চিত্র প্রক্রিয়াকরণ এবং বিশ্লেষণ
রিমোট সেন্সিং ইমেজগুলির ব্যাখ্যা এবং চিত্রগুলি থেকে যথাসম্ভব তথ্য আহরণের জন্য অনেকগুলি চিত্র প্রক্রিয়াকরণ এবং বিশ্লেষণ কৌশল তৈরি করা হয়েছে techniques নির্দিষ্ট কৌশল বা ব্যবহারের জন্য অ্যালগরিদমগুলির পছন্দ প্রতিটি পৃথক প্রকল্পের লক্ষ্যগুলির উপর নির্ভর করে। এই বিভাগে, আমরা রিমোট সেন্সিং চিত্র বিশ্লেষণ / ব্যাখ্যা করতে সাধারণত ব্যবহৃত কিছু প্রক্রিয়া পরীক্ষা করব।
প্রাক প্রক্রিয়াকরণ Pre-Processing
ডেটা বিশ্লেষণের আগে, ইমেজিং সিস্টেম এবং ইমেজিং শর্তগুলির বৈশিষ্ট্যগুলির কারণে কাঁচা ডেটাতে প্রাথমিক প্রক্রিয়াজাতকরণ সাধারণত কোনও বিকৃতি সংশোধনের জন্য করা হয়। ব্যবহারকারীর প্রয়োজনীয়তার উপর নির্ভর করে, শেষ ব্যবহারকারীকে ডেটা সরবরাহ করার আগে গ্র্যান্ড স্টেশন অপারেটররা কিছু মানক সংশোধন প্রক্রিয়া চালিয়ে যেতে পারে। এই পদ্ধতিগুলির মধ্যে পুরো চিত্র এবং জ্যামিতিক সংশোধনের ক্ষেত্রে অসম সংবেদকের প্রতিক্রিয়ার জন্য সংশোধন করতে রেডিওমেট্রিক সংশোধন অন্তর্ভুক্তপৃথিবীর আবর্তন এবং অন্যান্য ইমেজিং শর্তগুলির (যেমন তির্যক দেখার মত) জ্যামিতিক বিকৃতির জন্য সঠিক করতে as চিত্রটি একটি নির্দিষ্ট মানচিত্র প্রজেকশন সিস্টেমের সাথেও রূপান্তরিত হতে পারে। তদ্ব্যতীত, যদি চিত্রের কোনও অঞ্চলের সঠিক ভৌগলিক অবস্থান জানা দরকার, গ্রাউন্ড কন্ট্রোল পয়েন্টগুলি (জিসিপি'স) একটি নির্দিষ্ট মানচিত্রে ( ভূ-রেফারেন্সিং ) চিত্রটি নিবন্ধিত করতে ব্যবহৃত হয় ।ইমেজ বৃদ্ধি Image Enhancement
ভিজ্যুয়াল ব্যাখ্যাকে সহায়তা করার জন্য , প্রান্তটি বৃদ্ধির জন্য বিপরীতে এবং স্থানিক ফিল্টারিং উন্নত করতে ধূসর স্তরযুক্ত প্রসারিত ধরণের স্তরের মতো চিত্রের অবজেক্টের দৃষ্টিভঙ্গিটি উন্নত করা যেতে পারে । বর্ধন পদ্ধতির উদাহরণ এখানে দেখানো হয়েছে।
বহুমূখীদৃশ্যতা SPOT একটি দেখানো একই এলাকায় ভাবমূর্তি পূর্বের বিভাগে কিন্তু পরের কোন তারিখে অর্জিত। রেডিওমেট্রিক এবং জ্যামিতিক সংশোধন করা হয়েছে। চিত্রটি একটি নির্দিষ্ট মানচিত্র প্রজেকশন (ইউটিএম প্রক্ষেপণ) অনুসারে রূপান্তরিত হয়েছে। এই চিত্রটি আরও কোনও বৃদ্ধি ছাড়াই প্রদর্শিত হবে।
উপরের অনির্ধারিত চিত্রটিতে, একটি নীল রঙের ছোঁয়াটি পুরো চিত্র জুড়ে দেখা যায়, একটি আড়ম্বরপূর্ণ পরিশুদ্ধি তৈরি করে। সেন্সর দেখার ক্ষেত্রে বায়ুমণ্ডলের দ্বারা সূর্যের আলো ছড়িয়ে দেওয়ার কারণে এই আচ্ছন্ন চেহারা is এই প্রভাবটি বিভিন্ন ল্যান্ডকভারগুলির মধ্যে বৈসাদৃশ্যটিকেও হ্রাস করে।
