakan dua kali lebih lebar dan setengah operasi pada informasi yang hilang.
tinggi dari gambar masukan dan dengan semua DN digeser Karena operasi titik sebenarnya adalah modifikasi
ke kiri sebanyak tiga tingkat DN. Fungsi linier ini histogram, operasi ini dapat dilakukan lebih efisien
memperluas rentang DN gambar untuk meningkatkan menggunakan tabel pencarian (LUT). LUT terdiri dari level
kontrasnya. DN dari gambar input X dan level DN yang sesuai pada
Karena f′(x) adalah gradien dari fungsi operasi titik f(x), gambar output Y; contohnya ditunjukkan pada Tabel 2.1.
eqn. 2,5 menunjukkan Saat menerapkan fungsi operasi titik untuk menyempurnakan
• ketika gradien dari fungsi operasi titik adalah lebih besar gambar, pertama-tama LUT dihasilkan dengan menerapkan
dari 1, ini adalah fungsi peregangan yang meningkatkan fungsi y f(x) ke setiap level DN x dari masukangambar X
kontras gambar; untuk menghasilkan tingkat DN yang sesuai y pada gambar
• ketika gradien fungsi operasi titik lebih kecil dari 1 tetapi keluaran Y. Kemudian, gambar keluaran Y dihasilkan hanya
positif, ini adalah fungsi kompresi yang mengurangi dengan mengganti x dengan y yang sesuai untuk setiap
kontras gambar; piksel. Dalam hal ini untuk 8-sedikit gambar, y f(x)
• jika gradien fungsi operasi titik adalah nega tive, maka perludihitung tidak lebih dari 256 kali. Jika operasi titik
bayangan menjadi negatif dengan hitam putih terbalik. dilakukan tanpa menggunakan LUT, y f(x)
Operasi titik (peningkatan kontras)11
hi (x) Ho(y)
x y
(a) (b)
Gambar 2.2 Histogram (a) sebelum dan (b) setelah regangan linier untuk data citra bilangan bulat. Meskipun histogram bar di histogram dari
gambar terbentang di sebelah kanan sama tingginya dengan yang ada di histogram asli di sebelah kiri, histogram ekivalen yang digambar di
kurva lebih lebar dan lebih rata karena interval yang lebih lebar dari batang histogram ini.
Tabel 2.1 Contoh LUT untuk linear kecerahan keseluruhan dengan menggeser posisi nol
fungsi operasi titik Y 2x 6. histogram y to a/b (ke kiri jika negatif dan kebenar jika
positif). LCE meningkatkan kontras gambar tanpa
x Y mendistorsi informasi gambar jika rentang DN keluaran lebih
lebar dari rentang DN masukan. Dalam hal ini, LCE tidak
3 0 melakukan apa-apa selain memperlebar kenaikan level DN
4 2
dan menggeser posisi histogram di sepanjang sumbu DN
5 4
gambar. Misalnya, fungsi LCE Y 2x 6 menggeser
histogram hi(x) ke kiri sebanyak tiga tingkat DN dan
6 6
menggandakan kenaikan DN dari x untuk menghasilkan
7 8
gambar keluaran Y dengan histogramnya ho(Y) hi(x)/ 2 itu
8 10
dua kali lebih lebar dari tapi setengah tinggi aslinya.
… …
130 254 Ada beberapa algoritma LCE populer yang tersedia di
sebagian besar paket perangkat lunak pengolah gambar:
1 Peregangan linier interaktif: Ini mengubah a dan b dari
perlu dihitung sebanyak jumlah piksel dalam gambar. Untuk eqn. 2,7 secara interaktif untuk mengoptimalkan kontras
gambar besar, pendekatan LUT mempercepat pemrosesan dan kecerahan gambar keluaran berdasarkan penilaian
secara dramatis terutama ketika fungsi operasi titikY f(x) visual pengguna.
yang rumit. 2 Peregangan linier piecewise (PLS): Ini menggunakan
Karena sebagian besar sistem tampilan hanya dapat beberapa fungsi linier yang berbeda untuk meregangkan
menampilkan 8-bit integer dalam tingkat keabuan 0-255, rentang DN yang berbeda dari gambar input [Gbr. 2.3(a)–
untuk visualisasi gambar, penting untuk mengkonfigurasi (c)]. PLS adalah fungsi operasi titik yang sangat
fungsi operasi titik sedemikian rupa sehingga rentang nilai serbaguna: dapat digunakan untuk mensimulasikan non-
gambar keluaran Y berada dalam 0-255. fungsi linier yang tidak dapat dengan mudah didefinisikan
oleh fungsi matematika. Sebagian besar paket perangkat
lunak pemrosesan gambar memiliki fungsionalitas PLS
interaktif yang memungkinkan pengguna mengonfigurasi
2.2 Peningkatan kontras linier (LCE)
PLS untuk visualisasi yang dioptimalkan. Ambang batas
dapat dianggap sebagai kasus khusus PLS seperti yang
Fungsi operasi titik untuk peningkatan kontras linier ditunjukkan pada Gambar 2.3(d) dan (e), meskipun dalam
didefinisikan sebagai: konsepnya adalah operasi logika kondisional.
y= a b (2.7) 3 Skala linier: Ini secara otomatis menskalakan rentang DN
gambar ke rentang dinamis penuh dari sistem tampilan (8
Ini adalah yang paling sederhana dan salah satu teknik bit) berdasarkan maksimum dan minimum dari gambar
peningkatan kontras yang paling efektif. Dalam fungsi
input X.
ini,,koefisien a mengontrol kontras gambar keluaran dan b
memodifikasi kamu255x Min x/Maks x Min x (2.8)
12Bab 2
(d) (e)
Gambar 2.3 Fungsi PLS interaktif untuk peningkatan kontras dan thresholding: (a) gambar asli; (b) fungsi PLS untuk peningkatan
kontras; (c) citra yang disempurnakan; (d) fungsi PLS untuk thresholding; dan (e) citra biner yang dihasilkan oleh thresholding.
