... ŠTEVILKA 3-89 LETNIK 33, STR. 76-159, LJUBLJANA, SEPTEMBER 1989 UDK 528 Uredniški odbor: predsednik: dr. Albin Rakar v.d. glavnega in odgovornega urednika: Matjaž Grilc urednik za znanstvene prispevke: Andrej Bilc člana: Franci Bačar, Miroslav Logar Pri urejevanju te številke so sodelovali: Mojca Kosmatin-Fras, Zmago Fras in Zoran Stančič Izdajateljski svet predstavljajo delegati društev, Skupnosti geodetskih delovnih organizacij, Republiške geodetske uprave, Fakultete za arhitekturo, gradbeništvo in geodezijo in uredniškega odbora. Prevod v angleščino: Mojca Kosmatin-Fras Lektorstvo: Aljoša Kavčič Izhajajo štiri številke letno. Prispevke pošljite na naslov: Matjaž Grilc, Geodetski zavod SRS, Šaranovičeva 12, 61000 Ljubljana, tel.: (061) 327-861 int.53 Za navedbe in morebitne napake v rokopisu odgovarja avtor sam. Rokopisov ne vračamo. Tisk: Tiskarna in knjigoveznica Radovljica Naklada: 1000 izvodov Izdajo Geodetskega vestnika sofinancira Raziskovalna skupnost Slovenije. Po mnenju Republiškega sekretariata za prosveto in kulturo št.4210-35-75 z dne 24.1.1975 je glasilo oproščeno temeljnega davka od prometa proizvodov. KAZALO UVODNIK IZ ZNANOSTI IN STROKE - Razvoj fotogrametrije in vpliv na proizvodnjo informacije (B. Makarovič) Photogrammetry development and impact on the information production 76 - Digitalna fotogrametrija (Z.Stančič) Digital photogrammetry 90 - Digitalni ON-LINE sistemi v bližnjeslikovni fotogrametriji (Z. Fras) Digital on-line systems in c/ose range photogrammetry 96 - Kalibracija video kamere za potrebe fotogrametrične dokumentacije ar- heoloških izkopavanj (Z. Stančič Video camera calibration for the photogrammetric documentation of ar- cheological excanations) 114 - Tehnike digitalne obdelave posnetkov - orodje v rokah fotogrametra (M. Čeh, T. Gvozdanovič, M. Kosmatin-Fras) Digital image processing techniques -a tool in hands of photogrammetrist 12 2 - Opis OFF-UNE izdelave digitalnega ortofota v praksi (M. Kosmatin-Fras Description of off-Jine digital ortophoto generation in a practice) 133 - Analiza in obdelava podatkov skaniranih s sateliti (A. Tretjak, D. Šabič, l. Orešnik) Analyse and processing of data scaned by satelits 142 OPISI IN DEFINICIJE IZRAZOV 153 OBVESTILA 155 KOLEDAR 157 IMENOVANJA NA FAGG 158 UVODNIK Kot smo obljubili. Pred vami je druga, tematska številka Geodetskega vestnika. Lahko bi se reklo, da je eksperiment tistih, ki se z izdajanjem našega strokovnega glasila ukvarjamo. Tematska številka - uglašena na temo DIGITALNA FOTOGRAMETRIJA. Po mnogočem se razlikuje od prejšnjih številk. Prevladujejo strokovni članki, manJ Je zanimivosti in društvenih novic. Pa vendar ne zaradi koncepta te številke, ampak zaradi mrtve sezone v delu društev in naše osrednje zveze. Ne delamo si utvar, da bo takšen koncept urejanja Geodetskega vestnika naletel na vsesplošno hvalo, pa vendar upamo, da smo strokovno temo zaokrožili na višji nivo, jo s tem naredili aktualno in dostopno vsakomur, ki ga ta plat geodezije vsaj malo zanima. Zaradi pomanjkanja tovrstne literature pri nas, pa lahko postane tudi učni pripomoček, k.i bo zadovoljil osnovno poznavanje te pri nas še precej nove in nepoznane veje fotogrametrije. Če nam je to uspelo, je ves naš trud bogato poplačan. Na koncu dolgujem zahvalo Mojci Kosmatin-Fras, Zoranu Stančiču in Zmagu Frasu za izdatno pomoč in nasvete pri urejanju. Vsi skupaj smo se trudili narediti aktualno in strokovno močno številko našega strokovnega glasila. Presodite sami! Od vaših odzivov je odvisno ali se bo takš~a uredniška politika nadaljevala ali ne. v.d. urednika Geodetskega vestnika Matjaž Grilc IZ ZNANOSTI IN STROKE RAZVOJ FOTOGRAMETRIJE IN VPLIV NA PROIZVODNJO INFORMACIJE dr.Branko Makarovič lnternational Institute for Aerospace SuNey and Earth Sciences Junij 1989, Enschede, Nizozemska AVTORSKI IZVLEČEK Namen članka je prikazati novejši razvoj fotogrametrije v okviru geo-informacijske teh- nologije in različnih uporab bližnjeslikovne fotogrametrije. Vsebina je razdeljena v tri dele: splošni vidik, novi tehnični dosežki in vpliv na proizvodnjo. Splošni vidik se nanaša na kontekst, odnose med strokovnimi področji, razmejitev med fotogrametrijo in daljinskim zaznavanjem ter definiranje fotogrametričnih tehnik in procesov. Novi tehnični dosežki zadevajo snemanje, digitalno procesiranje slik, integracijo proizvodnje in integrirane sisteme. Vpliv na proizvodnjo je opredeljen z zunanjimi in notranjimi vplivnimi faktorji proizvodne ustanove. Proizvodnja geo-informacije obsega snemanje, aerotriangulacijo, modeliranje reliefa, transformiranje slik in modeliranje terenskega detajla. Bližnjeslikovne uporabe so specializirane in jih zato ni mogoče obravnavati poenoteno. Članek zaključuje kratek pregled razvojnih trendov. AUTHOR'S ABSTRACT The paper aims at reviewing of the new d_evelopments in photogrammetry in the context of geo-information technology and of the various c/ose range applications. The contents comprise three main parts, i.e., general considerations, new technical achievements, and their impact on production. General considerations adress the context, the relationships among the proffesional fields, delineation between photogrammetry and remote sensing, and some definitions of the photogrammetric techniques and processes. New techical achievements concern the aeria/ survey mission, digital image processing, integrated systems. lmpact on production can be represented in terms of the external and interna/ factors of a production institution. The production of geo'information comprises aerial photography, aerotriangulation, terrain relief modelling, image transformations, and modelling terrain features. C/ose range applications are user-specific, and can therefore not ·be treated as an entity. Geodetski vestnik 3/1989 76 UVOD Ta članek ima dvojni namen: posredovati kratek pregled razvoja v fotogrametriji in oceniti vpliv tega razvoja na današnjo in bodočo tehniko fotogrametrične proiz- vodnje informacije. Poudarek je na geo-in- formaciji (GI), čeprav so bližnjeslikovne uporabe (BS) tudi vključene. Vsebina je razdeljena na tri dele: - splošni vidiki, - novi tehnični dosežki, - vpliv na proizvodnjo. "Splošni vidiki" so omejeni na nekaj definicij in predvsem na vpogled v nekatere važ- nejše aspekte. Namen tega dela je ustvariti širši miselni okvir ter s tem prispevati k bolj- šemu razumevanju tehničnega razvoja v fotogrametriji, ki je predmet drugega dela članka in ima poudarek na digitalni tehniki. Glede na izredno hiter in raznolik razvoj na tem področju (posebno bližnjeslikovne fo- togrametrije) je ta del le sumaričen in zato nepopoln. Zadnji del je posvečen prak- tičnim vidikom in oceni uporabnosti novih dosežkov v dejanskih proizvodnih raz- . merah. l. SPLOŠNI VIDIKI Naslednji aspekti in problemi predstavljajo pretežno neodvisne oz. šibko-odvisne frag- mente, ki pa skupaj bistveno prispevajo k okvirnim razmeram za tehnični razvoj. Ti aspekti zadevajo: kontekst, odnose med vplivnimi disciplinami (t.j. strokovnimi področji), razmejitev med fotogrametrijo (F) in "remote sensing" (daljinsko zaznavanje), fotogrametrične naloge (funkcije), metode in opremo (proizvodna sredstva), splošno definicijo fotogrametričnih procesov in primarno (celotno) oz. diferenčno izvred- notenje. V naslednjem poglavju je dan kratek opis teh okvirnih aspektov. 1/ Kontekst Kontekst opredeljuje širše ozadje določene tehnologije oz. sistema. Faktorje, ki vplivajo na kontekst, je mogoče razdeliti v teh- nološke in proizvodne. a) Tehnološki faktorji Le-te je umestno diferencirati glede na: - razvojno stanje v geo-informacijski tehnologiji· (v širokem smislu), fotogrametriji (GI, BS) in drugih vpliv- nih disciplinah (osnovnih, sorodnih in uporabnikov GI in BS) kompleksnost tehnologije .oz. sis- temov: E avtomatizacija interaktivnost integracija komponent b) Proizvodni faktorji: - potrebe uporabnikov: geo-infor- macijski uporabniki (cca 10%), bližnjeslikovni uporabniki ( cca 90%), - odvisnost med kvaliteto geo-infor- macije in ekonomičnostjo proizvodnje. Snemalne razmere so optimalne, kadar je ločljivost slik maksimalna in je geometrična natančnost zadostna. To omogoča manjše merilo posnetkov kot sicer in s. tem prekritje določenega področja terena z manjšim številom posnetkov (slika 1). Slikovna kvalrteta maksimalna ločljivost Geometrijska natančnost Ekonomičnost (maks. format) Slika 1: Trikotnik optimiranja 77 DIGITALNA FOTOGRAMETRIJA - stanje v proizvodnih (Gl,BS) usta- novah. Vplivni faktorji so organizacijska struktura, ' viri, tehnično stanje, itn. Prehod v digitalno tehnologijo zahteva temeljite notranje prilagoditve v ustanovah. 2/ Odnosi med vplivnimi disciplinami Z vidika geo-informacijske tehnologije je mogoče ločiti tri skupine disciplin: vstopne, osrednje in izstopne (slika 2). Vsako od teh disciplin je mogoče razdeliti v dve pod- skupini: eno, ki daje znanje in tehnična sredstva in drugo, ki jih uporabi. Osnovne discipline so npr. matematika, fizika, mikroelektronika, računalniška teh- nologija, itn. Sorodne discipline so geodezija, geomor- fologija, hidrografija, geofizika, itn. Dis- cipline uporabnikov so kataster, komunalne službe, ustanove za planiranje uporabe zemljišč, za nizke gradnje, za nadzor in zaščito okolja, itn. V bližnjeslikovnih uporabah se "fotogra- metrija" in "uporabniška disciplina" prek- rivata.' Pri tem je v sliki 2 geo-informacija nadomeščena z informacijo, ki je specifična za vrsto uporabe. Specifikacije za informacijo (proizvod) lahko določimo v iterativnem postopku pogajanj med uporabnikom in proizvajal- cem. Tak postopek naj bi vodil k optimiran- ju proizvodnje in uporabe informacije. 3/ Razmejitev med področjem foto- grametrije in področjem daljinskega za- znavanja Raz~ejitev med fotogrametrijo in dalji~skim zaznavanjem in identificiranje medsebojnih relacij služi ne le preprečevanju zmede med disciplinami, temveč omogoča temeljitejše formuliranje geo-informacijskih projektov oziroma programov Jn ustreznih speci- fikacij, bolj dosledno komunikacijo v proiz- vodnem okolju in prispeva k jasnosti v strokovni literaturi in pri izobraževanju. Fotogrametrija in daljinsko zaznavanje služita za zajemanje informacije z razdalje VSTOPNE 1 Osnovne DISCIPLINE Sorodne 1 OSREDNJA Fotogrametrija: DISCIPLINA Tehnologija _:i Proizvodnja A IZSTOPNE 1 Uporabniške: DISCIPLINE Tehnologija _:] Aplikacije Slika 2: Odnosi med vplivnimi disciplinami Geodetski vestnik 3/1989 78 (brez dotika objekta) na zemlji, v zraku in v vesolju. V obeh primerih je lahko procesiranje in reprezentacija slik analogna oz. digitalna (danes je v daljinskem za- znavanju skoraj izključno digitalna). Fotogrametrija uporablja pretežno filmske kamere, v zadnjem času tudi elektronske (CCD) kamere. Služi za zajemanje geo-in- formacije vseh meril in različnim bližnjes- likovnim namenom. Daljinsko zaznavanje uporablja izključno elektronske senzorje, kot so multispektralni (MSS) in infrardeči (IR) senzorji, radarske sisteme (SLA, SAR) in zadnji čas tudi elektronske (CCD) kamere. Zadnje predstavljajo skupno območje.med fotogrametrijo in daljinskim zaznavanjem; razlike nastopajo pri uporabi. Daljinsko za- znavanje služi pretežno za zajemanje geo- i nformacije manjših meril (1: 100 000), predvsem za globalne pojave na zemlji in za zajetje specifične informacije (predvsem v širšem spektralnem območju). Za razliko od fotogrametrije je uporabljeno daljinsko zaznavanje predvsem iz vesolja. Nekatere pomembne lastnosti obeh tehnik so zbrane v tabeli 1. LAS'IroIT 'IKmIKA Fotogrametrija Rerrote sensing PRKIH:61'1 Visoka geom. kvaliteta široko spektralno obrroč. Visoka ločljivost široko dinamično obrročje Malo vzdrževanja Snemanje ponoči in skozi Nizka do srednja cena oblake (SLAR, SAR) Fleksibilnost sne- Iblgoročno periodično manja (iz zraka,na snemanje zemlji) Zajetje velike površine Takojšen prenos slik na zemljo OE.JI'fVE Odvisnost od vremena Nizka oz. srednja kvali t. in časa Nizka oz.srednja ločlji- Omejeno spektralno vost (na zemlji) ohročje Visoka cena (sistema, Omejeno dinamično operacije) ohročje Nefleksibilnost snemanja Kratkotrajno snemanje (iz vesolja) Transport filma na zemljo OPOOAmClIT Zajemanje GI vseh Globalna tematska snerran. meril, poseb. velikih (geol. ,oceanog. ,hidrol., Detaljna tematska vegetacije) snemanja Zajemanje GI manjš. ireril Različne bližjeslik. Rekogno.sciranje velikih uporabe površin Tabela 1: Lastnosti fotogrametrije in daljinskega zaznavanja 79 DIGITALNA.FOTOGRAMETRIJA 4/ Postopek fo'loa1ra111e'lrii:1r11ec1a zajemi:m- ja geo-informacije Fotogrametrično izvrednotenje posnetkov posreduje informacijo v skladu s spe- cifikacijami. Pri tem so možne tri proizvodne smeri: modeliranje reliefa terena (grafično, digitalno), transformiranje slik (redresiranje, orto-transformacija in druge) in modeliranje terenskega detajla (z izjemo reliefa; grafično, digitalno). Celoten postopek fotogrametričnega zajemanja geo-informacije obsega 11 operativnih faz, ki so povezane v zaporedno verigo (slika 3). Planiranje geo-informacijskega projekta ~ Priprave na terenu i Fotogrametrično snemanje (in procesiranje filma) i Zgostitev kontrolne mreže (aerotriangulacija) J - - - -- Priprave za iz vrednotenje l I 1 ..,. __ Verifikacija in ____ _ dopolnitve na terenu i j : Iz vrednotenje (interpretacija, merjenje)- i - Edi tiranje t _ Upravljanje in procesiranje 1 Priprave za reprezentacijo in komunikacijo ~ Reprezentacija,' komunikacija Vrstni red je lahko obraten Slika 3: Faze fotogrametričnega zajemanja geo-informacije Geodetski vestnik: 3/1989 80 Za vsako od teh glavnih proizvodnih smeri je več postopkov. Vsak postopek (model procesa)' povezuje vrsto med seboj povezanih operacij, l 780H:<4901J ~tev1lo p1kslov (780Hx780V) ~Jel 1kosi; ser, zc, r- _1 .:i Tip senzor•J.;s F:es 1 s t r-.;;,,: 1 J.;;, :s;l 11-:.e Hl t l"OSt s.l l k;;;,nj.;;, Obo:ut lJ 1v,::ost M.;;a1: r·1 -::r,1 CCD F l ,:,pp;1 d l si-:, 5-4:11:E.0 MM 1,'8 - 1 ,'2000 p,' s f r·e-1-<.,, • 2/'S,' 10sl 11-pr-1Mer•J.;;;in_le ~ pr.;;igoM t 1;t-,r-est101ct1ng> en ni z po,::J.;;;, tkov 1---..'.:.:....::.:....::..:....::...:.....:__:.._:..__...:__ ___________ ~ >t r-.ans-for·M-=1c 1Je S· poMC•-:::J,:, pr-evedbene t.:abele ARITMETI c'.NI (to <:+:.,:,~/n•=· ;a•..,• 1; onoMn 1 > pod.;ii;kov >test en~kost1 LOKALNI (C•k•::-l ic'=' t,:,..,:.1-:.e) > n~M k.onv,::,luc i_l• z,;;i 1 zvedt,o d19i t.;;;,1n1h ~-•'l s,:,r!.vp n1 Zko 1n p•s•:iv•r.o t=r·el-~ven-.:.n1~; pr·ostor-sk.1h -f1 l t r-c,v ·:::TFITISTI O~I GEOMETRI C:NI KOR:ELACI-JA; > 15t--~.;,sn_lel' pr·l.Mer·J.,;in_l,e, FURIER „ TR,ANSF • MC•F.:FOLOSKI > r-eduk•= 1 1.;;;i 1n op1 s sl 1 :,.:_ z.;:;i r.;;i-.=un.aln1 .