কোনও চিত্র বর্ধন করার আগে চিত্র হিস্টোগ্রামগুলি পরীক্ষা করা দরকারী useful হিস্টগ্রামের এক্স-অক্ষটি উপলভ্য ডিজিটাল সংখ্যাগুলির পরিসীমা, যার অর্থ 0 থেকে 255 y এই চিত্রের তিনটি ব্যান্ডের হিস্টোগ্রামগুলি নিম্নলিখিত চিত্রগুলিতে দেখানো হয়েছে।
এক্সএস 3 (ইনফ্রারেডের নিকটে) ব্যান্ডের হিস্টোগ্রাম (লাল রঙে প্রদর্শিত)।
এক্সএস 2 (লাল) ব্যান্ডের হিস্টোগ্রাম (সবুজ রঙে প্রদর্শিত)।
এক্সএস 1 (সবুজ) ব্যান্ডের হিস্টোগ্রাম (নীল রঙে প্রদর্শিত)।
মনে রাখবেন যে প্রতিটি ব্যান্ডের সর্বনিম্ন ডিজিটাল নম্বরটি শূন্য নয়। প্রতিটি হিস্টগ্রাম একটি নির্দিষ্ট পরিমাণে ডানদিকে স্থানান্তরিত হয়। এই স্থানান্তরটি বায়ুমণ্ডলীয় বিচ্ছুরণের উপাদানটি স্থল থেকে প্রতিফলিত প্রকৃত বিকিরণের সাথে যুক্ত হওয়ার কারণে। সংক্ষিপ্ত তরঙ্গদৈর্ঘ্যের জন্য রায়লেহ ছড়িয়ে পড়া থেকে উচ্চ অবদানের কারণে অন্যান্য দুটি ব্যান্ডের তুলনায় এক্সএস 1 ব্যান্ডের জন্য শিফটটি বিশেষত বড়।
প্রতিটি ব্যান্ডের সর্বাধিক ডিজিটাল সংখ্যাও 255 নয় The খুব উজ্জ্বল বস্তুর মুখোমুখি হওয়ার কোনও সম্ভাবনা অনুমান করার জন্য সেন্সরের লাভ ফ্যাক্টরটি সামঞ্জস্য করা হয়েছে। সুতরাং, চিত্রটির বেশিরভাগ পিক্সেলের সর্বাধিক মান 255 এর নিচে ডিজিটাল সংখ্যা রয়েছে।
চিত্রটি একটি সাধারণ রৈখিক ধূসর স্তরের প্রসারিত দ্বারা বাড়ানো যেতে পারে । এই পদ্ধতিতে, একটি স্তরের প্রান্তিক মান নির্বাচন করা হয় যাতে এই প্রান্তিকের নীচে সমস্ত পিক্সেল মান শূন্যে ম্যাপ করা হয়। উপরের প্রান্তিক মানটিও বেছে নেওয়া হয় যাতে এই প্রান্তিকের উপরে থাকা সমস্ত পিক্সেল মানগুলি 255 তে ম্যাপ করা হয় other চিত্রের সর্বাধিক পিক্সেল মান। গ্রে-স্তর ট্রান্সফরমেসন ছক নিম্নলিখিত গ্রাফ প্রদর্শন করা হয়।
চিত্রের তিনটি ব্যান্ডের লিনিয়ার ধূসর স্তর প্রসারিত করার জন্য ধূসর-স্তরীয় রূপান্তর সারণী । লাল রেখা: এক্সএস 3 ব্যান্ড; সবুজ লাইন: এক্সএস 2 ব্যান্ড;
নীল রেখা: এক্সএস 1 ব্যান্ড।
লিনিয়ার প্রসারিত প্রয়োগের ফলাফলটি নিম্নলিখিত চিত্রটিতে দেখানো হয়েছে। দ্রষ্টব্য যে চিত্রটির উপরের অংশের কিছু অংশ বাদে আড়ষ্ট চেহারাটি সাধারণত সরানো হয়েছে। বিভিন্ন বৈশিষ্ট্যের মধ্যে বিপরীতে উন্নতি করা হয়েছে।
একটি সাধারণ লিনিয়ার গ্রিলিভেল প্রসারিত দ্বারা বর্ধনের পরে মাল্টিসস্পেক্টাল স্পট চিত্র।
চিত্র শ্রেণিবদ্ধকরণ Image Classification
