Advanced

Analys av molnklotter inom det termala infraröda våglängdsområdet med IRST-data

Mattsson, Fredrik (1999) In Lunds universitets Naturgeografiska institution - Seminarieuppsatser
Dept of Physical Geography and Ecosystem Science
Abstract (Swedish)
Detta arbete har utförts tillsammans med FOA 3 i Linköping som en undersökning av molntextur och molnklotter i flygbilder som registrerar värmestrålning. I dessa sammanhang betyder klotter en slags spräcklighet i bilden, eller att det inte går att se några mönster och strukturer i den.
Abstract
Texture based descriptions of images is of an increasing importance since the demands of a
correct analysis, description and understanding of fine structures are growing. This work
reviews some examples of different methods from the litterature of analysing cloud clutter in
thermal infrared images registred with an IR-OTIS. It also examines a set of actual images
registred over an area of southeastern Sweden. This is done by using Terrtex, a texture
analysis software program developed by FOA, Sweden. In this package there are several
features suitable for texture analysis, of which a handful are investigated here.
Traditionally, standard deviation has been used to calculate the variation within an scene. The
methods used in this... (More)
Texture based descriptions of images is of an increasing importance since the demands of a
correct analysis, description and understanding of fine structures are growing. This work
reviews some examples of different methods from the litterature of analysing cloud clutter in
thermal infrared images registred with an IR-OTIS. It also examines a set of actual images
registred over an area of southeastern Sweden. This is done by using Terrtex, a texture
analysis software program developed by FOA, Sweden. In this package there are several
features suitable for texture analysis, of which a handful are investigated here.
Traditionally, standard deviation has been used to calculate the variation within an scene. The
methods used in this work are chosen with respect to the evaluations and recommendations
found in the users guide to Terrtex. Apart from these, a number of other texture features have
been used considering they were well suited for describing the texture of clouds. Most of
them are based on the wienerspectra, the squared magnitude of a local Fourier
transformation.
The result of the analysis does not show the presence of any major amounts of clutter. This is
partly due to the fact that both types of clouds are relatively homogenous. The result of this,
is that the clutter in the images does not stand out as much as it would with clouds having a
more pronounced texture. When it comes to the texture features it can be said that some gave
a better result than other did. The complexity measures did not perform any relevant output to
mention with this kind of images. On the other hand the autoshape, local wienerspectra and
RMS’ histogram features gave a lot of useful information. (Less)
Abstract (Swedish)
Populärvetenskaplig sammanfattning: Detta arbete har utförts tillsammans med FOA 3 i Linköping som en undersökning av molntextur och molnklotter i flygbilder som registrerar värmestrålning. I dessa sammanhang betyder klotter en slags spräcklighet i bilden, eller att det inte går att se några mönster och strukturer i den.

Bakgrunden till arbetet är att Försvarsmakten ville ha en kamera som kunde upptäcka främmande mål med hjälp av endast värmestrålning. Uppdraget gick till Saab Aerospace vilka utvecklade kameran. FOAs avdelning för sensorteknik fick därefter uppdraget att utprova den.

Kameran är en så kallad IRST (InfraRed Search and Track) och är menad att sitta på noskonen på ett JAS-flygplan. Bilderna från kameran registraras i... (More)
Populärvetenskaplig sammanfattning: Detta arbete har utförts tillsammans med FOA 3 i Linköping som en undersökning av molntextur och molnklotter i flygbilder som registrerar värmestrålning. I dessa sammanhang betyder klotter en slags spräcklighet i bilden, eller att det inte går att se några mönster och strukturer i den.

Bakgrunden till arbetet är att Försvarsmakten ville ha en kamera som kunde upptäcka främmande mål med hjälp av endast värmestrålning. Uppdraget gick till Saab Aerospace vilka utvecklade kameran. FOAs avdelning för sensorteknik fick därefter uppdraget att utprova den.

Kameran är en så kallad IRST (InfraRed Search and Track) och är menad att sitta på noskonen på ett JAS-flygplan. Bilderna från kameran registraras i horisontell led. Fördelen med att använda sig av en värmekänslig kamera är att den endast tar emot stålning utan att skicka ut någon, som till exempel radar gör. Detta gör att målobjektet inte märker att det är upptäckt, vilket underlättar i smygsammanhang.

Syftet med detta arbetet var dels att genomföra en litteraturstudie och dels en undersökning av det termala bakgrundslottret hos moln.

