1. Εισαγωγή PANSHARPENING Τα τελευταία χρόνια η διαθεσιμότητα των δορυφορικών εικόνων και αντίστοιχων ψηφιακών δεδομένων έχει αυξηθεί κατακόρυφα, Παράλληλα η συλλογή αυτών των εικονιστικών δεδομένων γίνεται με πληθώρα χωρικών, ραδιομετρικών ακόμα και χρονικών αναλύσεων. Για να συνδυαστούν διαφορετικές εικόνες με συμπληρωματική πληροφορία σε ένα σύνθετο και πιο αξιοποιήσιμο παράγωγο, χρησιμοποιούνται συνήθως τεχνικές συγχώνευσης εικόνας (image fusion). Οι συγχωνευμένες εικόνες έχουν τέτοιο πλούτο πληροφορίας, ώστε να βοηθούνται οι αλγόριθμοι ανάλυσης εικόνας και να βελτιώνονται τα αποτελέσματά τους (Vijayaraj 2004). Η διαδικασία pansharpening (παγχρωματική όξυνση, πανόξυνση) είναι μια διαδικασία συγχώνευσης εικόνων, συνήθως σε επίπεδο εικονοψηφίδας (pixel), για να επιτευχθεί η αύξηση της χωρικής ανάλυσης πολυφασματικών εικόνων αφενός με την εκμετάλλευση της χωρικής πληροφορίας από την υψηλής ανάλυσης παγχρωματική εικόνα και αφετέρου με ταυτόχρονη διατήρηση της ραδιομετρικής ανάλυσης της πολυφασματικής καταγραφής. Η διαδικασία αυτή είναι γνωστή και ως συγχώνευση αναλύσεων (resolution merge), ολοκλήρωση εικόνων (image integration) ή και συγχώνευση δεδομένων από πολλαπλούς δέκτες (multisensor data fusion). Η τεχνικές pansharpening εφαρμόζονται για να ενισχυθούν κάποια χαρακτηριστικά που δεν εμφανίζονται στις επί μέρους εικόνες, για να εντοπισθούν ενδεχόμενες αλλαγές σε διαχρονικά δεδομένα, για να ενισχυθεί η γεωμετρική διόρθωση και να βελτιωθεί η ταξινόμηση. Στην διεθνή βιβλιογραφία περιγράφονται πολλοί και διαφορετικοί αλγόριθμοι για την εκτέλεση του pansharpening, μερικοί από τους οποίους έχουν ήδη ενσωματωθεί σε εμπορικά λογισμικά ψηφιακής επεξεργασίας δορυφορικών δεδομένων. 2. Συγχώνευση εικόνων Τα σύγχρονα συστήματα συλλογής ψηφιακών εικονιστικών δεδομένων (είτε αερομεταφερόμενα είτε δορυφορικά) καταγράφουν πληροφορίες σε ένα μεγάλο εύρος του φάσματος της ηλεκτρομαγνητικής ακτινοβολίας και σε διαφορετικές χωρικές, χρονικές και ραδιομετρικές αναλύσεις. Για την αποτελεσματική εκμετάλλευση όλων αυτών των εικονιστικών δεδομένων, αναπτύχθηκαν πολλές και διαφορετικές τεχνικές συγχώνευσης εικόνων (Pohl & VanGenderen 1998). Η συγχώνευση εικόνων είναι ένα σύνολο μεθόδων, εργαλείων και μέσων για την χρήση δεδομένων από δύο ή περισσότερες Σχήμα 1: Συγχώνευση εικόνων στο επίπεδο της εικονοψηφίδας απεικονίσεις με στόχο την βελτίωση της ποιότητας της πληροφορίας (Wald 1999). Η βελτίωση αυτή της ποιότητας της πληροφορίας οδηγεί σε βελτίωση της ακρίβειας των επεξεργασιών (π.χ. ταξινόμηση, κατάτμηση κ.τ.λ.) σε σύγκριση με εκείνη από την αντίστοιχη επεξεργασία μιας εικόνας.