একটি চিত্রের বিভিন্ন ল্যান্ডকভার ধরণের বর্ণালী বৈশিষ্ট্যগুলি ব্যবহার করে, যেমন প্রতিটি পিক্সেলের মধ্যে থাকা উজ্জ্বলতা এবং "বর্ণ" তথ্য ব্যবহার করে ইউজিংসাম ইমেজ শ্রেণিবদ্ধকরণ অ্যালগরিদমকে বৈষম্যযুক্ত করা যেতে পারে । শ্রেণিবদ্ধকরণ পদ্ধতিগুলি "তদারকি" বা "নিরীক্ষণযোগ্য" হতে পারে।
ইন তত্ত্বাবধানে থাকা শ্রেণীবিন্যাস , পরিচিত landcover ধরনের কিছু এলাকার ভুতুড়ে বৈশিষ্ট্য চিত্র থেকে নিষ্কাশিত হয়। এই অঞ্চলগুলি " প্রশিক্ষণ অঞ্চল " হিসাবে পরিচিত । এর পরে পুরো চিত্রের প্রতিটি পিক্সেল প্রশিক্ষণের ক্ষেত্রের বর্ণালী বৈশিষ্ট্যগুলির সাথে এর বর্ণালী বৈশিষ্ট্যগুলি কতটা কাছাকাছি তার উপর নির্ভর করে শ্রেণীর একটির অন্তর্ভুক্ত হিসাবে শ্রেণীবদ্ধ করা হয়।
ইন তত্ত্বাবধান ছাড়াই শ্রেণীবিন্যাস , কম্পিউটার প্রোগ্রাম স্বয়ংক্রিয়ভাবে পৃথক ক্লাস্টার মধ্যে গ্রুপ ছবিতে পিক্সেল, তাদের ভুতুড়ে বৈশিষ্ট্য উপর নির্ভর করে। তারপরে প্রতিটি ক্লাস্টারকে বিশ্লেষক একটি ল্যান্ডকভার টাইপ বরাদ্দ করবেন।
প্রতিটি শ্রেনীর ল্যান্ডকভারকে একটি " থিম " হিসাবে উল্লেখ করা হয় এবং শ্রেণিবিন্যাসের পণ্যটি " থিম্যাটেম্যাপ " হিসাবে পরিচিত ।
নিম্নলিখিত চিত্রটি থিম্যাটিক মানচিত্রের একটি উদাহরণ দেখায়। এই মানচিত্রটি একটি অকার্যকর শ্রেণিবদ্ধকরণ অ্যালগরিদম ব্যবহার করে পূর্ববর্তী বিভাগে প্রদর্শিত পরীক্ষার ক্ষেত্রের বহুবিধ স্পট চিত্র থেকে নেওয়া হয়েছিল ।
পরীক্ষার ক্ষেত্রের স্পট মাল্টিসেপট্রাল চিত্রটি
থিম্যাটিক মানচিত্রটি অপ্রচারিত
শ্রেণিবদ্ধকরণ অ্যালগরিদম ব্যবহার করে এসপিওটি চিত্র থেকে প্রাপ্ত ।
থিম্যাটিক ক্লাসগুলিতে ল্যান্ডকভার ধরণের একটি প্রশংসনীয় কার্যনির্বাহীকরণ নিম্নলিখিত সারণীতে প্রদর্শিত হয়েছে। রিমোট সেন্সিং চিত্র থেকে প্রাপ্ত থিম্যাটিক মানচিত্রের যথার্থতা ফিল্ড পর্যবেক্ষণ দ্বারা যাচাই করা উচিত ।
| ক্লাস নং (মানচিত্রের রঙ) | ল্যান্ডকভার টাইপ |
|---|---|
| 1 (কালো) | পরিষ্কার পানি |
| 2 (সবুজ) | বদ্ধ ছাউনি সহ ঘন বন |
| 3 (হলুদ) | গুল্ম, কম ঘন বন |
| 4 (কমলা) | ঘাস |
| 5 (সায়ান) | খালি মাটি, অন্তর্নির্মিত অঞ্চল |
| 6 (নীল) | টার্বিডের জল, খালি মাটি, অন্তর্নির্মিত অঞ্চল |
| 7 (লাল) | খালি মাটি, অন্তর্নির্মিত অঞ্চল |
| 8 (সাদা) | খালি মাটি, অন্তর্নির্মিত অঞ্চল |
