2. SUNUM İÇERİĞİ
IHS NEDİR?
IHS İŞLEM ADIMLARI
IHS DÖNÜŞÜMÜNE AİT FORMÜLLER
LANDSAT BANT ÖZELLİKLERİ
LANDSAT BANT KOMBİNASYONLARI
ERDAS IMAGINE İLE YAPILAN ÖRNEK UYGULAMA
MATLAB İLE YAPILAN ÖRNEK UYGULAMA
KAYNAKÇA
3. IHS NEDİR?
HSV renk uzayı 1978 yılında Alvy Ray Smith tarafından tanımlandı.
Amacı RGB uzayına göre insan görü düzeneğine daha yakın bir yapı
oluşturmaktı. HSV, RGB renk uzayından doğrusal olmayan bir
dönüşüm ile elde edilir.
IHS bu çatıda ilgilenilen bir dönüşüm işleminin ismidir.
4. IHS NEDİR?
Yansıma şiddeti (intensity-I) görüntünün toplam parlaklığını
belirtir. Yani rengin aydınlığını,içindeki beyaz oranını
belirler. Renk beyaz ile ne kadar seyreltilmiş bize bunu
anlatan kısımdır.
0-100 arasından değişir.
Şekildeki V yani value
değeri burada I ile
belirtilen değerin ifadesi
olarak algılanabilir.
Renklerin seyreltilme
derecesini bize gösterir.
5. IHS NEDİR?
Renk özü veya Renk Tonu (Hue-H) görüntüyü oluşturan
ışığın ortalama dalga boyunu ifade eder. Rengin baskın
dalga uzunluğunu belirler, örneğin sarı, mavi, yeşil, vb.
Açısal bir değerdir 0° - 360°, bazı uygulamalarda ise 0-100
arası olağanlaştırılır.
Görüldüğü gibi renkler
uzayında açısal olarak
ilgili görüntüde hangi
tonun baskın olduğunu
belirtir.
6. IHS NEDİR?
Doygunluk, rengin «canlılığını» veya «saflığını» belirler.
Yüksek doygunluk canlı renklere neden olurken, düşük
olasılık rengin gri tonlarına yaklaşmasına neden olur.
0-100 arasında değişir.
S değeri rengin
görüldüğü üzere her renk
tonunu gri ile kendi renk
skalası arasında hangi
bölgede olduğunu belirtir.
7. DAHA İYİ ANLAYALIM
Aşağıda Windows kullanıcılarının sıklıkla uğraştığı pencere
rengi bölümünün bir parçasını görmektesiniz.
H
S
V(I)
Görüldüğü gibi S değeri
rengin kendi skalasında
ne kadar saf olduğunu
veya ne kadar doygun
olduğunu gösterir. En
düşükte beyaza yakın
en parlakta ise canlı
dolgun renklere sahip
olur. H ise 360
derecelik renk
uzayında nerede
olduğumuzu verecektir.
V ise parlaklık
değerimizdir.
8. Görüntü Kaynaştırma Nedir?
Uzaktan algılamada, çok bantlı renkli uydu görüntülerinin
konumsal çözünürlüklerinin aynı bölgeye ait daha iyi
konumsal çözünürlüğü olan pankromatik görüntülerle
iyileştirilmesi işlemine görüntü kaynaştırma denilmektedir.
Pankromatik görüntüdeki konumsal detay çok bantlı
görüntüye aktarılırsa ve çok bantlı görüntüdeki spektral
içerik orijinal görüntüdekine uygun olarak saklanırsa,
görüntü kaynaştırma yöntemi başarılı olarak kabul edilir.
9. IHS DÖNÜŞÜMÜNÜN AMACI
Son dönemde yüksek mekânsal çözünürlüklü ve çok bantlı
(multispektral) uydu görüntülerindeki artış, piksel tabanlı
sınıflandırma uygulamalarını da olumlu etkilemektedir.
Kullanıcılar uygulamalarında hem yüksek mekânsal
çözünürlükten hem de yüksek spektral çözünürlükten elde
ettiği bilgilerden vazgeçmek istememektedirler. Bu durum
tek bantlı yüksek mekânsal çözünürlüklü görüntünün, çok
bantlı yüksek spektral çözünürlüklü görüntü ile
kaynaştırılmasına (Pan Sharpening) olan talebi üst
düzeylere getirmiştir.
Bu yüzden kullanıcılar bu kaynaştırma yöntemlerini tercih
etmektedirler. Amacımız yüksek mekânsal çözünürlük ile
spectral çözünürlüğü birleştirmektir.