Η συγχώνευση εικόνας μπορεί να επιτευχθεί σε τρία διαφορετικά επίπεδα: Στο επίπεδο της εικονοψηφίδας (pixel), των χαρακτηριστικών και σε αυτό της απόφασης. Κατά την συγχώνευση σε επίπεδο εικονοψηφίδας, δημιουργείται μια νέα εικόνα, της οποίας οι εικονοψηφίδες παίρνουν τιμές με συνδυασμό των τιμών των εικονοψηφίδων των διαφόρων εικόνων με βάση κάποιον αλγόριθμο. Η νέα εικόνα χρησιμοποιείται για περεταίρω επεξεργασία, όπως για παράδειγμα εξαγωγή χαρακτηριστικών ή ταξινόμηση (Σχήμα 1). Σχήμα 2: Συγχώνευση εικόνων στο επίπεδο των Σχήμα 3: Συγχώνευση στο επίπεδο της απόφασης χαρακτηριστικών Στην περίπτωση της συγχώνευσης σε επίπεδο χαρακτηριστικών, εξάγονται πρώτα τα χαρακτηριστικά από εικόνες της ίδιας γεωγραφικής περιοχής και στην συνέχεια τα χαρακτηριστικά αυτά ταξινομούνται με την χρήση κατάλληλων αλγορίθμων (Σχήμα 2). Στην περίπτωση της συγχώνευσης στο επίπεδο της απόφασης, οι εικόνες υπόκεινται σε επεξεργασία ξεχωριστά. Η προκύπτουσα πληροφορία εμπλουτίζεται κατόπιν με συνδυασμό των διαφόρων πηγών και οι ενδεχόμενες ασάφειες αντιμετωπίζονται με την βοήθεια κατάλληλων κανόνων (Σχήμα 3). 3. Χωρική και Ραδιομετρική ανάλυση Όπως ήδη περιγράφηκε αναλυτικά (Κεφάλαιο 3) η χωρική ανάλυση είναι ένα μέτρο της ικανότητας διαχωρισμού κοντινών και μικρών αντικειμένων στο έδαφος. Ωστόσο η έννοια αυτή τείνει να δηλώνει το τμήμα του εδάφους που απεικονίζεται σε μία εικονοψηφίδα (pixel), ταυτίζεται δηλαδή με το μέγεθος της εδαφοψηφίδας (δηλαδή την GSD, Ground Sampling Distance). Για πολλούς μάλιστα ερευνητές το μέγεθος αυτό αντικαθιστά πλέον την έννοια της κλίμακας (χάρτη ή εικόνας), χωρίς αυτό να είναι απολύτως τεκμηριωμένο. Η ραδιομετρική ανάλυση, από την άλλη μεριά, είναι ένα μέτρο του φασματικού εύρους που ανιχνεύεται από έναν δέκτη και χρησιμοποιείται σε μια απεικόνιση. Αυτό το μέτρο συνήθως εξαρτάται από τις ικανότητες του αισθητήρα. Όσο πιο περιορισμένο είναι αυτό το εύρος, τόσο υψηλότερη είναι η ραδιομετρική ανάλυση. Εάν ένας δέκτης είναι ευαίσθητος σε 4-7 περιοχές του φάσματος λέγεται συνήθως πολυφασματικός, ενώ όσο αυτός ο αριθμός μεγαλώνει (μπορεί να φτάσει και σε μερικές εκατοντάδες) ο δέκτης λέγεται υπερφασματικός. Σε όλα τα συστήματα δεκτών σήμερα υπάρχουν και παγχρωματικοί αισθητήρες που είναι ευαίσθητοι μόνο στο παγχρωματικό εύρος, δηλαδή από το υπεριώδες έως το ορατό, που σημαίνει μεταξύ 300-900 nm. Επειδή ο ψηφιακός παγχρωματικός αισθητήρας είναι ευαίσθητος σε ένα σχετικά μεγάλο εύρος του φάσματος, χρειάζεται λιγότερο φως για να καταγράψει την έντασή της σχετικής