এই ল্যান্ডকভার ক্লাসগুলির বর্ণাল বৈশিষ্ট্যগুলি নীচে দেখানো দুটি গ্রাফে প্রদর্শিত হতে পারে। প্রথম গ্রাফ গড় পিক্সেল মূল্যবোধের চক্রান্ত XS3 (ইনফ্রারেড নিকটে) ব্যান্ড বনাম XS2 প্রতিটি বর্গ জন্য (লাল) ব্যান্ড। দ্বিতীয় গ্রাফটি এক্সএস 2 (লাল) বনাম এক্সএস 1 ব্যান্ডের গড় পিক্সেল মানের একটি প্লট । প্রতিটি শ্রেণীর জন্য পিক্সেল মানগুলির স্ট্যান্ডার্ড বিচ্যুতিও দেখানো হয়।
 |  |
এক্সএস 3 এবং এক্সএস 2 ব্যান্ডগুলির মধ্যে ক্লাসের স্ক্যাটারপ্ল্লোতে, অ-উদ্ভিজ্জ ল্যান্ডকভার শ্রেণির ডেটা পয়েন্টগুলি সাধারণত উত্সের মধ্য দিয়ে যাওয়ার সময় একটি সরলরেখায় থাকে। এই রেখাটিকে "মাটির রেখা" বলা হয় । উদ্ভিদযুক্ত ল্যান্ডকভার শ্রেণিগুলি দৃশ্যমান অঞ্চলের তুলনায় নিকটবর্তী ইনফ্রারেড অঞ্চলে (এক্সএস 3 ব্যান্ড) উচ্চ প্রতিফলনের কারণে মাটির লাইনের উপরে অবস্থিত।
এক্সএস 2 (দৃশ্যমান লাল) বনাম এক্সএস 1 (দৃশ্যমান সবুজ) স্ক্রেটারপ্লোটে সমস্ত ডেটা পয়েন্ট সাধারণত একটি সরলরেখায় থাকে। এই প্লটটি দেখায় যে দুটি দৃশ্যমান ব্যান্ড খুব উচ্চতর সম্পর্কযুক্ত। উদ্ভিদযুক্ত অঞ্চল এবং পরিষ্কার জল সাধারণত অন্ধকার থাকে যখন অন্যান্য অবিস্মরণীয় ল্যান্ডকভার শ্রেণিগুলিতে দৃশ্যমান ব্যান্ডগুলির মধ্যে বিভিন্ন brightজ্জ্বল্য থাকে।
স্থানিক বৈশিষ্ট্য নিষ্কাশন
উচ্চ স্থানীয় রেজোলিউশনের চিত্রগুলিতে, ভবন এবং রাস্তাগুলির বিশদ যেমন দেখা যায়। বিশদের পরিমাণ চিত্রের রেজোলিউশনের উপর নির্ভর করে। খুব উচ্চ রেজোলিউশনের চিত্রগুলিতে, এমনকি রাস্তা চিহ্নিতকরণ, যানবাহন, পৃথক গাছের মুকুট এবং মানুষের সমষ্টি পরিষ্কারভাবে দেখা যায়। চিত্র বিশ্লেষণের পিক্সেল-ভিত্তিক পদ্ধতিগুলি এ জাতীয় চিত্রগুলিতে সফলভাবে কাজ করবে না।
চিত্রায় অন্তর্ভুক্ত স্থানিক তথ্য সম্পূর্ণরূপে কাজে লাগানোর জন্য, টেক্সচারাল, প্রাসঙ্গিক এবং জ্যামিতিক বৈশিষ্ট্যগুলি ব্যবহার করে চিত্র প্রক্রিয়াকরণ এবং বিশ্লেষণ অ্যালগরিদমগুলি প্রয়োজনীয়। এই জাতীয় অ্যালগরিদমগুলি তথ্য উত্তোলনের জন্য প্রতিবেশী পিক্সেলের মধ্যে সম্পর্কের ব্যবহার করে। একটি প্রাক-অগ্রাধিকার তথ্য অন্তর্ভুক্ত কখনও কখনও প্রয়োজন হয়। খুব উচ্চ রেজোলিউশনের চিত্রাবলী নিয়ে কাজ করার সময় একটি বহু-রেজোলিউশনাল পদ্ধতির (অর্থাত্ বিভিন্ন স্থানীয় স্কেলগুলিতে বিশ্লেষণ এবং রেজোল্টগুলির সংমিশ্রণ )ও একটি কার্যকর কৌশল। এই ক্ষেত্রে, পিক্সেল-ভিত্তিক পদ্ধতিটি নিম্ন রেজোলিউশন মোডে ব্যবহার করা যেতে পারে এবং উচ্চতর রেজোলিউশনে প্রাসঙ্গিক এবং পাঠ্য পদ্ধতির সাথে একত্রীকরণ করা যেতে পারে।
