AUF 11 - 02 Geometrie

1 086 vues

Publié le

Publié dans : Technologie
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
1 086
Sur SlideShare
0
Issues des intégrations
0
Intégrations
254
Actions
Partages
0
Téléchargements
30
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

AUF 11 - 02 Geometrie

  1. 1. Introduction Modèles Optimisations Traitement d’images de télédétection Corrections géométriques jordi.inglada@cesbio.cnes.fr C ENTRE D ’É TUDES S PATIALES DE LA B IOSPHÈRE , TOULOUSE , F RANCECe contenu est dérivé de la formation “Pragmatic Remote Sensing” dispensée par J. Inglada et E. Christophe en juillet 2010 dans le cadre du colloque IGARSS. Il est mis à disposition selon les termes de la licence : Creative Commons Paternité – Partage à l’Identique 3.0 non transcrit. AUF - Marrakech 2011
  2. 2. Introduction Modèles Optimisations IntroductionSérie d’images AUF - Marrakech 2011
  3. 3. Introduction Modèles Optimisations IntroductionSérie d’images AUF - Marrakech 2011
  4. 4. Introduction Modèles Optimisations Introduction Modèle capteurSérie d’images AUF - Marrakech 2011
  5. 5. Introduction Modèles Optimisations Introduction Modèle capteurSérie d’images MNT AUF - Marrakech 2011
  6. 6. Introduction Modèles Optimisations Introduction Modèle capteurSérie d’images MNT AUF - Marrakech 2011
  7. 7. Introduction Modèles Optimisations Introduction Modèle capteurSérie d’images MNT AUF - Marrakech 2011
  8. 8. Introduction Modèles Optimisations Introduction Modèle capteurSérie d’images Géo-référencement MNT AUF - Marrakech 2011
  9. 9. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle capteurSérie d’images Géo-référencement MNT AUF - Marrakech 2011
  10. 10. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle capteurSérie d’images Géo-référencement MNT AUF - Marrakech 2011
  11. 11. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle Recalage capteur finSérie d’images Géo-référencement MNT AUF - Marrakech 2011
  12. 12. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle Recalage capteur finSérie d’images Géo-référencement MNT AUF - Marrakech 2011
  13. 13. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle Recalage capteur finSérie d’images Géo-référencement Série recalée MNT AUF - Marrakech 2011
  14. 14. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle Recalage capteur finSérie d’images Géo-référencement Série recalée MNT AUF - Marrakech 2011
  15. 15. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle Recalage capteur finSérie d’images Géo-référencement Série recalée MNT AUF - Marrakech 2011
  16. 16. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle Recalage Projection capteur fin CartoSérie d’images Géo-référencement Série recalée MNT AUF - Marrakech 2011
  17. 17. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle Recalage Projection capteur fin CartoSérie d’images Géo-référencement Série recalée MNT AUF - Marrakech 2011
  18. 18. Introduction Modèles Optimisations Introduction Spatio trian- Points Homo- gulation logues Modèle Recalage Projection capteur fin CartoSérie d’images Géo-référencement Série recalée Ortho-images MNT AUF - Marrakech 2011
  19. 19. Introduction Modèles OptimisationsModèles de capteurDéfinition Transformation de coordonnées entre l’image issue du capteur (l, c) et les coordonnées au sol (X , Y ) pour chaque pixel : AUF - Marrakech 2011
  20. 20. Introduction Modèles OptimisationsModèles de capteurDéfinition Transformation de coordonnées entre l’image issue du capteur (l, c) et les coordonnées au sol (X , Y ) pour chaque pixel : Direct X = fx (l, c, h, θ) Y = fy (l, c, h, θ) AUF - Marrakech 2011
  21. 21. Introduction Modèles OptimisationsModèles de capteurDéfinition Transformation de coordonnées entre l’image issue du capteur (l, c) et les coordonnées au sol (X , Y ) pour chaque pixel : Direct X = fx (l, c, h, θ) Y = fy (l, c, h, θ) Inverse l = gl (X , Y , h, θ) c = gc (X , Y , h, θ) AUF - Marrakech 2011