ακτινοβολίας. Αντίθετα ο αισθητήρας που είναι ευαίσθητος σε συγκεκριμένο μήκος κύματος, χρειάζεται περισσότερο φως, γιατί είναι ευαίσθητος σε πιο περιορισμένο εύρος του φάσματος. Αυτή η διαφοροποίηση στην ποσότητα της ενέργειας που απαιτείται για να αντιδράσει το πυρίτιο του αισθητήρα, οδήγησε στην κατασκευή CCD με μικρότερα φωτοευαίσθητα στοιχεία (sel) για το παγχρωματικό φάσμα και με μεγαλύτερα για τους πολυφασματικούς αισθητήρες. Έτσι για το ίδιο ύψος πτήσης, η χωρική ανάλυση (δηλ. η GSD) είναι μικρότερη -άρα καλύτερη- για την παγχρωματική καταγραφή και μεγαλύτερη, δηλαδή χειρότερη, για τις πολυφασματικές καταγραφές. Αυτό συμβαίνει σε όλους τους σύγχρονους ψηφιακούς δέκτες, αερομεταφερόμενους ή δορυφορικούς. Αυτή η εγγενής αδυναμία των δεκτών σήμερα, καθιστά απαραίτητη την διαδικασία της κατάλληλης συγχώνευσης των διαφόρων καταγραφών, ώστε να γίνει εκμετάλλευση τόσο της αυξημένης ανάλυσης της παγχρωματικής καταγραφής, όσο και της αυξημένης ραδιομετρικής ανάλυσης από τους άλλους πολυφασματικούς δέκτες. Η διαδικασία αυτή επιτυγχάνεται με το pansharpening (πανόξυνση). Για τους παραπάνω φυσικούς περιορισμούς, οι περισσότεροι δορυφορικοί και αερομεταφερόμενοι ψηφιακοί δέκτες διαθέτουν δύο ειδών αισθητήρες, που αντίστοιχα παρέχουν δύο ειδών ψηφιακές καταγραφές: Την πολυφασματική καταγραφή (XS), που αποτελείται από 3 με 8 διαφορετικά φασματικά κανάλια που περιλαμβάνουν συνήθως το μπλε, το κόκκινο, το πράσινο και το εγγύς υπέρυθρο κανάλι με περιορισμένη χωρική ανάλυση (π.χ. 2.8 με 2 m για τους σύγχρονους δορυφορικούς δέκτες). Την παγχρωματική καταγραφή (PAN), που είναι μια εικόνα γκρίζων τόνων (grayscale) που παράγεται από έναν αισθητήρα ευαίσθητο σε πιο ευρύ τμήμα του φάσματος, που καλύπτει το ορατό τμήμα) που για αυτόν ακριβώς τον λόγο μπορεί να έχει μεγαλύτερη χωρική ανάλυση, δηλαδή μικρότερο μέγεθος pixel. Συνεπώς η ανάλυση της παγχρωματικής καταγραφής είναι συνήθως 4 φορές καλύτερη από αυτήν της πολυφασματικής (π.χ. στους σύγχρονους δορυφορικούς δέκτες από 46 έως 70 εκατοστά). 4. Pansharpening Το pansharpening είναι, όπως αναφέρθηκε, μια διαδικασία συγχώνευσης παγχρωματικών (PAN) εικόνων υψηλής ανάλυσης και χαμηλής ανάλυσης πολυφασματικών (XS) εικόνων για την δημιουργία μιας έγχρωμης σύνθετης εικόνας υψηλής ανάλυσης. Η εταιρεία Google Maps και σχεδόν όλες οι αντίστοιχες εταιρείας παραγωγής γεωγραφικού υλικού και χαρτών χρησιμοποιούν αυτήν την τεχνική για την βελτίωση των εικόνων τους. Η παραγόμενη υψηλής ανάλυσης εικόνα μπορεί να προέλθει από την συγχώνευση περισσότερων από μιας πολυφασματικών εικόνων με την αντίστοιχη παγχρωματική (Εικόνα 1). High-res grayscale band + Low-res color