ŕ¸ ŕ¸˛ŕ¸Łŕ¸§ŕ¸´ŕš€ŕ¸„ŕ¸Łŕ¸˛ŕ¸°ŕ¸ŤŕšŒ ŕ¸”ŕš‰ŕ¸§ŕ¸˘ŕš€ŕ¸„ŕ¸Łŕ¸ˇ ŕ¸ŕ¸‡ (Digital Processing) Image Processing and Analysis 1
เนือ9 หา 1. การเตรียมข้ อมูล (Preprocessing Image ) 2. การเน้ นข้ อมูล (Image Enhancement ) 3. การแปลงข้ อมูล(Image Transformation ) 4. การจําแนกข้ อมูล (Classification and Analysis ) 2
1. Preprocessing Image Preprocessing เป็ นกระบวนการปรับแก้ไขภาพ อันเนื องมาจากความ คลาดเคลื อนของข้อมูล และ สัญญาณรบกวน แบ่งเป็ น 2 ประเภทคือ
1. radiometric corrections การปรับแก้ ทางรังสี 2. geometric corrections การปรับแก้ ทางพืน9 ที 3
1.1 radiometric correction หมายถึง ความ ถูกต้ องทางองศา ซึ งเกีย วข้ องกับกระบวนการ ของการรับภาพจาก Sensors หรือผลกระทบที เกิดจากการรบกวนของบรรยากาศ รวมไปถึง การรบกวนทีเ กิดจากการแผ่ รังสี ทตี รวจจับได้ จาก Sensors 4
เป็ นการปรับแก้ ค่าระดับสี เทา (Digital Number หรือค่ า DN) ทีเ กิดจากความแตกต่ างระหว่ างพลังงาน แม่ เหล็กไฟฟ้ าทีป ล่ อยออกหรือสะท้ อนกลับของวัตถุกบั พลังงานไฟฟ้ าทีว ดั ได้ โดยอุปกรณ์ บันทึกทีต ดิ ตั9งไว้ บน ดาวเทียม อันเนื องมาจากมุม (Azimuth) องศาของดวง อาทิตย์ ( Sun elevation) สภาพบรรยากาศ พวกหมอก ละอองไอ เป็ นต้ น เพือ ให้ ได้ ค่าข้ อมูลทีถ ูกต้ องชัดเจน โดยเฉพาะข้ อมูลบริเวณเดียวกัน ทีบ ันทึกวันเดียวกันหรือ ฤดูทตี ่ างกัน ให้ เป็ นมาตรฐานเดียวกัน 5
р╕Хр╕▒р╕зр╕нр╕вр╣И р╕▓р╕Зр╕ар╕▓р╕Ю Landsat MSS р╣Бр╕Цр╕зр╕Чр╕╡ 6 р╕Ьр╕┤р╕Фр╕Юр╕ер╕▓р╕Ф
6
Landsat MSS ข้ อมูลในทุกๆ เส้ นที 6 จะหายไป เนื องจากปัญหาการบันทึกของเครื องบันทึก ทําให้ ภาพนั9นมีปัญหา ดังนั9นต้ องแทนทีค ่ าทีม ีปัญหาในแต่ ละจุดภาพ โดยใช้ ค่าเฉลีย ทีค าํ นวณได้ จาก 2 แถวข้ างเคียง ผลทีไ ด้ คือจะได้ ภาพทีแ ก้ไขแล้ ว แม้ ว่าค่ าทุกๆเส้ นที 6นั9นจะ เป็ นค่ าไม่ จริงก็ตาม เรียกว่ า six line striping ซึ งจะ ทําเกิดความเบี ยงเบนไปบ้ างก็ตาม 7
ระบบความ บกพร่ องทีเ กิดจาก ดาวเทียม Landsat MSS สํ าหรับแถวที 6 และระบบ TM จะ พบ ในแถวที 16 ด้ วยเช่ นกัน 8
ลุ่มนํา9 แม่ กลอง
9
http://www.gisdevelopment.net/tutorials/images/fig11.jpg
10
วิธีการแก้ไข การปรับแก้ ทางรังสี มี 3 วิธี 1. การปรับแก้ อนั เนื องมาจากความไวของเครื องวัด 2. การปรับแก้ มุมของดวงอาทิตย์ และลักษณะภูมปิ ระเทศ 3. การปรับแก้ ทางสั ญญาณรบกวนจากบรรยากาศ
11
1.2 geometric corrections หมายถึงการปรับค่ าความ ถูกต้ องทางพืน9 ทีท ที าํ ให้ ภาพนั9นมีความบิดเบือนไป ดังนั9น ต้ องปรับข้ อมูลให้ มีความถูกต้ องและเป็ นตัวแทนทีแ ท้ จริง เช่ นการปรับจุด latitude และ longitude ให้ สอดคล้ องกับค่ า พิกดั บนพืน9 โลก เกิดเนื องจาก -การหมุนรอบตัวของโลก -ความแปรปรวนของความสู ง -ความเร็วของดาวเทียม -ความแปรปรวนของการจัดวางท่ าของตัวดาวเทียม 12
http://www.profc.udec.cl/~gabriel/tutoriales/giswb/vol2/cp5/5-6.gif
13
ความบิดเบืà¸à¸™ ทางพืน9 ทีข ณะ บิน
http://www.gis.leica-geosystems.com/products/airborne_sensors.html
14
ความแปรปรวนการ จัดวางท่ าของ อุปกรณ์ เซนเซอร์
http://www.vexcel.co.at
15
จุดประสงค์ ของการทํา image processing เพือ การจัดการ image ให้ อยู่สภาพทีส ามารถนํามาประมวลผลได้ อย่ างถูกต้ อง แม่ นยําซึ งประกอบด้ วย 1. Image Enhancement เป็ นการปรับปรุงภาพให้ มี สามารถตีความและวิเคราะห์ ด้วยสายตาได้ ซึ งได้ แก่ กระบวนการ contrast stretching เพือ เน้ นและจําแนกความ แตกต่ างระหว่ างวัตถุต่างๆ ได้ 2. Filtering เพือ เน้ นลักษณะพืน9 ทีเ ฉพาะของ image 3. Image Transformation มีลกั ษณะการเน้ น เช่ นเดียวกับ enhancement 16
