Copyright (c) 2004-2020 text & photos: Jarmo T. Alander all rights reserved
lipas.uwasa.fi/~TAU/AUTO3040:
AUTO3040 ETäHAVAINNOINTI / REMOTE SENSING
5 op / 5 cu
Vastuuopettaja / Course contact teacher: Jarmo AlanderJärjestetäänkö/Running: book_exam
Katoavaa AUTOkansanperinnettä:
ahdike
Hämeessä käytetty nimitys heinä- ja elopellolla iltakuudelta syödystä välipalasta (myös ahdikki ja ahturi). --- Suomalainen mittasanakirja
Roskaruuan synonyymikö?
Noteboard
Jos haluat suorittaa tämän kurssin, niin se on mahdollista
tentillä ja harjoitustyöllä (ei luentoja eikä laskuharjoituksia
toistaiseksi).
Tule keskustelemaan suorituksesta kurssin vastuuhenkilön kanssa.
Lukujärjestys / timetable
Tarkemmat tiedot (päivitykset) kurssien ajoista yms löytyvät /
More information (updated) about the courses:
Asio Lukkarista/ from Asio Lukkari.
LINKKI AUTOallakkaan
link↗
Lyhyesti / briefly
Oletko kiinnostunut kaukokartoituksesta?
Kurssi AUTO3040 Etähavainnointi
käsittelee kaukokartoitusta.
Kurssilla opitaan suunnittelemaan ja toteuttamaan
kaukokartoituksessa käytettäviä kuvankäsittelymenetelmiä, erityisesti
monikanavakuvien käsittelyä.
Osaamistavoitteet / Learning outcome
Opintojakson suoritettuaan opiskelija osaa:
- selittää etähavainnoinnin periaattteet, menetelmät ja tärkeimmät laitteistot ja ohjelmistot
- selittää tärkeimmät ilma- ja satelliittikuvien analysointimenetelmät
- analysoida ilma- ja satelliittikuvia
- suunnitella, toteuttaa, testata ja raportoida yksinkertaisen etähavainto-ohjelmasovelluksen
Sisältö/ Contents
- Johdanto / Introduction
- Etähavainnointi / Remote sensing
- Kirjo / Spectrum
- Etähavainnointijärjestelmiä / Remote sensing systems
- Säteilyoptiikkaa / Optical radiation models
- Näkyvä ja lähi-infrapuna / Visible and near-infrared
- Auringon säteily / Solar radiation
- Säteilyn komponentit / Radiation components
- Kuvantamisesimerkkejä / Image examples
- Keski-infrapuna ja lämpösäteily / Mid-infrared and thermal infrared
- Lämpösäteily /Thermal radiation
- Säteilyn komponentit / Radiation components
- Kuvantamisesimerkkejä / Image examples
- Anturimallitus / Sensor models
- Resoluutio / Resolution
- Spatiaalinen vaste / Spatial response
- Spektrivaste / Spectral response
- Vahvistus / Signal amplification
- Näytteistys ja kvantisointi / Sampling and quantization
- Geometriavääristymät / Geometric distortion
- Tilastollinen mallinnus / Data models
- Yhden muuttujan tilastomallit / Univariate image statistics
- Usean muuttujan tilastomallit / Multivariate image statistics
- Kohinamallit / Noise models
- Spatiaaliset tilastomallit / Spatial statistics
- Topografian ja anturien vaikutus / Topographic and sensory effects
- Spektrimuunnokset / Spectral transformations
- Piirteet / Feature space
- Kanavasuhteet / Multispectral ratios
- Kasvillisuusindeksit / Vegetation indexes
- Pääkomponentit / Principal components
- TCC / Taseled-Cap Components
- Kontrasti / Contrast enchancement
- Spatial transformations
- Kuvamalli /Image model
- Konvoluutio suotimet (FIR) / Convolution filters
- Lineaariset suotimet / Linear filters
- Mediaanisuotimet / Median filters
- Morfologiset suotimet /Morphological filters
- Derivoivat suotimet / Gradient filters
Fourier muunnos / Fourier transform
Skaalamuunnokset / Scale-space transforms
- Kuvapyramidi / Image pyramid
- Ääriviivasuotimet / Zero-crossing filters