bands = Hi-res color image Εικόνα 1: Η διαδικασία του pansharpening Αντίστοιχοι συνδυασμοί διάφορων φασματικών καταγραφών συναντώνται συνήθως στις δορυφορικές απεικονίσεις. Για παράδειγμα ο δορυφόρος Landsat 7, που καταγράφει 6 πολυφασματικά κανάλια με ανάλυση 30 μέτρα, ένα θερμικό με ανάλυση 60 μέτρα και ένα παγχρωματικό κανάλι με ανάλυση 15 μέτρα. Επίσης τα εμπορικά δορυφορικά προγράμματα
συλλογής εικονιστικών προϊόντων SPOT, GeoEye και Digital Globe περιλαμβάνουν συνήθως καταγραφές σε χαμηλότερης ανάλυσης πολυφασματικά κανάλια και ένα υψηλής ανάλυσης παγχρωματικό. Είναι προφανές ότι αυτός ο συνδυασμός βοηθά στο να κρατηθεί το βάρος, η πολυπλοκότητα και το κόστος των δορυφόρων και των αντίστοιχων δεκτών σε χαμηλά επίπεδα. Αντίστοιχος συνδυασμός παγχρωματικής και πολυφασματικών καταγραφών συναντάται και στην λειτουργία των σύγχρονων ψηφιακών μηχανών αεροφωτογραφίσεων (π.χ. DMC II της Z/I, UltraCam Eagle της Microsoft κ.τ.λ.). 5. Αλγόριθμοι Pansharpening Για να γίνει κατανοητός ο μηχανισμός του pansharpening, είναι απαραίτητο να εξηγηθεί ο μηχανισμός των μετασχηματισμών στον χώρο των χρωμάτων. Οι ψηφιακές εικόνες συνήθως απεικονίζονται ως σύνθετα προσθετικών χρωμάτων με την χρήση των τριών βασικών χρωμάτων (RGB). Ο κύβος των χρωμάτων RGB (Εικόνα 2) περιγράφει τα επίπεδα φωτεινότητας των πρωτευόντων χρωμάτων. Στον κύβο αυτόν οι άξονες Χ, Υ και Ζ παριστούν το κόκκινο, μπλε και πράσινο χρώμα αντίστοιχα. Η αρχή του συστήματος αντιστοιχεί στο μαύρο χρώμα και η ευθεία μέχρι το αντιδιαγώνιο σημείο (λευκό) παριστάνει τις αποχρώσεις του γκρι (http://en.wikipedia.org/wiki/rgb_color_model). Σε μια συσκευή παρουσίασης (π.χ. οθόνη) βάθους 8bit, κάθε πρωτεύον χρώμα μπορεί να πάρει 256 (0 έως 255) διαφορετικές τιμές. Συνεπώς για τα τρία χρώματα οι πιθανοί συνδυασμοί είναι 256 3, δηλ. 16.777.216 διαφορετικές αποχρώσεις. Ωστόσο το σύστημα RGB δεν είναι ο μόνος τρόπος να περιγραφεί το χρώμα. Στο σύστημα IHS (Intensity Hue Saturation, ένταση απόχρωση κορεσμός), η ένταση αποδίδει την απόλυτη λαμπρότητα του χρώματος, η απόχρωση δίνει το πραγματικό χρώμα και αποδίδει την θέση του χρώματος στο χρωματικό φάσμα και, τέλος, ο κορεσμός αντιστοιχεί στην σχέση του χρώματος με αναφορά στο γκρι. Για να γίνει πιο κατανοητή η περιγραφή των χρωμάτων με το σύστημα IHS, σημειώνεται ότι τα παστέλ χρώματα, π.χ. το ροζ, έχουν χαμηλότερο κορεσμό από τα αντίστοιχα έντονα στην ίδια Εικόνα 2: Ο κύβος των χρωμάτων RGB. απόχρωση, π.