Remote Sensing Ch. 4 이미지해석 (Interpretation) 및분석 (Analysis) (Part 2 of 2) 4.5 이미지향상 (Enhancement) 4.6 이미지변환 (Transformations)
4.5 Image Enhancement 이미지향상은이미지의시각적해석과이해를보다쉽게하기위해사용됩니다. 조명, 대기의영향및센서특성에대한복사보정 (radiometric corrections) 이사용자에게데이터분포에앞서서수행되었겠지만, 이미지가아직시각적해석에최적화되지않았을수도있습니다. 대상들 ( 예를들어, 숲, 사막, 설원, 물등 ) 의다양한범위에대한스펙트럼반응의큰변화로인해서, 모든대상에대한최적의밝기범위와대비를표시하거나고려할수있는포괄적인복사보정 (generic radiometric correction) 은존재하지않습니다. 따라서, 각각의응용프로그램과각이미지에대하여, 밝기값범위와분포에따른적절한조정이일반적으로필요합니다.
4.5 Image Enhancement 원시이미지 (raw imagery) 에서유용한데이터들은디지털값의가능한범위 ( 일반적으로 8 bits 또는 256 레벨 ) 의작은부분에집중되어있습니다. 대비향상 (Contrast enhancement) 은가능한범위가좀더사용되도록원래의값을변경시켜목표물들과그배경간의대비 (contrast) 를증가시킨다. 히스토그램 (histogram) 은이미지를구성하는밝기값들의그래픽표현이다. 밝기값 ( 즉 0~255) 은그래프의 x- 축에표시되며, 이미지에서각값의발생빈도 (frequency of occurrence) 는 y- 축에도시된다.
4.5 Image Enhancement 이미지의디지털값의범위를조작 (manipulating the range of digital values) 함으로써, 데이터에여러가지향상 (enhancements) 을적용할수있으며, 대비를강화하는다양한방법이있습니다. (1) 향상의가장단순한형태는선형대비스트레칭 (linear contrast stretch) 입니다. 이는히스토그램에서상한및하한 ( 일반적으로이미지의최소및최대밝기값또는평균값에서 ±σ ( 표준편차 ) 한값 ) 를식별하고전체범위를채우기위해이범위를스트레칭하는변환을적용하는단계를포함한다. 예에서, 히스토그램 ( 실제데이터가차지하는 ) 최소값은 84 이고최대값은 153 입니다. 이러한 70 레벨은사용가능한전체 256 레벨의 3 분 1 미만을점유한다. 선형스트레치는이작은범위를 0 에서 255 의값의전체범위를커버하도록균일하게확장합니다. 이렇게하면밝은부분은더밝게, 어두운부분은더어둡게나타내어이미지의콘트라스트향상시키고, 따라서시각적해석이훨씬더쉽게된다. The increase in contrast in an image before (left) and after (right).
4.5 Image Enhancement 선형대비스트레칭 (Linear contrast stretch) BV out Where ( BVin (max min) quant min) BV in 원래입력밝기값 quant 표시할수있는밝기값범위 (e.g., 255) min k 이미지의최소값 max k 이미지의최대값 BV out 출력밝기값 0 out (4in 4) (104 4) 255 (a) Min-max Linear contrast stretch (b) Percentage (e.g. standard deviation) Linear contrast stretch 255 out (104in 4) 255 (104 4)
4.5 Image Enhancement (2) 전체범위에걸쳐값들의입력범위를균일하게분포시키는것은, 특히입력범위가균일하게분포되지않은경우에는적절한향상이아닐수있습니다. 이경우에는히스토그램평활화 (histogram-equalized) 스트레치가나을수있다. 이스트레칭은히스토그램의빈도가높은부분에더많은밝기값 ( 범위 ) 을지정합니다. 이러한방식으로, 이러한영역에서의상세함이, 원래히스토그램의작은빈도의해당영역에비하여더향상될것이다. (3) 또다른경우에는히스토그램의특정부분만의대비를향상시키는것이바람직할수있다. 예를들어, 강어귀 (mouth of a river) 의이미지가있다고가정하고, 이미지의물부분은전체화상히스토그램중 40~ 76 에해당하는디지털값을점유한다고하자. 침전물부하의변동을보기위해서물에있는세부사항을향상하고자한다면, 물 (40-76) 로표시되는히스토그램의해당일부를전체회색조범위 (0 ~ 255) 로늘릴수있습니다. 이값들아래또는위의모든픽셀이각각 0 과 255 에할당될것이고, 해당지역에있는세부사항이손실될것입니다. 그러나물에서의상세함은크게강화될것이다.