 | ভবনের ছায়াগুলি যদি চিত্রটিতে অবস্থিত হতে পারে তবে সাধারণ জ্যামিতিক পদ্ধতি ব্যবহার করে বিল্ডিং উচ্চতা একটি একক চিত্র থেকে নেওয়া যেতে পারে। উদাহরণস্বরূপ, এখানে দেখানো ভবনের ভবনের উচ্চতা একটি সাধারণ জ্যামিতিক সম্পর্ক ব্যবহার করে ভবনের শীর্ষে অবস্থিত একটি বিন্দু এবং স্থলভাগের ছায়ার সংশ্লিষ্ট পয়েন্টের মধ্যে দূরত্ব পরিমাপ করে নির্ধারণ করা যেতে পারে। এই ক্ষেত্রে, সৌর আলোকসজ্জার স্যাটেলাইট সেন্সর দেখার দিকটি জানা দরকার be |
 আইকনোস ছবিতে তেল খেজুর গাছ |  সনাক্ত করা গাছ (সাদা বিন্দু) চিত্রটিতে সুপারপোজ করা। |
| খুব উচ্চ রেজোলিউশন চিত্রায়িত পৃথক গাছগুলি গাছের মুকুটটির তীব্রতা প্রোফাইলের ভিত্তিতে সনাক্ত করা যায়। আইআরএনএস ইমেজে তেল পাম গাছ সনাক্ত এবং গণনা করার জন্য একটি স্বয়ংক্রিয় কৌশল সিআরআইএসপি-তে প্রবর্তিত এবং বক্রতার ডিফারেনশনাল জ্যামিতি ধারণার উপর ভিত্তি করে তৈরি করা হয়েছে। | |
বায়ো-জিওফিজিক্যাল পরামিতিগুলির পরিমাপ
উপগ্রহ বহনকারী নির্দিষ্ট যন্ত্রাদি পৃথিবীর বায়ো-জিওফিজিকাল পরামিতিগুলির পরিমাপ করতে ব্যবহৃত হতে পারে। এর কয়েকটি উদাহরণ হ'ল: বায়ুমণ্ডলীয় জলীয় বাষ্পের পরিমাণ, স্ট্র্যাটোস্ফেরিক ওজোন, স্থল এবং সমুদ্র পৃষ্ঠের তাপমাত্রা, সমুদ্রের জল ক্লোরোফিল ঘনত্ব, বন জৈববস্তু, সমুদ্র পৃষ্ঠের বায়ুক্ষেত্র, ট্রপোস্ফেরিক অ্যারোসোল ইত্যাদি। বিশ্বব্যাপী পরিবর্তনের ধারাবাহিকতা নিরীক্ষণের জন্য নির্দিষ্ট উপগ্রহ মিশন চালু করা হয়েছে। এই পরিবেশগত প্যারামিটারগুলির মধ্যে যা বিশ্বব্যাপী জলবায়ু পরিবর্তনের কারণ বা প্রভাব এবং পরিবেশের উপর মানুষের ক্রিয়াকলাপের প্রভাব প্রদর্শন করতে পারে।ভৌগলিক তথ্য সিস্টেম (জিআইএস)
অপটিক্যাল এবং রাডার চিত্রগুলির মতো বিভিন্ন ধরণের চিত্রগুলি ল্যান্ডকভার সম্পর্কে পরিপূরক তথ্য সরবরাহ করে। বিভিন্ন ধরণের চিত্রের সংমিশ্রণের মাধ্যমে আরও বিশদ তথ্য প্রাপ্ত করা যেতে পারে। উদাহরণস্বরূপ, শ্রেণিবদ্ধকরণ করার সময় রাডার চিত্রটি দৃশ্যমান এবং কাছাকাছি ইনফ্রারেডলেয়ারগুলির সাথে একত্রে স্তরগুলির এক তৈরি করতে পারে।
দূরবর্তী সংবেদনশীল চিত্রগুলি থেকে প্রাপ্ত থিম সংক্রান্ত তথ্যগুলি প্রায়শই অন্যান্য সহায়ক ডেটাতোর সাথে একত্রিত হয়ে একটি ভৌগলিক তথ্য সিস্টেমের (জিআইএস) ভিত্তি তৈরি করে । এজিআইএস হ'ল বিভিন্ন স্তরগুলির একটি ডাটাবেস, যেখানে প্রতিটি স্তরের একই ক্ষেত্রের নির্দিষ্ট দিক সম্পর্কে তথ্য রয়েছে যা সংস্থানবিদদের বিশ্লেষণের জন্য ব্যবহৃত হয়।
0 comments:
Post a Comment