Dalam banyak paket perangkat lunak pengolah citra 2.2.1 Derivasi fungsi linier dari dua
modern, fungsi ini sebagian besar berlebihan karena titik
operasi yang ditentukan dalam persamaan. 2.8 dapat Seperti yang ditunjukkan pada Gambar. 2.4, fungsi linier
dilakukan dengan mudah menggunakan PLS interaktif. Y a b dapat didefinisikan secara unik oleh dua titik (x 1,
Namun, persamaan 2.8 membantu kita memahami Y1) dan (x2, Y2) berdasarkan rumus
prinsipnya.
k k k
a a ka a
4Penyesuaian mean/standar deviasi: Ini secara linear m m m m
meregangkan gambar untuk membuatnya memenuhi rata- u u1 u2 u1
rata yang diberikan (Eo) dan simpangan baku (SDo). x x1 x2 x1
E E(2.9) Maks( x
sa atauka SDH SDH Diberikan x1Min(x), x2 ) dan kamu10, y2255, kita
yE SD x ya mu ai xE ai kemudian dapat menurunkan fungsi skala linier seperti di
Ha
i Hai SD SD
Hai
SD saya
bawah ini
sa
ya saya saya y 255
dimana Esayadan SDsayaadalah mean dan simpangan baku dari x min x Maks x min x
citra masukan X. 255x min x
Dua fungsi peregangan linier terakhir ini sering digunakan Dengan demikian kamu
untuk pemrosesan otomatis, sedangkan untuk pemrosesan Maks x min x
interaktif PLS adalah pilihan yang jelas.
Operasi titik (peningkatan kontras)13
kamu
(x ,
kamu2 2
kamu ) ( x , y )( x1, kamu1) A
2
mirip dengan (x2, kamu2)
(x1, kamu1)B
kamu (x, y) kamu
- ka -
kamu m kam
SEBUAH 1 u 2 u1
hHai(y)
B =
x-x1 x2 -x1
kamu
1 (x1, kamu1)
x
hsaya (x)
x1 x x2
Gambar 2.4 Derivasi fungsi linier dari dua titik gambar input X dan gambar keluaran kamu.
Demikian pula, fungsi linier untuk rata-rata dan kamu' > 1 y' < 1
penyesuaian standar deviasi yang didefinisikan dalam (2.9)
dapat diturunkan dari
Gambar 2.6 Fungsi peningkatan kontras eksponensial. Gambar 2.7 Histogram pemerataan histogram.
N
hHaiy A (2.14)
2.3.2 Peningkatan kontras eksponensial L
Bentuk umum dari fungsi eksponensial yang digunakan
Menurut persamaan. 2.4,
untuk pengolahan citra didefinisikan sebagai berikut:
hari x dx/hy L
ybekapak 1 (2.12) ini hx dx (2.15)
s
Di sini sekali lagi, a (>0) mengontrol kelengkungan fungsi a
y
a Hai Nsaya
eksponensial, sedangkan b adalah faktor penskalaan untuk
Dengan demikian, fungsi pemerataan histogram adalah
membuat DN keluaran berada dalam rentang nilai yang
sebagai berikut:
diberikan, dan pergeseran eksponensial 1 adalah untuk
menghindari nilai nol karena e0 1. Sebagai kebalikan dari ka L L
fungsi logaritmik, peningkatan kontras eksponensial mu hx dx H x (2.16)
s
menggeser gambar puncak togramnya ke kiri dengan a
y
menyebarkan nilai DN tinggi dan mengompresi nilai DN N saya N a
z g kamu f x
z = f(x) z = g(y)
x z y
Gambar 2.8 Pemerataan histogram bertindak sebagai jembatan untuk pencocokan histogram.
16Bab 2
maksimum dan mean (L, H dan E) untuk output gambar Y
2.6 Teknik peningkatan kontras seperti di bawah ini:
keseimbangan (BCET)
Bias warna adalah salah satu penyebab utama gambar b h2 EL s HL l2DIA
komposit warna yang buruk. Untuk komposisi warna RGB, 2dia L e HL l HE
seb
jika kecerahan rata-rata satu pita gambar secara signifikan H L
ua
lebih tinggi atau lebih rendah dari dua lainnya, gambar h (2.21)
komposit akan menunjukkan bias warna yang jelas. Untuk a 2b
menghilangkan ini, tiga pita yang digunakan untuk komposisi k
h u haku
warna harus memiliki rentang nilai dan rata-rata yang sama.
Teknik peningkatan kontras keseimbangan (BCET) adalah
solusi sederhana untuk masalah ini. Menggunakan fungsi
parabola yang diturunkan dari gambar input, BCET dapat
Gambar 2.9 mengilustrasikan perbandingan antara
meregangkan (atau mengompres) gambar ke rentang nilai
dan rata-rata yang diberikan tanpa mengubah bentuk dasar komposit warna RGB menggunakan pita asli 5, 4 dan 1 dari
histogram gambar. Dengan demikian, tiga pita gambar untuk sub ETM+-adegan dan band yang sama setelah peregangan
komposisi warna dapat disesuaikan dengan rentang nilai dan BCET. Komposit warna dari pita asli [Gbr. 2.9(a)]
rata-rata yang sama untuk mencapai komposit warna yang menunjukkan bias warna yang kuat ke magenta sebagai hasil
seimbang. kecerahan yang jauh lebih rendah di pita 4, ditampilkan
BCET berdasarkan fungsi parabola adalah sebagai berikut: dalam warna hijau. Bias warna ini sepenuhnya dihilangkan
oleh BCET, yang meregangkan semua pita ke kisaran nilai 0-
yaxb2c 255 dan rerata 110 [Gbr. 2.9 (b)]. Komposit warna BCET
(2.20)
Bentuk umum fungsi parabola ini didefinisikan oleh tiga pada Gambar 2.9(b) menyajikan berbagai material medan
koefisien, a, b dan c. Oleh karena itu, ia mampu (jenis batuan, vegetasi, dll.) dalam warna yang jauh lebih
menyesuaikan tiga parameter gambar: minimum, maksimum, khas daripada yang ada pada komposit warna pita gambar
dan rata-rata. Koefisien a, b dan c dapat diturunkan asli pada Gambar 2.9(a). PLS interaktif dapat mencapai hasil
berdasarkan minimum, maksimum dan mean (l, h dan e) dari yang serupa tetapi tanpa kontrol kuantitatif.