ško ...ih.;il 1 zo 1.n r-'dz1 ... u~e- Tabela 3.1 jenih za enostavne točkovne transformacije oz. redukcije točkovno avtonomne arit- metične operacije - glej tabelo 3.1) (Real 86). Vse ostale funkcije pa se izvajajo le v približno realnem času. Osnovna problema pri obdelavi v realnem času sta ogromna količina podatkov in kompleksnost procesnih algoritmov. V sis- temih, kjer sta važna izhoda obdelave podatkov hitrost in precizni rezultati, kar se v veliki meri nanaša tudi na fotogrametrične kontrole, običajni splošno uporabni procesorji niso najboljša rešitev. Nadomeščajo jih specialni procesorji, ki imajo že vgrajene osnovne operatorje za obdelavo slik, kar znatno poveča hitrost. Osnovni operatorji so navedeni v tabeli 3.1 in jih moderni slikovni procesorji vsebujejo, v najrazličnejših kombinacijah. Izbira možnih konfiguracij strojne opreme je danes zelo pestra. Kljub raznolikosti pa lahko te možne konfiguracije s stališča uporabljene strojne opreme razvrstimo v štiri večje skupine (Real 86): - slikovni procesni sistem, zgrajen okoli splošno uporabnega mini računalnika razreda mikro VAX II z dodatnimi koprocesorji, specialni, samostojni, učinkoviti sis- temi za posamezne aplikacije v real- nem času, ki vključujejo kamere, glavni računalnik, koprocesorje, pom- nilniške enote in programsko opremo za obdelave v realnem času (cena osn. verzije se giblje okoli 30.000 USD), - procesorji za obdelavo digitalnih sig- nalov na enem čipu, - razširitvene kartice za procesiranje digitalnih posnetkov namenjene mini in osebnim računalnikom (cena od 8.000 DEM navzgor). 4. SISTEMI ZA OBDELAVO DIGITALNIH POSNETKOV Iz z0rilega kota fotogrametra lahko trdimo, da se pojavljata dve konceptualni rešitvi sistemov z možnostjo obdelave digitalnih posnetkov. 4.1. Analitični fotogrametrični instrumenti z enoto za digitalizacijo posnetkov Ta rešitev je nastala v prehodnem obdobju, ko so se tehnike obdelave digitalnih posnet- kov. šele uveljavljale. , Geodetski vestnik 3/1989 102 Konstrukciji analitičnega ploterja je dodana samo enota (maloformatna CCD kamera) za digitalizacijo majhnih kosov posnetkov. Senzorji so nameščeni nad posnetki in povezani z računalnikom oz. sistemom za digitalno korelacijo. Na ta način je mogoče avtomatizirati oz. odvisno od strukture modela delno avtomatizirati orientacijo modelov in zajemanje podatkov. Operater je tako rešen rutinskih utrujajočih opravil in samo nadzira delovni proces ter intervenira, če je potrebno. Tako opremljeni analitični ploterji omogočajo popolnoma av- tomatsko digitalizacijo DMR-a. Le v točkah, za katere sistem ne more najti ustrezne korelacije za višino (neizrazite terenske oblike), pri digitalizaciji le-te operater določi ustrezno višino. Taka zas- nova instrumenta omogoča tudi skoraj av- tomatsko izdelavo digitalnega ortofota, za izdelavo katerega tako ne rabimo več posebnih instrumentov. Delno so av- tomatizirani tudi postopki notranje in zunanje orientacije, saj lahko takšen sis- tem sam prepoznava signalizirane točke oz. najde identične točke na dveh posnetkih, ki so podane s koordinatami. Takšna rešitev je ob vseh drugih možnostih za številne aplikacije bližnjeslikovne fotogrametrije predraga, pa tudi učin­ kovitost v procesu izvrednotenja je samo za 30% večja (Shortis 88). 4.2. Računalniško orientirani video merski sistemi Pri teh sistemih ni več razlike med fotogrametričnim instrumentom in računal­ nikom, ki krmili določene operacije, ampak je jedro celotnega sistema računalnik in video zaslon. Računalniška in video teh- nologija v teh sistemih vplivata na vse faze, od zajemanja, obdelave in hranjenja podat- kov celo do takšne mere, da so vse tri faze popolnoma avtomatizirane. Gruen je poimenoval takšne sisteme "Digital sta- tions". Računalniško orientirani video merski sis- temi združujejo naslednje komponente: - eno ali dve CCD kameri, - ND pretvornik, - procesorski računalnik za hitro iz- vajanje osnovnih obdelav digitalne slike, kot so poudarjanje slike, detek- cija robov, določevanje obrisa in kon- volucija, - kontrolni (host) računalnik, - i-zhodne enote. Z vidika zajemanja podatkov, s čimer je tesno povezana izhodna natančnost, lahko te sisteme delimo na: - posredne sisteme in - direktne sisteme. 4.2.1 . Posredni sistemi Posredni sistemi bazirajo na: kompa- ratorskem principu in rasterski digitalizaciji analognih predlog. Rastersko digitalizaci- jo analognih predlog lahko izvedemo s ska- nerji (mizni in bobni skanerji) ali CCO kamerami v on ali off-line povezavi z os- talimi elementi sistema. Zaradi enostavno- sti, priročnosti, vseh ostalih prednosti CCD kamer in ne nazadnje bistveno manjših investicijskih.vlaganj so CCD kamere prev- ladale v aplikacijah bližnjeslikovne fotogra- metrije kot enota za rastersko digi-talizacijo analognih predlog (EI-Hakim 86). Zaradi posredne digitalizacije ti sistemi niso primerni za izvrednotenje dinamičnih procesov. Tako nismo strogo vezani na ob- delave v realnem času in lahko posvetimo nekaj več časa rasterski digitalizaciji analognih predlog, s čimer povečamo vhodno natančnost rasterske slike. Kot je znano, je največja slabost CCD kamer majhna 1enzorska površina, ki meri okoli 100 mm . Prav tako ni zaslediti tendenc, da bi v bližnji prihodnosti izdelali CCD kamere, katerih senzorska površina bi vsaj približno odgovarjala dimenzijam danes uporab- ljanih analognih posnetkov. Vhodno natančnost zato lahko povečamo le tako, da analogno i;>redlogo digitaliziramo v več del- nih slikah v večjem merilu. Povezavo teh delnih slik v skupen slikovni koordinatni -sistem lahko rešimo na optično-mehanski ali optično-numerični način (Wester-Ebbin- ghaus 86). 103 DIGITALNA FOTOGRAMETRIJA Princip "reseau-scaninga", kot je uporabljen v reseau - skanerju RS1 firme Rollei Slika4.1 - Pri optično-mehanskem nacmu je pove- zava delnih slik izvedena z mehansko kon- strukcijo, po kateri se premika kamera oz. senzorska površina in nam omogoča v vsakem trenutku natančno določitev položaja delne slike v skupnem slikovnem koordinatnem sistemu. Izvedba take konstrukcije je zaradi visokih zahtev po natančnosti zelo draga in občutljiva na vplive okolice. - Pri optično-numeričnem načinu pa iz- vedemo povezavo delnih slik v skupen slikovni koordinatni sistem na numeričen Machine vision system za prepoznavanje in sortiranje Slika4.2 Geodetski vestnik 3/1989 · 104 način, ob predpostavki da uporabljamo pri digitalizaciji analognih slik reseau mrežo, nameščeno neposredno pred analogno predlogo. V postopku rasterske digita- lizacije moramo potem samo zagotoviti, da se vsaj štirje križi reseau mreže preslikajo v delno sliko (slika 4.1). Le-to nato z bilinear- no transformacijo na reseau križih prevedemo v skupen slikovni koodinatni sistem. Mehanska rešitev takega sistema ni zahtevna (Luhman 87). 4.2.2. Direktni (real-tirne) sistemi (machine vision systems) O direktnih (real-tirne) sistemih govorimo takrat, ko so realna scena, rasterska digitalizacija in rezultati izvrednotenja v on- line povezavi v realnem času. Pr-c,ces1 v r-e-1 neM ,;;:.;. s•.J >•):( IZE:IRA FIJt..iKCI-..I KARAKTE- ~>>Y. RISTI KS: Ti sistemi izvirajo iz .ielje industrije po av- tomatizirani proizvodnji (robotizaciji) v 3-D prostoru in jih v tujini poznajo in razvijajo pod imenom machine vision systems. Dobesedni prevodi (npr. sistemi s strojnim vidom) skoraj nikoli ne ustrezajo pravemu pomenu, zato je boljše opisno (z definicijo) podati pomen prej omenjenega izraza. Definicija o machine vision je bila sprejeta že leta 1985 s strani MVA/SME (Machine Vision Association of the Society of Manufacturing Engineers) in AVA (Automated Vision Association) in se glasi (YJong 86): uporaba enot za optično nekon- taktn o zaznavanje za avtomatsko sprejemanje in interpretacijo digitalnih slik realnega prostora, z namenom zajemanja informacij in/ali kontrole strojev ali procesov. s'(r-c,Jne f 1...1nk,:l_le 1r,1::er·..;,k.- "t: 1s.->n1 '-/nos ffiim] SIJB-PI KSELSl+ F:ISTI~:E _ f-7:7 LOC I RAN~'E IN i:.::.:;;J PRIMER-JAVA ~ ~ 1ni:e-r-..ik- 1: 1 '-.-'nl vn,:.,s ORIENTA- ·~ ~ti CI .. JSt~ I ~[ F"ARAMETR I OR I ENTAC I ~'S~; I PARAMETRI Of': I Et·HAC I ._15 KI PARAMETRI 3-0 OBJEKTNE KOORDINATE Blok diagram osnovnih operacij za izvrednotenje digitalnih posnetkov Slika4.5 faza vektorizacije in nadaljnje obdelave vek- torske slike ne poteka več v realnem času. Za prvih šest operacij porabimo za vsako točko 10 do 20 milisekund, za operaciji primerjanja in fotogrametričnega pro- cesiranja pa za vsako točko približno 50 do 60 milisekund (EI-Hakim 86). Razlika v hitrosti obdelave se pojavlja zato, ker iz- vajamo prvih šest faz na strojnem nivoju s specialnimi procesorji, zadnji dve fazi pa uporabljata tudi programe, ki so pisani v okolju splošno uporabnih procesorjev; ki niso specialno namenjeni digitalnemu procesiranju slik (angl. digital image processing) (Čeh, Gvozdanovič, Kosmatin- Fras ta edicija). Vse aplikacije v bližnjeslikovni fotogrametriji pa ne zahtevajo popolnoma avtomatske obdelave v realnem času (aplikacije v arhitekturi, arheologiji, pod- vodnih snemanjih, ... ), prav tako pa v vseh aplikacijah nismo zadovoljni z relativno majhno natančnostjo, ki nam jo nudijo popolnoma avtomatizirani sistemi (inženirske aplikacije). Natančnosti v samem procesu obdelave digitalnih pos- netkov ne moremo povečati, lahko pa le-to povečamo v fazi zajemanja digitalnih pos- netkov (glej poglavje 4.2.1.). Aplikacije, ki ne zahtevajo popolnoma avtomatske ob- delave v realnem času, lahko izvajamo tudi na sistemih, ki nimajo vseh v poglavju 4.2 naštetih komponent. Pri tem predvsem mis- limo na možnost združitve posebnega procesnega računalnika in krmilnega računalnika v eni enoti, ki je lahko že IBM PC/AT kompatibilni rač_unalnik z razširit- veno kartico, ki omogoča uporabo najos- novnejših operatorjev za obdelavo digitalnih slik (glej tabelo 3.1). V naših raz- merah predstavlja takšen sistem idealno rešitev za razvoj računalniško podprtih video merskih sistemov. Če se vrnemo nazaj na obdelavo digitalnih posnetkov, mora zgoraj opisani sistem omogočati iz- vajanje najosnovnejših operacij pri izvred- n otenj u digitalnih posnetkov kot jih prikazuje slika 4.5. - Predprocesiranje Postopek se ne razlikuje od že opisanega. 109 DIGITALNA FOTOGRAMETRIJA M!llU!lsv.rtng Mode Corr,it lat 1 on Wodey 8 Oirsct Cursor CL0>.< Pl!es (3 11 3) C Nanreat H0i9hb Csntera of Gra,dty ~ 61nary Store Rol t.o File C No 3tzg of TGl!!llplat!III C se P,ot t.halt Ept Une ..., yos ~11n,g Wlnt-am i\rea of Objects: C 0 Distance fi""'Oli!I ~i-11ns : C 1. S 39. 00000 2B. 00000 433. 00000 57, 00000 477. 00000 337, 00000 49. 00000 339. 08000 l 40 40 2 400 40 3 400 "400 • 40 409 Slika4.6 - lociranje in primerjava V nadaljnjih postopkih obdelujemo digitalni sliki kot celoti. Orientacijske točke lociramo z nitnim križem, ki je sestavni del slike. Točke, ki so nedvoumno signalizirane, lahko enostavno definiramo na obeh po- snetkih, pri točkah, ki pa niso signalizirane, pa si lahko pomagamo s stereoskopom (predhodno orientiran par posnetkov), ki je nameščen pred zaslonom in s stereo opazovanjem določimo pripadajoči sliki točk na obeh digitalnih posnetkih (Agnard &co. 88). Z razvojem sistema skušamo predvsem fazi lociranja in primerjave avtomatizirati kolikor nam narekujejo naše potrebe in dovoljujejo možnosti. - Fotogrametrično procesiranje Iz točk, ki jih vizualno prepoznamo kot orientacijske točke, izračunamo orien- tacijske parametre obeh posnetkov po fotogrametričnem notranjem vrezu, upoštevaje pogoj kolinearnosti. Za vse os- tale točke pa po izračunu orientacijskih parametrov izračunamo prostorske ob- jektne koordinate. Način izvrednotenja na takih sistemih je precej podoben (v osnovni verziji) izvred- notenju na komparatorju oz. na analitičnih ploterjih, s to razliko, da obdelujemo digitalne posnetke. Slika 4.6 prikazuje delovno okolje takoimenovanega "digital- nega" komparatorja (Novak 88). 4.2.4. Natančnost Večina računalniško orientiranih video merskih sistemov je še v eksperimentalni fazi, zato lahko o natančnosti, ki jo nudijo Geodetski vestnik 3/1989 110 taki sistemi, sklepamo samo iz posameznih raziskav. Kritično mesto glede natančnosti je že takoj na začetl<512><8bit s y s T E M 8 u s FLOPPY WINCHES TER Zasnova strojne opreme digitalnega fotogrametričnega sistema Slika 1 le za rešitve srednje natančnosti (srednji pogrešek ±Sem). Tovrstne posnetke je potrebno izvrednotiti analitično. Kvalitetna dokumentacija arheoloških iz- kopavanj je lahko ključnega pomena pri razumevanju samega najdišča. Videote- hnika se že uporablja kot sredstvo dokumentiranja ob arheoloških izkopava- njih. Vendar je do sedaj ta tehnika uporabljena za zapis semantičnega sporočila, propagandne namene, kulturni marketing in kot pedagoško sredstvo (kongres Theoretical Archeology Group, 1987 in poročilo o njem Novakovic e! al.87). Dosti pomembnejšo. uporabo videa pred- laga Joulian (88), ki predlaga video v kom- bi naciji z računalnikom kot sredstvo sistematičnega dokumentiranja ar- heoloških izkopavanj. Uporabo digitalne fotogrametrije za potrebe (imenujmo to) real-tirne slikovne dokumen- 115 Geodetski vestnik 3/1989 tacije ob arheoloških izkopavanjih pa lahko opazujemo še z drugega zornega kota. Medtem ko so metode digitalne fotogrametrije še v eksperimentalni fazi, so nam potrebni številni testni primeri. Testni primeri pa so predvsem tisti, kjer je kvaliteta (natančnost) izvrednotenja po fotogra- metričnih normah relativno majhna. In prav arheološka dokumentacija, kjer je potrebna natančnost izvrednotenja okoli 1 :5000, oziroma ±1 cm (Šivic 84), je lahko tako testno področje. Informacije, ki jih dobimo na teh testnih področjih, nam omogočajo razvoj metod in kasnejšo aplikacijo v topografske namene. 2. KAMERE V DIGITALNI FOTO- GRAMETRIJI Tako kot v analogni in analitični fotogrametriji je ena ključnih faz foto- grametričnega procesa zajemanje podat- kov. Dobro zajeti podatki so predpogoj za kakovostne rezultate. Prav zato moramo tej fazi dela, predvsem pa fotogrametrični kameri posvetiti zlasti veliko pozornost. Vendar pa tu velja poudariti, da v digitalni fotogrametriji zaradi pomanjkanja primer- nih digitalnih kamer po samem zajemanju slike nastopi tudi transformacija analog- nega signala v digitalnega, ki ga opravi posebna oprema. Prav ta faza pa je vir dodatnih pogreškov, ki jih ob izvrednotenju moramo upoštevati. Hkrati velja poudariti, da se sodobne video kamere uporabljajo tako za fotogrametrične potrebe kot tudi za potrebe daljinskega zaznavanja (Makarovič, ta edicija). Proces zajemanja podatkov razdelimo na podfaze: - elektrooptično skaniranje, - prenos slikovnih podatkov, - A/D pretvorba, - shranjevanje slike. V idealnih pogojih naj bi vse te postopke opravila kvalitetna digitalna kamera. Ker pa so tovrstne kamere šele v razvoju in kot take izredno drage, uporabljamo analogne video kamere, ki opravijo le prvi dve podfazi procesa zajemanja podatkov. Uporaba analognih video kamer in nato digitalizacija signala imata sicer posledice za · geometrično natančnost slike (Daehler 88), vendar so le-te manjše kot drugi sistemski pogreški. 