  22. 22. Introduction Modèles OptimisationsModèles de capteurDéfinition Transformation de coordonnées entre l’image issue du capteur (l, c) et les coordonnées au sol (X , Y ) pour chaque pixel : Direct X = fx (l, c, h, θ) Y = fy (l, c, h, θ) Inverse l = gl (X , Y , h, θ) c = gc (X , Y , h, θ) Où θ est l’ensemble de paramètres décrivant le capteur et la géométrie d’acquisition. AUF - Marrakech 2011
  23. 23. Introduction Modèles OptimisationsModèles de capteurDéfinition Transformation de coordonnées entre l’image issue du capteur (l, c) et les coordonnées au sol (X , Y ) pour chaque pixel : Direct X = fx (l, c, h, θ) Y = fy (l, c, h, θ) Inverse l = gl (X , Y , h, θ) c = gc (X , Y , h, θ) Où θ est l’ensemble de paramètres décrivant le capteur et la géométrie d’acquisition. L’élévation de chaque point (MNT) doit être connue. AUF - Marrakech 2011
  24. 24. Introduction Modèles OptimisationsModèles de capteurTypes de modèles Modèles physiques Rigoureux, complexes, équations fortement non-linéaires Difficiles à inverser Les paramètres ont une signification physique Spécifiques à chaque capteur Modèles analytiques génériques Ex : polynomiaux, fractions rationnelles, etc. Moins précis Faciles à mettre en oeuvre Les paramètres peuvent ne pas avoir de signification physique AUF - Marrakech 2011
  25. 25. Introduction Modèles OptimisationsModèles de capteurL’approche OTB Utilisation de factories : les modèles sont générés automatiquement en utilisant les méta-données des images Modèles disponibles Fractions rationnelles : Quickbird, Ikonos, WorldView-2 Modèles physiques : SPOT5 Radar : ERS, ASAR, Radarsat, Cosmo Skymed, TerraSAR-X, Palsar AUF - Marrakech 2011
  26. 26. Introduction Modèles OptimisationsLa main à la pâte 1. Monteverdi : Ouvrir une image en géométrie capteur 2. Afficher l’image 3. Observer comment les coordonnées géographiques sont recalculées quand le curseur se déplace AUF - Marrakech 2011
  27. 27. Introduction Modèles OptimisationsModèles de capteurUtilisation : ortho-rectification 1. Lecture des méta-données image et création du modèle avec les bons paramètres 2. Définition de la ROI en coordonnées sol (c’est la matrice de pixels de sortie) 3. Balayer les pixels de coordonnées (X , Y ) : 3.1 Obtenir h à partir du MNT 3.2 Calculer (c, l) = G(X , Y , h, θ) 3.3 Interpoler les valeurs des pixels si (c, l) ne sont pas des valeurs entières AUF - Marrakech 2011
  28. 28. Introduction Modèles OptimisationsLa main à la pâte 1. Monteverdi : Geometry → Orthorectification 2. Choisir l’image à ortho-rectifier 3. Choisir les paramètres 4. Sauvegarder le résultat 5. Répéter pour la 2ème image 6. Afficher les 2 images ensemble AUF - Marrakech 2011
  29. 29. Introduction Modèles OptimisationsModèles de capteurLimites de l’approche Un géo-référencement précis nécessite : Un MNT précis Des paramètres capteur sans erreur, θ Pour les séries multi-temporelles d’images on a besoin de recalage fin : Précision sous-pixellique Pour chaque pixel de la scène Les MNT et les méta-données capteur ne fournissent pas cette précision. Solution : utilisation de l’information redondante entre les images de la série. AUF - Marrakech 2011
  30. 30. Introduction Modèles Optimisations Spatio-triangulationOutline Modèles de capteur Optimisations Spatio-triangulation AUF - Marrakech 2011
  31. 31. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationPosition du problème La série d’images est ortho-rectifiée (avec le MNT et les paramètres disponibles). Supposons que des point homologues (PH) peuvent être obtenus aisément : PHi = (Xi , Yi , hi ) Pour chaque image et pour Tout est connu. chaque point nous pouvons écrire : (lij , cij ) = Gj (Xi , Yi , hi , θj ) AUF - Marrakech 2011
  32. 32. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationPosition du problème La série d’images est ortho-rectifiée (avec le MNT et les paramètres disponibles). Supposons que des point homologues (PH) peuvent être obtenus aisément : PHi = (Xi , Yi , hi ) Pour chaque image et pour Tout est connu. chaque point nous pouvons écrire : (lij , cij ) = Gj (Xi , Yi , hi , θj ) AUF - Marrakech 2011