4.5 Image Enhancement Original histogram (1) Min-max Linear contrast stretch (3) Specific percentage linear contrast stretch designed to highlight wetland (1) ± Standard Deviation Linear contrast stretch (2) Histogram-equalized stretch
4.5 Image Enhancement 공간필터링 (Spatial filtering) 은이미지의외관을향상 (enhance the appearance) 시키기위해사용되는디지털처리함수들의또다른세트를포함한다. 공간필터 (Spatial filters) 는자신의공간주파수 (spatial frequency) 에기초하여이미지의특정특징을강조 (highlight) 하거나억제 (suppress) 하도록설계된다. 공간주파수가이미지에나타나는밝기변화의주파수 (frequency of the variations in tone) 를의미한다 높은공간주파수 (high spatial frequencies) : 작은영역에서밝기에급격한변화가있는곳으로, 이미지의 " 거친 (Rough)" 질감영역. 낮은공간주파수 (low spatial frequencies) : 몇픽셀이상에걸쳐서밝기에변화가작은곳으로, " 부드러운 (Smooth)" 질감영역. 일반적인필터링과정 (filtering procedure) 은몇몇픽셀들 (e.g. 3 3 또는 5 5) 로이루어진작은창 ('window) 을이미지의각픽셀위를이동해다니며, 창아래화소값을사용하여수학적계산 ( 예를들면평균을계산 ) 을적용한후, 중앙픽셀을계산된값으로교체함으로이루어진다. 이창은영상전체가필터링되어새로운이미지가만들어질때까지이동하며계산을수행한다. 필터창의개별픽셀의가중치와수행될계산을변화시킴으로써, 대상의다른유형을강화하거나억제하도록필터가설계될수있다.
4.5 Image Enhancement (1) 저주파통과필터 (Low-pass filters) 는비슷한톤의크고균일한영역을강조하고이미지의작은디테일이감소하도록설계되어있습니다. 저주파통과필터는일반적으로이미지의외관을부드럽게하는역할을한다. 종종레이더이미지에사용되는평균과중위값필터 (Average and median filters) 는저주파통과필터의예입니다. Low-pass filtering (2) 고주파통과필터 (High-pass filters) 는반대로작용하여, 이미지의섬세한디테일의모양을선명하게하는역할을한다. 고주파통과필터의한구현으로, 이미지에저주파통과필터를적용하고원래의이미지에서필터된결과를감산하여오직높은공간주파수정보만을남기는방법이있다. High-pass filtering
4.5 Image Enhancement (3) 방향 (Directional) 또는에지검출필터 (edge detection filters) 는도로또는필드경계와같은선형대상들을강조하기위해고안되었습니다. 이필터들은특정방향으로지향하는대상들을강화하기위하여고안되어, 레이더이미지및선형지질구조의검출등의지질학적응용프로그램에유용하다. Edge Detection : Lakes & Streams Edge Detection : Fractures & Shoreline
4.5 Image Enhancement Color Composition example Landsat ETM+ (The city of Hue in Vietnam) Band 2(0.54~0.6μm, green) Band 3(0.63~0.69μm, red) Band 4(0.76~0.90μm, NIR) Band 5(1.55~1.75μm, MIR) Band 7(2.08~2.35μm, MIR)
4.5 Image Enhancement Color Composition (http://biodiversityinformatics.amnh.org/tool.php?content_id=141) RGB (321) RGB (432) RGB (453) RGB (742) RGB 특징 321 True Color 432 False Color (CIR) : 식생 -red, 물 -navy/black, 도심 - light blue 453 Pseudo Color : 다른식생타입이명확히구분, 육상 / 물경계명확, 수분함량변화명확 742 Pseudo Color : 식생 -green, 도심 -lavender( 연보라 )
4.6 Image Transformations 이미지변환 (transformations) 은일반적으로데이터의다중밴드 (multiple bands) 의조작을포함하며, 하나의멀티분광이미지이거나다른시간 ( 즉, 다중 - 시간이미지데이터 ) 에획득한같은지역의두개이상의이미지에대하여수행된다. 어느쪽이든, 이미지변환은원래의입력영상보다특정대상또는그속성을강조한두개이상의이미지로부터 " 새로운 " 이미지를생성합니다. 이미지뺄샘 (Image subtraction) 은종종다른날짜에취득된이미지사이에발생한변화를식별하는데사용됩니다.