Litteraturstudien gav ett par intressanta tips och synpunkter på vad som bör beaktas vid arbeten liknande det som som genomförts här. Bland annat så visades exempel på en bra metod för att beräkna hur mycket bakgrundsklotter som finns i en bild. Det görs genom att dela in bilden i delområden. Efter att nödvändiga beräkningar genomförts för vart och ett av dessa delområden kan man presentera resultaten i form av ett histogram. Det är detta histogram som visar hur mycket klotter som finns i bilden. Det är även möjligt att få fram ett mått på hur mycket brus som förekommer i bilden, vilket kan vara en fördel om man vill göra korrektioner.

Analysen av IRST-bilderna skedde med hjälp av ett texturanalysprogram som är utvecklat av FOA. Programmet ger en rad möjligheter för att undersöka textur och klotter. De flesta av metoderna grundar sig på något som heter wienerspektrum, vilket är den kvadrerade magnituden på en lokal fouriertransformation. Vad spektrumet egentligen visar är med hur hög frekvens intensiteten i bilden varierar. I princip kan man säga att om det finns mycket klotter i en bild blir wienerspektrumet yvigt och utspritt. Är klottermängden liten så blir spektrumet istället smalare och snävare. Detta kan utnyttjas genom att på olika statistiska sätt analysera spektrumets form.

Totalt har ett 10-tal olika textur och klottermått beräknats för två olika molntyper med avsikt att undersöka vilken information som går att få fram om dem. De undersökta molnen var Stratus och Stratocumulus. Slutsatserna blev att analyserna av de olika molntyperna inte visar att molnen innehåller några större mängder klotter. Detta kan kanske delvis förklaras av att de båda molntyperna består av relativt homogena molnmassor och att de därför inte har någon finstruktur inom sig. Det kan även vara ett tecken på att texturanalysprogrammet kanske inte riktigt klarar av att undersöka moln av detta slag.

Det är även svårt att få något entydigt svar på vilken molntyp som innehåller störst andel klotter. Utfallen av de 10 olika analysmåtten ger i flera fall motsägande resultat. Anledningen till detta kan vara att molnskiten i bilderna är olika tjocka i olika delar av bilden. Det kan i sin tur innebära att kallare bakgrundsstrålning på vissa ställen lyser igenom och påverkar resultatet från mätningen av värmestrålningen. (Less)
Please use this url to cite or link to this publication:
author
Mattsson, Fredrik
supervisor
organization
year
type
H1 - Master's Degree (One Year)
subject
keywords
fysisk instrumentering, metrologi, physical instrumentation, metrology, stratocumulus, stratus, moln, värmestrålning, infrared search and track, physical geography, geomorphology, pedology, cartography, climatology, naturgeografi, geomorfologi, marklära, kartografi, klimatologi
publication/series
Lunds universitets Naturgeografiska institution - Seminarieuppsatser
report number
58
language
Swedish
id
1330104
date added to LUP
2005-05-31 00:00:00
date last changed
2011-11-28 11:57:44
@misc{1330104,
  abstract     = {Texture based descriptions of images is of an increasing importance since the demands of a
correct analysis, description and understanding of fine structures are growing. This work
reviews some examples of different methods from the litterature of analysing cloud clutter in
thermal infrared images registred with an IR-OTIS. It also examines a set of actual images
registred over an area of southeastern Sweden. This is done by using Terrtex, a texture
analysis software program developed by FOA, Sweden. In this package there are several
features suitable for texture analysis, of which a handful are investigated here.
Traditionally, standard deviation has been used to calculate the variation within an scene. The
methods used in this work are chosen with respect to the evaluations and recommendations
found in the users guide to Terrtex. Apart from these, a number of other texture features have
been used considering they were well suited for describing the texture of clouds. Most of
them are based on the wienerspectra, the squared magnitude of a local Fourier
transformation.
The result of the analysis does not show the presence of any major amounts of clutter. This is
partly due to the fact that both types of clouds are relatively homogenous. The result of this,
is that the clutter in the images does not stand out as much as it would with clouds having a
more pronounced texture. When it comes to the texture features it can be said that some gave
a better result than other did. The complexity measures did not perform any relevant output to
mention with this kind of images. On the other hand the autoshape, local wienerspectra and
RMS’ histogram features gave a lot of useful information.},
  author       = {Mattsson, Fredrik},
  keyword      = {fysisk instrumentering,metrologi,physical instrumentation,metrology,stratocumulus,stratus,moln,värmestrålning,infrared search and track,physical geography,geomorphology,pedology,cartography,climatology,naturgeografi,geomorfologi,marklära,kartografi,klimatologi},
  language     = {swe},
  note         = {Student Paper},
  series       = {Lunds universitets Naturgeografiska institution - Seminarieuppsatser},
  title        = {Analys av molnklotter inom det termala infraröda våglängdsområdet med IRST-data},
  year         = {1999},
}