χ. το κόκκινο. Το πλεονέκτημα του συστήματος IHS είναι ότι κάθε παράμετρος μπορεί να μεταβληθεί χωρίς να επηρεαστούν οι άλλες δύο. Έτσι είναι πλεονεκτικό να μετασχηματίζονται οι εικόνες στο σύστημα IHS πριν την επεξεργασία και κατόπιν να επαναφέρονται στο σύστημα RGB (Abdoullah 2013). Υπάρχουν κάποιοι παράγοντες που πρέπει να ληφθούν υπόψη πριν από την εφαρμογή ων διαφόρων αλγορίθμων για την βελτίωση ενός συνόλου δεδομένων εικόνων (Hall & Llinas 2001). ΟΙ παράγοντες αυτοί είναι επιγραμματικά: Η εφαρμογή για την οποία εκτελείται το pansharpening, ώστε να γίνει προσεκτική και κατάλληλη επιλογή των δεδομένων που θα χρησιμοποιηθούν από τα διαθέσιμα. Η γεωμετρική προετοιμασία (Co-registration) είναι ένα πολύ σημαντικό βήμα προετοιμασίας των πολυφασματικών και των παγχρωματικών δεδομένων που πρέπει να γίνεται πριν από την εφαρμογή της διαδικασίας. Γεωμετρικές διορθώσεις και αντίστοιχα μοντέλα, τεχνικές παρεμβολής κ.τ.λ. πρέπει να επιλέγονται με προσοχή με βάση την εκάστοτε εφαρμογή.
Η γωνία θέασης των εικόνων που πολλές φορές λαμβάνονται σε διαφορετικές χρονικές στιγμές προκαλεί αποκρύψεις και η διαδικασία του pansharpening μπορεί να μην οδηγήσει στα επιθυμητά αποτελέσματα (Smith 1978) Οι μέθοδοι επαναδειγματοληψίας που εφαρμόζονται κατά τις γεωμετρικές διορθώσεις και την γεωμετρική προετοιμασία πρέπει να επιλέγονται με προσοχή. Στην επιλογή της μεθόδου υπάρχει πάντα ένα θέμα συμβιβασμού. Η τεχνική του κοντινότερου γείτονα διατηρεί τις φασματικές ιδιότητες των δεδομένων, αλλά μπορεί να εισαγάγει προβλήματα στην χωρική ανάλυσή τους. Η κυβική συνέλιξη διαστρέφει τις φασματικές ιδιότητες, ειδικά σε περιοχές ακμών, ενώ παρουσιάζει καλή συμπεριφορά σε ό,τι αφορά στην χωρική ανάλυση. Οι πιο συνηθισμένοι αλγόριθμοι που εφαρμόζονται για την διαδικασία του pansharpening είναι οι διάφορες παραλλαγές του μετασχηματισμού IHS, ο μετασχηματισμός Brovey, η ανάλυση των πρωτευουσών συνιστωσών (principal component analysis, PCA) και οι μέθοδοι που βασίζονται στην επεξεργασία κυματιδίων (wavelet), η κυριότερη από τις οποίες περιγράφεται από τους King et al. (2001). Η εφαρμογή των αλγορίθμων για pansharpening ουσιαστικά περιλαμβάνει τα εξής: 1. Η πολυφασματική (XS) εικόνα μεγεθύνεται και αντιστοιχίζεται με την παγχρωματική 2. Εφαρμόζεται ένας τελεστής συγχώνευσης κάθε ζεύγους αντίστοιχων εικονοψηφίδων της πολυφασματικής και της παγχρωματικής για να προκύψουν αυτές της τελικής. Ειδικότερα ένας συνηθισμένος αλγόριθμος για παγχρωματική όξυνση, pansharpening, συνήθως περιλαμβάνει τα παρακάτω βήματα: Up-sampling: αύξηση της ανάλυσης για τις διάφορες επί μέρους καταγραφές, ώστε να αποκτήσουν την ίδια (ονομαστική) ανάλυση με την παγχρωματική Alignment: ευθυγράμμιση των διαφόρων καταγραφών, ώστε να αποφευχθούν προβλήματα λόγω εσφαλμένης ταύτισης (όταν τα δεδομένα προέρχονται απο τον ίδιο δέκτη, το βήμα αυτό δεν απαιτείται συνήθως) Forward Transform: μετασχηματισμός των καταγραφών στο πεδίο των χρωμάτων, όπου η ένταση είναι κάθετη στην πληροφορία χρώματος Intensity Matching: συνταύτιση των έγχρωμων καναλιών με το παγχρωματικό στον χώρο του μετασχηματισμού (π.