ความบิดเบือน ของภาพและการ การปรับแก้ 17
2. Image Processing
2.1 Image enhancement
18
Image Enhancement การทํา Image Enhancement และ Transformation หมายถึงการเน้ นภาพเพือ ให้ เห็นความแตกต่ างให้ มาก ทีส ุ ด เป็ นการเพิม การกระจายของพิสัยค่ า DNs ให้ กว้ าง ขึน9 ดังรู ป
19
วิธีการทํา Image Enhancement
20
การคํานวณค่ าความชัด Brightness value หรือค่ าของ จุดภาพในการแสดงผลภาพ 24 bit โดยแบ่ งได้ เป็ น 8 bit ของแต่ ละลําแสงอิเลกตรอน 3 แม่ แสง ดังนั9น 24 bit จะได้ ค่าความชัดเจนแต่ ละ pixel เป็ น 8 8 bit คือ 2 คือตั9งแต่ 0-255 ในแต่ ละ pixel และเมื อใช้ 3 ลําแสงผสมกันจึงได้ ค่า 2563 หรือ 16,777,216 สี ที ปรากฏในแต่ ละ pixel ข้ อมูลทีไ ด้ จากดาวเทียมจึง เรียกว่ า Raster ซึ งแบ่ งเป็ นตารางกริดในแต่ ละเซล ซึ งเรียกว่ า Pixel หรือ picture element 21
การยืดภาพจากต้ นฉบับมีช่วงค่ า 84-153 เมือ จะนํามาใช้ สามารถยืดข้ อมูลให้ เต็มช่ วงคลืน จาก 0-255 ได้
22
วิธีการนีเ9 รียกว่ า Linear contrast stretch คือใช้ ค่า ตํา สุ ดและสู งสุ ดทําการยืดค่ าออกไปให้ เต็มค่ าความ สว่ าง ( brightness values) จากตัวอย่ างการยืดค่ า ระหว่ างค่ า 84-153 อยู่ในช่ วง 70 ค่ าเท่ านั9น ซึ งยาก ต่ อการแปลภาพดังนั9นต้ องยืดค่ าออกไปให้ เต็มพิสัย ดังรู ปทีแ สดงต่ อไปนี9
23
ภาพต้ นฉบับ
ภาพทีท าํ enhancement 24
ภาพจากดาวเทียม IKONOS ทีม เี งาเมฆปกคลุมพืน9 ทีด ้ านล่ าง ซึ งใช้ ขนาด 11 บิต และเมือ ทํา contrast ให้ กบั พืน9 ทีเ งา ค่ าความ สว่ างก็จะชัดเจนขึน9 เรียกว่ า เทคนิคการทํา enhancement http:// http ://www www..crisp crisp..nus nus..edu edu..sg/ sg/~research ~research//tutorial tutorial//image image..htm
25
การกระจายค่ าอยู่เต็มพิสัย ดังนั9นค่ าทีไ ด้ จะให้ รายละเอียดของ พืน9 ทีม ากกว่ าข้ อมูลต้ นฉบับเพราะเห็นความแตกต่ างของวัตถุ ต่ างๆ ได้ มากขึน9 เช่ นถ้ าหากว่ าเรามีข้อมูลทีเ ป็ นแม่ นํา9 และส่ วน ของนํา9 อยู่ในค่ าการกระจายระหว่ าง 40-76 จําเป็ นต้ องทําการ เน้ นข้ อมูลเพือ ให้ เห็นรายละเอียดของแม่ นํา9 ให้ มากขึน9 ซึ งบาง ทีจะทําให้ เราเห็นถึงลักษณะของตะกอนได้ ดังนั9นการเน้ นภาพ จึงมีความจําเป็ นสํ าหรับข้ อมูลทีม คี ่ าอยู่ในช่ วงทีแ คบ (ในทีน ี9 คือ40-76)จัดการให้ ขยายออกไปให้ เต็มพิสัย (คือ0-255) ดังนั9น ค่ าทีไ ด้ จึงสามารถให้ รายละเอียดได้ ดกี บั แม่ นํา9 แต่ ข้อมูลอืน ๆ อาจจะสู ญเสี ยไป 26
วิธีการทํา stretch หมายความว่ า ค่ า DN ในรู ปมีค่าอยู่ระหว่ าง 60-158 (ค่ อนข้ างอยู่ในพิสัยแคบ เพียง 40 ค่ าเท่ านั9นทําให้ เห็นความแตกต่ างกันน้ อย) ค่ าทีต าํ กว่ า 108 มีpixel เพียงเล็กน้ อยเท่ านั9น แต่ จะมีมากช่ วง 108-158 เมื อทํา การขยาย หรือ stretch (ในรู ปที 2) จะทําให้ เห็นความ แตกต่ างกันมากขึน9 27
28
เมื อทําการเน้ นแล้ วจะได้ ค่าทีข ยับจาก 60 ไปถึง 0 และ จาก 158 ถึง 255 ได้ ค่ าทีไ ด้ จากการยืดออกไปนั9นทํา ให้ เห็นความแตกต่ างระหว่ างจุดภาพมีการกระจาย อย่ างเหมาะสมและเห็นได้ ชัดเจนขึน9 ดังนั9นการยืด ค่ าจาก 38-255 จะทําให้ เห็นความต่ างได้ ดกี ว่ าค่ าจาก 107-60
29
วิธีการทํา stretch วิธีการทํา stretch มีด้วยกัน 7 วิธีคอื 1) Piecewise Linear 2) Linear with Saturation 3) Logarithmic 4) Exponential 5) Ramp Cumulative Distribution Function 6) Probability Distribution Function 7) Sinusoidal Linear with Saturation.
