ดังนั้นจึงมีความพยายามที่จะใช้เทคนิคในการประมวลผลภาพข้อมูลดาวเทียมในการนำเอาภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่นที่มีรายละเอียดเชิงคลื่นสูง มาผสมรวมกับภาพข้อมูลดาวเทียมในระบบขาวดำที่มีรายละเอียดเชิงพื้นที่สูง เพื่อผลิตภาพข้อมูลดาวเทียมสังเคราะห์ที่มีรายละเอียดเชิงคลื่น และรายละเอียดเชิงพื้นที่สูงมารวมไว้ในภาพเพียงภาพเดียว โดยเทคนิคในการการประมวลผลภาพข้อมูลดาวเทียมสังเคราะห์นี้รู้จักกันดีว่า Pansharpening หรือการทำ Resolution merge โดยวิธีการนี้พยายามที่จะรักษาข้อมูลรายละเอียดเชิงคลื่นของภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่น ในขณะเดียวกันก็พยายามที่จะเพิ่มรายละเอียดเชิงพื้นที่ให้กับภาพข้อมูลดาวเทียมด้วย ซึ่งก่อนการทำ Pansharpening นั้นมีปัจจัยที่ควรคำนึงถึง คือ
การเลือกใช้ภาพดาวเทียมที่จะนำมาใช้ในการทำ Pansharpening เพื่อให้มีความเหมาะสมในการนำไปประยุกต์ใช้งาน
การทำการซ้อนภาพ (co-registration) เพื่อปรับตำแหน่งเชิงเรขาคณิตระหว่างภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่น และในระบบขาวดำให้ตรงกัน การปรับแก้เชิงเรขาคณิต
มุมของภาพ เพราะหากภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่น และในระบบขาวดำนั้นถูกบันทึกในช่วงเวลาที่แตกต่างกัน อาจส่งผลทำให้ viewing angle และเงาของภาพแตกต่างกันออกไป ส่งผลต่อการตรึงค่าพิกัดและการทำ Pansharpening นั้นได้ผลลัพธ์ไม่ตรงตามที่ต้องการ
วิธีการทำ Resampling เพราะการทำ Resampling นั้นถูกนำไปใช้ในการทำ geometric projection การปรับแก้เชิงเรขาคณิต และการซ้อนภาพ
ในการทำ Pansharpening นั้นสามารถทำได้หลากหลายวิธีตามอัลกอริธึมที่ใช้ โดยสามารถจำแนกได้ 4 วิธี คือ IHS Transformation Method, Brovey Transform, Principal Component Analysis Method และ Wavelet-based Method
1. IHS Transformation Method
IHS Transformation Method นั้นได้ทำการแปลงภาพข้อมูลดาวเทียมในระบบสี RGB ไปสู่ระบบ IHS (Intensity Hue Saturation) โดยที่ I (รายละเอียดเชิงพื้นที่) H, S (รายละเอียดเชิงคลื่น) โดยมีวิธีการในการแปลงภาพข้อมูลดาวเทียมในระบบสี RGB ไปสู่ระบบ IHS ดังรูป
จากภาพจะเห็นได้ว่าภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่นได้ถูกแปลงค่าระบบสีจาก RGB ไปสู่ระบบ IHS จากนั้น ค่า I ที่ได้จากการแปลงจะถูกแทนที่โดยค่าความเข้มของภาพข้อมูลดาวเทียมในระบบขาวดำโดยการทำ Histrogram Match และค่า h และ s จะถูกทำการ Resampling ให้มีรายละเอียดเชิงพื้นที่เท่ากับภาพข้อมูลในระบบขาวดำ จากนั้นทำการแปลงค่าระบบสีจาก IHS มาสู่ระบบ RGB ซึ่งทำให้ภาพผลลัพธ์ที่ได้ออกมามีความคมชัด และมีรายละเอียดเชิงคลื่นและรายละเอียดเชิงคลื่นสูง