2. i .Elektrooptično skaniranje Analogne video kamere so kamere, ki kot izhod prod ucirajo analogn-i elektronski video signal. Glede na način pridobivanja slike jih razdelimo na kamere, ki temeljijo na video ceveh (slika se pridobi na podlagi zunanjega fotoelektričnega efekta - fotoemisija) in fotodetektorjih (slika se pridobi na podlagi notranjega foto- električnega efekta - fotoprevodnostif. Proces pridobivanja slike pri slikovni video cevi je obraten procesu pridobivanja slike pri televiziji. Kamere s fotodetektorji imajo vgrajene svetlobno občutljive slikovne ele- mente, ki danes praviloma temeljijo na silikonskih čipih s strukturo polprevodnikov iz kovinskih oksidov. V primerjavi s kamerami z videocevmi (ki imajo tudi različne zasnove) imajo kamere s fotodetek- torji naslednje prednosti (Gruen 88: 218): - stabilna geometrija slike, - širok spektralni pas (0,4 mikrometra - 1, 1 mikrometra), - boljše barve, - manjša poraba energije, - majhna, lahka, robustna 1 konstrukcija, - brez poškodb pri preosvetlitvi, ne zastarajo, - magnetsko neobčutljive, - cenejše. Hkrati pa tudi naslednje pomanjkljivosti: - manjša svetlobna občutljivost, - manjša ločljivost, - manjša hitrost zajemanja slike. Fotodetektorji so lahko v kameri razporejeni na različnbe načine: - optično-mehanični skaner, v katerem sistem rotirajočih ali oscilirajočih zrcal usmerja delček slike na enega ali več elementov, DIGITALNA FOTOGRAMETRIJA 116 - linearno razporejeni elementi v kameri, kjer je večje število elementov v ravni črti, cela slika pa se skanira tako, da se premika bodisi cela kamera ali pa sen- zorji v sami kameri, - ploskovno razporejeni ·elementi, kjer področje cele slike pokrivajo svetlob- no očutljivi elementi. Hkrati pa fotodetektorje lahko razdelimo gled~ na način odčitavanja elektri,čnega naboja na CIO (Charge lnjection Device), CCD (Charge Coupled Device) in fotodiode. Danes na tržišču že močno prev- ladujejo kamere s CCD senzorji, tako so te kar sinonim za celo skupino kamer s fotodetektorji. Vendar pa na splošno velja poudariti, da je bistvena prednost kamer s fotodetektorji v primerjavi s kamerami z ~ideocevmi _dejstvo, da so fotodetektorji s ca~om __ stab_Ilni, tako pozicijsko kot tudi po obcutlJ1vost1. Prav to pa je glavni razlog, da se danes za fotogrametrične namene uporabljajo izključno kamere s fotodetektor- ji in sicer praviloma s CCD čitanjem električnega naboja. Najmanj občutljive CCD kamere imajo sliko sestavljeno iz 128 x 128 slikovnih elemen- tov, pri velikosti slike okoli 8 x 8mm. Naj- novejše kamere (primer Kodak Megaplus) imajo pri približno isti velikosti slike 1320 x 1?35 slikovnih elementov. Velikost enega slikovnega elementa je torej že manjša od 1 O mikrometrov. Detaljnejši prikaz CCD kamer in njihovega delovanja je podal Gruen (88). 2.2.Prenos slikovnih podatkov Tako pridobljena slika je analogna. Za potrebe računalniške obdelave slike je potrebno analogni signal prenesti do digitalizatorja ali pa sliko prikazati na video zaslonu ter jo registrirati. Prenos se opravlja po enem od video standardov. Za Č/B sliko veljajo naslednji trije standardi (podobni obstajajo tudi za baNno sliko): - RS - 170, uveljavljen v Severni in Južni Ameriki ter na Japonskem, - CCIR, uveljavljen v Evropi, - RS - 330, uporablja se le koi standard za rasterske skanerske sisteme. V RS - 170 je cela slika sestavljena iz 525 vrsti?. Sliko tvorita pravzaprav dve "polsliki", ena Je sestavljena iz samih sodih, druga pa iz samih lihih vrstic. V enem video ciklu se pokaže najprej ena polslika nato pa še druga. Cel videocikel se obnavlja s frekven- co 30Hz. Na drugi strani je v sistemu CCIR slika iz 625 vrstic. Slika se na podoben način kot v RS - 170 standardu, obnavlja se s frekvenco 25Hz. 2.3.ND pretvorba in shranjevanje slike Naslednja izredno pomembna faza je digitalizacija slike. To delo opravi analog- no/digitalni (A/D) pretvornik. Le ta analogni video signal digitalizira. Hkrati s pretvorbo (digitalizacijo) slike naj bi zagotovil tudi shranjevanje slike. Vse to delo opravijo "trame grabberji" (prevod je dokaj težaven, zato bom uporabljal kar izraz AJD pretvor- nik, čeprav je to le del operacij, ki jih "frame grabber" opravlja). ND pretvornik ima lahko različno ločljivost (praviloma med 246 x 256 in 1024 x 1024 pikslov). Hkrati lahko postavi različno število sivih vrednosti za vsak slikovni element. Tako na primer 8 bitov omogoča 256 različnih vrednosti začrnitve. Seveda moramoND pretvornik izbrati tako, da bo kompatibilen z enoto za obdelavo - procesiranje slike. Takoj je jasno, da mora za hitro in sprotno shranjevanje slike imeti A/D pretvornik dokaj velik spomin (ena 512x512x8 bitna slika zavzame v 8 bitnem AJD konverterju 256 kbytov spomina). Ob vsem tem je praviloma AJD konverter opremljen s celo vrsto dosti bolj kompleksnih funkcij kot je le sama digitalizacija signala. Zelo pogosto je opremljen z dodatno grafično strojno opremo, matematičnim procesorjem ... 3. KAUBRACiJA KAMERE Kijub številnim prednostim kamer, ki temel- jijo na polprevodniških čipih, pred kamerami z video cevjo, smo bili prisiljeni uporabiti kamero z video cevjo. Razlog je bil 117 Geodetski vestnik 3/1989 zelo enostaven - druge, sodobnejše kamere nismo imeli. Uporabili smo kamero JVC GZ-S3. Sodi v zgornji razred ama- terskih video kamer. Kamera producira analogen video signal. Velikost slikovne cevi je 1 /2 incha. Vendar pa kamera JVC GZ-S3 kot večina drugih amaterskih kamer ni opremljena za fotogrametrična snemanja. Tako ne poz- namo goriščne razdalje kamere, kot tudi ne glavne točke posnetka, hkrati pa lahko pričakujemo večjo distorzijo objektiva v primerjavi z metričnimi kamerami. Prav zato bi za kalibracijo morali uporabiti komplek- sen matematični model. Splošno vzeto bi bil najbolj primeren postopek analitična blok izravnava z dodatnimi parametri za samokalibracijo. V kolikor bi nas zanimali le goriščna razdalja in položaj glavne točke posnetka, bi se odločili za enostaven izračun na podlagi že izdelanih algoritmov (Rawiel 80). Vendar smo se osredotočili predvsem na kakovost optične preslikave in geometrične deformacije celotnega sistema fotogrametričnega snemanja za potrebe digitalne fotogrametrije. Ob uporabi video kamer za fotogrametrične namene moramo upoštevati vrsto pogreškov, ki jih združimo v dve večji skupini: radiometrični in geometrični pogreški (EI-Hakim 86). Radiometrične pogreške razumemo kot vse pogreške, ki jih povzroča neučinkovitost samega elektron- skega senzorja in prenosa podatkov. Ti pogreški so na primer posledica "vlečenja" 9 6 - 3 - 6 - 9 -12 video slike, ki je najbolj jasno pri premikanju kamere ob snemanju svetlega objekta na temnem ozadju. Tako kaže piksel ob premiku kamere svetlobno vrednost, ki je vsota prave svetlobne vrednosti objekta in ostanek od svetlobne vrednosti objekta, ki je sneman že pred časom. Sodobne CCD kamere ta efekt močno zmanjšajo, pojavi pa se takoimenovano "cvetenje", ki ga povzročajo elektroni, ki se razletijo po sosednjih pikslih ob kontaktu s senzorjem. Na drugi strani obstaja tudi problem neučin­ kovitosti prenosa sivih vrednosti od zajemanja do shranjevanja. Med prenosom se določen del električnega naboja izgubi, kar rezultira v shranjevanju nižje sive vred- nosti, kot je zajeta. Hkrati obstajajo geo- metrični pogreški, ki pomenijo degradacijo matematičnega modela slikovne pre- slikave. Številni faktorji vplivajo na degradacijo tega modela, ki temelji na zakonih centralne projekcije. To so predvsem distorzija objektiva, položaj in deformacije elektronskega senzorja, nepravokotnost optične osi na slikovno rav- nino, nepravokotnost slikovnih osi. .. 3.1. Postopek kalibracije Odločil sem se za kalibracijo nemerske kamere v testnem polju. Seveda sem pri izračunu izpeljal določena posplošenja. Tako sem analiziral pravzaprav celoten skup vseh pogreškov kot en sam pogrešek. Nisem izpeljal analize posame- znih pogreškov kot so na primer simetrična in nesimetrična radialna distorzija, tangen- cialna distorzija ter decentrična distorzija, 2 , 3 p [mm] Geometrični pogreški kamere JVC GZ - S3 Slika2 DIGITALNA 118 pogreški deformacije samega senzorja. Posnetke testnega polja sem izrisal na laserskem printerju, ki pa je bil tudi dodaten vir pogreškov. Zanimal me je v prvi vrsti skupen učinek , vseh geometričnih pogreškov snemanja in prezentacije. Slika video. kamere JVC GZ-S3 je ses- tavljena iz 625 vrstic, vsaka vrstica pa iz nekje med 250 in 320 točk (točnega števila nisem mogel ugotoviti). Ker sliko tvorijo v · enem video ciklu le sode ali lihe vrstice, je osnovna vertikalna resolucija 312 vrstic. Pri izračunu horizontalne ločljivosti pa bom upošteval najnižjo možno število točk v vsaki vrsti, torej 250. Kamere uporabljajo elektronske video cevi različnih dimenzij, praviloma premera 1/2, 2/3 in 1 inch. Vendar pa je dimenzija same slike bistveno manjša, slika ne pokriva maksimalne možne kvadratne površine preseka video cevi. Tako so video slike za posamezne premere video cevi 6x4,5mm, 8,8x6,6mm ter 12,7x9,5mm (Gruen 88: 228 in Shortis 88: 1396). JVC GZ-S3 kamera ima video cev premera 1/2 incha. Tako izračunamo dimenzijo piksla, ki nam tudi definira osnov- no ločljivost kamere.Osnovni element slike, piksel (picuture element) je torej dimenzij 24 x 14,4 mikrometra. Nato smo pričeli s pripravami za laboratorij- sko kalibracijo video kamere na testnem polju. Postavili smo testno polje iz kontrastnega črno-belega vzorca. Kontrolne točke so bile postavljene na raz- dalji 1 dm in sicer s srednjim pogreškom ±0,2mm. Medtem ko so nekateri avtorji želeli doseči čim večjo možno vzporednost slikovne ravnine in ravnine testnega polja (Cuny et al. 86), smo mi izhajali iz dejstva, da lahko podobne rezultate dosežemo s približno vzporednima ravninama. Pogoj je, da pogreške zaradi nevzporednosti eliminiramo z računanjem srednje vrednosti za di~metralno nasprotne točke testne mreže. Sledila so snemanja testne mreže s kamero iz večih razdalj in z različnimi nastavitvami zooma. Posnetke smo on-line prenesli do ND konverterja, jih tam digitalizirali in iz- delali kopije posnetkov na laserskem tiskal- niku Hewlett Packard laser Jet II v približno 10-kratni povečavi. Na tako dobljenih pos- netkih bi nato morali s posebnim postop- kom izračunati natančen položaj kontrolnih točk (Wong & Ho 86), vendar smo zaradi velike povečave zelo enostavno določili položaj kontrolnih točk kar z grafičnim presekom. Vsem kontrolnim točkam smo izmerili slikovne koordinate na stereokom- paratorju 18'18 Zeiss Jena na Fakulteti za arhitekturo, gradbeništvo in geodezijo, ki omogoča čitanje slikovnih koordinat na ±0,02mm. Ob upoštevanju večih posnetkov iz različnih razdalj in nastavitev zooma smo izračunali srednjo vrednost· skupnih geometričnih pogreškov kamere. Med posameznimi posnetki so se pojavile večje razlike, ki smo jih tudi pričakovali. Znano je namreč dejstvo, da so prav kamere z video cevmi pozicijsko dokaj nestabilne. Pa ven- dar, na sliki 2 so prikazani skupni geometrični pogreški testirane kamere v od- visnosti od radialne razdalje od slikovnega centra. Rezultati kažejo, da lahko pričakujemo v srednjem delu slike s premerom 2mm skupne geome-trične pogreške pod ±10 mikrometra, kar je približno 0,7 piksla. Glede na znane rezul- tate kalibracije CID kamere (Curry et al.86), kjer so geometrične pogreške ocenili na 0,2 piksla oziroma približno 10 mikrometrov, smo lahko zadovoljni. Pa vendar dejstvo, da kamere z video cevmi niso po občutljivosti in natančnosti dovolj stabilne, kar kažejo tudi naše raziskave, pogojujejo uporabo sodobnejših kamer, ki uporabljajo . fotodetektorje. Vse kaže, da bodo 11si trendi razvoja kamer šli v CCD tehnologijo. 4. A/D PRETVORNIKI Za digitalizacijo analognega video signala smo uporabili "frame grabber" VFG podjet- ja Visiometric lnc. le-ta je prirejen za osebne računalnike PC >CT/AT. Omogoča digita- lizacijo slike tako, da celo sliko razdeli na 512 x 512 pikslov. Za vsak piksel obstaja 256 možnih nivojev sivine - zapis je 8 bitni. Digitalizator ima torej 256 kbytov spomina. Pr_imarno obdelavo slike omogoča user friendly menu, ki ima že vgrajene nekatere osnovne programske funkcije, kot so na primer rezanje slike, vstavljanje teksta, enostavno zoomiranje ... Možno je tudi 119 Geodetski vestnik 3/1989 programiranje v assemblerju ter višjih jezikih C in Fortran. Ob vsem tem je možen prikaz slike s teh- niko, ki jo lahko imenujemo "pseudo color". Različnim nivojem sivine pikslov se pripiše določena barva. Tako so lahko nianse sivih tonov spremenjene v za človeka dosti bolj razpoznavne različne barve. Z uporabo video cevi, ki omogočajo širši spekter registriranja proti IR delu spektra (do 1, 1 mikrometra), ali CCD senzorjev, ki imajo podobne kvalitete, lahko preidemo v IR snemanje. Ta tehnika se že uporablja kot nadomestilo dragih fotografskih snemanj za potrebe fotointerpretacije (primer uporabe v gozdarstvu glej Meisner in Lindstrom 85). 5. ZAKLJUČEK Ob dejstvu, da so prav kamere tisti del digitalne fotogrametrične opreme, ki se danes najbolj razvija, velja opozoriti na nekatere probleme. Medtem, ko sodobne fotogrametrične kamere omogočajo ločljivost vsaj 50 linijskih parov na mm (v kombinaciji s filmi s posebnimi emulzijami pa mnogokrat večjo), je velikost piksla pri video kamerah še nad 10 mikrometrov, ponavadi pa okoli 14 mikrometrov (z red- kimi izjemami npr. Kodak Megaplus). Lahko izračunamo, da je ločljivost klasičnih fotogrametričnih kamer ekvivalentna velikosti piksla nekje okrog 7 mikrometrov. Vidimo torej, da je sama ločljivost video kamer vsaj dvakrat manjša, količina infor- macij pa je pri tem razmerju seveda štirikrat manjša. Trendi razvoja CCD tehnologije kažejo na zmanjševanje velikosti piksla, vendar pa se bo z zmanjšanjem piksla pojavil problem količine informacij, saj bodo potrebni večji in močnejši računalniki za njihovo obdelavo. Na drugi strani se ploskovni fotodetektorji pojavljajo v relativno majhnih dimenzijah, ponavadi 1/2 ali 2/3 incha. Te pomanjkljivost skušajo odpraviti z združevanjem večih senzorjev (celo 800- krat 800 CCD senzorjev), z razpršitvijo slike z optičnim sistemom in nato z zajemanjem delčkov sUL\e s posameznimi senzorji ali pa z uporabo linearnih senzorjev (nekaj konkretnih rešitev glej v Fras, ta edicija). Problemi, s katerimi se trenutno ukvarja elektronska industrija, nas ne smejo onemogočiti v raziskavah uporabnosti digitalne fotogrametrije. Izzivu fotogra- metrije bodočnosti se ne smemo izogibati. Zahvala Zahvaljujem se Fakulteti za arhitekturo, gradbeništvo in geodezijo ter Elektroteh- niški fakulteti za posojeno opremo. Pri snemanju in izračunu mi je pomagal Bojan Zakeršnik, dipl.inž.geod .. DIGITALNA FOTOGRAMETRIJA 120 LITERATURA Curry S., Baumrind S. in Anderson M., 1986 "Calibration of an Array Camera" Phologram- metric Engineering and Remote Sensing, 52: 627-636 Daehler J., 1988 "Probleme beim elektronischen Bildeinzug mit' dem analogen Videosignal" Bildmessung und Luftbildwesen, 56: 205-217 EI-Hakim S.F., 1986 "Real-Time lmage Metrology with CCD Cameras" Photogrammetric Engineering and Remote Sensing, 52: 1757-1766 Gruen A., 1988 "Towards Real-Time Photogrammetry" Photogrammetria, 42: 209-244 Joulian F., 1988 "Video etArcheologie" Les nouvelles de l'archeologie, 32: 54-56 Kosmatin-Fras M., 1988 "Teoretične osnove izdelave digitalnega ortofoto" Geodetski vestnik, 32: 25-30 Meisner D. E. in Lindstrom O. M., 1985 "Design and Operation of a Color Infra.red Aerial Video System" Photogrammetric Engineering and Remote Sensing, 51: 555-560 Nova.kovic P., Oordevic A. in Stančič Z., 1987 "Theoretical Archaeology Group '87" Arheo, 6: 38-40 Rawiel R., 1980 "Eine Methodezur Bestimmung der inneren Orientierung in der Nahbildmes- sung" Bildmessung .und Luftbildwesen, 48: 36-42 Shortis M.R., 1988 "Precision Evaluations of Digital lmagery for Close-Range Photogram- metric Applications" Photogrammetric Engineering and Remote Sensing, 54: 1395-1401 Stančič Z. in Šivic P., i 988 "Photogrammetric Docurrientation of Archaeological Excava- tions" Proc. of Xl.th CIPA Symposium (v tisku) Šivic P., 1984 "Fotogrametrična dokumentacija arheoloških izkopavanj" Četvrto jugos- lovensko savetovanje o fotogrametriji, druga knjiga, Budva: 131-139 Wong K.W in Ho W.