30
ตัวอย่ าง TM band 3 เดิม ซึ งมีค่าการกระจาย DN ตํา จนไม่ สามารถจําแนกความ แตกต่ างได้ TM band 3 ทีผ ่ านการทํา Stretch แล้ ว ทําให้ ได้ ค่า DN อยู่ระหว่ าง 9-65 ด้ วย วิธีการ linear stretch แล้ วยืดค่ าออกไป จาก 9 ไป 5 และ 65 ไป 255 ซึ งเป็ น สั ดส่ วนเหมาะสม 31
การทํา Stretch ด้ วยวิธี Linear stretch ของTM band 3
32
วิธี Linear-with-Saturation stretch
กําหนดให้ แต่ ละ pixel ห่ างกันที 5% อย่ างเท่ าเทียมกัน 33
วิธีการ Histogram Equalization stretch
การขยายพิสัยค่ า DN ออกไปในบาง ช่ วงโดยเฉพาะช่ วงทีม คี ่ าพิสัยการ สะท้ อนตํา สุ ด ก็ต้องขยายออกไปให้ มีค่าความสว่ างมากขึน9 34
การผสมสี แบบ FCC และ True color
False color composite = FCC TM 2-3-4 (BGR)
True color composite TM 1-2-3 (BGR)
35
2. การทํา fillter
36
การทํา spatial fillers เป็ นการเน้ นค่ าความสว่ างสู งสุ ด ให้ กบั คุณลักษณะของวัตถุต่างๆให้ คมชัดมากขึน9 ซึ ง เกีย วข้ องกับจํานวนความถีข องข้ อมูลทีป รากฏใน โทนสี หนึ งๆ คุณลักษณะของ texture ทีเ ป็ นพืน9 ผิว หยาบนั9นสามารถเปลีย นให้ เป็ นโทนทีช ัดเจนขึน9 ซึ ง จะให้ ค่าความถีส ู งสุ ดเพือ ทําให้ ภาพมีความคมชัดขึน9 ให้ กบั พิกเซลแต่ ละพิกเซลในมิติ 3x3 หรือ 5x5 เป็ น ต้ น ดังรู ป 37
การทํา fillters แบบทีเ น้ นให้ เห็นขอบเขตชัดขึน9 เหมาะสํ าหรับ การประยุกต์ ใช้ ศึกษาทางธรณีวทิ ยา 38
อธิบายได้ ว่า การนําเอา fillter ผ่ านไปบนภาพ จากซ้ ายไป ขวาทีละบรรทัดภาพจนหมด ซึ งะมีผลทําให้ ค่าจุดภาพ เปลีย นแปลงไปตามค่ า DNของจุดภาพทีอ ยู่รอบๆ ข้ าง ของจุดกลาง โดยทําให้ ค่ากลางของจุดภาพใหม่ เปลีย นแปลงไปตาม fillter ซึ งนิยมทํามี 4 ชนิดด้ วยกัน 1. Low pass fillter 2. High pass fillter 3. Directional fillter 4. Textural fillter 39
ประโยชน์ การกรอง การกรองเป็ นการปรับความชัดเจนของภาพ เหมาะสํ าหรับ ใช้ กบั ภาพทีผ ้ ูวเิ คราะห์ ต้องการเน้ นรายละเอียดของ ข้ อมูลเชิงตําแหน่ งทีเ ป็ นเส้ น (linear feature) เช่ น ถนน แม่ นํา9 ให้ ใหญ่ ขนึ9 มองเห็นชัดเจนขึน9 ขนาดของ fillter และค่ านํา9 หนักทีใ ห้ จะมีผลต่ อผลลัพท์ อิทธิพลของฟิ ลเตอร์ สามารถลดลงได้ ด้วยการเพิม ค่ า กลางให้ มากขึน9 40
3. การแปลงข้ อมูล(Image Transformation )
41
การทํา image transformation เป็ นการจัดการข้ อมูลในหลายๆ ช่ วง คลืน ในช่ วงเวลาทีแ ตกต่ างกัน (เช่ น multitemporal image data) ซึ งโดยทัว ไปแล้ วการทํา image transformation มักจะเป็ นข้ อมูล ใหม่ จาก 2 แหล่ งหรือมากกว่ าขึน9 ไปทีม คี ่ าการสะท้ อน คุณลักษณะของวัตถุน9ันได้ ดที สี ุ ด ซึ งดีกว่ าภาพต้ นฉบับจาก แบนด์ เดียว เช่ น
42
4. การจําแนกข้ อมูล (Classification and Analysis )
43
การจําแนกข้ อมูล หมายถึงการแบ่ งจุดภาพทีม ีคุณสมบัตกิ ารสะท้ อนแสง คล้ ายกันออกเป็ นกลุ่มหรือเป็ นระดับซึ งเรียกว่ า ประเภทหรือclass มีอยู่ 2 วิธีคอื 1. supervised classification 2. unsupervised classification 44
45
1. supervised classification เป็ นการกําหนดพืน9 ทีเ พือ ทีจ ะได้ กลุ่มของข้ อมูลค่ าสะท้ อนที สามารถนํามาใช้ คดั เลือก เป็ นตัวแทนของข้ อมูลทีป รากฏ ทั9งหมด โดยทัว ไปจะใช้ ประมาณ 10 เท่ าของจํานวนแบนด์ ทีใ ช้ ซึ งไม่ ควรตํา กว่ า 30 จุดภาพ มี 3 ลักษณะคือ
1.1 nearest neighbour 1.2 Bilinear interpolation 1.3 Cubic convolution 46
ground control points (or GCPs)
47
การทํา GCPs
48
1.1 nearest neighbour
1.2 Bilinear interpolation
1.3 Cubic convolution 49
1.1 Nearest Neighbour เป็ นการกําหนดค่าของ จุดภาพจากจุดภาพที ใกล้ที สุดของ พิกดั เดิม แล้วกําหนดค่าจุดภาพนั/น ลงในพิกดั ที ถูกต้อง วิธีการนี/เป็ น วิธีการที มีประสิ ทธิ ภาพสู งสุ ดในแง่ของเวลาในการคํานวณ และไม่สามารถจะเปลี ยนแปลงค่าของจุดภาพเดิมได้ กระบวนการวิเคราะห์อาจจะมีความคลาดเคลื อนเล็กน้อย อาจจะถึง 1/2 จุดภาพ ค่าของจุดภาพที ตาํ แหน่งของกริ ดที ระบายสี เป็ นภาพที แก้ไขแล้วคือจุดสี ดาํ ดังรู ป 50