10. IHS DÖNÜŞÜMÜNÜN İŞLEMADIMLARI NELERDİR?
Renk Tonu, Doygunluk Dönüşümü (Intensity Hue
Saturation - IHS) olarak bilinen IHS yöntemi düşük
mekansal çözünürlüğe sahip kırmızı, yeşil ve mavi (RGB)
olmak üzere üç renk ile temsil edilen sayısal görüntülerin
seçilen üç bandını kullanarak veriyi IHS bileşenlerine
dönüştürür. Bu yöntem genellikle 4 ayrı adım içermektedir.
1. RGB–IHS donuşumu;
2. PAN görüntüsüne ait histogramı I ile uyuşumlu hale
getirme işlemi.
3. I bileşenini PAN ile değiştirerek H ve S bileşenlerini en
yüksek çözünürlüğe tekrar örneklemesi işlemi.
4. IHS – RGB ters dönüşümü.
(NIKOLAKOPOULOS, 2008)
12. IHS DÖNÜŞÜM AYRINTILAR
Adım 1.
Multispectral görüntümüzün sahip olduğu bantların(RGB) piksel
değerlerinin her biri yukarıda gösterilen işleme tabi tutulur.
Uydu tabanlı uzaktan algılamada, genelde çok bantlı
görüntülerde en az 4 bant bulunur ve I hesaplanmasında ağırlıklı
ortalamalar kullanmak renk anlamında daha iyi sonuçlar verebilir.
Bu ağırlıklar büyük oranda algılayıcıya bağlıdır. Yazılımlarda
algılayıcı tipi seçeceğimiz bölümler bulunmaktadır.
13. IHS DÖNÜŞÜM AYRINTILAR
Adım 2.
İkinci adımda I bileşeni ile pankromatik görüntümüzü
birleştiriyoruz. Aslında bir çok bantlı görüntüye ait I bileşeni
konumsal bilgiyi (Chibani ve Houacine 2002) içermektedir.
Burada F kaynaştırılmış görüntüyü ifade etmektedir.
14. IHS DÖNÜŞÜM AYRINTILAR
Adım 3.
H ve S bileşenleri H = atan (V2 / V1) ve S = 𝑉𝑉𝑉2 + 𝑉𝑉𝑉2
bağıntılarından elde edilir.
15. UYGULAMALAR
Erdas Imagine Yazılımı ile Görüntü Kaynaştırma
• Uydu: L7 ETM+ SLC-on (1999-2003)
• Tarih: 30.07.2002
• Bant : 6. Termal 8.Pankromatik
• Çözünürlük : MultiSpectral (30m) – Pankromatik (15m)
Matlab Yazılımı ile Görüntü Kaynaştırma
• Bir adet fotoğraf
• Matlab ile kodlanmış IHS Spec-Pan Kaynaştırıcı
16. LANDSAT UYDUSUNU TANIYALIM
Landsat uydusuna ait bilgileri internet üzerinden bulabiliriz.
Çalışmanız için uygun olan görüntüleri elde edebilmek sizin
uyduları ne kadar tanıdığınıza bağlıdır. Bir uyduyu
seçmişseniz eğer sonrasında hangi bandlar ile
çalışacağınız konusunda doğru seçimi yapabilmek için yine
bu uydunun bant özelliklerini bilmelisiniz.
Bizim kullandığımız Landsat Enhanced Thematic Mapper Plus
(ETM+) uydusunun bant özelliklerini inceleyecek olursak.
17. LANDSAT UYDUSUNU TANIYALIM
0.45-2.35 µm dalga boyu aralığında kayıt yapan 7 bant vardır.
En küçük dalga boyu aralığıdır ve geçirgenliği en fazladır. Bu yüzden sucul
ekosistemin izlenmesinde tercih edilir. (Tortulu Sular,Mercan Kayalıkları vs.) Fakat ne
yazıkki atmosferik saçılma en fazla olduğu için gürültüsü farklıdır.
1. Bantla çok fazla olmasada benzer özelliklerdedir. Bitki örtüsü izlediğimizde dalga
boyları eşleştiği için tercih edilir.
Bitki örtüsü kırmızı ışığın neredeyse tamamını emer. Toprak ile bitki örtüsünün
ayrımında veya bitkilerin sağlıklarının kontrol edilmesinde kullanılır.