gambar input X dan minimum yang diberikan,
(a) (b)
Gambar 2.9 Komposit warna pita ETM+ 5, 4 dan 1 dalam warna merah, hijau dan biru: (a) komposit warna pita asli menunjukkan cor
magenta sebagai akibat dari bias warna; dan (b) komposit warna BCET meregangkan semua pita ke kisaran nilai yang sama 0-255 dan rata-rata
110.
Operasi titik (peningkatan kontras)17
50
2.6.1 Derivasi koefisien a, b dan c untuk
fungsi parabola BCET (Liu 1991)* 20
Bila xi mewakili setiap piksel dari gambar input X, dengan N
piksel, maka minimum, maksimum, dan rata-rata
Fungsi parabola adalah fungsi genap [Gbr. 2.10(a)].
X adalah:
Koefisien b dan c adalah koordinat titik balik parabola yang
1N
menentukan bagian parabola yang akan digunakan oleh
fungsi BCET. Untuk melakukan BCET, titik balik dan bagian
Misalkan L, H dan E adalah minimum, maksimum dan mean terdekat dari parabola harus dihindari, sehingga hanya bagian
yang diinginkan untuk gambar keluaran Y, maka kita dapat dari cabang kurva yang meningkat secara monoton yang
membuat persamaan berikut: digunakan. Ini dimungkinkan untuk sebagian besar kasus
peningkatan kontras gambar.
L Al b2 c
Dari solusi a, b dan c dalam persamaan. 2.23–2.25, kami
2
H ah b c (2.22) memiliki pengamatan berikut:
1 N 2 1 Jika b < l maka a > 0, parabola terbuka ke atas dan bagian
s
e kanan (meningkat secara monoton) cabang parabola
b digunakan dalam BCET.
u
a 2 Jika b > h maka a < 0, parabola terbuka ke bawah dan
E h xsayab c
N bagian kiri (meningkat secara monoton) cabang parabola
saya1 digunakan dalam BCET.
3 Jika l < b < h, maka BCET gagal menghindari titik balik
Memecahkan b dari eqn. 2.22: parabola dan menjadi tidak berfungsi.
260 TM1
230 TM2
TM3
200
TM4
170 TM5
D
N
140 TM6
Keluara
x TM7
10 110
n
Tabel 2.3 Derivasi fungsi parabola BCET untuk citra 7 band sub Landsat TM-adegan untuk meregangkan setiap band untuk L = 0, H =
255dan E = 100.
Gambar
Band gambar masukan koefisien BCET Gambar keluaran BCET
Rata-rata
Min (l) Maks (h) (e) sebuah b c Min (L) Maks(H) Rata-rata (E)
kamu
255
h (y)
Hai
bagian 3
Untuk multi-spektral atau, lebih umum, gambar multi- dimana iiadalah berat bayangan Xi dan k adalah faktor skala.
lapisan, operasi aljabar seperti empat operasi aritmatika dasar Jika wi 1 untuk i 1, ,n dan k n, persamaan 3.2
( , , , ), logaritmik, eksponensial, sin dan tan dapat mendefinisikan sebuah gambar rata-rata.
diterapkan ke nomor digital (DN) dari band yang berbeda Aplikasi penting dari penambahan gambar adalah untuk
untuk setiap piksel untuk menghasilkan gambar baru. mengurangi noise dan meningkatkan sinyal-ke-rasio
Pemrosesan seperti ini disebut operasi aljabar citra. Operasi kebisingan (SNR). Misalkan setiap pita gambar dari n pita
aljabar dilakukan piksel demi piksel di antara DN pita gambar multi-spektral terkontaminasi oleh sumber
spektral (atau lapisan) untuk setiap piksel tanpa melibatkan kebisingan aditif Ni (i 1,2, ,n). Piksel noise tidak mungkin
piksel tetangga. Oleh karena itu mereka dapat dianggap terjadi pada posisi yang sama di band yang berbeda, dan
sebagai operasi multi-titik gambar didefinisikan seperti di dengan demikian DN piksel noise di band i akan dirata-
bawah ini: ratakan dengan non-DN kebisingan di n-1 band lainnya.
yfx1 ,x2 ,xn Akibatnya kebisingan akan sebagian besar ditekan. Hal ini
(3.1) dibuktikan dari teori pemrosesan sinyal bahwa dari n
di mana n adalah jumlah pita atau lapisan.
duplikasi gambar, masing-masing terkontaminasi oleh tingkat
Jelas, semua gambar yang melibatkan operasi aljabar harus kebisingan acak yang sama, SNR dari jumlah gambar dari n
tepat co-terdaftar.