2. Brovey Transform
ภาพข้อมูลดาวเทียมที่มีระดับความแตกต่างของความคมชัดสูงนั้น มีประโยชน์ต่อการตรวจสอบ ติดตามการเปลี่ยนแปลง ดังนั้น Brovey Transform จึงได้อาศัยหลักการของระดับความแตกต่างของความคมชัดมาช่วยทำให้ภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่นนั้นมีความคมชัด หรือมีรายละเอียดเชิงพื้นที่เพิ่มมากขึ้น โดยในวิธีการนี้ภาพข้อมูลในระบบหลายช่วงคลื่นได้ถูกนอร์แมลไลซ์ และค่าดิจิตอลนัมเบอร์ในแต่ละช่วงคลื่นในระบบหลายช่วงคลื่นที่ได้จากการผสานข้อมูลนั้น ได้มาจากการคูณค่าดิจิตอลนัมเบอร์ของช่วงคลื่นที่ถูกนอร์แมลไลซ์ด้วยค่าดิจิตอลนัมเบอร์ของภาพข้อมูลในระบบขาวดำ ดังสมการนี้
โดยที่ DN หมายถึง ค่าดิจิตอลนัมเบอร์ของแต่ละช่วงคลื่น
bi หมายถึง แบนด์แต่ละแบนด์ในภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่น
แม้ว่า Brovey Transform นั้นจะช่วยให้ภาพมีความคมชัด สามารถมองเห็นขอบเขตของวัตถุต่างๆ ได้ชัดเจน จนสามารถแยกแยะได้ แต่กลับมีผลกระทบต่อคุณลักษณะเชิงคลื่นของภาพข้อมูลดาวเทียมอย่างมาก ดังนั้นการทำ Pansharpening โดยวิธี Brovey Transform นั้นจึงไม่เหมาะในการนำไปประยุกต์ใช้ต่อในการจำแนกประเภทข้อมูลแบบ pixel-based classification ทั้งนี้เนื่องจากค่าของข้อมูลในแต่ละพิกเซลจะถูกเปลี่ยนแปลงไปอย่างมาก
3. Principal Component Analysis Method
การวิเคราะห์องค์ประกอบหลักนั้นมีประโยชน์ในการลดจำนวนข้อมูล การปรับปรุงคุณภาพข้อมูล การลดมิติของตัวแปร และการผสมรวมภาพข้อมูล โดยการทำ Pansharpening โดยอาศัยวิธี Principal Component Analysis นั้น Principal Component Analysis จะถูกนำไปประยุกต์ใช้ในการวิเคราะห์องค์ประกอบหลักของภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่น โดยที่ค่าขององค์ประกอบหลักที่ 1 นั้นจะถูกแทนที่ด้วยภาพในระบบขาวดำ โดยมีวิธีการ ดังรูป
การทำ Pansharpening โดยวิธี Principal Component Analysis นั้นค่อนข้างมีความอ่อนไหวและไวต่อพื้นที่ที่ต้องการทำให้มีความคมชัดเพิ่มมากขึ้น ค่าความแปรปรวนของพิกเซล และค่าสหสัมพันธ์ของแต่ละแบนด์ที่แตกต่างกันออกไปตามประเภทของสิ่งปกคลุมดิน เนื่องจาก Principal Component Analysis ต้องใช้การคำนวณค่าความแปรปรวนร่วม ซึ่งค่าที่ได้จากการคำนวณนั้นจะขึ้นอยู่กับภาพข้อมูลดาวเทียมซึ่งมีความสัมพันธ์ระหว่างช่วงคลื่นในระบบหลายช่วงคลื่นของแต่ละคู่ที่แตกต่างกันออกไป
4. Wavelet Transform