1.2 Bi-linear Interpolation ค่าของจุดภาพจะอยูต่ รง กลางของภาพที แก้ไขแล้วนั/น เป็ นค่าที คาํ นวณได้จากค่าเฉลี ย โดยนํ/าหนักของจุดภาพใกล้เคียง 4 จุดภาพเดิมจากจุดภาพ 1-2-3-4 ค่าของจุดภาพจะเปลี ยนไป ซึ งอาจจะทําให้เสี ยความจําแนก ความชัดเจนไปด้วย วิธีการนี/ใช้เวลาการคํานวณ 3-4 เท่าของวิธี แรก 51
1.3 Cubic Convolution คล้ายกับวิธี Bi-Linear แต่ใช้ค่าจุดภาพทั/งหมด 16 จุด เพื อคํานวณค่าเฉลี ยโดยนํ/าหนัก ตําแหน่งของจุดภาพทั/งหมด เป็ น 16 ภาพ เป็ นตําแหน่ง ข้างเคียงจากภาพเดิมเพื อ คํานวณค่าจุดภาพ 1 ค่า วิธีการนี/อาจจะให้ค่าจุดภาพแตกต่างจาก ค่าเดิมมาก 52
2. unsupervised classification เป็ นวิธีการจําแนกข้ อมูลทีผ ้ ูวเิ คราะห์ ไม่ ต้องกําหนดพืน9 ที ของข้ อมูลแต่ ละประเภท มักจะใช้ ในกรณีที ไม่ มขี ้ อมูล เพียงพอในพืน9 ทีท จี ะจําแนก หรือไม่ มคี วามรู้ หรือความ เคยชินในพืน9 ทีศ ึกษา วิธีการนีจ9 ึงสามารถทําได้ โดยการสุ่ ม ตัวอย่ างแบบคละ แล้ วนํากลุ่มข้ อมูลดังกล่ าวมาแบ่ งเป็ น ประเภทต่ างๆ โดยแต่ ละประเภทมีลกั ษณะเชิงคลืน ที เหมือนกัน แบ่ งออกเป็ น 2 ลักษณะคือ 53
การรวมกลุ่มแบบลําดับชั9น วิธีนีจ9 ุดภาพจะถูกจัดรวมเป็ น กลุ่มทีค ล้ ายกันโดยใช้ ระยะห่ างเป็ นเครื องวัด เริ มต้ นด้ วยการ สมมุตวิ ่ าแต่ ละจุดภาพเป็ น 1 กลุ่ม มีระยะห่ างกันน้ อยทีส ุ ดก็ จะรวมตัวเข้ าด้ วยกัน ถัดจากนั9นก็จะเป็ นกลุ่มจุดภาพไป เรื อยๆ จนกระทัง ได้ กลุ่มตามจํานวนทีก าํ หนดไว้ 2. การรวมกลุ่มแบบไม่ เป็ นลําดับชั9น โดยการแบ่ งข้ อมูล ออกเป็ นกลุ่มชั วคราวจํานวนหนึ ง หลังจากนั9นแต่ ละกลุ่มจะ ถูกตรวจสอบโดยใช้ ตวั แปรหรือระยะห่ างทีเ ลือกมาเพือ ทํา การจัดตําแหน่ งใหม่ ให้ อยู่ในกลุ่มทีเ หมาะสมกว่ า 1.
54
การจําแนกข้ อมูล
55
การทํา classify
56
ข้อมูลแลนด์แซต1 ซต1-7 ต้นฉบับ
57
ตัวอย่ างกระบวนการ Image processing
Landsat TM -3 บริเวณ Morro Bay (MB) area on the southcentral coast of California ในปี พฤศจิกายน 1982 58
พืน9 ทีต วั อย่ าง Landsat TM - 3
แบนด์ 3 ขนาด 512 x 512 pixel ความละเอียด 30 เมตร คลุมพืน9 ที 16 กม. ( 10 ไมล์ ) แสดงค่ าการสะท้ อนในค่ า DNs เป็ นภาพขาว-ดํา คือค่ า 0(สี ดํา) ถึง255 (สี ขาว) มี จํานวนตัวเลขจาก 1-254 อยู่ในรู ป gray scale 59
Band 3 Histogram
60
พืน9 ทีจ ริง
61
พืน9 ทีจ ริงจากภาพถ่ ายทางอากาศ
ต้ องมีการตรวจสอบสภาพพืน9 ทีจ ริงในทุกๆจุดทีส ํ าคัญ
62
63
Landsat TM band 1-7
TM 1
TM 4
TM 2
TM 3
TM 5
TM 6
64
TM Band 7
65
Histogram TM band 1-4
Band 1
Band 2
Band 3
Band 4
66
Histogram TM band 5-7
Band 5
Band 6
Band 7
67
คุณลักษณะของ image band 1
68
คุณลักษณะของ image band 2
69
คุณลักษณะของ image band 3
70
คุณลักษณะของ image band 4
71
ทฤษฏีสี
72
แม่ สี 2 ระบบ
73
Brightness value ค่ าความสว่ าง green yellow
cyan white
red
magenta
blue
แม่ สี additive ได้ แก่ red, green, blue เป็ นแม่ สีหลักของ EM 74
1.The subtractive color
cyan + magenta = blue magenta + yellow = red yellow + cyan = green cyan + magenta + yellow = black
75
2. The additive color
red + green = yellow green + blue = cyan blue + red = magenta red + green + blue = white http://hypertextbook.com/physics/waves/color/
76
Spectrum ของแสง
http://www.prc.ac.th/newart/web_pic2/pic_tricolor.jpg
77
การทําภาพสี ผสมเท็จ และจริ ง การทําภาพสี ผสมเท็จ และจริง หลักการก็เพื อที จะทําให้เห็นองค์ประกอบของวัตถุ ต่างๆในภาพเพื อการจําแนกแยกแยะได้อย่างชัดเจน
78
р╕ар╕▓р╕Юр╕кр╕╡ р╕Ьр╕кр╕бр╕бр╕▓р╕Хр╕гр╕▓р╕Рр╕▓р╕Щр╕Вр╕нр╕Зр╕Фр╕▓р╕зр╣Ар╕Чр╕╡р╕вр╕бр╕кр╣Н р╕▓р╕гр╕зр╕Ир╕Чр╕гр╕▒р╕Юр╕вр╕▓р╕Бр╕гр╕Чр╕╡р╕Ю р╕Кр╕╖ р╕Юр╕гр╕гр╕Ур╣Ар╕Ыр╣З р╕Щр╕кр╕╡ р╣Бр╕Фр╕З