duplikasi ini sama dengan akar kuadrat n kali SNR dari setiap
Untuk memulainya, mari kita perhatikan empat operasi duplikasi individu:
aritmatika dasar: penjumlahan, pengurangan, perkalian dan
pembagian. dalam banyak-operasi titik gambar, pemrosesan
aritmatika kadang-kadang sama dengan operasi matriks,
seperti penambahan dan pengurangan, tetapi kadang-kadang SNRkamu n SNRsaya (3.3)
sangat berbeda dan jauh lebih sederhana daripada operasi
matriks, seperti perkalian dan pembagian gambar. Karena Persamaan 3.3 menyiratkan bahwa untuk n band multi-citra
operasi aljabar gambar relevan dengan posisi, yaitu piksel- spektral, penjumlahan semua pita dapat meningkatkan SNR
ke-berbasis piksel, kita dapat menggeneralisasi deskripsi. sekitar n kali. Misalnya, jika kita rata-rata band 1-4
Bila Xi, i 1,2, ,n perwakilan mengirim kedua ith gambar dari citra Landsat TM, SNR dari citra rata-rata ini adalah
pita dan piksel apa pun di ith citra pita dari kumpulan data sekitar dua kali (4 2) dari masing-masing band individu.
citra n pita X (Xi X), dan Y gambar keluaran serta piksel
apa pun dalam gambar keluaran. Anda mungkin memperhatikan di bab-bab selanjutnya
tentang topik RGB- IHS (merah, hijau dan biru ke intensitas,
warna dan saturasi) transformasi dan analisis komponen
3.1 Tambahan gambar utama (PCA) yang merupakan komponen intensitas yang
Operasi ini menghasilkan penjumlahan berbobot dari dua berasal dari Transformasi RGB-IHS adalah citra rata-rata
atau lebih gambar: dari citra komponen R, G dan B, dan dalam kebanyakan
ka 1 n kasus, komponen utama pertama adalah citra penjumlahan
wsayaXsaya
mu (3.2) berbobot dari semua citra yang melibatkan operasi PCA.
k
saya1
Pemrosesan Gambar dan GIS untuk Penginderaan Jauh: Teknik dan Aplikasi, Edisi kedua. Jian Guo Liu dan Philippa J. Mason.
© 2016 John Wiley & Sons, Ltd. Diterbitkan 2016 oleh John Wiley & Sons, Ltd.
21
22bagian 3
a) (b)
(c) (d)
Gambar 3.1 Perbedaan gambar dari gambar Landsat TM: (a) TM3-TM1 menyoroti fitur merah yang sering dikaitkan dengan oksida besi; (b)
TM4-TM3 mendeteksi fitur diagnostik 'tepi merah' vegetasi; (c) TM5-TM7 meningkatkan fitur penyerapan mineral tanah liat dan hidrat dalam
waktu singkat-rentang spektrum gelombang inframerah (SWIR); dan (d) komposit warna TM3-TM1 merah, TM4-TM3 dalam warna hijau dan
TM5-TM7 dengan warna biru yang menonjolkan oksida besi, vegetasi dan mineral tanah liat dalam warna merah, hijau dan biru.
Pendekatannya adalah menggeser rentang nilai gambar pemrosesan dilakukan berdasarkan tipe data floating point
penyebut ke atas, sebesar 1, untuk menghindari nol. Untuk 8- presisi ganda.
bit image, pergeseran ini mengubah rentang DN gambar dari Gambar rasio Y adalah gambar bilangan real, bukan
0–255 menjadi 1–256 yang hanya melebihi 8 bit. Ini adalah bilangan bulat. Jika keduanya Xidan Xjadalah 8-bit gambar,
masalah untuk generasi yang lebih tua dari sistem rentang nilai maksimum yang mungkin dari Y adalah 0,
pemrosesan gambar sebelum tahun 1990-an tetapi tidak lagi [1/255, 1], (1, 255]. Alih-alih notasi yang lebih sederhana, [0,
menjadi masalah bagi sebagian besar paket perangkat lunak 255], kami sengaja menulis rentang nilai sedemikian rupa
pemrosesan gambar modern di mana gambar cara untuk menekankan
24bagian 3
(a) (b)
Gambar 3.2 Perkalian untuk modulasi citra: (a) citra klasifikasi berkode warna; dan (b) klasifikasi intensitas termodulasi gambar
(a) (b)
(c) (d)
Gambar 3.4 Rasio citra dan rasio komposit warna: (a) citra rasio TM3/TM1; (b) rasio citra TM4/TM3; (c) rasio gambar TM5/TM7; dan (d)
perbandingan warna komposit TM5/TM7 warna biru, TM4/TM3 warna hijau dan TM3/TM1 warna merah.
yakin bahwa informasi target disorot oleh nilai tinggi dalam Gambar 3.1(d) dengan Gambar 3.4(d) untuk melihat
gambar rasio. kesamaan antara teknik differencing dan rasio untuk
Rasio adalah teknik yang efektif untuk meningkatkan fitur peningkatan selektif. Banyak indeks, seperti Normalized
spektral secara selektif. Gambar rasio yang berasal dari Difference Vegetation Index (NDVI), telah dikembangkan
pasangan pita yang berbeda sering digunakan untuk berdasarkan operasi diferensial dan rasio.