4.6 Image Transformations 일반적으로기하학적으로등록된두개의이미지가사용되며, 한이미지의픽셀 ( 밝기 ) 값을다른이미지의픽셀값에서빼줍니다. 출력값에상수 ( 이경우에는 127) 를추가하여얻어진이미지를스케일링하여적합한 ' 차이 ' 이미지를얻게된다. 이러한이미지에서 : 원래이미지들사이에거의또는전혀변화가없는영역은, 127 ( 중간회색톤 ) 정도결과밝기값을가져야합니다, 반면에, 큰변화가발생하는영역은두이미지사이의반사율변화의 ' 방향 ' 에따라서값이 127 보다높거나, 낮은 밝거나, 어두운결과를가진다. 이러한유형의이미지변환이도시주변도시개발의변화를매핑하거나, 삼림벌채가있는지역을식별하는데유용할수있습니다.
4.6 Image Transformations 이미지나누기 (Image division) 또는스펙트럼비 (spectral ratioing) 가이미지데이터에적용되는가장일반적인변환중하나입니다. 이미지비 (Image ratioing) 는다양한표면커버의스펙트럼반응에미묘한변화를강조하는역할을한다. 두개의다른스펙트럼밴드의데이터비로얻어진이미지는, 그렇지않으면각밴드의픽셀의밝기변화에의해가리워질수있을두개의다른스펙트럼범위들사이의스펙트럼반사율곡선의기울기의변화를강화시킨다. 다음예는스펙트럼비의개념을설명한다. 건강한식물은가시영역빨간색은강력하게흡수하면서스펙트럼의적외선에가까운부분에서강하게반사한다. 토양과물같은다른표면유형은, 모두적외선근처와빨간색부분에서거의동일한반사율을보인다. 따라서, MSS 밴드 7( 근적외선 0.8-1.1 mm) 을밴드 5( 적색 0.6-0.7 mm) 로나눈비율이미지는식물에서 1.0 보다훨씬더큰비율을, 토양과물에서는 1.0 정도비율로나타난다. 따라서다른표면커버타입들로부터식물의구분이크게향상됩니다. 또한, 건강하지못한 (unhealthy) 또는스트레스받는 (stressed) 식물영역을식별잘되게할수있다. 이는낮은근적외선반사율 (low near-infrared reflectance) 을보이며, 건강한녹색식물에서보다도비율이보다낮게나타나기때문이다.