18. Su neredeyse bu dalga boyunun tamamını emer. Toprak ise tam tersi olarak neredeyse
tamamını yansıtır. Bu iki zıtlıktan faydalanarak kıyı şeridi belirlenmesi vs. Gibi uygulamalarda
kullanılabilir.
Bu dalga boyunun neme duyarlılığı çok fazladır. Bu sebeple toprak ve bitkilerdeki nemin
belirlenmesinde kullanılır. Ayrıca bulut ve kar bileşenlerini ayırmak için kullanılır.
Bu bant sıcaklık ölçümü için kullanılan termal banttır. Yüzey sıcaklığını ölçmek için kullanılır ve
genelde jeolojik uygulamalar için idealdir. Bazen bitkilerin sıcaklık streslerini ölçmek içinde
faydalanılır. Bu bant diğer bantların yarısı kadar yani 60m çözünürlüklüdür.
Genelde bant 5 ile toprak ve jeolojik haritaları yapmak için kullanılsada bazen bitkilerin nem
oranlarını belirlemede de kullanılır.
19. BAND KOMBİNASYONLARINI TANIYALIM
Her bir bant RGB filtrelerine tabi tutularak çeşitli
kombinasyonlar oluşturulur. Bu kombinasyonların kendilerine
özgü avantajları ve dezavantajları vardır. Bu bant
kombinasyonlarından en sık kullanılanlarından birkaçını
inceleyelim.
20. BANT KOMBİNASYONLARI
Bu kombinasyon genellikle gerçek renge yakındır. Su habitatları üzerinde yapılan
çalışmalarda uygundur. Fakat dezavantajı görüntünün puslu olma eğiliminde
olmasıdır.
İçerisinde yakın kızıl ötesi bant içeren bir kombinasyondur. Kara ve su sınırlarının
ayrımında idealdir. Ayrıca çeşitli birki örtülerinin algılanmasında da kullanılır.
KAYNAK
21. BANT KOMBİNASYONLARI
Kara – Su kıyıları ve farklı bitki örtüleri bu kombinasyonda çok belirgindir. Ayrıca
nem değişimini ölçmek içinde bu bant kombinasyonları kullanılır.
Bitki örtüsü üzerindeki farklar büyük bir oranda belirlenir. NASA için oluşturulmuş
küresel bant kombinasyonudur.
7,4,2 ile benzer özellikler gösterir fakat bazı tarımsal bölgelerin
renklendirilmesinde kullanılan bant kombinasyonudur.
23. GEREKLİ AYARLARI YAPIYORUZ
Eğer tanımlı bir sensör
bulamıyorsanız CUSTOM
seçeneğinden SENSOR
dalga boyu aralıklarını
girerek kendiniz
oluşturabilirsiniz. Buradaki
6. bant aslında 7. banttır.
33. MATLAB AÇIKLAMA
IHS Dönüşümünün
daha önceki slaytlarda
anlatılan formülleri ile
her bir matris
gösterimindeki
görüntülerin her bir
pixelinin değeri
işlenerek yeni bir matris
oluşturulur. Bu matrisin
içerdiği grilik
değerleriyle kaydedilen
yeni görüntü düzeltilmiş
görüntü olarak aktarılır.
36. KAYAKÇA
1. SPOT 5 ve Farklı Görüntü Birleştirme Algoritmaları
(Filiz BEKTAŞ BALÇIK, Çiğdem GÖKSEL)
2. An Improved Intensity-Hue-Saturation Method for IKONOS Image Fusion
(M.-J Choi¤yz , H.-C. Kimx, N. I. Chox and H. O. Kimz)
3. Görüntü Birleştirme Yöntemlerinin Spektral Değerleri ve Görüntü Kalitesini Koruma
Açısından Karşılaştırılması: Worldview-2 Uygulaması
(Bekir GÜL, Çağlar YILDIRMIŞ, Abdullah DEĞER, Mustafa ERDOĞAN, Ali ULUBAY)
4. IKONOS uydu görüntüleri ile yeni bir görüntü kaynaştırma yöntemi
(Deniz Yıldırım, Oğuz Güngör)
5. The IHS Transformations Based Image Fusion
(Firouz Abdullah Al-Wassai1, N.V. Kalyankar2, Ali A. Al-Zuky3)
6. The Use of Intensity-Hue-Saturation Transformation of Landsat-5 Thematic Mapper Data
for Burned Land Mapping
(Nikos Koutsias, Michael Karteris, and Emlllo Chuvieco)
7. http://www.math.ucla.edu/~wittman/pansharpening/
8. http://landsat.usgs.gov/panchromatic_image_sharpening.php