menghasilkan komposit warna rasio dalam tampilan RGB. Rasio juga dikenal sebagai teknik yang efektif untuk
Misalnya, komposit warna TM5/ TM7 (biru), TM4/TM3 menekan bayangan topografi. Untuk sudut datang radiasi
(hijau) dan TM3/TM1 (merah) dapat menyoroti mineral matahari tertentu, energi radiasi yang diterima oleh
lempung dengan warna biru, vegetasi berwarna hijau dan permukaan tanah tergantung pada sudut antara permukaan
oksida besi berwarna merah (Gbr. 3.4). Menarik untuk tanah
dibandingkan
26bagian 3
dan radiasi insiden. Oleh karena itu, penerangan matahari Persamaan 3.10 menunjukkan bahwa rasio pita tidak
pada permukaan tanah bervariasi dengan kemiringan dan tergantung pada variasi penerangan matahari yang
aspek medan, yang menghasilkan bayangan topografi. Dalam disebabkan oleh bayangan topografi dan hanya ditentukan
citra penginderaan jauh, informasi spektral sering terhalang oleh pantulan spektral piksel gambar. Piksel objek dengan
oleh variasi bayangan topografi yang tajam. DN dalam pita tanda spektral yang sama akan menghasilkan nilai rasio pita
spektral yang berbeda dari multi-citra spektral sebanding yang sama tidak peduli apakah objek tersebut berada di
dengan radiasi matahari yang diterima permukaan tanah dan bawah iluminasi langsung atau dalam bayangan. Sayangnya,
reflektansi spektralnya. Misalkan DN(λ) mewakili nomor situasi sebenarnya lebih rumit daripada model yang
digital suatu piksel dalam citra pita spektral , maka: disederhanakan ini karena efek atmosfer yang sering
menambahkan konstanta yang berbeda ke pita spektral yang
DN E (3.9)
berbeda. Inilah sebabnya mengapa teknik rasio dapat
di mana (λ) dan E(λ) adalah reflektansi spektral dan radiasi menekan bayangan topografi tetapi mungkin tidak dapat
matahari dari pita spektral yang diterima di permukaan tanah menghilangkan efeknya sepenuhnya. Penekanan bayangan
yang sesuai dengan piksel. berarti kehilangan topografi yang sering menyumbang lebih
Seperti ditunjukkan pada Gambar 3.5, misalkan sebuah dari 90% informasi multi-gambar spektral; rasio gambar
piksel yang mewakili permukaan tanah yang menghadap karena itu mengurangi SNR secara signifikan.
matahari menerima n kali energi radiasi yang diterima oleh
piksel lain dari permukaan tanah yang menghadap jauh dari
matahari, maka DN dari dua piksel dalam pita spektral i dan j 3.5 Penurunan indeks dan
adalah sebagai berikut: peningkatan yang diawasi
Bayangan piksel: Kombinasi tak hingga dari operasi aljabar dapat diturunkan
dari operasi aritmatika dasar dan fungsi aljabar. Kombinasi
DN1 saya saya E saya danDN1 j j E j
operasi aljabar tanpa tujuan dapat berarti permainan tanpa
akhir dan berpotensi tanpa hasil, yaitu, Anda mungkin
Iluminasi menghadap piksel: menghabiskan waktu yang sangat lama tanpa mencapai hasil
DN2 saya n saya E saya danDN2 j n j E j yang memuaskan. Atau, Anda mungkin menemukan gambar
yang mengesankan secara visual tanpa dapat menjelaskan
Jadi rasio antara band i dan j untuk kedua piksel adalah: atau menafsirkannya. Untuk merancang operasi gabungan
yang bermakna dan efektif, pengetahuan tentang sifat
s
spektral target sangat penting. Formula harus disusun
a
DN1sa yE berdasarkan prinsip spektral atau fisik dan dirancang untuk
R1 ya a saya peningkatan target tertentu; ini kemudian disebut sebagai
saya,j
DN1j j E j indeks spektral, seperti NDVI. Sebuah indeks dapat dianggap
(3.10) sebagai peningkatan yang diawasi. Di sini kami
s s
a E a memperkenalkan secara singkat beberapa contoh indeks yang
DN2sa y sa y umum digunakan berdasarkan data citra Landsat TM/ETM+.
R2 ya n a ya a E saya Anda dapat merancang indeks Anda sendiri untuk tugas
saya,j
DN2j n j Ej j Ej pemrosesan gambar tertentu berdasarkan analisis spektral.
Dalam Bagian III buku ini, Anda mungkin menemukan
Karena ituR1saya , j R2saya , j beberapa contoh peningkatan terawasi semacam ini dalam
studi kasus pengajaran dan penelitian.
Radiasi sinar matahari
3.5.1 Indeks vegetasi
Seperti ditunjukkan pada Gambar 3.6, vegetasi yang sehat
DN2 memiliki puncak refleksi yang tinggi pada inframerah dekat
DN1
(NIR) dan lembah serapan pada warna merah. Jika kita bisa
melihat NIR, vegetasi akan menjadi NIR daripada hijau.
Perbedaan signifikan antara pita merah dan NIR ini dikenal
sebagai tepi merah; itu unik
Gambar 3.5 Prinsip fungsi penekanan bayangan gambar rasio.
Operasi aljabar (multi-operasi titik gambar)27
225
Mineral tanah liat
200
175
150
125
tanah merah
100
75
Vegetasi
50
Gambar 3.6 Gambar tanda tangan spektral vegetasi, tanah merah dan mineral lempung.
properti spektral yang membuat vegetasi berbeda dari semua 3.5.2 Indeks rasio oksida besi
objek tanah lainnya. Jelas, fitur spektral diagnostik vegetasi Besi oksida dan hidroksida adalah beberapa mineral yang
ini dapat ditingkatkan secara efektif dengan operasi paling umum terjadi di lingkungan alam. Mereka tampak
differencing dan rasio. Hampir semua indeks vegetasi merah atau coklat kemerahan dengan mata telanjang karena
dirancang untuk menonjolkan tepi merah dalam satu atau lain reflektansi tinggi dalam warna merah dan penyerapan dalam
cara. warna biru (Gbr. 3.6). Ciri khas merah pada permukaan
NDVI adalah salah satu indeks vegetasi paling populer: tanah, seperti tanah merah, terkait erat dengan keberadaan
mineral bantalan besi. Kita dapat meningkatkan oksida besi
menggunakan rasio antara gambar pita spektral merah dan
biru [Gbr. 3.8(a)]:
(a) (b)
Gambar 3.7 (a) Landsat TM NDVI; dan (b) gambar rasio vegetasi.
(a) (b)
Gambar 3.8 (a) gambar indeks rasio oksida besi TM; dan (b) citra indeks rasio mineral lempung TM.