Wavelet transform นั้นเป็นวิธีการวิเคราะห์สัญญาณที่พัฒนาขึ้น เพื่อวิเคราะห์สัญญาณที่มีลักษณะไม่คงที่ และเป็นการวิเคราะห์ข้อมูลระหว่างแกนเวลา และการสเกล ซึ่ง Wavelet transform นั้นสามารถปรับขนาดหน้าต่าง (Windows) ได้แบบอัตโนมัติโดยจะใช้หน้าต่างที่สั้นกับความถี่สูง และหน้าต่างที่กว้างกับความถี่ต่ำ ทำให้สามารถเลือกคุณลักษณะทางเวลาและความถี่ได้
แนวคิดพื้นฐานของการทำ wavelet transform คือ การแยกความถี่ของภาพข้อมูลดาวเทียม ทั้งนี้เพราะภาพข้อมูลดาวเทียมนั้นสามารถแบ่งออกเป็นความถี่สูงและความถี่ต่ำ ทั้งนี้ขึ้นอยู่กับการเลือกใช้ตัวกรองผ่านความถี่สูงหรือหรือต่ำ ซึ่งจะส่งผลให้ภาพข้อมูลดาวเทียมที่เลือกใช้ตัวกรองผ่านความถี่นั้นๆ ด้วย ซึ่งภาพข้อมูลดาวเทียมที่มีความถี่ต่ำนั้นก็จะมีรายละเอียดเชิงพื้นที่ต่ำไปด้วย ในขณะเดียวกันภาพข้อมูลดาวเทียมที่มีความถี่สูงก็จะมีรายละเอียดเชิงพื้นที่สูง จากแนวคิดในการทำ wavelet based sharpening จึงอาศัยวิธีการ IHS transformation ร่วมกับ biorthogonal wavelet decomposition
จากรูปในข้างต้น ซึ่งแสดงถึงขั้นตอนในการทำ Pansharpening ด้วยวิธี wavelet based sharpening จะเห็นได้ว่าภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่นในระบบสี RGB จะถูกแปลงไปสู่ระบบ IHS ในขณะที่ภาพข้อมูลดาวเทียมในระบบขาวดำจะถูกทำ histogram matched กับค่า I โดยในการทำ histogram matched ภาพข้อมูลดาวเทียมในระบบขาวดำนั้นได้ใช้ biorthogonal 9/7 ซึ่งเป็นเวฟเล็ตแม่ซึ่งเป็นฟังก์ชันพื้นฐานเพื่อให้เหมาะกับการวิเคราะห์สัญญาณที่มีลักษณะไม่คงที่
ค่า I นั้นถูกนำไปแทนที่ค่าการประมาณของข้อมูลที่มีรายละเอียดต่ำของภาพข้อมูลดาวเทียมในระบบขาวดำ ใน wavelet domain จากนั้นทำการอินเวอร์ส DWT เพื่อที่จะผสมรวมข้อมูล I ในบริเวณที่มีความถี่สูง จากนั้นค่า H และ S ได้ถูก Resampling ให้มีขนาดเท่ากับขนาดของค่า I ที่มีความคมชัดที่มีความคมชัด จากนั้นทำการอินเวอร์สค่าสีในระบบ IHS ไปสู่ระบบสี RGB จากนั้นใช้ตัวกรองผ่านความถี่แบบ wiener filter เพื่อขจัดข้อมูลที่คลาดเคลื่อนที่เกิดจากสัญญาณรบกวนออกจากข้อมูลในแต่ละแบนด์ เพื่อให้ได้ภาพข้อมูลดาวเทียมที่มีความคมชัด และมีคุณลักษณะเชิงคลื่น และคุณลักษณะเชิงพื้นที่สูง
จากการทดสอบใช้เทคนิคการทำ Pansharpening โดยอัลกอริธึมต่างๆ ทั้ง 4 วิธี คือ IHS Transformation Method, Brovey Transform, Principal Component Analysis Method และ Wavelet Based Sharpening นั้นพบว่า วิธีการแบบ Wavelet Based Sharpening นั้นทำให้ภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่นมีความคมชัดเทียบเท่ากับระบบขาวดำแล้ว ยังสามารถคงไว้ซึ่งคุณภาพของข้อมูลเชิงช่วงคลื่น และข้อมูลเชิงรายละเอียดเชิงพื้นที่มากกว่าวิธีการอื่นๆ โดยเฉพาะรายละเอียดเชิงจุดภาพนั้น Wavelet