79
การผสมสี
80
The ultraviolet (wavelengths between 0.3 - 0.4 microns), visible (0.4 to 0.7 microns), nearinfrared (0.7 to 1.2 microns), the solar reflected infrared (1.2 to 3.2 microns), the mid-infrared (3.2 to 15 microns) and the far infrared (longer than 15.0 microns).
between 0.4 and 12.0 microns as a set of 12 individual black and white images
Band 12 is very wide (about 4 microns) while band 4 is very narrow (about 0.05 microns).
81 http http:// ://satftp satftp..soest soest..hawaii hawaii..edu edu//space space//hawaii hawaii//vfts vfts//oahu oahu//rem_sens_ex rem_sens_ex//rsex rsex..spectral spectral..1.html
http:// http ://satftp satftp..soest soest..hawaii hawaii..edu edu//space space//hawaii hawaii//vfts vfts//oahu oahu//rem_sens_ex rem_sens_ex//rsex rsex..spectral spectral..3.html 82
http:// http ://satftp satftp..soest soest..hawaii hawaii..edu edu//space space//hawaii hawaii//vfts vfts//oahu oahu//rem_sens_ex rem_sens_ex//colors colors..n.784 784x x487. 487.jpg 83
http:// http ://satftp satftp..soest soest..hawaii hawaii..edu edu//space space//hawaii hawaii//vfts vfts//oahu oahu//rem_sens_ex rem_sens_ex//colors colors9 9.785x 785x485. 485.jpg84
natural colors -TM 321 infrared false colors -TM 432 color composite -TM 354
ŕ¸ ŕ¸˛ŕ¸Łŕ¸œŕ¸Şŕ¸Ąŕ¸Şŕ¸ľ ขŕ¸ŕ¸‡ŕ¸Šŕšˆ วงค฼มน ŕ¸•ŕšˆ ŕ¸˛ŕ¸‡ŕš† http:// http ://telsat telsat..belspo belspo..be be//beo beo//en en//guide guide//compcol compcol..asp?section asp?section==3
85
ผลทีไ ด้ จากการทําภาพสี ผสม
86
ภาพข้ อมูลดาวเทียมต้ นฉบับ
การผสมแบนด์ 3-2-1 RGB สงขลา
87
ŕ¸ ŕ¸˛ŕ¸žŕ¸‚ŕš‰ ŕ¸ŕ¸Ąŕ¸šŕ¸Ľŕ¸”ŕ¸˛ŕ¸§ŕš€ŕ¸—ŕ¸ľŕ¸˘ŕ¸Ąŕ¸—ŕ¸ľŕ¸œ ŕšˆ ŕ¸˛ŕ¸™ŕ¸ ŕ¸˛ŕ¸Łŕš€ŕ¸™ŕš‰ นภาพ ๠ูู Histogram Equalization
http:// http ://www www..huso huso..tsu tsu..ac ac..th th//part part//geo geo//course course//Ge311 Ge311//Sattelite Sattelite//settelite_pro settelite_pro..htm
88
การผสมภาพจากดาวเทียมให้ เป็ นภาพสี น9ัน ขึน9 อยู่กบั วัตถุประสงค์ ทีต ้ องการขยายรายละเอียดเฉพาะเรื องให้ เด่ นชัดเจน สามารถ จําแนกหรือมีสีแตกต่ างจากสิ งแวดล้ อม โดยทัว ไปแล้ วสี ผสม มาตรฐานทีร ้ ู จกั กันทัว ไปได้ แก่ การผสมสี ให้ พชื พรรณปรากฏ เป็ นสี แดง นอกจากนี9 ภาพ TM ทีม ีรายละเอียดภาพ 30 เมตร จํานวน 6 แบนด์ (ยกเว้ น แบนด์ 6) สามารถผสมสี ให้ รายละเอียดแตกต่ างตาม วัตถุประสงค์ ในการศึกษาวิจยั ด้ านต่ าง ๆ http://www.huso.tsu.ac.th/part/geo/course/Ge311/Sattelite/settelite_pro.htm 89
การผสมสี ภาพดาวเทียม ระบบ
แบนด์ หรือช่ วงคลืน
MSS
4-5-7
TM
4-3-2
MLA
1-2-3
MESSR
1-2-4
สี สี นํา เงิน-สี เขียว-สี แดง (B-G-R) สี นํา เงิน-สี เขียว-สี แดง (B-G-R) สี นํา เงิน-สี เขียว-สี แดง (B-G-R) สี นํา เงิน-สี เขียว-สี แดง (B-G-R)
90
คุณสมบัตภิ าพ FCC ของดาวเทียม Landsat TM 30x30 ม. ภาพ
ช่ วงคลืน (Band) / นํา9 เงิน-เขียว-แดง
คุณสมบัติ
TM
123/BGR
้ ก ี รรมชาติ คือ พืชพรรณเป็นสเี ขียว ใชศ ึ ษาความ ให้สธ , และพืน , ทีช ขุน ่ ข้นของตะกอน นํา, ตืน 0 ายฝั0ง
345/BGR
พืชพรรณเป็นสเี ขียว ให้รายละเอียดความแตกต่างของ ื, ของดิน มีประโยชน์ในการวิเคราะห์ดน ความชน ิ และพืช พรรณ
354/BGR
้ แสดงขอบเขตพืน ี ดงและสม , ดิน และนํา, พืชพรรณสแ ้ ) ออกจากป่าบก (สแ ี ม ี ดง) ให้ แยกป่าชายเลน (สส ล ักษณะคลองระบายนํา,
TM
TM TM
254/BGR
TM
754/BGR
TM
124/BGR
้ และ ี ดง แยกพืน ี ม , ทีส พืชพรรณสแ 0 วนยางพารา (สส ั ชมพู) ได้ชดเจน ี ดงให้รายละเอียดความชน ื, ทีแ พืชพรรณสแ 0 ตกต่างตาม , ที0 ล ักษณะพืน ี ดง ให้รายละเอียดตะกอนขุน พืชสแ ่ บริเวณชายฝั0ง
91
ดาวเทียมLandsat MSS 80x80 ม.