Indeks ini hanya dapat mencapai peningkatan umum semua diskriminasi spesifik dari mineral lempung yang berbeda
mineral lempung menggunakan citra TM, ETM+ atau (meskipun masih belum identifikasi spesifik). Anda dapat
Landsat Operational Land Imager (OLI). Citra ASTER, di mencoba merancang indeks ASTER untuk menargetkan
sisi lain, menawarkan 5 pita SWIR dan memungkinkan lebih berbagai mineral lempung sendiri.
banyak lagi
Operasi aljabar (multi-operasi titik gambar)29
item dalam 3.21 setara dengan offset spektral pita; itu adalah
3.6 Standardisasi dan konstan untuk semua piksel dalam satu pita spektral tetapi
residu logaritmik bervariasi dengan pita spektral yang berbeda.
Teknik residual logaritmik menekan bayangan grafik topo
Contoh khas dari operasi aljabar gabungan disebut lebih efektif daripada teknik lainnya tetapi gambar yang
standarisasi: dihasilkan seringkali tidak mengesankan secara visual,
bahkan setelah peregangan yang tepat, karena SNRnya yang
(3.18) agak rendah.
n k
x x
.. saya
i 1 1
Berdasarkan konsep keseimbangan radiasi
di semua band. (Robinson 1966) keseimbangan radiasi matahari, B, di bumi
Kemudian, dijelaskan oleh
ka lnRsaya
mu B E 1 Me
saya e (3.20) EMe (3.25)
Msebuah Me
dimana kamusayaadalah residu logaritmik dari xsaya.
Kita bis
dimana Me adalah radiasi yang dipancarkan (emisi termal)
dari permukaan tanah.
Kemudian,
Item pertama dalam eqn. 3.21 memiliki bentuk yang mirip E E E Mr Msebuah Mr Me B
dengan 3.18 tetapi penyebutnya adalah rata-rata geometrik dan atau,
bukan rata-rata aritmatika untuk piksel i di atas k pita. Kedua EBMrMe (3.26)
30bagian 3
Objek tanah yang gelap (albedo rendah) menyerap lebih Albedo , sebagai reflektansi total, adalah integral dari
banyak energi radiasi matahari (kebanyakan di wilayah radiasi spektral yang dipantulkan, pada seluruh rentang
spektral NIR yang terlihat) daripada objek terang (albedo spektral, dibagi dengan radiasi:
tinggi) dan menjadi lebih hangat karena proses
termodinamika yang rumit di dalam material medan; ini E d
0 (3.30)
berarti bahwa objek gelap akhirnya-memancarkan lebih E
banyak radiasi termal di wilayah spektral termal 8–14 m.
Kami mendefinisikan reflektansi spektral simulasi pita
Hubungan komplementer umum antara radiasi pantul Mrdan sebagai
radiasi yang dipancarkan M edari permukaan tanah dapat
dengan mudah diamati pada gambar TM atau ETM+ di mana
subjek gelap dalam gambar pita tampak cerah dalam gambar Sisi kanan persamaan ini terdiri dari dua komponen,
pita termal dan sebaliknya. Fenomena tersebut menyiratkan reflektansi (λ) dan rasio radiasi spektral pita terhadap radiasi
bahwa jumlah Mrdan Me, sisi kanan persamaan. 3.26, dapat simulasi: E(λ)/(E B). Rasio radiasi ini kira-kira konstan
diperlakukan secara kasar sebagai konstanta untuk radiasi E untuk semua piksel dalam pita gambar karena E(λ) dan E B
tertentu, dan karena itu tidak tergantung pada sifat spektral bervariasi dengan topografi dengan cara yang mirip dengan
(albedo) permukaan tanah. yang didefinisikan oleh eqn. 3.27. Akibatnya, fitur
Iradiasi E bervariasi dengan topografi saja. Misalkan topografi ditekan dan gambar yang ditentukan oleh 3,31
matahari adalah sumber radiasi 'paralel' ke bumi dengan berbanding lurus dengan gambar reflektansi spektral dengan
kerapatan fluks radiasi insiden konstan M s, maka radiasi faktor konstan.
matahari di permukaan tanah, E, bervariasi dengan sudut Demikian pula, pancaran termal simulasi didefinisikan
antara permukaan tanah dan radiasi matahari yang datang, . sebagai
Ketika permukaan tanah tegak lurus terhadap datangnya Me Me
sim (3.32)
radiasi matahari Ms, E maksimum dan sama dengan M s. Jika Mr Me E B
radiasi matahari memiliki sudut zenith 1dan sudut azimuth1, Banyak sistem sensor udara memiliki keduanya multi-pita
maka radiasi pada permukaan tanah dengan sudut spektral dan pita termal dengan resolusi spasial yang sama,
kemiringan2dan arah aspek2dapat dihitung sebagai seperti gambar Airborne Thematic Mapper (ATM). Dalam
EMs Dosa hal ini reflektansi yang disimulasikan dapat diturunkan dari
(3.27)
M dosa1dosa2karen 1 2karena1karena pita-pita ini tanpa menurunkan resolusi spasial. Untuk
s a
2 gambar ATM, Medirekam dalam pita termal luas ATM11 (8–
Seperti yang dinyatakan dalam eqn. 3.25, B bergantung 14 m) dan Mr dipecah dan direkam dalam 10 pita spektral
pada radiasi matahari E dan oleh karena itu dipengaruhi oleh reflektif ATM1–ATM10. Gambar pita pankromatik simulasi
topografi dengan cara yang sama seperti persamaan. 3.27. Mroleh karena itu dapat dihasilkan sebagai jumlah tertimbang
Dengan demikian E B bervariasi terutama dengan topografi dari 10 pita spektral reflektif:
10
sementara invarian terhadap albedo permukaan tanah ρ.