-H., 1986 "Close-Range Mapping with aSolid Sta.te Camera" Photogram- metric Engineering and Remote Sensing, 52: 67-74 121 Geodetski vestnik 3/1989 TEHNIKE DIGITALNE OBDELAVE POSNETKOV~ ORODJE VROKAHFOTOGRAMETRA Marjan čeh, dipl.inž.geod. in Tomaž Gvozdanovic, dipl.inž.geod. Fakulteta za arhitekturo,gradbeništvo in geodezijo, Ljubljana Mojca Kosmatin-Fras, dip!.inž.geod. Geodetski zavod SRS, Ljubljana junij 1989, Ljubljana, YU AVTORSKI IZVLEČEK Tehnike (Jigitalne obdelave posnetkov se uspešno uporabljajo v vseh fazah digitalne fotogrametrije. V članku smo podali opis uporabe teh tehnik v fotogrametriji. Razložili smo nekatere osnovne pojme s področja digitalne obdelave posnetkov, na slikovnih primerih pa smo predstavili učinke nekaterih enostavnih operacij na sivih vrednostih digitalnega posnetka. - AUTHOR'S ABSTRACT The techniques of digital image processing are efficient implemented in ali the stages of digital photogrammetry. The paper dea/s with the usage of this techniques in photogram- metry. Some terminology used in image processing is exp/ained. The effects of some simple grey value operations are presented. 1. UVOD Nobena veda se danes ne more uspešno razvijati brez upoštevanja izsledkov drugih bolj ali manj sorodnih ved. To velja tudi za fotogrametrijo, ki vedno bolj postaja inter- disciplinarna veda. Razvoj tehnik digitalne obdelave slik ne spada v osnovno področje fotogra- metrovega zanimanja. S tem se ukvarjajo predvsem matematiki, elektrotehniki, raču­ nalnikarji idr. Na področju digitalne fotogrametrije ima fotogrameter opravka z digitalnimi posnetki, razvite metode in teh- nike digitalne obdelave posnetkov zato lahko uporabi kot učinkovito orodje za svoje potrebe. Digitalna obdelava posnetkov" (angl. digital image processing) pove, da posnetke ob- delujemo v računalniku. Fotolaboratorij, v katerem analogne posnetke obdelujemo na analogen način, je zamenjal računalnik. Rezultati računalniške obdelave pa so veliko bolj učinkoviti. Včasih dobimo občutek, da računalnik kot "čarovnik' na sliki pričara tisto, kar je bilo očem prej skrito. Vendar računalniška obdelava v resnici ne more prikazati tistih informacij, ki v osnov- nem posnetku niso vsebovane (Hoeksma et al. 88). Uporaba tehnik digitalne obdelave posnet- kov v fotogrametriji omogoča av- tomatizacijo nekaterih fotogrametričnih procesov, ki so bili še do nedavnega izključno odvisni od človeka. Av- tomatiziramo lahko enostavne operacije s filtri za izboljšanje slikovne kvalitete, ojačanje kontrasta, poostritve robov, itd., geometrične transformacije (npr. digitalni ortofoto) in veliko bolj zapletene postopke, kot so slikovna korelacija, avtomatizirana analiza in razumevanje posnetkov (inter- pretacija) ter ekstrakcija semantične infor- macije (Makarovič, ta edicija). V fotogrametriji je uporaba teh tehnik tako raznovrstna in obsežna, da je na kratko ni možno predstaviti. Pri nas te tehnike malo Geodetski vestnik 3/1989 122 poznamo, zato smo se v čla,,ku omejili na predstav,tev nekaterih enostavnih operacij s posnetki, katerih rezultati so vizoalno zelo učinkovit) in dajejo slutiti praktično neomejene možnosti uporabe tehnik digitalne obdelave posnetkov. Vsebinsko smo članek razdelili v dva dela V prvem razlagamo nekatere osnovnF pojme s področja digitalne obdelave pos netkov, v drugem delu pa na slikovni, primerih predstavljamo "učinke" nek,ate," operacij na sivih vrednostih slikovnih elementov. Rezultat posamezne operacije na vhodnem posnetku je zelo odvisen od karakteristike posnetka. Ker smo želeli prikazati predvsem učinke posameznih operacij, žal pa na razpolago nismo imeli ustreznih_ fotogrametričnih posnetkov, smo uporabili posnetke z "nefotogrametrično" vsebino. Slikovne primere obdelave digitalnih po- snetkov smo izdelali s programskim paketom za digitalno obdelavo posnetkov AIM (Atari lmage Manager). Ta programski paket je rezultat večletnega razvoja "skupine za prepoznavanje vzorcev" na univerzi v Delftu (Delft University ofTechnol- ogy, Faculty of Applied Physics) in med drugim služi za vaje študentov na tej fakul- teti. 2. OSNOVNI POJMI IN DELITVE POS- TOPKOV V DIGITALNI OBDELAVI POS- NETKOV Digitalni posnetek (angl. digital image) je v numerični obliki kodiran zapis metričnih in semantičnih informacij, ki jih lahko ob- delujemo z digitalnim računalnikom, Naj- bolj preprosto si digitalni posnetek lahko predstavljamo kot matriko, v kateri njeni členi predstavljajo nivoje sivine oz. sive vrednosti (angl. grey level) slikovnih elementov (pikslov), položaj posameznega člena v matriki pa definira njegovo geometrično lokacijo, Definirati moramo še koordinate izhodišča matrike (npr. prvega elementa) in velikost piksla, s tem pa je zagotovljena metričnost informacij. Če na digitalni posnetek gledamo z mate- matičnega vidika, je vsak digitalni pos- netek matrika, obratno pa ni nujno. Vse op,,, ~cije, ki jih lahko izvajamo l'la r"c1trikan, lahhu izvajamo tudi na digitalnih posnetkih (Ro;,enfeld 69). Digitaini posnetek, ki ga želimo obdelovati v računalniku, imenujemo vhodni posnetek (anyi. input image). Rezultat računalniške obdc-1:we je izhodni posnetek (angL output im,.--,u~~1. N- .,r,odnem posnetku izvajamo različne , c0•e>matične operacije. V splošnem operacije delimo na (Goepfort 87): operacije na sivih vrednostih, - geometrične operacije, - frekvenčne operacije. Operacije na sivih vrednostih so operacije, ki posameznim slikovnim elementom spremenijo le sivo vrednost Geometrični odnosi pri tem ostanejo nespremenjeni, Geometrične operacije spremenijo geome- trične odnose med posameznimi slikovnimi elementi. Frekvenčne operacije so operacije v frek- venčnem prostoru posnetka. V članku se bomo omejili na opis nekaterih operacij na sivih vrednostih. Ena izmed geometričnih transformacij (digitalni or- tofoto) je podrobneje obdelana v posebnem članku (Kosmatin-Fras, ta edicija), frek- venčne operacije pa so za razlago zelo zah- tevne in jih zato tu izpuščamo. Glede na število slikovnih elementov v eni operaciji delimo operacije na (Hoeksma et al. 88): - točkovne, - lokalne, globalne. · Točkovne operacije so prostorsko neod- visne in so definirane samo s sivo vred- nostjo slikovnega elementa. Na vrednost izhodnega slikovnega elementa vpliva le en sam vhodni slikovni element (slika 1). Pri lokalnih operacijah upoštevamo okolico slikovnega elementa. Izhodni slikovni ele- ment tako izračunamo iz sivih vrednosti več vhodnih slikovnih elementov (slika 2). 123 DIGITALNA FOTOGRAMETRIJA 'JHODN I POSNETE K IZHODNI POSNETEK ... Točkovne operacije Slika 1 Okolica slikovnega elementa (angl. neigh- bourhood) je določeno število slikovnih elementov, ki obkrožajo slikovni element in je lahko v obliki "okna" (npr. podmatrika3x3, 5x5, itd. elementov), križa, ipd. Pri globalnih operacijah pa na rezultat iz- hodnega slikovnega eleme,nta vplivajo vsi slikovni elementi vhodnega posnetka. Točkovne operacije so računsko najhitrejše operacije, računalniške algoritme pa ni težko izdelati. Lokalne operacije zahtevajo hitrejše algoritme, število potrebnih operacij pa je med drugim odvisno od velikosti izbrane okolice. Računsko najbolj inten- zivne operacije so globalne operacije . Digitalno obdelavo posnetkov običajno raz- delimo v faze, ki so hierarhično razporejene od spodaj navzgor takole: zapis slike v digitalno obliko (analogno digitalna pret- vorba), pred procesiranje, segmentacija, postprocesiranje, analiza in interpretacija (Hoeksma et al. 88). Z analogno digitalno pretvorijo dobimo "surovo" digitalno sliko. Le-ta vsebuje popačenja, ki jih je v posnetek vnesel sistem za analogno digitalno pretvorbo. S postopki predprocesiranja običajno želimo posnetek obnoviti in izboljšati. Namen obnavljanja posnetka je dobiti čim bolj verno obliko njegovega originala. Pri postopkih iz- boljšanja pa gre za bolj hevristične pos- topke, s katerimi posnetek obdelamo tako, da nam bolj ugaja (Paveši6 88). Med pos- ...---_.,..--......-----------~---~~ ....... ~. /' ' 1...'HODt-! I POSNETE K IZHODNI POSNETEK Lokalne operacije Slika2 Geodetski vestnik 3/1989 124 topke izboljšanja posnetkov štejemo med drugim izločanje šuma iz posnetka, povečavo kontrasta, poudarjanje robov itd. S postopki segmentacije slikovne elemente vhodnega posnetka grupiramo v področja podobnih atributov. Osnovni atributi so sive vrednosti, barva in tekstura. Če za osnovo segmentiranja vzamemo sivo vrednost slikovnih elementov, govorimo o amplitudni segmentaciji (Ribari6 88). Področje seg- mentiranja posnetkov sega tudi na področje psihologije, ki daje odgovore na to, kako človek izločuje sliko iz ozadja. Postopki seg- mentacije posnetka so zelo pomembni za uspešno nadaljevanje postprocesiranja, analize in interpretacije posnetka. Postprocesiranje izboljšuje rezultate seg- menta cij e. Najvišji nivo predstavljata analiza in interpretacija posnetka, ki Bit8 · Bit5 Bit 3 Bit2 vsebujeta elemente umetne· inteligence. Zadovoljiva avtomatizacija analize in inter- pretacije posnetkov bo najbrž še dolgo trd oreh za raziskovalce. 3. OPERACIJE NA SIVIH VREDNOSTIH SLIKOVNIH ELEMENTOV Količina informacije, ki jo digitalni posnetek vsebuje, je odvisna od velikosti slikovnih elementov (vzorčenje) in od števila različnih nivojev sivine (kvantizacija). Število različnih stopenj sivine izražamo s številom bitov računalniškega zapisa. Običajno je zapis enega slikovnega elementaghranjen v osmih bitih (en byte), to je 2 = 256 različnih nivojev sivine. V tem primeru je količina potrebnega računalniškega Bit 1 Posnetek prikazan v osmih bitnih ravninah Slika3 125 DIGITALNA FOTOGRAMETRIJA spomina v bytih enaka številu slikovnih elementov posnetka. Digitalni posnetek lahko predstavimo z binarnimi posnetki po posameznih bitnih ravninah (za gornji primer je osem bitnih ravnin - slika 3). Če posnetek "razstavimo" na tak način, opazimo, da niso vse bitne ravnine enako pomembne za končni pos- netek. Običajno je v nižjih bitnih ravninah opazen šum posnetka, ki njegovo infor- macijo popolnoma "zamegli". Semantična vsebina digitalnih posnetkov je lahko zelo različna. Eden izmed pomembnih pokazateljev značilnosti raz- poreditve sivih vrednosti na posnetku je njegov histogram. le-ta je definiran kot porazdelitev pogostosti posameznih sivih vrednosti na posnetku. HistoQ_ram lahko prikažemo s tabelo ali grafom. Ce je iz his- tograma posnetka razvidno, da niso vsi nivoji sivine izrabljeni, to pomeni, da infor- macijska vsebina posnetka ne izkorišča vseh možnih bitov zapisa. Kvantitativno vsebino informacije posnetka objektivno ocenimo z entropijo posnetka (Goepfert 87) 255 E =: - L. hr(s) -11, log2 hr(s) s:o E ........ entropija hr(s) .... relativna pogostost sive vrednosti s Če z analizo histograma ugotovimo, da niso vse razpoložljive sive vrednosti izkoriščene (slika 4), lahko na posnetku z operacijo iz- ravnave histograma (angl. histogram equalization) sive vrednosti raztegnemo na vse razpoložljive vrednosti. S tem delno povečamo kontrast posnetka (slika 5). Ta operacija spada med točkovne operacije. Med točkovne operacije spada tudi t.i. pos- topek primerjanja s pragom (angl. treshold- ing). Sicer pa ta postopek spada med enostavne primere amplitudne segmen- tacije. Osnovni namen postopka je binarizacija vhodnega posnetka. Rezultat je torej posnetek, ki ima samo dve različni vrednosti (O in 1) slikovnih elementov. Ta postopek je uspešen le takrat, če se objekt na posnetku pojavlja kot relativno uniformno področje in če je tudi ozadje uniformno ali z drugimi besedami, če je histogram posnetka bimodalen (ima dva vrha) (Ribaric 88). Izbrati moramo prag T, ki predstavlja določeno sivo vrednost. Vsak slikovni element primerjamo s tem pragom. Postavimo pogoj: če je siva vrednost slikov- nega elementa manjša od T, se spremeni v O, če je večja od T, se spremeni v 1 (ali obratno). Rezultat binarizacije je precej od- Vhodni posnetek s histogramom Slika4 Posnetek z izravnanim histogramom Slika5 Geodetski vestnik 3/1989 126 visen od izbire praga T. Prag T najbolj enos- tavno določimo iz histograma, če je. le-ta bimodalen. Za prag T izberemo sivo vred- nost v "dolini" med vrhoma. Rezultati pos- topka primerjanja s pragom so prikazani na slikah 6, 7 in 8. Vhodni posnetek, ki je prikazan na sliki 3, je binariziran s tremi različnimi. vrednostmi T. Na sliki 6 je na osnovi analize histograma izbran optimalni prag (T = 132), na sliki 7 je prag postavljen prenizko (T = 80), na sliki 8 pa previsoko (T = 180). Lokalne operacije običajno izvajamo s Primerjava s pragom,T=80 Slika? pomočjo filtrov. Le-ti so lahko linearni ali nelinearni, nespremenljive velikosti in oblike ali pa spremenljive velikosti in oblike. Filtre, ki so mešanica linearnih in nelinear- nih filtrov, imenujemo adaptivni filtri (Hoeksma 88). Filtri imajo v splošnem nalogo, da ločujejo željene in neželjene in- formacije in neželjene odstranijo (Baehr85). Linearno filtriranje posnetka običajno iz- vedemo s konvolucijo filtrirne matrike in okolice slikovnega elementa. To storimo tako, da množimo elemente okolice z is- Primerjava s pragom,T=132 Slika6 Primerjava s pragom,T=180 Slika8 127 DIGITALNA FOTOGRAMETRIJA toležnimi členi filtrirne matrike in produkte seštejemo. Primeri nekaterih najbolj pogos- tih koeficientov za posamezne linearne filtre so: 2 4 2 - Gaussov filter za glajenje ~ -1 5 -1 - filter za p_oudarjanje detajlov t 2 1 o o o - horizontalni gradientni filter r-: Ll -2 o -2 - vertikalni gradientni filter --~1 -2 -1 Posebn~ značilnost t.i. gradientnih filtrov je, da detajle na posnetku ostrijo. Gradient slikovne funkcije G(s(x,y)) je definiran kot odvod slikovne funkcije po x in odvod slikovne funkcije po y. Usmerjen je v smeri največje spremembe funkcije, njegova dolžina pa pove velikost spremembe. z gradientom torej prepoznavamo ostre prehode sivih vrednosti na posnetku, ki jih nato lahko poudarimo. Na sliki 9 je prikazan učinek horizontalnega gradientnega filtra, na sliki 1 O pa R~bertsovega filtra na posnetek, ki je prikazan na sliki 3. S horizontalnim gra- dientnim filtrom dobimo psevdo-plastičen efekt v horizontalni smeri. Robertsov gradientni filter pa za vsak slikovni element vzame tisti delni gradient (horizontalni ali vertikalni), ki je večji. Učinek horizontalnega gradientnega filtra Slika9 Učinek Robertsovega gradientnega filtra Slika 10 Na vhodnem posnetku je iz različnih raz- logov lahko prisoten šum, ki se kaže v obliki temnih in svetlih točk posutih po posnetku (angl. salt-and-pepper noise). Takšen