- Väremuunnos / Wavelet transform
- Korrelaatio ja kalibrointi / Correlation and calibration
- Vääristymän korjaus / Distortion correction
- Anturivasteen kompensointi / Sensor MTF compensation
- Kohinan vaimennus / Noise reduction
- Radiometrinen kalibrointi / Radiometric calibration
- Rekisteröinti ja yhdistäminen /Registration and fusion
- Alueiden korrelointi / Area correlation
- Stereokuva / Stereo image
- Yhdistäminen / Multi-image fusion
- Teemaluokitus / Thematic clasification
- Luokittelu / Classification
- Piirteiden irrotus / Feature extraction
- Luokittimen opetus / Classifier training
- Supervised training
- Unsupervised training
- Hybridi
- Ei-parametrinen luokitus / Nonparametric classification
- Parametrinen luokitus / Parametric classification
- Segmentointi / Spatial-spectral segmentation
- Alipikseliluokitus / subpixel classification
- Kuva-analyysi / Hyperspectral image analysis
Esitiedot / Preliminary courses
Ohjelmointitaito,
AUTO1030 Signaalien käsittelyn perusteet
Basic programming skills,
AUTO1030 Signal processing.
Tentti / Examination
Kurssiin kuuluu kaksi osaa / There are two parts to pass:
- Tentti / Examination
- Harjoitustyö / Laboratory work
Esimerkkitenttitehtäviä / Example exam questions
- Selitä lyhyesti kaukokartoituksen tyypillisiä sovelluksia.
Explain shortly typical applications of remote sensing. - Selitä lyhyesti kaukokartoituksessa käytetyt kirjoalueet ja niiden tyypilliset geofysikaaliset sovellukset.
Explain shortly the spectral ranges used in remote sensing and their typical geophysical applications. - Selitä lyhyesti kaukokartoisessa käytetyt kameratyypit ja niiden tärkeimmät ominaisuudet.
Explain shortly the scanner types used in remote sensing and their most important properties. - Selitä lyhyesti miten ns. mustan kappaleen säteily liittyy kaukokartoitukseen ja säteilyn mittaamiseen.
Explain shortly how the so called black body radiation is related to remote sensing and radiometry. - Selitä lyhyesti mitkä ilmakehän optiset ilmiöt vaikuttavat kuvantamisessa.
Explain shortly what optical phenomena affect imaging in atmosphere. - Selitä lyhyesti miten maaston topografia vaikuttaa kuvantamiseen ja miten maaston vaikutusta voidaan kompensoida.
Explain shortly how terrain topography affects remote sensing and how it can be compensated by image processing. - Selitä lyhyesti seuraavat (osa) termit ja lyhenteet:
- BIS / BSQ / BIL
- BPF / HBF / HPF / LPF
- CDF / PDF
- CIR
- CM
- CST
- DEM
- DoG / LoG
- ESF
- GCP
- GIFOV
- GIQE
- FOV / GFOV / IFOV
- GL
- GSI
- HSI
- LAI
- LRM
- MSS
- MTF / LSF / PSF / MTFC
- MWIR
- NER
- NIIRS
- NIR / VNIR
- MNF
- NAPC
- PCT / PCC
- PSD
- PVT
- EVI / RVI / SAVI / TVI / NDVI / NRVI
- SLAR
- SNR
- SPC
- TCT
- TIR
- TM
- affine transform
- altitude / attitude
- constrast / modulation
- cover blanket
- hexcone color space
- kriging / interpolation
- reference stretch
- scatterplot / scattergram
- statistical pixel matching
- semivariogram
- sigma filter / Wiener filter
- sill / nugget
- registration / geocoding / rectification / orthorectification
Explain shortly (some of) the above terminology and abbreviations. - Miten histogrammeja voidaan käyttää monikanavaisen kuvan analysointiin.
How scatterplots can be used to analyse multispectral images. - Miten signaali-kohina-suhdetta voidaan estimoida?