Mr wsayaATMi
Kami mengacu pada E B didefinisikan oleh 3.26 sebagai saya 1
simulasi radiasi-nenek moyang, karena berperilaku seperti
radiasi tetapi dengan energi yang dimodifikasi oleh B. Bobotnyasayadapat dihitung baik dari faktor gain sensor dan
offset atau menggunakan kurva radiasi matahari dan
bandwidth spektral, seperti yang dijelaskan nanti.
3.7.2 Gambar reflektansi spektral yang Jadi, berdasarkan persamaan. 3.31, kami memiliki gambar
disimulasikan reflektansi simulasi ATM:
Untuk radiasi spektral yang dipantulkan dari panjang Mr ATM
gelombang tertentu , eqn. 3.22 menjadi sim 10
(3.33)
E B
ATM11wsaya ATMi
Mr E (3.28) saya1
Dan gambar pancaran termal broadband ( sim) untuk ATM Iradiasi matahari di permukaan laut
diberikan oleh 1600
(Wm 2 m-1 )
1400
–
1200
1000
800
radiasi
600
Demikian pula, kita dapat memperoleh gambar
400
Spektral
reflektansi/pancaran yang disimulasikan untuk dataset
200
Landsat TM, ETM+, OLI dan ASTER tetapi dengan resolusi
0
spasial yang menurun karena resolusi pita termal dari sistem 0 0,3 0.6 0.9 1.2 1.5 1.8 2.1 2.4 2.7 3
sensor ini secara signifikan lebih rendah daripada resolusi Panjang gelombang spektral
(m)
multi-pita spectral reflektif.
TM simulasi reflektansi/emitansi: Gambar 3.9 Iradiasi spektral matahari di permukaan laut (setelah
Fraster 1975).
2 Penggunaan kurva radiasi matahari (Gbr. 3.9) untuk
menghitung bobot. Ketinggian rata-rata pita spektral
dalam kurva radiasi matahari diukur dan kemudian
dimana TMsim_ρ_ε adalah reflektansi simulasi ρsim(λ) untuk dikalikan dengan bandwidth. Produk, setelah re-
band 1 ~ 5,7 dan pancaran simulasi εsim(λ) untuk band penskalaan ke persentase berdasarkan penjumlahan produk
6. untuk semua pita spektral, adalah bobot untuk pita. Setiap
Untuk gambar ETM+ kita bisa menggunakan rumus yang pita gambar harus diregangkan secara linier dengan
potongan yang tepat-off di kedua ujung tinggi dan rendah
sama seperti di atas. Kita juga dapat menggunakan citra pita
dari histogram sebelum berat diterapkan. Peregangan ini
pankromatik (ETM+ Pan) untuk menggantikan pita 2, 3 dan
secara kasar menghilangkan efek hamburan atmosfer dan
4 pada persamaan. 3.35 karena rentang spektral Pan ETM+
memanfaatkan seluruh rentang DN gambar secara efektif
mencakup rentang yang sama dari ketiga pita ini.
(0–255 untuk 8-sedikit data). Dengan semua pita gambar
Reflektansi/emitansi simulasi ASTER:
memiliki rentang DN yang sama setelah peregangan,
ASTER ASTER bobot yang dihitung dari kurva radiasi matahari kemudian
sim_ _ 9 14 (3.36) dapat diterapkan ke semua pita dengan dasar yang sama.
wsayaASTE Gambar pankromatik simulasi yang dihasilkan, pada
Ri wjASTERj
saya1 j10 prinsipnya, harus ditinjau lebih lanjut-diskalakan ke
mengoptimalkan pembatalan albedo dalam penjumlahan
dimana ASTERsim_ρ_εadalah reflektansi simulasi ρsim(λ) untuk
dengan citra pita termal sehingga menghasilkan citra
band 1~ 9 dan pancaran simulasi εsim (λ) untuk band 10 radiasi yang disimulasikan (penyebut dari persamaan
~ 14. 3.34). Sebuah citra irradiance nyata harus mewakili variasi
3.7.3 Perhitungan bobot dalam topog raphy saja, tanpa pengaruh albedo.
Seperti dijelaskan di atas, gambar ATM pankromatik yang Pembatalan efektif albedo dalam citra irradiansi simulasi
disimulasikan dihasilkan dari jumlah bobot semua pita adalah faktor kunci untuk mempertahankan informasi
spektral ATM. Dalam praktiknya, ini melibatkan gambar pra- albedo dalam citra reflektansi simulasi berikutnya. Dalam
pengolahan dan perhitungan bobot dan dapat dilakukan prakteknya, bobot dapat dimodifikasi sewenang-wenang
dengan beberapa cara: untuk mencapai peningkatan fitur spektral tertentu. Tabel
1 standar de-prosedur kalibrasi untuk mengubah DN gambar 3.1 dan 3.2 memberikan bobot pita ATM dan ETM+.
di setiap pita spektral menjadi pancaran menggunakan 3.7.4 Contoh: Komposit warna reflektansi
penguatan dan offset sensor: simulasi ATM
Gambar 3.10 menunjukkan komposit warna pita ATM 9, 4
dan 2 dalam warna merah, hijau dan biru (a) dan komposit
Konversi yang sama juga harus dilakukan pada pita termal. warna reflektansi yang disimulasikan dari pita yang sama (b).
Koreksi atmosfer yang hati-hati diperlukan sebelum Itu
penjumlahan diimplementasikan.
32bagian 3
Tabel 3.1 Bobot untuk pita ATM dalam perhitungan simulasi reflektansi.