4.6 Image Transformations 스펙트럼비 (spectral ratioing) 의또다른이점은우리가절대적밝기값대신상대적값 ( 즉, 비율 ) 을보기때문에, 지형효과의결과로나타나는조도 (illumination) 의변화가감소한다는것입니다. 따라서, 숲으로덮여있는경사의절대적반사율 (absolute reflectances) 은태양의조명에대한자신의방향에따라달라질수있지만, 두밴드사이의반사율의비율 (the ratio of reflectances) 은항상매우유사해야합니다. Sensor Image Ratio EM Spectrum 응용 Landsat TM Bands 3/2 red/green 토양 (Soils) Landsat TM Bands 4/3 PhotoIR/red 바이오매스 (Biomass) Landsat TM Bands 7/5 SWIR/NIR 점토광물 (Clay Minerals)/ 변성암 (Rock Alteration)
4.6 Image Transformations Image Difference (TM99 TM88) Image Ratio (TM99 / TM88)
4.6 Image Transformations 각종센서의스펙트럼밴드들사이의차이및합계를포함하는더복잡한비율들이식물의상태를모니터링하기위해개발되었다. 그중널리사용되는이미지변환하나가위성 NOAA 시리즈에탑재된 AVHRR 센서를이용하여대륙및글로벌규모의식물상태를모니터링하는데사용된 Normalized Difference Vegetation Index (NDVI) 입니다. NDVI 는다음과같이계산됩니다.: NDVI = (Band 2 Band 1) / (Band 2 + Band 1) EM 스팩트럼의가시영역 (Band 1; 0.58-0.68 μm) 과근적외선 (Band 2; 0.725-1.10 μm) 영역에해당. NDVI 의배경이되는원리는 Band 2 는식물의스폰지엽육 (spongy mesophyll) 구조가상당한반사를일으키는스펙트럼의근적외선영역인반면, Band 1 은엽록소가들어오는햇빛의상당한흡수를일으키는 EM 스펙트럼의붉은빛영역에있다는것입니다. 결과적으로, 적극적으로성장하는건강한식물은낮은붉은빛반사율과높은근적외선반사율을보여, 결과적으로높은 NDVI 값을보인다. Green/Yellow/Brown represent decreasing magnitude of the vegetation index. NDVI image of Canada.
4.6 Image Transformations 이러한비교적간단한알고리즘은 MSS 및 TM 와같은다른센서에도적용할수있으며, -1.0 ~ 1.0 의범위에서해당하는출력값을생성할수있다. 이미지에녹색의음영증가에표시되는양의 NDVI 값을, 녹색식물의증가량을나타내며, 제로에가까운 NDVI 값과감소하는음의값은불모의지역 ( 바위와흙 ), 물, 눈, 얼음, 구름같은비 - 식생대상 (non-vegetated features) 을표시한다 MSS6 MSS5 NDVI 6 MSS6 MSS5 MSS7 MSS5 NDVI 7 MSS7 MSS5 TM 4 TM3 NDVITM TM 4 TM3 Enhanced vegetation index map of the world
4.6 Image Transformations 멀티스펙트럼데이터의다른밴드들은종종높은상관관계 (highly correlated) 를가지며, 유사한정보를포함합니다. 예를들어, Landsat MSS 밴드 4, 5 ( 각각녹색과빨간색 ) 은같은표면커버타입의반사율이거의동일하기때문에일반적으로유사한시각적인모습을보입니다. 멀티밴드데이터세트의통계적특성의복잡한처리에근거한이미지변환 (Image transformation) 기술은밴드간의데이터중복성및상관을감소시키기위해사용될수있다. 그러한한변환이주성분분석 (principal components analysis PCA) 이다. 이변환의목적은데이터차원 ( 즉, 밴드의개수 ) 을감소시키고, 원래의밴드들의정보들을더적은밴드들로압축하는것이다. 이통계적인절차의결과인 " 새로운 " 밴드는성분 (components) 이라고합니다. 이과정은최소한의새로운성분의수로원래의데이터로부터 ( 통계적 ) 정보의양 ( 또는분산 (variance)) 을최대화하도록시도한다.
4.6 Image Transformations 주성분분석 (principal components analysis) 이용의예로서., 7 밴드 (TM) 데이터세트를변환하여처음 3 개의주요성분이원래의 7 밴드들의정보의 90 % 이상을포함하도록할수있다. 이 3 밴드자료의해석과분석은, 시각적으로또는디지털적으로조합한하던간에, 원래의 7 개의모든밴드를사용하는것보다더간단하고더효율적이다. 주성분분석, 및다른복잡한변환은, 시각적해석을개선하기위한또는다음절에서설명하는디지털분류절차에대한입력으로사용될밴드의개수를감소시키기위한향상기술 (enhancement technique) 로이용될수있다.
Seven Bands of Landsat TM Data of Charleston, SC, Obtained on February 3, 1994