χ. IHS) Component Substitution: αντικατάσταση του μετασχηματισμένου παράγοντα έντασης με το παγχρωματικό κανάλι Reverse Transform: αντίστροφος μετασχηματισμός, ώστε να επιστρέψει η εικόνα στον αρχικό χώρο χρωμάτων. Οι διάφορες τεχνικές για pansharpening μπορεί να προκαλέσουν και φασματικές παραμορφώσεις εξ αιτίας της φύσης της παγχρωματικής καταγραφής. Για παράδειγμα το παγχρωματικό κανάλι του Landsat δεν είναι ευαίσθητο στο μπλε. Ως αποτέλεσμα, τα φασματικά χαρακτηριστικά της αρχικής έγχρωμης εικόνας από pansharpening δεν αντιστοιχούν ακριβώς σε αυτά της χαμηλότερης ανάλυσης εικόνας RGB, και παρουσιάζει αλλαγμένους χρωματικούς τόνους. Για τον λόγο αυτό έχουν αναπτυχθεί και οι διάφοροι εναλλακτικοί αλγόριθμοι. Στις εικόνες 3 και 4 παρουσιάζονται δύο παραδείγματα της διαδικασίας και των αποτελεσμάτων pansharpening.
Εικόνα 3: Παράδειγμα pansharpening
Εικόνα 4: Παράδειγμα pansharpening
Βιβλιογραφία Abdoullah, Q.A., 2013. Mapping Matters, PE&RS, Vol.79 No. 2, February 2013, pp.119-120. Hall, D., Llinas, J., 2001. Handbook of multisensor data fusion, CRC Press, 2001. King, R., Wang, J., 2001. A wavelet based algorithm for pansharpening Landsat 7 imagery, Proceedings of the International Geoscience and Remote Sensing symposium, vol. 2, pp. 849-851, 2001. Pohl, C., Van Genderen, J.L., 1998. Multisensor image fusion in remote sensing: concepts, methods and application, International Journal of Remote Sensing, vol. 99, no. 5, pp. 823-854. Smith, A.R., 1978. Color gamut transform pairs, Computer Graphics, vol.13, no.3, pp.12-19, 1978. Wald, L., 1999. Some terms of reference in data fusion, IEEE Transactions on Geoscience and Remote Sensing, vol. 37, no. 3, pp. 1190-1193, May 1999. Vijayaraj, V., 2004. A quantitative analysis of pansharpened images. A Thesis for the Degree of Master of Science in Electrical Engineering in the Department of Electrical & Computer Engineering Mississippi State, Mississippi, August 2004, pp.93. http://en.wikipedia.org/wiki/pansharpened_image (τελευταία επίσκεψη ΜΑΙ 2013) http://www.pancroma.com/whitepapers.html (τελευταία επίσκεψη ΜΑΙ 2013) http://www.digitalglobe.com/downloads/worldview-2_pan-sharpening.pdf επίσκεψη ΜΑΙ 2013) (τελευταία