ช่ วงคลืน
ความยาวคลืน
(4) 1
0.56 - 0.60
(5) 2
0.60 - 0.70
(6) 3
0.70 - 0.80
(7) 4
0.80 - 1.1
ศักยภาพการใช้ ประโยชน์
สามารถผ่ านทะลุนํา9 ได้ มากกว่ าช่ วงคลืน อืน ใช้ ในการตรวจ ตะกอนหรือความขุ่นข้ นในนํา9 แสดงความแตกต่ างของพืช พันธุ์สีเขียวกับสิ งปกคลุมอย่ างอืน ใช้ บอกลักษณะโครงสร้ าง ทางธรณี วิทยาได้ ด้วย สามารถดูความแตกต่ างของสิ งที คนสร้ างขึน9 กับลักษณะ ความสู งตํา ของภูมปิ ระเทศ (Topographic Features) ใช้ สํ าหรับแยกประเภทของพืชพันธุ์ลเี ขียวเมือ รวมอยู่กบั สิ งปก คลุมหลายๆ อย่ าง เหมาะสํ าหรับใช้ ดูความแตกต่ างของลักษณะ การใช้ ที ดนิ และ ใช้ ตรวจปริมาณมวลชีวสี เขียวได้ (Green Biomass) ใช้ ดูความแตกต่ างของส่ วนที เป็ นนํา9 กับส่ วนที ไม่ เป็ นนํา9 ได้ ดี ใช้ แยกความแตกต่ างระหว่ างพืชพันธุ์กบั ดินได้ แสดงธรณี 92 สั ณฐานและ โครงสร้ างทางธรณีวทิ ยา
ศักยภาพของดาวเทียมสํ ารวจทรัพยากร LANDSAT ระบบ TM 30x30 เมตร ความยาวคลืน ช่ วงคลืน (Wavelength (Chanel) Band) (ไมครอน)
1
2 3
0.45 - 0.52 นํา9 เงิน 0.52 - 0.60 เขียว 0.63 - 0.69 แดง
ศักยภาพการใช้ ประโยชน์ (Potential Application) ใช้ ตรวจสอบลักษณะนํา9 ตามชายฝั ง ใช้ ดูความ แตกต่ าง หรือใช้ แยกประเภทต้ นไม้ ชนิดผลัดใบ และไม่ ผลัดใบออกจากกัน ใช้ ดูความแตกต่ าง หรือ แยกดินจากพืชพันธุ์ต่างๆ มีความไวต่ อการมี หรือไม่ มีคลอโรฟี ลล์ แสดงการละท้ อนพลังงานสี เขียวจากพืชพันธุ์ที เจริญเติบโตแล้ ว ใช้ แยกความแตกต่ างของการดูดกลืนคลอโรฟี ลล์ ในพืชพันธุ์ชนิดต่ างๆ กัน 93
ความยาวคลืน ช่ วงคลืน (Wavelength Band) (Chanel) (ไมครอน) 0.76 - 0.90 4 อินฟราเรดใกล้ 1.55 - 1.75 5 อินฟราเรดคลืน สั9 น 10.40 - 12.50 อินฟราเรดความร้ อน 6 (รายละเอียด 120 เมตร) 2.08 - 2.35 7 อินฟราเรดกลาง
ศักยภาพการใช้ ประโยชน์ (Potential Application) ใช้ ตรวจวัดปริมาณมวลชีวะ ใช้ ดูความแตกต่ าง ของนํา9 และส่ วนไม่ ใช่ นํา9 ใช้ ตรวจความชื9นในพืชใช้ ดูความแตกต่ างของ หิมะกับเมฆ ใช้ ตรวจการเหี ยวเฉาอันเนื องจากความร้ อนใน พืชใช้ ดูความแตกต่ างของความร้ อนบริเวณที ศึกษา และใช้ ดูความแตกต่ างของความชื9นของ ดิน ใช้ ตรวจความร้ อนในนํา9 ใช้ แยกประเภทแร่ ธาตุ และดินชนิดต่ างๆ 94
http://www.huso.tsu.ac.th/part/geo/course/Ge311/Sattelite/settelite_pro.htm
р╕ир╕▒р╕Бр╕вр╕ар╕▓р╕Юр╕Вр╕нр╕Зр╕Фр╕▓р╕зр╣Ар╕Чр╕╡р╕вр╕бр╕кр╣Н р╕▓р╕гр╕зр╕Ир╕Чр╕гр╕▒р╕Юр╕вр╕▓р╕Бр╕г SPOT р╕гр╕░р╕Ър╕Ъ Multispectral Mode
1 2 3
р╕Др╕зр╕▓р╕бр╕вр╕▓р╕з р╕Др╕ер╕╖р╕Щ (р╣Др╕бр╕Др╕гр╕нр╕Щ) 0.50 тАУ 0.59 0.61 тАУ 0.68 0.79 тАУ 0.89