šum lahko učinkovito odstranimo s posnetka z medianinim filtrom, ki je nelinearni filter. Si- vo vrednost izhodnega slikovnega elemen- ta nadomestimo z mediano elementov okolice. Mediana diskretnega zaporedja je definirana kot tisti člen zaporedja, od ka- terega je pol členov zaporedja večjih ali Geodetski vestnik 3/1989 128 Posnetek s šumom Slika i 1 enakih, pol pa manjših ali enakih. Na sliki 11 je prikazan posnetek, na katerem je prisoten šum. Rezultat mediani nega filtra je prikazan na sliki 12, kjer ni več belih in črnih "pik". Na tako očiščeni sliki smo poudarili detajle z linearnim filtrom, rezultat je prikazan na sliki 13. Zelo učinkovita nelinearna filtra sta tudi t.i. lokalni minimum filter in lokalni maksimum filter. S prvim filtrom določimo lokalni mini• mum okolice na vhodnem posnetku in ga priredimo slikovnemu elementu izhodnega posnetka. S tem dosežemo razširitev temnih področij posnetka (slika 14). Z drugim fil. trom pa določimo lokalni maksimum okolice na vhodnem posnetku in ga priredimo sli· kovnemu elementu izhodnega posnetka. Rezultat je posnetek, ki ima razširjena svetla območja (slika 15). Za fotogrametrijo je zelo zanimiva operacija izločevanja robov detajlov na posnetku. Učinek takšne operacije je ta, da iz posnetka dobimo črtno "risbo" (npr. iz posnetka fasade dobimo načrt fasade). Vendar te operacije niso tako zelo enostavne. Težko je namreč definirati, kaj je rob detajla. Učinek je tako odvisen od kriterijev, ki jih postavimo in pa tudi od operacije oz. zaporedja operacij, ki jih izberemo. Na sliki 16 je prikazan rezultat določenega zapored• ja operacij, ki izločijo robove detajlov iz Učinek medianinega filtra Slika 12 Učinek filtra za poudarjanje detajla Slika 13 posnetka na sliki 3, ki pa bi bile na tem mestu preobsežne za razlago. Zgoraj prikazane operacije na posnetkih so le nekatere izmed osnovnih, enostavnih, a vendar učinkovitih operacij na sivih vred• nostih. Običajno pa željen učinek dosežemo šele z določenim zaporedjem različnih operacij. Splošnega pravila za ob- delavo digitalnih posnetkov ni, zato se moramo za posamezne operacije odločati 129 DIGITALNA FOTOGRAMETRIJA Razširitev temnih območij na posnetku Slika 14 Izločeni robovi detajla Slika 16 na konkretnem posnetku. To delo je zelo kreativno, saj imamo na voljo praktično neomejeno število kombinacij različnih operacij. Za ilustracijo, kako pomembno je pravilno izbrano zaporedje posameznih operacij, navajamo še naslednji, zadnji primer. Razširitev svetlih območij na posnetku Slika 15 Osnovni posnetek Slika 17 Na posnetku (slika 17) želimo izvesti pos- topek primerjanja s pragom (binarizacija slike), da bi izločili risbo. Rezultat je prikazan na sliki i 8 in očitno ne zadovoljuje naših pričakovanj. Na osnovnem posnetku smo nato izvedli lokalni maksimum filter in dobili novo sliko, na kateri smo izvedli še lokalni minimum filter (s tem smo določili ozadje na posnetku). Tako dobljeno sliko Geodetski vestnik 3/1989 130 Binariziran osnovni posnetek . . Slika 18 smo· nato odšteli od osnovnega posnetka (posnetku smo "odšteli" ozadje) in na tako obdelanem posnetku izvedli še postopek primerjanja s pragom. Rezultat je presenetljiv (slika 19). 4. ZAKLJUČEK Uporaba tehnik digitalne obdelave posnet- kov v digitalni fotogrametriji je zelo razšir- jena in sega· praktično v vse njene faze. Nekaj osnovnih tehnik, ki so prikazane vtem članku, le nakazuje široke možnosti, ki jih tak način obdelave posnetkov ponuja. Danes želimo fotogrametri uporabnikom r,."-------- Binariziran posnetek po izločitvi ozadja na osnovni sliki Slika 19 posredovati informacije v čim krajšem času. Uporaba digitalnih tehnik sicer omogoča avtomatizacijo številnih fotogrametričnih postopkov, vendar še vedno ostaja problem obdelave v realnem času (real-tirne). Os- novna problema sta ogromna količina podatkov in kompleksnost procesnih al- goritmov. Na tržišču že obstajajo specialni slikovni procesorji, ki imajo določene operacije realizirane na strojnem nivoju (Fras, tabela 3.1, ta edicija). Reševanje posebnih fotogrametričnih nalog, kot so slikovna korelacija, analiza in interpretacija posnetkov idr., pa spada na področje razis- kav fotogrametrov. 131 DIGITALNA FOTOGRAMETRIJA LITERATURA Baehr, H.P. (1985): "Digitale Bild-verarbeitung, Grundlagen der Digitalen bildverarbeitung", Herbert Wichmann Verlag, Karlsruhe Goepfert, W. (1987): "Raumbezogene lnformationssysteme", Herbert Wichmann Verlag, Karlsruhe Hoeksma, T., Herweijer, A. (1988): "AIM Tutorial" Milder, N.J, Kostwinder, H.R. (1988): "Remote Sensing Digital lmage Processing, Patern Recognition", lnternatio1qal Institute for Aerospace Survey and Earth Sciences (skripta) Paveši6, N. (1988): "Postopki izboljšanja in obnavljanja slik', Seminar Digitalna o brada slike, Zagreb Ribari6. S. (1988): "Segmentacija slike', Seminar Digitalna o brada slike, Zagreb Rosenfeld, A. (1969): "Picture Processing by Computer", Academic Press, London Geodetski vestnik 3/1989 132 v Mojca Kosmatin-Fras dipl.inž.geod. Geodetski zavod SR Slovenije,lnštitut · junij 1989, Ljubljana, YU AvrORSKI IZVLEČEK V prispevku so na kratko opisani prvi rezultati off-line izdelave digitalnega ortofota na osebnem računalniku. Opisano tehnologijo je v celoti izdelal Inštitut Geodetskega zavoda SR SLovenije. Doseženi rezultati so ohrabrujoči za nadaljnji razvoj. AUTHOR'S ABSTRACT The paper reports briefly on the first results of an off-line digital orthophoto generation on a personal computer. The complete technology presented was developed by the Institute of Geodetski zavod SR Slovenije. The results obtained are encouraging far further inves- tigations. 1. UVOD Digitalna fotogrametrija je v zadnjih nekaj letih dobila veliko vlogo v splošni fotogrametrični produkciji. Nedvomno je eden izmed njenih najbolj vsestransko uporabnih in komercialno zanimivih produktov digitalni ortofoto. Glavni problem pri izdelavi digitalnega or- tofota je velika količina podatkov, ki jih moramo obdelati. Zato za praktično uporabo potrebujemo enostavne algoritme in učinkovite računalniške programe. Danes so osebni računalniki zelo razširjeni predvsem zaradi nizke cene, enostavne uporabe in relativno velike sposobnosti za izvajanje različnih nalog. S praktičnega vidika je uporaba osebnega računalnika za izdelavo digitalnega ortofota možna in smotrna. V prispevku so podani prvi rezultati celotne tehnologije za off-line izdelavo digitalnega ortofota na osebnem računalniku kom- patfbilnem z IBM PC AT, ki jo je razvil Inštitut Geodetskega zavoda SR Slovenije. Pri off-line izdelavi digitalnega ortofota je potrebno izvesti analogno-digitalno· (ND) pretvorbo vhodnega posnetka in digitalno- analogno(D/ A) pretvorbo ortofota. V ta namen smo pri raziskavi uporabili Hell-ov skanerski sistem, ki je last Gorenjskega tiska v Kranju. Ta skanerski sistem je v os- novi izdelan za uporabo v grafično-tiskarski industriji. Njegove tehnične karakteristike zadoščajo za našo fotogrametrično nalogo. V sodelovanju s strokovnjaki Gorenjskega tiska v Kranju smo uspešno rešili problem ekstrakcije slikovne matrike iz surovih skaniranih podatkov. Celotna raziskava, vključno z izdelavo računalniških programov, je trajala dve leti. Rezultati testa so potrdili pravilnost za- snovane tehnologije. Rezultati im metoda so predstvaljeni tudi na "Sejmu softvera '89' v Splitu, od 6. do 8. junija 1989. 133 DIGITALNA FOTOGRAMETRIJA 2. PRINCIP OFF-UNE ZAJEMANJA IN OBDELAVE DIGITALNIH SUK Princip zajemanja in obdelave digitalnih slik je prikazan na sliki 1. Svetlobo, ki jo daje izvor svetlobe, usmerimo skozi optični sis- tem na majhen ploskovni element - pik.sel (angl. picture element). Povprečna količina prepuščene ali odbite svetlobe ( odvisno od tega ali je slikovna podloga prosojna ali neprosojna) na ploskovnem elementu se v fotocelici registrira, ojača in pretvori v električni signal določene jakosti, ki se pre- tvori v digitalno število. Le to shranimo na računalniškem mediju. Digitalno sliko, ki jo imenujemo tudi vhodna matrika $iVih vredriosti oz.splošno slikovna matrika (angl. picture matrix), z različnimi matematičnimi in statističnimi operacijami obdelujemo - procesiramo. Rezultat procesiranja vhodne matrike je izhodna matrika sivih vrednosti. Le to pretvorimo nazaj v električni signal, ki ga (moduliranega) pretvorimo v ustrezno majhno količino svetlobe, ki jo preko optičnega sistema pošljemo na majhen ploskovni element (pixel) na svetlobno občutljiv material (fotografski papir, film, ipd.). Slika, ki nastane na fotografskem izvor svetlobe optični sistem fotocelica z ojačevalcem kvantizacija A/D pretvorba - D analogni slnal računalnik modul!ran signal i4hlfln,, digitaliziran signal - JlliillillL - J1l1fttillL digitalni obdelan Princip off - line zajemanja Slika 1 signal rasterska slika Geodetski vestnik 3/1989 134 materialu, ni več zvez- na, temveč je ses- tavljena iz rastra slikovnih elementov. V fotogrametriji in kar- tografiji zaenkrat še prevladujejo off - line sistemi (sekundarni sistemi), ki analogno podlago (posnetek, karto ipd.) pretvorijo v digitalni zapis. Za analogno - digitalno (NO) pretvorbo so naj- bolj vsestransko upo- rabni optični skanerji, boben senzor ki dosegajo visoko.__ _______________________ __, geometrično natančnost.Ta je omejena le z valovno dolžino uporabljene svetlobe in kvaliteto optike. V to skupino spadajo bobni in skanerji. Scanner z vrtečim valjem Slika2 135 Princip izdelave digitalnega ortofota Slika3 DIGITALNA FOTOGRAMETRIJA DIGITALNI POSNETEK DMR DIGITALNI ORTOFOTO Za potrebe naše naloge smo foto- grametrični posnetek skanirali na bobnem skanerju podjetja Hell, last Gorenjskega tiska iz Kranja. Pri bobnih skanerjih skanirno predlogo vpnemo na boben. Predloga lahko svetlobo prepušča- senzor meri količino prepuščene svetlobe, pri neprosojnih predlogah pa sen- zor meri količino odbite svetlobe (geometrična resolucija je manjša kot pri merjenju prepuščene svetlobe). Na sliki 2 je prikazan princip delovanja bob- nega skanerja (prosojna podloga). Skanir- na predloga je vpeta na prozoren boben, ki se lahko vrti okoli centralne osi. Znotraj bobna se nahaja izvor svetlobe, ki svet- lobne žarke preko optičnega sistema us- merja na majhen ploskovni element predloge. Količino prepuščene svetlobe na zunanji strani bobna zaznava senzor. Količino prepuščene svetlobe se najprej pretvori v električni tok, ki se nato spremeni v digitalno vrednost. Vrtenje bobna okoli svoje osi definira smer y-osi. Skaniranje se izvaja v smeri, ki je na smer vrtenja pravokotna (x-os). Skaniranje v x-smeri se izvaja bodisi s premikanjem izvora svetlobe, optike in senzorja, bodisi z translacijo bobna v tej smeri. S stopenjsko nastavitvijo koraka v x-smeri (število slikovnih elemen- tov / skanirno linijo) in y-smeri (število skanirnih linij / mm) lahko geometrično resolucijo nastavimo na različne stopnje (slikovni element je lahko kvadrat ali pravokotnik). · 3. FOTOGRAMETRIČNI KONCEPT IZ- DELAVE DIGITALNEGA ORTOFOTA Ortofoto je fotografija, ki objekte kaže v njihovi pravilni ortografski poziciji. Ortofoto je tako geometrično enakovreden konven- cionalnim linijskim in simbolnim pla- nimetričnim kartam oz. načrtom. Ortofoto je izdelan iz perspektivnega posnetka s pos- topkom diferencialnega redresiranja, ki eliminira sli-kolino spačenje zaradi nagi-ba posnetka in razgibanosti terena. Danes lahko ortofoto izdel-amo z računal­ niško podpr-timi ortofoto instrumenti ali z digitalno izdelavo v računalniku. Fotogrametrični koncept off-line izdelave digitalnega ortofota, ki je prikazan na sliki 3, je precej enostaven in lahko razumljiv. Čeprav je ideja opisana v nekaterih tujih člankih (Baehr 85, Arbiol etal.87), se nam zdi prim Digitalni ortofoto je produkt diferencialnega redresiranja digitaliziranega fotograma (običajno aeroposnetka), ki ga izvedemo z digitalnim računalnikom. Osnovni vhodni podatki so: a) digitaliziran fotogram, b) elementi notranje in zunanje orientacije posnetka, c) transformacijski parametri, ki povezujejo slikovni koordinatni sistem in skanerski koordinatni sistem, d) digitalni model reliefa. ad a) Digitalno sliko običajno dobimo s skaniranjem analognega posnetka. V bistvu potrebujemo slikovno matriko, ki jo dobimo iz surovih skaniranih podatkov (le-ti vsebujejo več informacij). ad b) Elementi notranje orientacije kamere se nahajajo v kalibracijskem protokolu kamere. Elemente zunanje orientacije pos- netka pa izračunamo bodisi z aerotrian- gulacijo bodisi z metodo fotogrametričnega notranjega ureza. ad c) Povezavo med digitalno in analogno sliko lahko vzpostavimo z eno izmed planimetričnih transformacij. Za rešitev te naloge moramo izmeriti koordinate določenega števila dobro definiranih točk v obeh koordinatnih sistemih. ad d) Digitalni model reliefa lahko dobimo na več načinov, med drugim z merjenjem fotogrametričnega stereomodela. Za izvedbo diferencialnega redresiranja obstajata dve metodi: neposredna in pos- redna. Pri neposredni metodi po kolinearni enačbi iz slikovnih koordinat vhodnega piksla izračunamo element v ortofoto matriki, ki mu priredimo sivo vrednost vhod- nega piksla. Rezultat te metode je neiz- polnjena izhodna matrika ortofota. Posredna metoda je za uporabo v praksi Geodetski vestnik 3/1989 136 boljša. Pot izračuna je pri tej metodi ravno obratna. V predstavljeni tehnologiji smo uporabili posredno metodo, ki jo bomo zato natančneje opisali. Diferencialno redresiranje izvedemo v štirih korakih. 