0% encontró este documento útil (0 votos)
21 vistas24 páginas

Procesamiento de Imágenes de Radar VV

Este documento describe los pasos para procesar imágenes de radar para estudiar un fenómeno. Primero, se recortan las imágenes a la banda seleccionada. Luego, se aplica multilooking para mejorar la nitidez y se calibran las imágenes para hacerlas comparables. Finalmente, se crea una pila apilando las imágenes georreferenciadas y orientadas para analizar cambios entre ellas.

Cargado por

Byron Parra
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
0% encontró este documento útil (0 votos)
21 vistas24 páginas

Procesamiento de Imágenes de Radar VV

Este documento describe los pasos para procesar imágenes de radar para estudiar un fenómeno. Primero, se recortan las imágenes a la banda seleccionada. Luego, se aplica multilooking para mejorar la nitidez y se calibran las imágenes para hacerlas comparables. Finalmente, se crea una pila apilando las imágenes georreferenciadas y orientadas para analizar cambios entre ellas.

Cargado por

Byron Parra
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

BANDAS

ACERCAMINETO ZONA DE ESTUDIO


SOLO LA BANDA DE INTERES
RESULTADO LA IMAGEN DE RADAR RECORTADA PARA LA BANDA SELECIONADA

VV presenta mejor distribución para el agua, la dispersión asía adelante se presenta más fuerte
cuando la onda viaja en sentido vertical

1. Carpeta con imágenes procesadas


CARGUE DE IMÁGENES RECORTADAS

DEPLIGUE CON LA BANDA VV


VISUALIZACION DE LAS IMÁGENES RECORTADAS CON PIXEL A 30 M

2. Salida grafica del comportamiento del fenómeno estudiado


Procesamiento de las imágenes con la herramienta Multilooking (Este proceso toma varias imágenes
de la misma escena o sector y las agrupa como si fueran una sola imagen, mediante un algoritmo que
disminuye el espectro.
Aquí se cargan todas las imágenes, pero trabajaremos inicialmente con la primera, la salida
automáticamente carga el mismo nombre solo que le agrega la extensión ML y finalmente la carpeta
donde se quiera guardar el resultado.
En parámetros de procesamiento activamos GR Square pixel (para que el pixel quede cuadrado) y
numero de miradas. Si se coloca 3 vistas (number of Range looks), esto tiene un efecto entre la nitidez
y la resolución espacial, ya que si cambiamos el número de miradas afectamos la resolución espacial
que es de 10 m para 1 mirada.
El efecto de esto se debe a que el algoritmo a partir de la desviación estándar de la imagen, agrupa
los pixeles alrededor de la media, siendo más similares entre sí, generando una mejor representación
de detalle, pero se pierde resolución espacial, se ve es más nítido, pero ya no vería objetos de 10 m
sino de 30m
3. Calibrar imágenes ML
Este paso hace comparable las imágenes, ósea que georreferencia una con la otra, pixel a pixel.
Esto convierte a valores de retrodispersion; los parámetros digitales se convierten a parámetros
físicos).
Se verifican parámetros de proceso y RUN
Se repite para la imagen siguiente

Se realiza este proceso para todas las bandas, Convirtiendo nuevamente sigma0_VV_db a banda
para todas las imágenes y guardamos resultados.
Resultado banda Sigma0 vv_db, esta banda ofrece mejor definición
Se realiza para la otra imagen
Resultado

Verificación distribución pixeles en el histograma

Banda Sigma0_vv
Distribución Banda Sigma0_vv_db
4. Proyección y orientación de las imágenes
Para proyectarlas, se debe realizar una corrección del terreno, mediante la herramienta corrección
del terreno por rango doble, lo cual permite homogenizar la señal agrupando todas las posiciones
retardadas en un solo punto.

las imágenes que se cargaron por el proceso lineal de interpolación Bilinear requiere mucho proceso
de computador, por lo que se recomienda el método por el Nearest Neighbour (vecino más cercano)
y solo para la banda Sigma0 vv
Se repite para la otra imagen
Resultado

Se obtuvieron los resultados de calibración geométricos esperados, incluyendo la orientación


adecuada de la imagen (la posición quedo de forma correcta, óseo cambio el sentido de la imagen) y
el histograma corresponde adecuadamente a la distribución de pixeles.
5. Crear Stack
Para calcular la magnitud de la inundación sobre ponemos una imagen sobre la otra, para eso
creamos un stack cargando todas las imágenes.

Cargamos la dos imágenes georreferenciadas y orientadas


En el método utilizamos Product Geolocation porque el producto ya está geolocalizado, el resto se
deja por defecto.
Se corre el proceso RUN
Resultado

Donde mst significa banda maestra y slv significa banda esclava, si no aparece la banda. Se
debe completar generando la banda db.
Visualización en RGB

Con el fin de visualizar la mayor retro dispersión que haya en rojo, se realizó la combinación
registrada en el cuadro de dialogo.
Como resultados finales del proceso

También podría gustarte