4
0.51-0.73
р╕Кр╣И р╕зр╕З р╕Др╕ер╕╖р╕Щ
р╕гр╕▓р╕вр╕ер╕░р╣Ар╕нр╕╡р╕вр╕Ф р╕Вр╕нр╕Зр╕ар╕▓р╕Ю р╕ир╕▒р╕Бр╕вр╕ар╕▓р╕Юр╕Бр╕▓р╕гр╣Гр╕Кр╣Й р╕Ыр╕гр╕░р╣Вр╕вр╕Кр╕Щр╣М (р╣Ар╕бр╕Хр╕г) 20 р╕ир╕╢р╕Бр╕йр╕▓р╕Юр╕╖р╕К р╕Щр╣Нр╕▓9 р╣Бр╕ер╕░р╕Хр╕░р╕Бр╕нр╕Щ 20 р╣Бр╕вр╕Бр╕Ыр╣И р╕▓р╣Др╕бр╣Й р╣Бр╕ер╕░р╕кр╕┤ р╕Зр╕Бр╣И р╕нр╕кр╕гр╣Й р╕▓р╕З 20 р╕ир╕╢р╕Бр╕йр╕▓р╕ар╕╣р╕бр╕┤р╕Ыр╕гр╕░р╣Ар╕Чр╕и р╕Фр╕┤р╕Щр╣Бр╕ер╕░р╕Шр╕гр╕Ур╕╡р╕зр╕Чр╕┤ р╕вр╕▓ р╣Бр╕вр╕Бр╕кр╣И р╕зр╕Щр╕Чр╕╡р╣А р╕Ыр╣З р╕Щр╕Щр╣Нр╕▓9 р╣Бр╕ер╕░р╣Др╕бр╣И р╣Ар╕Ыр╣З р╕Щр╕Щр╣Нр╕▓9 р╕Др╕зр╕▓р╕бр╕кр╕▓р╕бр╕▓р╕гр╕Цр╕Др╕ер╣Й р╕▓р╕вр╕гр╕╣ р╕Ыр╕Цр╣И р╕▓р╕вр╕Чр╕▓р╕З 10 (pan) р╕нр╕▓р╕Бр╕▓р╕и 95
р╕Фр╕▓р╕зр╣Ар╕Чр╕╡р╕вр╕б MOS р╕гр╕░р╕Ър╕Ъ MESSR р╕гр╕▓р╕вр╕ер╕░р╣Ар╕нр╕╡р╕вр╕Фр╕Вр╕нр╕Зр╕ар╕▓р╕Ю 50 р╣Ар╕бр╕Хр╕г р╕Др╕зр╕▓р╕бр╕вр╕▓р╕зр╕Др╕ер╕╖р╕Щ р╕Кр╣И р╕зр╕Зр╕Др╕ер╕╖р╕Щ р╕ир╕▒р╕Бр╕вр╕ар╕▓р╕Юр╕Бр╕▓р╕гр╣Гр╕Кр╣Й р╕Ыр╕гр╕░р╣Вр╕вр╕Кр╕Щр╣М (р╣Др╕бр╕Др╕гр╕нр╕Щ) 1 0.51 - 0.59 р╕ир╕╢р╕Бр╕йр╕▓р╕Юр╕╖р╕К р╕Щр╣Нр╕▓9 р╣Бр╕ер╕░р╕Хр╕░р╕Бр╕нр╕Щ р╣Бр╕вр╕Бр╕Ыр╕гр╕░р╣Ар╕ар╕Чр╣Бр╕ер╕░р╕Др╕зр╕▓р╕бр╕лр╕Щр╕▓р╣Бр╕Щр╣И р╕Щр╕Вр╕нр╕Зр╕Ыр╣И р╕▓р╣Др╕бр╣Й 2 0.61 - 0.69 р╕ир╕╢р╕Бр╕йр╕▓р╕кр╕┤ р╕Зр╕Бр╣И р╕нр╕кр╕гр╣Й р╕▓р╕З 3 0.72 - 0.80 р╕ир╕╢р╕Бр╕йр╕▓р╕Юр╕╖р╕К р╕Шр╕гр╕Ур╕╡р╕кр╕▒р╕Ур╕Рр╕▓р╕Щ р╕ир╕╢р╕Бр╕йр╕▓р╕Фр╕┤р╕Щ р╕Шр╕гр╕Ур╕╡р╕зр╕Чр╕┤ р╕вр╕▓ р╕Шр╕гр╕Ур╕╡р╕кр╕▒р╕Ур╕Рр╕▓р╕Щ р╣Бр╕вр╕Бр╕кр╣И р╕зр╕Щр╕Чр╕╡ 4 0.80 - 1.10 р╣Ар╕Ыр╣З р╕Щр╕Щр╣Нр╕▓9 р╣Бр╕ер╕░р╣Др╕бр╣И р╣Ар╕Ыр╣З р╕Щр╕Щр╣Нр╕▓9 96
ระบบ MSS แบนด์ 4-5-7 / B-G-R เกาะภูเก็ต
ระบบ TM แบนด์ 2-3-4 / B-G-R ทะเลสาบสงขลา
http:// http ://www www..huso huso..tsu tsu..ac ac..th th//part part//geo geo//course course//Ge311 Ge311//Sattelite Sattelite//settelite_pro settelite_pro..htm
97
TM แบนด์ 1 ในช่ วง คลืน 0.45 - 0.52 ไมครอน (นํา9 เงิน) ออกแบบเพือ ให้ สามารถทะลุนํ9าได้ ซึ งเป็ นประ โยชน์ ใน การทําแผนทีบ ริเวณ ชาย และ แสดงความ แตกต่ าง ระหว่ าง ดิน กับพืชพรรณ และป่ า ผลัดใบกับป่ าสนซึ ง ไม่ ผลัดใบ 98
TM แบนด์ 2 ในช่ วง คลืน 0.52 - 0.60 ไมครอน (สี เขียว) ให้ รายละเอียดค่ า การสะท้ อนแสงสี เขียว ซึ งเป็ น ประโยชน์ ในการ ประเมินความ แข็งแรง ของ พืช
99
TM แบนด์ 3 ในช่ วง คลืน 0.63 - 0.69 ไมครอน (สี แดง) ให้ รายละเอียดเกีย วกับ การดูดกลืนแสงของ คลอโรฟี ลล์ ของพืช ต่ าง ๆ ซึ ง เป็ นสิ ง สํ าคัญในการแยก ชนิดของ พืชพรรณ 100