1. KORAK Za vsak izhodni piksel (Xor, Yor) v ustrezni celici digitalnega modela reliefa inter- poliramo vrednost Zor. 2. KORAK Izračunamo slikovni koordinati (x,y) po kolinearni enačbi: moramo sivo vrednost za izračunano lokacijo prirediti. Sivo vrednost lahko priredimo na več načinov, največkrat uporabljeni so: metoda najbližjega sosedstva, bilinearna interpolacija in bikub- na interpolacija. Prirejena siva vrednost se shrani v ortofoto matriki. Korake 1 do 4 ponovimo za vse elemetne ortofoto matrike. Končni rezultat digitalnega diferencialnega redresiranja je ortofotomatrika, to je digital- na slika ortofota. Za analogni prikaz ortofota moramo izvesti digitalno-analogno pretvor- bo. 4. OPIS RAZVITE TEHNOLOGIJE Če želimo prej opisani fotogrametrični kon- _r'_1 1_(X_o_r-_X_o_) +_r2_1_(Y_o_r_-Y_o_)_+_r_3_1_(Z_o_r_-2_0_)_ cept izdelave digitalnega ortofota realizirati x=~C*r · v praksi, potrebujemo primeren hardware in ! r13(Xor-Xo)+r23(Yor-Yo)+r33(Zor-Zo) software. To nalogo lahko rešimo z r12(Xor-Xo) +r22(Yor-Yo) + r32(Zor-Zo) y=yo-C* "'-------------- r1 3 (Xor-Xo) + 1'23 (Y or-Y o)+ r33 (Zor-Z o) pri čemer je: xo,y.o ... slikovne koord. glavne točke c ... konstanta kamere Xo,Yo,Yo ... koordinate perspektivnega centra ri,j ... elementi rotacijske matrike 3. KORAK Z afino transformacijo pretvorimo slikovne koordinate (x,y) v vhodno slikovno matriko: xsc = a1 + a2*x +a3*y ysc = a4 + as*y + a6*x 4.KORAK Ker koordinate (xsc,ysc) običajno ne sov- padajo s centrom piksla vhodne matrike, 137 raz;ičnimi konfiguracijami. Pri naši raziskavi smo uporabili tole kon- figuracijo hardware-a: - Hell-ov skanerski sistem (skaner + reproskaner), - IBM PC AT kompatibilni računalnik (640 kb RAM-a, 40 Mb spomina na trdem disku) in barvni monitor (EGA grafična kartica). Računalniški software smo v celoti razvili na Inštitutu Geodetskega zavoda SRS. Programi so napisani v MS Fortranu 77, Turbo Basicu in Turbo Pascalu. Vsi programi imajo preproste algoritme, zato da je izdelava ortofota kar najhitrejša. Ker bo pri operativnem izvajanju najbrž potrebno programe še v manjši meri spreminjati, le-ti še niso povezani v programski paket. Da smo zmanjšali količino potrebnega računanja, smo uporabili metodo t.i. sidrnih točk. Korake 2 do 4 iz poglavja 2 izvedemo le za točke mreže digitalnega modela reliefa. Nato izračunamo parametre bilinearne interpolacije med osnovno mrežo DMR in v koordinatni sistem digitalne slike projecirano mrežo DMR. Vsak posamezen piksel ortofota, ki je znotraj določene celice DMR, transformiramo v ANALOGNI POSNETEK A / D PRETVORBA DIGITALNI POSNETEK PARAMETRI AFIIIE TRANSFORMACIJE PARAMETRI NOTRANJE IN ZUMAIIJE OR. DNR DATOTEKAl-ilnt1,.,,.,m<>bii' izrač1.mi: - izračun elementov zunanje orientacije, - izračun parametrov afine transfor- macije, - izračun parametrov bilinearne inter- polacije; c) skaniranje in prenos podatkov: skaniranje aeroposnetka (ali njego- vega dela), - prenos skaniranih podatkov z magnet- nega traku na osebni računalnik, - izločitev digitalne slike iz surovih po- datkov; d) diferem:ialno redresiranje digitalnega posnetka; Aeroposnetek Slika5 e) analogna prezentacija ortofota: - prenos digitalnega ortofota z oseb- nega računalnika na magnetni trak, - zapis ortofota na film. 5. TESTNI PODATKI IN REZULTATI Pri razvijanju tehnologije smo računalniške programe ali samo določene algoritme tes- tirali na simuliranih podatkih. Testi, ki smo jih izvedli, niso služili le za preverjanje delovanja programov temveč tudi za preiz- kus zasnovanega fotogrametričnega kon- cepta. Prvi test na pravih podatkih smo izvedli šele, ko smo imeli izdelane vse računalniške programe. Zaradi enostavnosti testa smo na aeropos- netku v približnem merilu 1 : 5000 izbrali območje 5 cm x 5 cm. Na izbranem območju so relativno velike višinske razlike (okoli 60 m), tako da je slikovno spačenje dobro zaznavno. Na !es!nem območju smo umetno signalizirali devet enakomerno porazdeljenih !očk. Območje smo skanirali z velikostjo piksla 0.1 mm. Digitalni model reliefa smo izmerili v stereomodelu na stereoinstrumentu WILD A10 z velikostjo stranice kvadratne mreže 25 m. Ko smo izvedli vse postopke, ki so opisani v poglavju 3, smo dobili ortofoto območja v Ortofoto Slika6 139 DIGITALNA FOTOGRAMETRIJA natančnem merilu 1 : 5000. Računalniški čas za izdelavo ortofota je znašal 15 minut. Izdelan ortofoto smo morali preveriti. Za prvo vizualno kontrolo smo na Wild-u A 1 O izrisali dobro definirane linije (ceste, kul- turne meje, objekte, itd.). Z vizualno primer- javo teh linij, ki smo jih prekrili preko ortofota, nismo odkrili nobenih pomem- bnejših odstopanj (glej sliko 6). Za primer- javo smo preko originalnega posnetka prekrili fotogrametrično izrisane linije, kjer se vidijo velika odstopanja (glej sliko 5). V splošnem je geometrična natančnost iz- delanega ortofota odvisna od kvalitete in natančnosti vhodnih podatkov in uporab- ljenega matematičnega modela. V praksi je za uporabnike najbolj zanimiva plani- metrična natančnost ortofota. Običajno le-to določimo tako, da na ortofotu identificiramo nekaj kontrolnih točk in primerjamo izmer- jene koordinate z znanimi vrednostmi. V ta namen smo izbrali devet umetno sig- naliziranih točk na testnem območju. Ker terenskih koordinat teh točk nismo poznali, smo določili razlike koordinat med mer- jenimi slikovnimi koordinatami (na monokomparatorju) in iz ortofota izračun­ animi slikovnimi koordinatami. Absolutne razlike v koordinatah so znašale od 0.01 mm do 0.19 mm v merilu posnetka, to je znotraj 1 m na teren 6. ZAKLJUČEK Rezultati off-line izdelave digitalnega or- tofota na osebnem računalniku, ki smo jih predstavili, so prvi koraki na področju digitalne fotogrametrije na Inštitutu Geodetskega zavoda SR Slovenije. Namen raziskave je bil izdelati uporabno in čim bolj preprosto tehnologijo za produkcijo or- tofoto kart na območju Slovenije v bližnji prihodnosti. Čeprav je potrebno izvesti še nekatere razis- kave, so doseženi rezultati vzpodbudni. ZAHVALA Iskreno se zahvaljujem strokovnjakom iz Gorenjskega tiska v Kranju in tov. Roku Vidmarju iz Univerzitetnega računskega centra za razumevanje in pomoc pri realizaciji naloge. Geodetski vestnik 3/1989 140 LITERATURA Arbiol, R., Colomina, l., Torres, J. (1987): Experiences with Gestalt DTM for Digital Or- thophoto Generation, Presented paper to the ASPRS-ACSM Convention, Baltimore. Arbiol, R., Colomina, l., Torres, J. (1987): A System Concept for Digital Orthophoto Generation, Presented paper to the lntercommission Conference on Fast Processing of Photogrammetric Data, lnterlaken. Baehr, H.P. (1985): "Digitale Bildverarbeitung, Anwendung in Photogrammetrie und Fernerkundung", Karlsruhe. Baehr, H.P. (1987): "Das digitale Orthophoto - Basis fur neue Moglichkeiten rechnerges- tutzter Kartographie", Kartographische Nachrichten, 4/87 Goepfert,W. (1987): "Raumbezogene lnformationssysteme ", Herbert Wichmann Verlag, Karlsruhe Kosmatin - Fras, M. (1989): "Teoretične osnove izdelave digitalnega ortofota", Geodetski vestnik 1-2, letnik 32, Ljubljana. Kosmatin - Fras, M. (1989): "Izdelava ortofotografij s tehniko digitalnega procesiranja slik na osebnem računalniku", Sejam softwarea 1989, Seminari, Split 6.-8.06.1989 Mayer, W., Heipke, C.F. (1988): "A contribution to Digital Orthophoto Generation", IAPRS, Vol. 27, Part B11 141 DIGITALNA FOTOGRAMETRIJA ANALIZA IN OBDELAVA PODATKOV SKANIRANIH S SATELITI TRET JAK dr.Ana, dipl.ing.agr.; ŠABIČ Danijela, dipl.ing.mat.; OREŠNIK Irena, dipl.ing.agr.; Zavod SR Slovenije ya statistiko junij 1989, Ljubljana, YU AVTORSKI IZVLEČEK Podane so osnove delovanja satelitov za opazovanje površine Zemlje in opis skaniranja površine Zemlje. Opisane so radiometrične in geometrične korekcije in njihov pomen ta uporabnika. Prikazan je princip obdelave skaniranih podatkov s satelitom. AUTHOR'S ABSTRACT The basic principles of sate/lite remote sensing techniques are explained, the generation of a scanned image of Earth's surface and the radiometric and geometric corrections presented with respect to users needs. The techniques to evaluate and interprete these data are presented. UVOD 4.oktobra 1957, je bil v vesolje izstreljen prvi satelit. To je bil sovjetski satelit SPUTNIK. Šele 1972 leta pa je bil izstreljen satelit za civilne potrebe opazovanja pojavov na. površini Zemlje. To je bil ameriški satelit ERTS-1, prvi iz serije LANDSAT satelitov. S to letnico se tudi začenja razvoj nove stroke, tako imenovane satelitske teledetekcije ali daljinskega zaznavanja s sateliti. Kaj pomeni izraz 'detekcija'? Pomeni, da nekaj odkrivamo. 'Teledetkcija' pomeni, da odkrivamo nekaj iz daljave. Izraz 'digitalna teledetekcija' pa pomeni, da iz daljave merimo oz. odkrivamo z numeričnimi postopki željeno ali iskano lastnost nekega predmeta ali pojava. In končno izraz 'digitalna satelitska tele- detekcija' pomeni, da merimo lastnosti predmeta ali pojava s pomočjo satelita, to je iz velike oddaljenosti. Ogledali si bomo delovanje satelitov za opazovanje površine Zemlje, oziroma kako nastane satelitski posnetek Zemlje, nato paše osnove obdelave digitalnih, satelitsko zajetih podatkov s površine Zemlje. · Sateliti za opazovanje površine Zemlje so heliosinhroni, torej krožijo po točno dolo- čeni tirnici na višini 915 ali 725 km okoli Zemlje. Ves čas kroženja zbirajo s 185 km širokega pasu na Zemlji podatke odboja in sevanja elektromagnetnega valovanja (EMV; slika 1). Vsak predmet na Zemlji namreč odbija del prejete sončne energije, lahko patudi sam seva energijo določene valovne dolžine. Detektorji na satelitu so selektivno občutljivi; to pomeni, da zajemajo odboj EMV le iz določenih pasov elektromagne- tnega valovanja. Jakosti prejetega impulza EMV oziroma številu fotonov, ki jih v danem trenutku zabeleži detektor na satelitu, le-ta priredi numerično vrednost v razponu od O do 255 številk. Površini/predmetu, ki odbija vso prejeto sončno energijo (npr. bel pred- met), bo detektor na satelitu določil vred- nost 255. Predmetu/površini, ki vso sončno energijo absorbira (npr. črn predmet), pa bo določil vrednost O. Geodetski vestnik 3/1989 142 š t e v. v r a t i e e (y) o d b o j 143 185 km . a 1-štev„piksla- 3240 1 amer skaniran.ia - r štev„ vrstice. o l 2 3 4 5 6 125 loo 75 5o 25 79 m. 185 km ~k•el ~o ~ " - Slika 1: shema skaniranja z landsat satelitom štev.piksla (x) l 2 3 4 5·•·•• 10 15 17 18 15 17 20 16 18 21 18 20 22 20 22 24 l 2 3 --~--------- l.kanal ( 500- 600nm) 4 2.kanal (600- 700nm) 3.kanal (700- 800nm) 4. kanal (800-llOOnm) odbojne vrednosti akaniranega pojava/predmeta e površine Zemlje na lokalni koordinati pikala: x:3; y:6 MSS kanali Slika 2 : shema izseka iz skanirane MSS scene DIGITALNA FOTOGRAMETRIJA Kot smo že omenili, sateliti krožijo okrog• Zemlje in ves čas skanirajo oziroma zbirajo numerične vrednosti odbitega ali sevanega EMV s površine Zemlje. To delajo tako, da zabeležijo povprečno vrednost EMV s površine na Zemlji,ki je velikosti: 56mx79m ali 30mx30m ali 20mx20m ali 10mx10m. Tem površinam pravimo slikovni elementi ali piksli (slika 2) .Velikost pikslov je odvisna od tipa skanerja na satelitu. Skaner z ločljivostjo 56mx79m se imenuje MSS (MultiSpectral Scanner); s kan er z ločljivostjo 30mx30m TM (Thematic Map- per). MSS in TM skanerja sta nameščena na NASA satelitih tipa Landsat. Skanerja z ločljivostjo 20mx20 in 1 0mx1 0m se im- enujeta HRV (Haute Resolution Visible) in sta namešč'ena na francoskem satelitu SPOT. Pas skaniranja je na Landsat satelitih širok 185 km in na SPOT satelitu 60 km. Na sprejemnih postajah, kjer telemetrično sprejemajo skanirane podatke, le-te zapisujejo na magnetne trakove. Podatki v dolžini skaniranja 185 km za satelite Landsat in v dolžini skaniranja 60 km za satelit SPOT predstavljajo eno skanirano sceno. s 7o o 60 p n 5o a 4o 0,:::A N-i IIJ@OJ 1 2 3 CD 1 l 1 2 1 ~I 4 1 d vocta \motna \voda : *;o i Uc:, ~~----.-~~ 400 800 1200 Cs::J 1600 Različni skanerji so občutljivi za različne valovne. dolžine oz. skanirajo v različnem številu kanalov·(slika 3). Pomembna lastnost satelitsko skaniranih podatkov je torej njihova ločljivost ali resolucija. Ločimo štiri vrste resolucije: 1. Spektralna ločljivost se nanaša na širino in število valovnih dolžin EMV, za katere je občutljiv senzor na satelitu. Te intervale občutljivosti senzorja imenujemo tudi kanale ali bande (slika 3). 2.Površinska ločljivost je mera najmanjše možne sepa-rabilnosti skanerja med dvema ploskovnima ali linijskima objektoma oz. pojavoma. Pri skaniranju se s površinsko ločljivostjo navaja dim·eniijo projeciranega hipnega ali trenutnega območja zaznave skanerja na površini Zemlje. Okrajšano se uporabja kratice IFOV (lnstantaneous Field Of View). Ta podatek se vedno nanaša le na središče skanirane scene in ima v praksi odklone, ki so na posnetku navedeni skupaj z ostalimi tehničnimi podatki naročene scene. Povprečno površinsko ločljivost cele. scene podajamo z izrazom piksel. PAN-ttRV S P O T XS-ttRV S P O T CL] TM LANDSAT MSS LANDSAT ~ peščena tla '--- ...___ - glinasta tla zdrava vegetacija 2000 2400 nm Slika 3: značilne spektralne krivulje odboja in vpijanje EMV nekaterih pojavov-predmetov na površini Zemlje ter občutljivost detektorjev na skanerjih satelitov Geodetski vestnik 3/1989 144 V praksi je uveljavljeno pravilo, da lahko med seboj razločujemo predmete ali pojave na Zemlji le s tistim skanerjem, ki ima površinsko resolucijo vsaj za polovico manjšo od velikosti proučevanega pred- meta. Vedeti pa moramo, da sama površinska ločljivost ne jamči, da bomo proučevani predmet ali pojav na površini Zemlje ločili od sosednjih pojavov ali pred- metov, če se med seboj ne ločijo tudi po svojih spektralnih lastnostih v določenih kanalih. 3. Časovna ločljivost se nanaša na pogostnost preleta satelita nad isto točko na površini Zemlje v določenem časovnem in- tervalu. Časovna ločljivost se vedno nanaša na frekvenco preleta in ne na samo možnost skaniranja. Tako ima npr. francoski satelit SPOT frekvenco preletov na 26 dni, ker pa lahko spreminja kot skanerja, lahko območje Slovenije skanira pod različnimi koti vsak drugi dan. Periodičnost skaniranja omogoča spremljanje časovnih sprememb, torej proučevanje dinamičnih pojavov, kar je zlasti pomembno za kmetijstvo in pri nesrečah večjega površinskega obsega. Ko se uporabnik odloča za nakup skanirane scene mora poznati in upoštevati podatke ločljivosti za posamezen tip satelita in skanerja ter za določen datum skaniranja. Množica podatkov, ki jo uporabnik dobi, ko kupi eno skanirano območje tipa MSS, TM ali SPOT, je razvidna iz razpredelnice: pojavu ali predmetu: kakšen pojav/pred- met je to, kje vse se nahaja, v kolikšnem obsegu se pojavlja ter v kakšnem stanju je. Prva stopnja obdelave satelitsko skaniranih podatkov je predprocesiranje. Vedeti moramo, da se pri skaniranju površine Zemlje pojavljajo določene napake, ki jih v grobem delimo v radiometrične in geometrične. Radiometrične napake nastajajo zaradi neusklajenega delovanja senzorjev na skanerju satelita. Te lahko korigirajo že na sprejemnih postajah. Geometrične napake pa so posledica vrten- ja Zemlje, ukrivljenosti Zemlje, panoramske distorzije skaniranja, nelinearnosti skani- ranja in nihanja satelita od začrtane orbite letenja. Napake, ki so posledica nelinear- nosti skaniranja in nihanja satelita, so zna- čilnosti posameznega tipa satelita oziroma skanerja. Te lahko korigirajo na sprejemnih postajah. Druge pa lahko zadovoljivo kori- giramo le s poznavanjem terena, zato te korekcije večinoma izvajajo uporabniki sami. Končni učinek uporabe računalniških programov za geometrične korekcije je pos- netek, ki ima lastnosti merila in projekcije karte. Zahtevana stopnja natančnosti geo- metrične korekcije skaniranega posnetka je odvisna od merila skaniranega piksla in od namena uporabe skaniraniM podatkov. Če želimo na primer oceniti biomaso kmetijskih površin večjega območja, se lahko zadovol- .