Based Sharpening ได้นำเอาค่า I ไปแทนที่ค่าการประมาณของข้อมูลที่มีรายละเอียดต่ำของภาพข้อมูลดาวเทียมในระบบขาวดำ ใน wavelet domain จากนั้นทำการอินเวอร์ส DWT เพื่อที่จะผสมรวมข้อมูล I ในบริเวณที่มีความถี่สูง ในขณะที่วิธีการอื่นๆ เช่น IHS Transformation Method, Principal Component Analysis Method นั้นรายละเอียดเชิงช่วงคลื่นของภาพ (ที่ผ่านการทำ Pan sharpening) นั้นเป็นเพียงรายละเอียดเชิงช่วงคลื่นที่ได้รับจากภาพข้อมูลดาวเทียมในระบบหลายช่วงคลื่น แล้วทำการเพิ่มเข้าไปในภาพข้อมูลดาวเทียมในระบบขาวดำ แต่ในขณะที่ข้อมูลเชิงรายละเอียดที่ได้จากวิธีการทำ Wavelet Based Sharpening นั้นต้องขึ้นอยู่กับปัจจัยหลายตัว เช่น ความถูกต้องในการทำการซ้อนภาพ และเทคนิควิธีที่เลือกใช้ในการทำ Resampling ในขณะที่เทคนิคการทำ Pansharpening โดยวิธี IHS Transformation และ Principal Component Analysis Method นั้นภาพข้อมูลดาวเทียมในระบบขาวดำจะถูกแทนที่ลงไปในค่า I (จากวิธี IHS Transformation) หรือ ค่าองค์ประกอบหลักที่ 1 (จากวิธี Principal Component Analysis Method) ซึ่งความแตกต่างของค่าระดับสีเทาระหว่างภาพข้อมูลดาวเทียมในระบบขาวดำ กับค่าองค์ประกอบหลักที่ 1 หรือ ค่า I (Intensity) ซึ่งจะส่งผลต่อคุณภาพของข้อมูลรายละเอียดช่วงคลื่นของภาพข้อมูลดาวเทียมที่ได้จากการทำ Pan sharpening ด้วยวิธีเหล่านั้นลดลง ส่วนวิธี Brovey Transform นั้นก็ให้ผลลัพธ์ที่ดี แต่ทั้งนี้ทั้งนั้นต้องขึ้นอยู่กับการนอร์แมลไลซ์ อาจทำให้ค่าดิจิตอลนัมเบอร์เปลี่ยนไป และส่งผลต่อฮิสโตรแกรมของภาพข้อมูลในแต่ละแบนด์เปลี่ยนไป
ดังนั้นจะเห็นได้ว่า การทำ Pansharpening โดยวิธี Wavelet Based Sharpening นั้นให้ผลลัพธ์ด้านคุณภาพเชิงคลื่นดีที่สุด ในขณะที่คุณภาพของรายละเอียดเชิงพื้นที่นั้นจะแตกต่างกันไปตามภาพข้อมูลดาวเทียมที่นำมาใช้ในการทำ Pan sharpening ด้วยเหตุนี้จึงต้องมีตรวจสอบความแตกต่างในการเลือกใช้โมเดลในการผสมรวมข้อมูลที่ใช้ใน wavelet domain เพื่อที่จะช่วยให้การทำ Wavelet Based Sharpening ในส่วนของข้อมูลเชิงรายละเอียดพื้นที่ออกมามีคุณภาพมากที่สุด
เอกสารอ้างอิง :
Vijayaraj, V. “A Quality Analysis of Pansharpened Images”. M.S. Thesis, Mississippi State University, 2004.
Signal Noise Ratio (SNR) คือ ค่าที่กำหนดให้เป็นค่าที่น้อยที่สุดในการบันทึกสัญญาณข้อมูล โดยอุปกรณ์รับสัญญาณของดาวเทียมแต่ละดวงนั้นจะถูกออกแบบอัตราส่วนสัญญาณต่อสัญญาณรบกวนเป็นค่าที่แน่นอน โดยอุปกรณ์รับสัญญาณจะบันทึกค่าพลังงานที่สะท้อนกลับมาจากวัตถุเป้าหมาย ถ้าสัญญาณนั้นมีค่ามากกว่า SNR เท่านั้น
ไม่มีความคิดเห็น:
แสดงความคิดเห็น