TM แบนด์ 4 ในช่ วง คลืน 0.76 - 0.90 ไมครอน (อินฟราเรด ใกล้ ) มีประโยชน์ ในการ กําหนดปริมาณ มวล ชีวะ และในการจําแนก แหล่ งนํา9
101
TM р╣Бр╕Ър╕Щр╕Фр╣М 5 р╣Гр╕Щр╕Кр╣И р╕зр╕З р╕Др╕ер╕╖р╕Щ 1.55 - 1.75 р╣Др╕бр╕Др╕гр╕нр╕Щ (р╕нр╕┤р╕Щр╕Яр╕гр╕▓р╣Ар╕гр╕Ф) р╣Гр╕лр╣Й р╕гр╕▓р╕вр╕ер╕░р╣Ар╕нр╕╡р╕вр╕Фр╕Ыр╕гр╕┤р╕бр╕▓р╕У р╕Др╕зр╕▓р╕бр╕Кр╕╖9р╕Щ р╕Вр╕нр╕Зр╕Фр╕┤р╕Щ р╕Хр╕ер╕нр╕Фр╕Ир╕Щр╣Ар╕Ыр╣З р╕Щ р╕Ыр╕гр╕░р╣Вр╕вр╕Кр╕Щр╣М р╣Гр╕Щр╕Бр╕▓р╕гр╣Бр╕вр╕Б р╕Др╕зр╕▓р╕б р╣Бр╕Хр╕Бр╕Хр╣И р╕▓р╕З р╕гр╕░р╕лр╕зр╣И р╕▓р╕З р╕лр╕┤р╕бр╕░р╕Бр╕▒р╕Ър╣Ар╕бр╕Ж 102
TM แบนด์ 6 ในช่ วง คลืน 0.40 - 12.50 ไมครอน (อินฟราเรด ความร้ อน) เป็ น ประโยชน์ ในการ วิเคราะห์ ความเครียด ของ พืชพรรณ (เช่ น ขาดนํา9 แมลงทําลาย การจําแนกความชื9นใน ดินและการ หาแหล่ ง ความร้ อน 103
TM แบนด์ 7 ในช่ วง คลืน 2.0 - 2.35 ไมครอน มีศักยภาพในการ จําแนกชนิดของหิน และการทําแผนที แสดงแหล่ งไฮโดร เทอร์ มอล (hydrothermal)
104
การผสมสี เท็จ หรือ FCC
Band 1-2-3 (RGB)
Band 5-6-7 (BRG) 105
Classification
106
คุณลักษณะของ image band 7
107
คุณลักษณะของ image band 7
108
การเปรียบเทียบ 2 ช่ วงเวลา
109
110
111
การจําแนกแบบMaximum Likelyhood
112
Classification results
113
Classification : Cluster
114
Minimum Distance Classification
115
Maximum Likelihood Classification :
116
117
118
Classification จาก True color
119
กราฟแสดงการจําแนก
120
กราฟแสดงการสะท้ อนค่ าของวัตถุ a และb
121
Band Means and Sample Size for Each Class Training Set Class
1
2
3
4
5
6 (TH) 7 no. of pixel
57.4
16.0
12.0
5.6
3.4
112.0 1.5
2433
2. Sediments1 62.2
19.6
13.5
5.6
3.5
112.2 1.6
681
3. Sediments2 69.8
25.3
18.8
6.3
3.5
112.2 1.5
405
4. Bay Sediment59.6
20.2
16.9
6.0
3.4
111.9 1.6
598
5. Marsh
22.8
27.2
42.0
37.3
117.9 14.9
861
6. Waves Surf 189.5 88.0
100.9 56.3
22.3
111.9 6.4
1001
7. Sand
90.6
41.8
54.2
43.9
86.3
121.3 52.8
812
8. Urban1
77.9
32.3
39.3
37.5
53.9
123.5 29.6
747
1. Seawater
61.6
122
Class
1
2
3
4
5
6 (TH) 7 no. of pixel
9. Urban2
68.0
27.0
32.7
36.3
52.9
125.7 27.7
2256
10. Sun Slope 75.9
31.7
40.8
43.5
107.2 126.5 51.4
5476
11. Shade Slope51.8
15.6
13.8
15.6
14.0
109.8 5.6
976
12. Scrublands 66.0
24.8
29.0
27.5
58.4
114.3 29.4
1085
13. Grass
67.9
27.6
32.0
49.9
89.2
117.4 39.3
590
14. Fields
59.9
22.7
22.6
54.5
46.6
115.8 18.3
259
15. Trees
55.8
19.6
20.2
35.7
42.0
108.8 16.6
2048
16. Cleared
73.7
30.5
39.2
37.1
88.4
127.9 45.2
309 123