--------------------------,jimo tudi z geometrično nekorigiranimi podatki. tip velikost število velikost skanerja območja v km kanalov piksla/m MSS TM HRV-XS HRV-PAN 185x185 185x185 60x60 60x60 4 7 3 1 56x79 30x30 20x20 10x 10 Jasno je, da je tako množico podatkov mogoče obvladati le z računalnikom. Zdaj, ko vemo, kako dobimo satelitsko skanirane podatke in kakšne vrste podatki so to, poglejmo še, kako te podatke obdelujemo in analiziramo. Namen vsake obdelave in analize daljinsko zaznavnih podatkov so informacije o nekem število po- Če želimo oceniti kme- datkov/sceno tijske površine, paje po- 34 225 000 2213179 000 27 000 000 36 000 000 trebno skanirane po datke geometrično ko- rigirali do tiste n atan- č nosti, ki jo omejuje velikost piksla. Druga stopnja obdelave skaniranih posnet- kov je izboljšava posnetkov. Z mate- m_atičnimi algoritmi lahko spreminjamo odbojne vrednosti posamičnim pikslom določene scene ali pa uporabljamo transfor- macije na vseh. pikslih scene. Prvi pristop uporabljamo pri izboljšavi dela posnetka, npr. pri odstranjevanju učinkov meglic v dolinah. Drugi pristop pa kadar želimo 145 DIGITALNA FOTOGRAMETRIJA izostriti posamezne pojave z ostrenjem robov pojava ali z večanjem kontrasta med pojavi, npr. pri določevanju geoloških prelomnic. Sledi analiza ""''"'";;,..,. delimo v analizo Bil!'il,,,:arl!'ilih imaiizo tematskih elementov . Analizo linearnih elementov lahko opredelimo kot vizuelno obdelavo skaniranega posnetka. Pri tem interpretator analizira posnetek na ekranu in z digital- nikom sam vnaša mejne vrednosti linearnih pojavov. Kriterij odločitve je torej subjek- tiven in odvisen od strokovnega znanja in- terpretatorja. Analizo tematskih elementov običajno imenujemo klasifikacijo ska'nirane scene. Valovne dolžine, v katerih satelit skanira, tvorijo pri računalniški obdelavi večrazsežen prostor, v katerem se odbojne vrednosti enakih ali sorodnih pred- loo metov/pojavov razvrščajo v skupine, kopice ali klastre (slika 4). Obdelava podatkov odboja EMV, ki so razvrščeni v večrazsežnem prostoru valovnih dolžin je možna na dva načina: 1. Nenadzorovano razvrščanie slikovnih elementov v kopice (klastre), ki pred- stavljajo razrede rabe tal. 2. Nadzorovano razvrščanie slikovnih elementov v vnaprej določene razrede rabe tal. Za prvi način obdelave podatkov potrebuje raču·nalniški program le koordinate območja, ki ga obdeluje ter poljubno, to je vsebinsko smiselno število razredov, v katere bo razvrstil vse odbojne vrednosti proučevanega območja. Število izbranih razredov, ki jih v tem primeru imenujemo klastre, lahko določimo sami. Če pa poz- o l.redko naseljeno 80 2.gosto naseljeno 3.zamočvirjeno k 4.gozd a n 60 5.voda a l T H 4o 5 2o 20 40 60 80 100 k a n a l TH 4 Slika 4: odbojne vrednosti vzorčnih površin petih razredov izrabe tal v 2-razsežnem prostoru kanalov TM-4 in_TM-5 z izračunanim x (središče pravokotnika) in variabilnostjo ±SD (meje pravokotnika) (Povzeto po: Jensen, J.R.; 1986) Geodetski vestnik 3/1989 146 namo odbojne vrednosti sorodnih pojavov, lahko tudi vnaprej določimo matematična središča klastrov. Z ustreznim računal­ niškim programom nato razvrstimo vse piksle v posamezne razrede rabe tal in zanesljivost te klasifikacije preverimo še z ustreznim kartografskim izpisom (slika 5). 147 k " n a m GGG .GGGGG GGGGGGGGGGG GGGGGGGGGGGG GGGGGGGGGGGGGG GGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGG GGGGGGGGtGGGGGG G gozd t travnik o = pll,enica GGGGGGttt~t~~G'--____ slaba loeljivost GGtttttt prekrivanje odbojnih tttttt vrednosti t in G 000 0000 00000000 00000000 00000 00 tttttt tt t t t ttt t t ttHtttt ttttttt tttt l: kanal n Slika 5a: razvrstitev pixlov v tri klastre ali razrede izrabe tal GGGGGGGGGGGGGGGGGGGGG 00000 GGGGGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGGG GGGGGGGGGGGGGGGGGGG 00000000 GGGGGGttGGGGGGGGGG 0000000000 GGGGGGGGGGGGGGGGG 0000 ttttt GGGGGGGGGGGGGGGGG ooo ttttttt GGGGGGGGGGGGGGG 0000 tttttttt GGGGGGGGGGGGGG ttttttttttttttt G GGGGGGGG ttttttttttttttttttt G GGGG ttttt t ttt t't t t t t@.tt tt t t t GGGG tttttttttttt~tttttttttt G gozd t travnik o= pšenica Slika 5b: kartografski izris pixlov, razvrščenih v 3 razrede izrabe tal DIGITALNA FOTOGRAMETRIJA. Ta način obdelave podatkov uporabljamo pri prvi tematski analizi posnetka, ko skušamo za izbrani posnetek ugotoviti število med seboj ločljivih razredov rabe tal. Obdelava je primerna tudi za izračun homogenosti vzorčnih površin pri kontrolirani klasifikaciji. V primeru , ko slabo poznamo lokalne razmere skaniranega območja ali pa ne moremo uporabiti drugih dopolnilnih podatkov s terena, je ta metoda edina, s katero lahko razvrstimo slikovne elemente v posamezne razrede rabe tal. Pri nadzorovanem razvrščanju odbojnih vrednosti posameznih razredov izrabe tal pa potrebujemo podatke o vrsti in stanju vzorčnih površin na terenu ter njihove koor- dinate. Zato moramo podatke na terenu zbrati v času, ko satelit skanira . Vsak terenski vzorec mora biti dovolj velik, da je reprezentativen glede na variabilnost pojava in glede na ločljivost skanerja. V naslednji stopnji obdelave prenesemo koordinate vzorca v skanirane podatke in izračunamo statistike teh vzorčnih ali vad- benih površin. Te statistike nam povedo, v kolikšni meri bo možno na skanirani sceni opredeliti vse slikovne razrede v izbrane razrede tal in s katero kombinacijo kanalov bomo najbolje ločevali posamezne pojave na terenu. V razpredelnici so izpisi odbojnih vrednosti za vadbene podatke dveh raz- redov rabe tal Vipavske doline-občine Ajdovščina. Povprečne vrednosti vadbenih podatkov vseh petih razredov rabe tal pa so prikazane v sliki 6. KORUZA kanal X SO TM2 36,96 1,09 TM3 32,88 2,00 TM4 95,36 8,67 TM5 69,60 5,16 TM7 22,37 3,56 korelaciiski koeficienti 2 3 4 5 3 0,754 4 -0,558 -0,740 5 0,653 0,770 -0,569 7 0,665 0,796 -0,778 0,866 kovariančna matrika 2 3 4 5 1,190 2 1,648 4,016 3 -5,275 -12,857 75,133 4 3,678 7,971 -25,463 26,655 5 2,580 5,678 -23,979 15,905 12,659 ODPRTE NJIVE kanal X SD TM2 43,47 1,56 TM3 48,61 2,29 TM4 60,48 5,53 TM5 100,51 5,97 TM7 53,51 3,04 korelacijski koeficienti 2 3 4 5 3 0,980 4 0,639 0,634 5 0,570 0,639 0,631 7 0,677 0,740 0,483 0,872 kovariančna matrika 2 3 4 5 7 2 57,484 3 76,551 106,099 4 33,362 44,939 47,369 5 65,471 99,750 65,739 229,462 7 59,614 88,511 38,546 153,332 134,7 Naslednja faza obdelave je razvrščanje skaniranih odbojnih vrednosti v pripadajoče razrede rabe tal. Najbolj pogosto uporabljene klasifikacijske metode so: metoda najmanjših razdali. ki sloni na izračunu evklidne razdalje med posamez- nimi slikovnimi elementi in povprečnimi vektorji (grafikon 1); paralelopiped metoda, ki upošteva variacijske širine vadbenih podatkov vsakega razreda (grafikon 2) in metoda maksimalne vedetnosti, ki upošteva variabilnost vadbenih podatkov posamez- nih razredov in njihovo korelacijo med kanali valovnih dolžin (grafikon 3). Ta je najbolj pogosto uporabljena, čeprav je računalniško bolj zahtevna in tudi bolj počasna, vendar se najbolje prilagaja posebnostim skaniranih podatkov (grafikon 4). Ti imajo namreč visoko stopnjo variabil- Geodetski vestnik 3/1989 148 s t loo 1", / ' -·-gozd o ---~ "' '\ -- -- travnik p 80 '\ --koruza '\ n ' --odprto j 60 ~ --urbano a o 4o d ' b -·-./ \ o 2o \ j \ a 2 3 4 TM kanali Slika 6: povprečne vrednosti odboja vadbenih vzorcev petih razredov izrabe tal območja občine Ajdovščina, skanirano s TM-Landsat satelitom 2.8.86 l!J.:im U._JIANO T -TftAVN114. K_. KO"A.VZ.A z-!,To G -eo2.1> V= VODA +-,_.,.,, .. l!.t;Je; Grafikon 1: shematični prikaz razvrščanja osnovnih elemantov v posamezne razrede rabe tal po metodi najmanjših razdalj (povzeto po : Lillesand in Kiefer, 1979) nosti, kar pogojuje pogosto prekrivanje posameznih razredov v n-razsežnem pros- toru valovnih dolžin. Končni rezultat obdelave digitalnih, satelitsko skaniranih podatkov je skupen prikaz površin (ha) razredov rabe tal in analogen (kartografski) prikaz razvrstitve razredov rabe tal v prostoru . Za oba rezul- tata mora interpretator izračunati še oceno zanesljivosti in oceno natančnosti, s čimer posreduje oceno kakovosti izdelka. 149 DIGITALNA FOTOGRAMETRIJA g 1 (X) {: l,č@! je 111Tnx.IJl:A Z -ŽITO i -60?. D V -1u:J'/JA r-t:-:\~~aK.t. Grafikon 2: shematičen prikaz razvrščanja slikovnih elementov v razrede rabe tal po paraleiopiped metodi (povzeto po: Lillesand in Kiefer, 1979) p(l/i)p(i)>p(X/j)p(j) j=l,2, ••• ,m p(l; iJ, p(j) gi ( X) ., p( I/i} i.n: 1,2geo@'il!I p(i),. p(j) IJ = IJlll!IANO T -na"""'"' K ,. ){ORUZ-A Z - :t1ro la • GOZl> V!" VODA Grafikon 3: tirnice enake verjetnosti porazdelitvenih funk-cij šestih razredov rabe tal, izračunane z metodo maksimalne verjetnosti Geodetski vestnik 3/1989 150 Grafikon 4: Shematičen prikaz verjetnostnih porazdelitvenih funkcij šestih razredov rabe tal, izračunanih z metodo maksimalne verjetnosti (povzeto po : Lillesand in Kiefer, 1079) Na koncu si oglejmo še nekatere prednosti skaniranih podatkov pred klasičnimi, tako imenovanimi analognimi načini zbiranja podatkov o pojavih v prostoru. Skanirani podatki omogočajo: - hitro analizo podatkov velikih površin; enolično obdelavo množice raznolikih podatkov; obdelavo podatkov v n-razsežnem prostoru; - indeksiranje podatkov; - multitemporalno analizo, to je časovno spremljanje sprememb v prostoru; - povezovanje z drugimi numeričnimi in prostorsko opredeljenimi podatki; - izdelavo informacijskega sistema v prostoru in s tem možnost izdelave geografsko informacijskega sistema - GIS. 151 DIGITALNA FOTOGRAMETRIJA LITERATURA. Baronti, S., 1989, Geometric Corrections of Remotely Sensed lmages, H4.SMR/383-02, ICTP, ltaly, pp:1-9. Burrough, P. A., 1986, Principles of Geographical lnformation Systems for Land Resources Assessment, Oxford Sciencce Publications, Oxford. Congalton,R.G., 1988, A Comparison of Sampling Schemes Used in Generation Error Matrices for Assessing the Accuracy of Maps Generated from Remotely Sensed Data, Photogrammetric Eng. & R.S., Vol.54, No.5, pp: 593-601. Curran, P.J. and Williamson, H.D., 1988, Selecting a spatial resolution for estimation of per-field green leafarea index, lnt. J. Remote Sensing, Vol. 9, No. 7, pp: 1243-1250. Hellden, U., 1987, An Assessement of Woody Biomass,Community Forests, Land Use and Soil Erosion in Ethiopia. A feasibility study on the use o.f remote sensing and GIS-analysis for planning purposes in developing cotrntries, Lund studies in Geography, Lund Univer- sity Press. Jensen, J. R., 1986, lntroductory Digital lmage Processing, Prentice-Hall, NJ. Lillesand, T. M. and KIEFER, R.W., 1979, Remote Sensing and lmage lnterpretation, John Willey and Sons, NY. Rhind,D., 1988, A GIS research agenda, lnt. J. Geographical lnformation Systems, Vol.2, No.1 , pp: 23-28. Šabič, D., 1989, Nekontrolirana klasifikacija in optimizacija sheme vadbenih vzorcev satelitsko skaniranih podatkov s klaster analizo računalniškega paketa SPSS/PC, GV, Ljubljana, pp: 1-12. Tretjak, A., Bochanek, Z., Kawczynsky, C., 1983, Study of the application of various transformation techni techniques to Landsat data for an improved land-use classification, Fina! report at ITC-Enschede, The Netherlands, pp: 1-35. Tretjak, A., Poljak, M., Hlavaty, M., Šabic, D., Gruden, A., Podgornik, R., Banovec, T., 1987, Uporaba satelitskih metod teledetekcije za ocenjevanje izrabe tal in potrebe kmetijstva in gozdarstva, Zvezni razis- kovalni projekt, FAO:TCP/YUG-4502(1), pp: 1-87. Tretjak, A., 1988, računalniška obdelava satelitsko skaniranih pocjatkov, Seminar digitalna obrada slike, Savjet za istraživanja i fotointerpretaciju u suradnji sa Elektrotehničkim fakultetom Sveučilišta u Zagrebu, JAZU, Zagreb, 10.-12.okt.88, pp: 1-12. Geodetski vestnik 3/1989 152 OPISI IN DEFINICIJE IZRAZOV SLOVENSKO analogno/digital na pretvorba digitalna fotogrametrija digitalna ob- delava posnetkov (slik), obdelava digitalnih,posnet- kov (slik) digitalni posnetek (slika) izhodna matrika prevzorčenje siva vrednost, nivo sivine slikovni element, piksel slikovna matrika strojni vid vhodna matrika vzorčenje 153 ANGLESKO analog/digital con- version digital photogram- metry digital image processing image output matrix resampling grey value, grey level picture element, pixel image matrix machine vision input matrix sampling POMEN pretvorba analognega zapisa (posnetek, karta, ipd.) v digitalni zapis, ki ga lahko ob- delujemo v računalniku. fotogrametrična obdelava posnetkov, katerih celotna vsebina (t.j. metrične in semantične informacije) je numerično kodirana. metode in tehnike obdelave digitalnih pos- netkov z računalniki. zapis elektromagnetnega valovanja v obliki matrike sivih vrednosti. slikovna matrika, ki je rezultat digitalnega procesiranja. preslikava vsebine digitalnega posnetka, ki je vzorčen s poljubnim rastrom v drug pol- juben raster (prim.: prevzorčenje prior- tofotu). naravno število, običajno med O in 255, ki pove inteziteto začrnitve slikovnega elemen- ta. najmanjši element digitaliziranega posnetka. Njegova številska vrednost predstavlja sivo vrednost, njegova lega v slikovni matriki pa je določena s koordinatami njegovega centra. slikovni elementi zapisani v obliki matrike. pod izrazom razumemo uporabo enot za optično nekontaktno zaznavanje za av- tomatsko sprejemanje in interpretacijo digitalnih slik realnega prostora, z namenom zajemanja informacij in/ali kontrole strojev ali procesov. slikovna matrika pred procesiranjem, običajno rezultat ND pretvorbe. aproksimacija analognega zapisa (pos- netek) s poljubnim rastrom. DIGITALNA FOTOGRAMETRIJA zajemalec zis- lonske slike .. frame grabber real-ti me photogrammetry razširitvena računalniška kartica, ki omogoča zajemanje ene zaslonske slike in hranjenje le-te s frekvenco 1/25s. frekvenca končnih rezultatov je reda velikos- ti 1 s. Za dosego te frekvence rezultatov potrebujemo specialno strojno opremo in al- goritme . ned,orečeni slovenski prevodi angleških izrazov Pripravila: Zmago Fras in Mojca Kosmatin-Fras Geodetski vestnik 3/1989 154 OBVESTILA S ~tanki v tej tematski številki smo želeli opozoriti na nove razvojne trende v foto- grametrii, v svetu in obenem prikazati rezul- tak aki•,nosti, ki so bile v zadnjem času realizirane v Sloveniji s temo digitalna fotogrametrija. Pričujoči članki so samo izsečki iz široke problematike, ki skušajo zbuditi zanimanje širše strokovne javnosti. Tisti, ki jih bo pri prebiranju te številke zamikalo izvedeti še kaj več, lahko posežejo po člankih v tujih revijah, ki so navedeni na koncu posameznih prispevkov. Pripravili pa smo še nekaj obvestil, ki predstavljajo kažipot v katerih knjigah je tematika o digitalni fotogrametriji sistematično ob- delana in kje v svetu lahko še letos pridete do aktualnih in poglobljenih informacij s tematiko digitalna fotogrametrija. Najprej bi opozorili na dve izredni knjigi, ki na zelo nazoren in dokaj enostaven način prikazujeta tematiko iz vidika uporabe v fotogrametriji in daljinskem zaznavanju ter vključevanju v prostorske informacijske sis- teme. HANS-PETER BAEHR: "Digitale Bild- vererbeitung, Anwendung in Photogram- metrie umi Fernerkundung", Herbert Wichmarm Verlag, Karlsruhe, 1985, 401 stami. Avtor oz. izdajatelj prof.dr. H. P. BAEHR je vodja Instituta za fotogrametrijo in topografijo (IPT) na univerzi Fridericiana v Karlsruhe-u. Težišče dela instituta je uporaba novih tehnik, katerim je osnova hiter razvoj računalniške in senzorske teh- nologije, v fotogrametriji, kartografiji, geoznanostih in inženirskih meritvah. Knjiga je delo večih avtorjev. Njihovi pri- spevki v tej knjigi so sestavni del predavanj in seminarjev na (IPT). Skupaj predstavljajo osnovne in aktualne možnosti uporabe digitalne obdelave posnetkov v fotogra- metriji in daljinskem zaznavanju. Knjiga je razdeljena v naslednjih 13 poglavij: 1. poglavje: Osnove digitalne obdelave posnetkov - H. P. Baehr, 2. poglavje: Strojna oprema in programski paketi - J. Wiesel, 3. poglavje: Izdelava digitalnega ortofota • J. Wiesel, · 4. poglavje: Izdelava kart s pomočjo digital- nega ortofota