Band ATM 1 2 3 4 5 6 7 8 9 10 11
Panjang
gelombang (µm) 0,42–0,45 0,45–0,52 0,52–0,60 0,60–0,62 0,63–0,69 0,69–0,75 0,76–0,90 0,91-1,05 1.55–1.75 2.08–2.35 8.50–14.0
E Wm2m1 1440 1420 1307 1266 1210 909 710 505 148 43
Bobot 0,07 0.16 0.17 0,04 0.12 0,09 0.16 0.12 0,05 0,02 1
Tabel 3.2 Bobot untuk TM/ETM+ band dalam perhitungan simulasi reflektansi.
TM/ETM+ Band 1 2 3 4 5 6 7
Panjang gelombang
(µm) 0,45–0,53 0,52–0,60 0,63–0,69 0,76–0,90 1.55–1.75 10,4–12,5 2.08–2.35
Bobot 0.2 0,3 0.2 0.1 0.1 1 0.1
(a)
(b)
Gambar 3.10 (a) Komposit warna pita ATM 9, 4 dan 2 berwarna merah, hijau dan biru; (b) komposit warna reflektansi yang disimulasikan
ATM band 9, 4 dan 2
komposit warna normal disiapkan menggunakan BCET Komposit warna pita ATM 9, 4 dan 2 umumnya baik
untuk presentasi warna yang optimal. Untuk komposit warna untuk interpretasi visual jenis batuan, mineral alterasi dan
reflektansi yang disimulasikan, semua pita gambar tanah/regolit. Gambar 3.10 memberikan kesan keseluruhan
diregangkan secara linier dengan kliping di kedua ujung bahwa komposit warna reflektansi yang disimulasikan (b)
histogram gambar untuk memanfaatkan sepenuhnya 8-bit (0- memiliki tampilan warna yang sangat mirip dengan komposit
255) rentang nilai, dan kemudian bobot pada Tabel 3.1 warna normal (a) tetapi dengan topografi yang ditekan.
diterapkan. Gambar reflektansi simulasi yang dihasilkan Kesamaan umum ini memudahkan interpretasi visual karena
dipantulkan secara linier-diskalakan ke 0–255 untuk tampilan warna gambar berhubungan langsung dengan
warna.
Operasi aljabar (multi-operasi titik gambar)33
menyusun rumus aljabar, umumnya disebut sebagai 5 Mengapa perbedaan gambar menurunkan SNR?
peningkatan yang diawasi. Jika rumus seperti itu tidak 6 Jelaskan perkalian gambar dan aplikasi utamanya.
bergantung pada citra dan dapat digunakan secara luas, ini
disebut citra indeks; misalnya, NDVI sangat baik-citra indeks 7 Jelaskan ciri-ciri rentang nilai citra rasio. Apakah
vegetasi yang diketahui. menurut Anda dua gambar rasio timbal balik berisi
Salah satu isu penting untuk peningkatan spektral adalah informasi yang sama ketika ditampilkan setelah skala
penekanan efek bayangan topografi. Rasio-teknik berbasis, linier? Jelaskan mengapa.
standarisasi dan sisa logaritmik didasarkan pada pembatalan 8 Dengan menggunakan diagram, gambarkan gambar rasio
numerik variasi dalam penerangan matahari. Hasilnya terkait dalam bentuk transformasi koordinat antara koordinat
dengan rasio reflektansi spektral antara band yang berbeda Cartesian dan kutub.
sementara variasi albedo akan ditekan bersama dengan 9 Jelaskan prinsip-prinsip penekanan topografi
topografi. Reflektansi simulasi, sebaliknya, yang didasarkan menggunakan teknik rasio gambar.
pada model fisik sederhana dari radiasi matahari di 10 Apa itu NDVI dan bagaimana desainnya? Apakah itu
permukaan tanah, menyajikan sifat-sifat reflektansi spektral indeks rasio atau indeks perbedaan dan mengapa?
sejati, termasuk albedo, dengan hanya perbedaan yang 11 Jelaskan desain dan fungsionalitas Landsat TM atau
konstan. indeks oksida besi dan tanah liat Landsat TM atau
ETM+.
12 Coba pendekatan pembedaan yang dinormalisasi, mirip
dengan NDVI, untuk meningkatkan oksida besi dan
3.9 Pertanyaan
mineral lempung. Bandingkan hasilnya dengan indeks
1 Mengapa operasi aljabar gambar juga dikenal sebagai rasio yang relevan dan jelaskan mengapa rasionya-indeks
multi-operasi titik gambar? Tuliskan definisi matematika berbasis lebih efektif untuk kedua jenis mineral ini.
dari multi-operasi titik gambar. (Kunci: sinyal tepi merah untuk vegetasi jauh lebih kuat
2 Mengapa penambahan gambar dapat meningkatkan SNR daripada perbedaan antara merah dan biru untuk oksida
gambar? Jika sembilan foto dari pemandangan yang sama besi antara pita SWIR untuk mineral lempung).
diambil, menggunakan kamera stasioner di bawah kondisi 13 Jelaskan dan bandingkan teknik standarisasi dan
pencahayaan yang sama, dan kemudian dijumlahkan untuk logaritma residual dan fungsinya.
menghasilkan gambar rata-rata, berapa kali peningkatan
SNR dibandingkan dengan gambar individual? 14 Apa itu simulasi reflektansi? Apa syarat esensial untuk
3 Jelaskan operasi perbedaan (pengurangan) dan rasio derivasi dari citra refleksi yang disimulasikan?
(pembagian) gambar dan kemudian bandingkan kedua 15 Mengacu pada model fisik untuk derivasi reflektansi
teknik dalam hal deteksi perubahan, peningkatan selektif, simulasi, jelaskan mengapa dapat dianggap sebagai
dan efisiensi pemrosesan. simulasi reflektansi yang sebenarnya.
4 Seberapa penting bobot dalam pengurangan gambar? 16 Apa keuntungan utama dari simulasi refleksi atas rasio,
Sarankan pra yang cocok-teknik pemrosesan untuk standarisasi dan teknik sisa logaritmik?
diferensiasi gambar.