  33. 33. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationPosition du problème La série d’images est ortho-rectifiée (avec le MNT et les paramètres disponibles). Supposons que des point homologues (PH) peuvent être obtenus aisément : PHi = (Xi , Yi , hi ) Pour chaque image et pour Tout est connu. chaque point nous pouvons écrire : (lij , cij ) = Gj (Xi , Yi , hi , θj ) AUF - Marrakech 2011
  34. 34. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationPosition du problème La série d’images est ortho-rectifiée (avec le MNT et les paramètres disponibles). Supposons que des point homologues (PH) peuvent être obtenus aisément : PHi = (Xi , Yi , hi ) Pour chaque image et pour Tout est connu. chaque point nous pouvons écrire : (lij , cij ) = Gj (Xi , Yi , hi , θj ) AUF - Marrakech 2011
  35. 35. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationPosition du problème La série d’images est ortho-rectifiée (avec le MNT et les paramètres disponibles). G1 (Xi ,Yi ,hi ,θ1 ) Supposons que des point homologues (PH) peuvent être obtenus aisément : PHi = (Xi , Yi , hi ) Pour chaque image et pour Tout est connu. chaque point nous pouvons écrire : (lij , cij ) = Gj (Xi , Yi , hi , θj ) AUF - Marrakech 2011
  36. 36. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationPosition du problème La série d’images est ortho-rectifiée (avec le MNT et les paramètres disponibles). G1 (Xi ,Yi ,hi ,θ1 ) Supposons que des point homologues (PH) peuvent être obtenus aisément : PHi = (Xi , Yi , hi ) Pour chaque image et pour Tout est connu. chaque point nous pouvons écrire : (lij , cij ) = Gj (Xi , Yi , hi , θj ) AUF - Marrakech 2011
  37. 37. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationPosition du problème La série d’images est ortho-rectifiée (avec le MNT et les paramètres disponibles). G1 (Xi ,Yi ,hi ,θ1 ) Supposons que des point homologues (PH) peuvent être obtenus aisément : PHi = (Xi , Yi , hi ) Pour chaque image et pour Tout est connu. chaque point nous pouvons écrire : (lij , cij ) = Gj (Xi , Yi , hi , θj ) AUF - Marrakech 2011
  38. 38. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationPosition du problème La série d’images est ortho-rectifiée (avec le MNT et les paramètres disponibles). G1 (Xi ,Yi ,hi ,θ1 ) G2 (Xi ,Yi ,hi ,θ2 ) Supposons que des point homologues (PH) peuvent être obtenus aisément : PHi = (Xi , Yi , hi ) Pour chaque image et pour Tout est connu. chaque point nous pouvons écrire : (lij , cij ) = Gj (Xi , Yi , hi , θj ) AUF - Marrakech 2011
  39. 39. Introduction Modèles Optimisations Spatio-triangulationSpatio-triangulationAffinage du modèle Si nous définissons θjR = θj + ∆θj comme étant les paramètres affinés, ∆θj ce sont les inconnues du problème d’affinage. Nous avons beaucoup plus d’équations que d’inconnues si nous disposons de beaucoup de PH. Solution par moindres carrés Nous avons besoin des dérivées du modèle de capteur par rapport à ses paramètres. AUF - Marrakech 2011
  40. 40. Introduction Modèles Optimisations Spatio-triangulationLa main à la pâteRecalage manuel de 2 images Monteverdi : Geometry → Homologous points extraction Choisir 2 images avec une zone commune L’IHM permet de choisir la transformation géométrique On peut sélectionner des PH dans la zone de zoom et les ajouter à la liste Quand on a choisi plusieurs PH, on peut calculer la transformation On peut ensuite utiliser le bouton guess afin de prédire la position des nouveaux points L’IHM affiche les paramètres de la transformation estimée, l’erreur commise sur chaque point et l’EQM On peut éliminer de la liste les points qui ont le plus d’erreur AUF - Marrakech 2011
  41. 41. Introduction Modèles Optimisations Spatio-triangulationLa main à la pâteChangement de projection cartographique Monteverdi : Geometry → Reproject Image Choisir une image ortho-rectifiée Choisir la projection de sortie Save/Quit AUF - Marrakech 2011
  42. 42. Introduction Modèles Optimisations Spatio-triangulationLa main à la pâteProjection sur une autre image Monteverdi : Geometry → Superimpose 2 Images Choisir une image quelconque comme image à reprojeter Choisir une image ortho-rectifiée comme référence S’assurer que les 2 images ont une zone commune ! Utiliser le même MNT que celui utilisé pour l’image ortho-rectifiée Save/Quit AUF - Marrakech 2011

×