in metod digitalne obdelave posnetkov - J. Peterle, 5. poglavje: Od digitalnega ortofota do digitalne ortofoto karte - G. Schweinfurth, 6. poglavje: 3-D prikazi kot podpora pri planiranju - H. Kuhn, 7. poglavje: Netopografske aplikacije - G. Schweinfurth, 8. poglavje: Postopek korelacije, osnove in uporaba - J. Wiesel, 9. poglavje: Postopek stereo slikovne korelacije - J. Piechel, 1 O. poglavje: Sistemi za zajemanje pros- torskih informacij v daljinskem zaznavanju in fotogrametriji; stanje in bodočnost- H. P. Baehr, 11. poglavje: Digitalno multispektralno klasificiranje - F. Quiel, 12. poglavje: Klasificiranje s pomočjo dodatnih informacij - B. Pfeiffer, 13. poglavje: Geometrični modeli - H. P. Baehr. Težišče knjige je v poglavjih o digitalnem ortofotu, digitalni korelaciji in daljinskem zaznavanju, ki so tudi glavna področja raziskav na ITP. Za laike so tem temam predhodno dodane teme z os- novami za lažje razumevanje tematike (to so poglavja 1, 2, 8, 10). Zaradi velikega števila avtorjev seveda knjiga nima popolnoma homogene struk- ture. Tudi posamezna poglavja niso, kot je v učbenikih navada, obdelana od a - ž. Ponuja pa nam ta knjiga nekaj, kar v učbenikih težko zasledimo t.j. aktualno uporabo digitalnih tehnik obdelave posnet- 155 DIGITALNA FOTOGRAMETRIJA kov v fotogrametriji in daljinskem zaznava- nju. Kljub temu, da so v knjigi predstavljeni le praktični primeri, ki so jih izvedli na ITP, pa knjiga v našem okolju pomeni pravcato manjšo enciklopedijo v kateri so opisani postopki, rešitve in možnosti uporabe digitalno obdelanih posnetkov v geodetski praksi. Knjigo lahko naročite na naslov: Herbert Wichmann Verlag GmbH D-7500 Karlsruhe 1 Postfach 4320 Cena knjige je 49,50 DEM in ima oznako ISBN 3-87907-149-7. WOLFGANG GOEPFEAT: "Raum- bezogene l!lformationssysteme • Datenerfasung, Vernrbeitung, tion, Ausgabe auf der Grnndlage r1,r,ob,1,., Bild und Kartenverarbeitung", Wichmann Verlag, Karlsruhe, 1987, 278 stami. Avtor prof. dr. W. Goepfert je profesor na Institutu za fotogrametrijo in kartografijo na Visoki tehnični šoli v Darmstadtu. Objavil je že številna znanstvena dela na področju fotogrametrije, daljinskega zaznavanja, digitalne obdelave slik in kartografije. V knjigi je prvič v takem obsegu teoretično in podprto s praktičnimi primeri obdelan tehnološki razvoj od zajemanja informacij do digitalne obdelave informacij. Seveda je ta razvoj obdelan v okviru področij, ki jih je avtor že do sedaj obdeloval. Knjiga je razdeljena v naslednjih 7 poglavij: 1. poglavje: Osnove, - pridobivanje informacij iz kart in pos- netkov, - avtomacija grafičnih informacij, - rasterski podatki, 2. poglavje: Operacije na sivih vrednostih rasterskih podatkov, 3. poglavje: Ponavljajoče (frekvenčne) operacije na rasterskih podatkih, 4. poglavje: Geometrične operacije na vek- torskih in rasterskih podatkih, 5. poglavje: Ploskovna korelacija rasterskih podatkov, 6. poglavje: Združitev točkovnih, vektorskih in rasterskih podatkov v informacijskem sis- temu; tematska izvrednotenja, 7. poglavje: Možnosti uporabe informacij- skega sistema, ki vsebuje združene podat- ke iz posnetkov in kart in 3 dodatke: Dodatek A: Pari Fourierjevih transformacij, Dodatek 8: Definicije pogosto uporabljenih funkcij, Dodatek C: Izravnava po metodi najmanjših kvadratov. Kot je že iz samega pregleda poglavij raz- vidno, se avtor v knjigi v največji meri ukvar- ja z obdelavo rasterskih podatkov in zbiranjem podatkov do združitve v pros- torskem informacijskem sistemu. V zadnjih dveh poglavjih pa nekoliko več govori tudi o prostorskih informacijskih sistemih. Avtorjev pristop izbrani materiji je zelo sis- tematičen. Knjiga ima vse kvalitete dobrega učbenika. Bralca na precej poljuden način najprej vpelje v novo kompleksno materijo. Ob številnih, v tekst vključenih, numeričnih primerih lahko nai"o bralec preverja in utrjuje pridobljeno znanje. Ob vsem tem pa mu avtor v knjigi nakaže tudi možnosti uporabe nove tehnologije v bližnji prihodnosti. Knjiga je natisnjena na zelo kvalitetnem papirju s številnimi kvalitetnimi barvnimi in č/b slikami. Zanimiva bo za vse, ki se ukvar- jajo s prostorskimi informacijskimi sistemi, še posebaj pa za tiste, ki jih zanima oz. ki se ukvarjajo z digitalno obdelavo posnetkov. Knjigo lahko naročite na naslov: Herbert Wichmann Verlag GmbH D-7500 Karlsruhe 1 Postfach 4320 Cena knjige je 98 DEM in ima oznako ISBN 3-87907-165-.9. Geodetski vestnik 3/1989 156 SEPTEMBER 89 11. -16., 42. Photogrammetrische Woche, Stuttgart Štutgart TEMATIKA - Fotogrametrično zajemanje podatkov za prostorske informacijske sisteme, - Digitalna fotogrametrija - realnost in- perspektive, - Meritve s pomočjo GPS in laserja. Prijave za 42. Teden fotogrametrije v Štut- gartu lahko pošljete na naslov: Universitaet - Stuttgart, Institut fur Photogrammetrie, Keplerstrasse 11, D-7000 Stuttgart 1 telefon 0711 /121-3386, fax 0711/121-3500, 18. - 20., Conference on Optical 3-0 Measurement - Applications in inspecUon, Contro!, and Robotics, Vienna Konferenca o 3-D optičnih merskih teh- nikah - aplikacije v nadziranju, kontroli kvalitete in robotiki, Dunaj TEMATIKA - Teoretične formulacije, načrtovanje in karakteristike fotogrametričnih in geodetskih metod, ki bazirajo na sis- temih za digitalno obdelavo posnet- kov, - Oblikovanje modelov za izvred- notenje, načrtovanje algoritmov, študije operacionalnih in programskih možnosti za hitre in zanesljive proce- dure za pozicioniranje točk, - Načrtovanje. funkcionalnost in karak- teristike integriranih senzorskih sis- temov, - Strojna oprema, računalniški algoritmi, kontrola kvalitete in programi za real- tirne "machine vision" sisteme, ki so uporabljeni v industrijskih kontrolnih procesih, pri zaznavanju sprememb, navigaciji, robotiki, Informacije o možnosti prijav dobite na nas- lovu: Zmago FRAS, FAGG - Katedra za fotogrametrijo in kartografijo, Jamova 2, Ljubljana telefon 061/268-741 int 24. V mesecu septembru bo izšla tudi posebna številka Photogrammetric Engineeringa in Remote Sensinga s temo "lmage process- ing" (obdelava digitalnih slik), Še kratka informacija o dogajanjih v letu 1990, SEPTEMBER 90 03. - 07. ISPRS Symposium - Close- Range Photogrammetry Meets Machine Vision, Zuerich iSPRS simpozij - Blifojeslikovna fotogrametrija - strojni vid, Zuerich TEMATIKA Digitalni in real-tirne bližnjeslikovni fotogrametrični sistemi, - Kalibracija in lastnosti digitalnih slikov- nih sistemov v bližnjeslikovni fotogrametriji, - Analiza in sinteza digitalnih slik v bližnjeslikovni fotogrametriji, - Strukturna in industrijska merjenja z upoštevanjem CAD/CAM aspektov, - Fotogrametrija v arhitekturi in ar- heologiji, - Biostereometrija v medicini, - Robotski vid Informacije o simpoziju dobite na naslovu: Symposium of ISPRS Commision V Institute of Geodesy and Photogrammetry ETH-Hoenggerberg, 8093 Zuerich, Switzer- land tel.:+41-13773051, fax.:+41-1 371 55 48. Zbral in pripravil za objavo Zmago FRAS. 157 DIGITALNA FOTOGRAMETRIJA IMENOVANJA NA ODDELKU ZA GEODEZIJO Svet VTOZD Gradbeništvo in geodezija je na svoji 8. redni seji dne 25.5.1988 izvolil: mag. Antona Prosena, dipl.geod.kom.inž. v naziv višji predavatelj za področje pros- torsko planiranje, Aleša Breznikarja, dipl.inž.geod.v naziv asistent za področje nižja geodezija in Inženirska geodezija, Dušana Kogoja, dipl.inž.geod.v naziv asis- tent za področje nižja geodezija in Inženirska geodezija, Svet VTOZD Gradbeništvo in geodezija je na svoji 9. redni seji dne 29.6. i 988 izvolil: Janeza Ovna, dipl.inž.geod., stažista asis- tenta v naziv asistent za področje fotogrametrija. Svet VTOZD Gradbeništvo in geodezija je na svoji 5. redni seji dne 22.6.1989 izvolil: Boža Kolerja, dipl.inž.geod. v naziv asistent za pod~očje nižje geodezije in Inženirske geodezije. DISERTACIJA: Dne 7.6.1988 je uspešno zagovarjal svojo doktorsko disertacijo tov. Milan Juvančič, dipl.inž.geod. pred komisijo, ki so jo ses- tavljali: prof.dr. Jože Koželj, prof.dr. Florijan Vodopivec, prof.dr. Branko Rojc in prof.dr. Franc Gašperšič. MAGISTERIJ Dne 28.6.1988 je zagovarjal svojo magistrsko nalogo tov. Zoran Stančič, dipl.inž.geod., pred komisijo, ki so jo ses- tavljali: prof.dr. Peter Šivic, doc.dr. Božidar Slapšak, izr.prof.dr. Branko Rojc in prof.dr. Vjekoslav Donassy. Naslov naloge:"Metodologija fotogra- metrične dokumentacije arheoloških iz- kopavanj". Dne 26.5.1989 je zagovarjal svojo magistrsko nalogo tov. Miran Ferlan, dipl.inž.geod., pred komisijo, ki so jo ses- tavljali: prof.dr. Florijan Vodopivec, prof.dr. Bogdan Kilar in prof.dr. Ranko Todorovič. Naslov naloge:"lzdelava računalniških programov z izravnavo koreliranih meritev". Dne 31.5.1989 je zagovarjal svojo magistrsko nalogo tov: Dušan Kogoj, dipl.inž.geod., pred komisijo, ki so jo ses- tavljali: prof.dr. Florijan Vodopivec, prof.dr. Bogdan Kilar in prof.dr. Ranko Todorovič. Naslov naloge:"Anallza pozicijske na- tančnosti določitve horizontalnih premikov v mikro mrežah Ljubljane". DIPLOMANTI NA ODDELKU ZA GEODEZIJO: Diplomanti v letu 1988 VIŠJI ŠTUDIJ: Srečko Kociper Tadej Ledinek Mirko Žveplan Benjamin Repina Helena Ilovar Iztok Franca Bojan Šuc Bojan Jeram Mario Ličina Srečko Paderšič VISOKI ŠTUDIJ Damjan Kvas Dean Kordež Polona Učakar Drago Štern Dušan Mitrovič Darija Hrovatič Roman Češarek Denis Šehič Mojca Štravs Andreja Rožmanec Bojan Stopar - Negeodetske metode mer- jenja deformacij Tadej Pfajfar - Računalniška podpora ·pri izdelavi zakoličbenih načrtov Branko Kovač - Izbor obstoječih in pred- videnih geodetskih podatkov za določene porabnike Geodetski vestnik 3/1989 158 Iztok Kariž - Regi_stracija deformacij ladje pri splovitvi Irena Kibarovski - Računalniško podprto prikazovanje objektov na načrtih velikih meril Alenka Kelvišar - Možnosti novih lokacij in- dividualne gradnje v okviru obstoječih naselij v izvenmestnem prostoru Ljubljane Roman Rener - Računalniška podpora kar- tografskih redakcijskih načrtov Tomaž Ambrožič - Izdelava programa za izravnavo ravninske mreže za ATARI in IBM Ivica Vosila - Planiranje, delovni proces in izdelava pomorskih navigacijskih kart 1:300000 Tadeja Krajnik - Primerjava središč manjših naselij v okolici Kranja na temelju situacijske analize in izhodišča za njihovo prenovo VPIS V ŠOLSKEM LETU 1988/89 LETNIK VISOKI VIŠJI l. II. 111.(5s) IV. 50 21 13 14 Skupaj 98 Absolven. 16 SKUPAJ 114 45 13 16 71 71 159 DIGITALNA FOTOGRAMETRIJA UDK 528.7 +528.83.001 .i FOTOGRAMETRIJA, DALJINSKO ZAZNAVANJE,PRIDOBIVANJE PODATKOV,RAZVOJ MAKAROVIČ, Branko 7544 LB Enschede, Netherland, Rekkenbrink 79 RAZVOJ FOTOGRAMETRIJE IN VPLIV NA PROIZVODNJO INFORMACIJE Geodetski vestnik, Ljubljana, 33(1989),št.2,str. Avtor v članku opisuje razvoj fotogrametrije in njeno vlogo pri pridobivanju informacij. FOTOGRAMETRIJA, ZGODOVINSKI ASPEKT STANČIČ, Zoran 61000 Ljubljana, YU DIGITALNA FOTOGRAMETRIJA Geodetski vestnik, Ljubljana, 33(1989),št.2,str. M.Grilc UDK 528.7.000.93 V članku avtor opisuje fotogrametrijo iz zgodovinskega aspekta. Opisane so tudi nekatere raziskave s tega področja. M.Grilc UDK528.722 FOTOGRAMETRIJA, INSTRUMENTI ZA IZVREDNOTENJE FRAS,Zmago 61000 Ljubljana, YU, Tržaška 49 DIGITALNI ON-LINE SISTEMI V BLIŽNJESUKOVNI FOTOGRAMETRIJI · Geodetski vestnik, Ljubljana, 33(1989),št.2,str. Avtor v članku podaja pregled sistemov in digitalnih tehnik obdelave v bližnjeslikovni fotogrametriji. M.Grilc UDK 528. 7 +528.83.001. 1 PHOTOGRAMETRY, REMOTE SENSING, DATA ACQUISITION, DEVELOPMENT MAKAROVIČ, Branko 7544 LB Enschede, Netherland, Rekkenbrink 79 PHOTOGRAMMETRY DEVELOPMENT AND IMPACT ON THE INF,ORMATION PRODUCTION Geodetski vestnik, Ljubljana, 33(1989) ,No.2,pg. In the paper the author describes photogrammetry development and it's impact on infor- mation acquisition. M.Grilc UDK 528.7.000.93 PHOTOGRAMMETRY, HISTORICAL ASPECT STANČIČ, Zoran 61000 Ljubljana, YU DIGITAL PHOTOGRAMMETRY Geodetski vestnik, Ljubljana, 33(1989),No.2,Pg. Photogrammetry from the historical aspect is described in the paper. Some researches in this field are given. M.Grilc UDK528.722 PHOTOGRAMMETRY, PHOTOGRAMMETRIC INSTRUMENTS FRAS,Zmago 61000 Ljubljana, YU, Tržaška 49 DIGITAL ON-UNE SYSTEMS IN CLOSE RANGE PHOTOGRAMMETRY Geodetski vestnik, Ljubljana, 33(1989),No.2,Pg. A review of systems and digital tehniques in close range photogrammetry is given. M.Grilc UDK 528.722+528.85:902 FOTOGRAMETRIJA, INSTRUMENTI, PRIDOBIVANJE PODATKOV, ARHEOLOGIJA STANČIČ, Zoran 61000 ljubljana,YU KALIBRACIJA VIDEO KAMERE ZA POTREBE FOTOGRAMETRIČNE DOKUMENTACIJE ARHEOLOŠKIH IZKOPAVANJ Geodetski vestnik, Ljubljana, 33(1989) ,št.2,str. Avtor opisuje bližnjeslikovno fotogrametrijo kot pomoč pri dokumentiranju arheoloških izkopa M.Grilc UDK528.722 FOTOGRAMETRIJA,INSTRUMENTI ZA IZVREDNOTENJE,TEHNIKE ČEH Marjan 61000 Ljubljana, YU , GVOZDANOVIČ, Tomaž 61000 Ljubljana, YU KOSMATIN-FRAS, Mojca 61000 Ljubljana, YU TEHNIKE DIGITALNE OBDELAVE POSNETKOV-ORODJE V ROKAH FOTOGRAMETRA Geodetski vestnik, Ljubljana, 33(1989),št.2,str. Avtorji v članku opisujejo različne računalniške tehnike za obdelavo digitalne slike. M.Grilc UDK528.7 FOTOGRAMETRIJA KOSMATIN-FRAS, Mojca 61000 Ljubljana, YU OPIS OFF-LINE IZDELAVE DIGITALNEGA ORTOFOTA V PRAKSI Geodetski vestnik, Ljubljana, 33(1989),št.2,str. Podane so strokovne osnove za izdelavo digitalnega ortofota.predstavljen je praktični primer izveden na osebnem računalniku. M.Kosmatin-Fras UDK 528.722+528.85:902 PHOTOGRAMMETRY, INSTRUMENTS, DATA ASQUISITION, ARCHEOLOGY STANČIČ, Zoran 61000 ljubljana,YU VIDEO CAMERA CAUBRATION FOA PHOTOGRAMMETAIC DOCUMENTATION OF AACHEOLOGICAL EXCANATIONS Geodetski vestnik, Ljubljana, 33(1989),No.2,Pg. Close range photogrammetry as a tdol for docummentation of archeological excanations is presented. M.Grilc UDK528.722 PHOTOGRAMMETRIC, PHOTOGRAMMETRIC INSTRUMENTS, TECHNIQUES ČEH Marjan 61000 Ljubljana, YU GVOZDANOVIČ, Tomaž 61000 Ljubljana, YU KOSMATIN-FRAS, Mojca 61000 Ljubljana, YU DIGITAL IMAGE PROCESSING TECHNIQUES - A TOOL IN HANDS OF PHOTOGAAMMETRIST Geodetski vestnik, Ljubljana, 33(1989),NO.2,Pg. Different computer techniques for digital image processing are described by the authors. PHOTOGRAMMETRY KOSMATIN-FRAS, Mojca 61000 Ljubljana, YU M.Grilc UDK528.7 DESCRIPTION OF OFF-UNE DIGITAL ORTOPHOTO GENERATION IN A PRACTICE Geodetski vestnik, Ljubljana, 33(1989),No.2,Pg. Professional bases for digital ortophoto production are given. A practical test made on personal computer is presented. M.Kosmatin-Fras DALJINSKO ZAZNAVANJE, APLIKACIJA, SATELITI TRET JAK, Ana 61000 Ljubljana, YU ŠABIČ, Danijela 61000 Ljubljana, YU UDK 528.8:629 Irena 61000 Ljubljana, YU ANALIZA IN OBDELAVA PODATKOV SKANIFIANIH SSATEUTI Geodetski vestnik, Ljubljana, 33(1989) ,št.2,str. Članek opisuje različne aspekte uporabe podatkov pridobljenih s pomočjo satelitov. M.Grilc REMOTE SENSING, APLICATION, SATELITS TRET JAK, Ana 61000 Ljubljana, YU ŠABIČ, Danijela 61000 Ljubljana, YU UDK 528.8:629 OREŠNIK, Irena 61000 Ljubljana, YU ANALYSE ANO PROCESSING OF DATA SCANNED BY SATELUTS Geodetski vestnik, Ljubljana, 33(1989),No.2,Pg. In the paper different usage aspects of data acquisited by satellits are described. M.Grilc