How the signal-to-noise ratio can be estimated? - Miten histogrammeilla voidaan tutkia spatiaalista korrelaatiota?
How scattergrams can be used to estimate spatial correlation. - Mitä tapoja on kasvillisuuden erotamiseksi maaperästä monikanavakuvissa?
What methods exist to differentiate vegetation from soil in multispectral images. - Miten erityyppisiä maaston kohtia voidaan erotella (segmentoida)?
How different terrain types can be classified (segmented)? - Mitä on pääkomponenttianalyysi ja miten se liittyy kuvankäsittelyyn? Mikä on sen pääheikkous kaukokartoitusta automatisoitaessa?
What is principal component analysis and how it can be applied in image processing in remote sensing? What is its main drawback when implementing and automatic remote sensing systems? - Miten pääkomponenttianalyysiä on yleistetty maaston analysointiin?
How the principal component analysis has been generalized to be more useful and general in terrain analysis? - Mitkä ovat käytetyimmät kontrastin säätömenetelmät ja mitkä ovat niiden vahvuudet ja heikkoudet?
What are the main contrast enchancement methods and what are their main pros and cons? - Miten mediaanisuodin toimii ja miten sitä voidaan käyttää kuvien käsittelyyn? Miten yksinkertaista mediaanisuodinta voidaan parantaa ja miksi?
How median filter works and how it can be used in image processing? How the basic median filter can be developed and why? - Mikä on kuvapyramidi ja miten sitä voidaan hyödyntää?
What is image pyramid and what use it has? - Selitä lyhyesti K-means luokittelualgoritmin periaate.
Explain shortly the principles of K-means clustering algorithm. - ...
Oppikirjat / Text books
R. A. Schowengerdt, Remote Sensing, Models and Methods for Image Processing,
3. ed., Academic Press, 2007.
Another potential textbook:
Jay Gao, Digital Analysis of Remotely Sensed Imagery,
McGraw-Hill, 2009. (in Tritonia)
Laskuharjoitukset / Exercises
Ei lakuharjoituksia / No exercises.
Harjoitustyö / Lab work
Yleisesti harjoitustöiden tehtävänä on mm.
- antaa opiskelijoille mahdollisuus soveltaa teoriaa käytäntöön ja
siten syventää oppimista
- harjoituttaa itsenäisempään työskentelyyn kuin tenttiin lukeminen on
- antaa mahdollisuuden omien ideoiden toteuttamiseen
eli kaikkiaan valmentamaan suunnittelun ja tuotekehityksen tehtäviin.
Käytännössä AUTOmaation harjoitustyöt tehdään ns. problem based learning (PBL)
-menetelmällä eli niissä opitaan käytännön tehtäviä ratkomalla luentoja
syvällisemmin perustaitoja.
Oulun yliopisto: PBL
/
In general the purpose of laboratory work includes, but is not limited to
- give the student the opportunity to apply theory and thus deepen learning
- give the student more freedom than the exam
- give the student the opportunity to develop his/her own ideas
i.e. to prepare the student for product design and development work.
In practise the labworks of AUTOmation are done by the famous problem based learning (PBL)
approach, which gives the student an excellent opportunity to learn basic skills by doing.
Wikipedia: PBL
Harjoitustyöaiheita / Lab work topics
- Monikanavaisen satelliitti- tai ilmakuvan segmentointi.
- Under construction ...
Lähialueiden kursseja / related courses
Seuraavassa listaa kursseista, jotka ovat jotenkin "sukua" tälle kurssille.
/
Next a list of courses that are somehow linked to the topic of this course.
AUTOkurssit / AUTO courses:
Muiden oppiaineiden suositeltavia kursseja:
Recommended courses from other subjects:
Aktiviteetteja / activities
Links
Tutorial:
Astronomy: Organisations: Devices: Software: Companies: Image archives: Interesting references: Uutisia / news: Project proposals:
Tulevaisuus / Future
Kiitokset / acknowledgements
Olli Kanniainen for scanning Mellberg.