سنجش از دور و استاندارد

دانلود پایان نامه

الف
الف
د
د
ج
ج
ج
ج
ه
ه
شکل 3-41- دسته بندی طیف نمونه‌های الف) تبخیری، ب) کربناتی،
ج) آواری، د) توف و ه) آذرین بیرونی گنبد سیاه‌تاق.
3-8-روش‌های مختلف استخراج طیف تصویر
این روشها شامل Z-Profile، PPI و SMACC می‌باشند. در این تحقیق از دو روش نخست استفاده شد.
3-8-1-روش Z-Profile
در روش Z-Profile منحنی طیفی از تصویری استخراج می‌شود که تصحیح جوی بر روی آن اعمال شده‌است.
3-8-2-روش PPI
روش شاخص خلوص پیکسل (PPI) به طور ویژه به روی نتیجه تبدیل کسر کمترین نوفه (MNF) اجرا می‌شود که باندهای نویزدار را خارج می‌کند. معمولا داده‌های سنجش از دور چند طیفی (و بخصوص ابرطیفی) همبستگی درون باندی بالایی دارند. به این معنی که سیستم سنجنده، اندازه‌گیری های چندتایی با کیفیت یکسانی انجام می‌دهد. گرین و همکاران (1988) یک روش به نام تبدیل کسر کمترین نوفه (MNF) را شرح داده که مرتب سازی مطلوبی را از تصاویر در رابطه با کیفیت تصویر فراهم می‌کند. روش تبدیل کسر کمترین نوفه اساسا یک مجموعه از 2 آنالیز مولفه‌های اصلی است تا نویز را جدا کرده و ابعاد مجموعه داده‌ها را کاهش دهد. MNFبه منظور شناسایی ابعاد اصلی داده‌های تصویر، جدا کردن نویز از سیگنال در داده‌ها و کاهش نیاز به محاسبات برای پردازش های بعدی بکار می‌رود (Boardman & Kruse, 1994) و شامل 2 مرحله می‌شود:
1) بکارگیری یک تبدیل بر پایه ماتریس کوواریانس ارزیابی نویز برای کاهش همبستگی و مقیاس بندی مجدد نویز در داده‌ها (نویز واریانس واحد دارد و همبستگی باند به باند ندارد) و 2) اجرای تبدیل مولفه اصلی استاندارد به روی داده‌های بدون نویز. ابعاد اصلی داده‌ها می‌تواند با ارزیابی ویژه مقدارهای نهایی و باندهای مشتق شده مشخص شود با فرض اینکه تصاویر با نویز غالب، ویژه مقدارهای واحد نزدیک بهم دارند (ITT VIS, 2008). مجموعه داده‌های نهایی منسجم و تقریبا باندهای عاری از نویز از خروجی MNF انتخاب شده و می‌تواند برای مراحل پردازش بعدی مورد استفاده قرار گیرند.
شاخص خلوص پیکسل یک روش برای یافتن خالصترین پیکسل‌های طیفی (پیکسل‌های دور افتاده) در تصاویر چند طیفی و ابرطیفی است که به طور تیپیک مشابه عضوهای انتهایی مخلوط هستند. PPI از طریق اجرای پیدرپی نمودار پراکندگی n بعدی به روی یک بردار واحد تصادفی محاسبه می‌شود. در هر بار اجرا پیکسل‌های دورافتاده یا منتهیالیه (آنهایی که در انتهای بردار واحد میافتند) ثبت شده و تعداد کل دفعاتی که هر پیکسل به عنوان پیکسل انتهایی علامتدار می‌شود، ثبت می‌گردد. یک تصویر خالص پیکسلی ایجاد شده که در آن DN هر پیکسل برابر با تعداد دفعاتی است که پیکسل به عنوان پیکسل دورافتاده ثبت شده‌است. انتخاب پیکسل‌های انتهایی مربوط به سیماهای سطحی مشابه، به دلیل تعداد زیاد پیکسل‌هایی که به طور معمول در داده‌های تصویر سنجش از دور یافت می‌شوند، پیچیده است. مجسم کننده n بعدی برای موقعیت یابی، شناسایی و دسته بندی خالصترین پیکسلها و شدیدترین پاسخهای طیفی در یک مجموعه داده بکار می‌رود. مجسم کننده n بعدی یک ابزار کارآمد برای انتخاب عضوهای انتهایی در فضای n بعدی است که n تعداد باندها می‌باشد. پراکندگی نقاط در فضای n بعدی می‌تواند برای بررسی تعداد عضوهای انتهایی طیفی و سیماهای طیفی خالص آنها بکار رود (Boardman, 1993).
3-9-بررسی طیف‌های استخراج شده از تصویر بر اساس Z-Profile
در این روش منحنی‌های طیفی از تصویر IARR با ترکیب رنگی 1-3-8 استخراج شدند. از هر نوع رنگ و از جاهای مختلف گنبد چندین طیف استخراج شده‌است که در شکل (3-42) ملاحظه می‌کنید.
شکل 3-42- تصویر ترکیب رنگی 1-3-8 از تصویر IARR.
اولین دسته طیف مربوط به رنگ سفید تصویر IARR است که برخی از منحنی‌های طیفی در باند 6 و برخی در باند 5 جذب نشان می‌دهند. با توجه به جذب باند 3 و بازتاب باند 2 و مشاهدات میدانی این دسته طیف متعلق به مخلوط سنگ نمک (هالیت) و انیدریت با ناخالصی‌های اکسیدآهن (هماتیت و لیمونیت) می‌باشد (شکل 3-43).