‫آموزش نرمافزار ‪SNAP‬‬

‫برای پردازش تصاویر‬

‫ماهوارهای‬

‫آموزش نرمافزار ‪ SNAP‬برای پردازش تصاویر ماهوارهای‬

‫درس دوم‪ :‬شروع کار با نرمافزار ‪SNAP‬‬

‫مدرس‪:‬‬
‫مهرنوش امتی‬
‫دانشجوی دکترای مهندسی نقشهبرداری ‪ -‬سنجش از دور‬

‫‪1‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫نرمافزار ‪SNAP‬‬

‫‪ SNAP‬مخفف ‪Sentinels Application Platform‬‬ ‫•‬

‫• طراحی این نرمافزار متنباز توسط آژانس فضایی اروپا‬

‫• امکان استفاده رایگان کاربران از این نرمافزار‬

‫• قابلیت اجرا بر روی سیستم عاملهای ویندوز ‪ 32‬و ‪ 64‬بیت‪ ،‬لینوکس و مک او اس‬

‫• امکان استفاده از ‪( Plug-in‬افزونههای مختلف) به‌منظورکامل و بهروزنمودن نرمافزار‬

‫• نرمافزاری قوی بهمنظور پردازش دادههای ماهواره‌های سری ‪ Sentinel‬و دیگر ماهوار ‌ههای اپتیک و راداری‬

‫‪2‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫نرمافزار ‪SNAP‬‬

‫• کاربرد وسیع پردازش انواع تصاویر اخذشده در زمینههای گوناگونی همچون‪:‬‬

‫تغییرات پوشش و یا کاربری زمین‬ ‫‪‬‬

‫خاکشناسی و فرسایش خاک‪ ،‬مطالعات آب‬ ‫‪‬‬

‫نقشه‌‪ NDVI‬با‌تصاویر‌‪S2A‬‬ ‫کشاورزی‪ ،‬جنگلداری‬ ‫‪‬‬

‫سیل‪ ،‬زلزله‬ ‫‪‬‬

‫خشکسالی‪ ،‬گرد و غبار‬ ‫‪‬‬

‫مطالعات شهری‬ ‫‪‬‬

‫مولفه‌قائم‌جابه‌جایی‌ناشی‌از‌زلزله‌‌‌‌‌‬ ‫مولفه‌شرقی‌‪ -‬غربی‌جابه‌جایی‌ناشی‌‬
‫با‌تصاویر ‪S1‬‬ ‫از‌زلزله‌با‌تصاویر‌‪S1‬‬ ‫و‪...‬‬ ‫‪‬‬
‫‪3‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫نرمافزار ‪SNAP‬‬

‫• ‪ Toolbox‬پردازش تصاویر راداری‪:‬‬

‫فراخوانی‪ ،‬نمایش بصری‪ ،‬پردازش و آنالیز تصاویر انواع سنجندههای راداری‬ ‫‪‬‬

‫کالیبراسیون رادیومتریکی تصاویر سنجندههای مختلف راداری‬ ‫‪‬‬

‫فیلترینگ تصاویر بهمنظور کاهش اثر اسپکل‬ ‫‪‬‬

‫تصحیحات‌هندسی‌بهمنظور‌رفع‌خطاهای‌ناشی‌از‌توپوگرافی‬ ‫‪‬‬

‫آنالیز‌تصاویر‌پالریمتری‌راداری‬ ‫‪‬‬

‫طبقه‌بندی‌تصاویر‌راداری‬ ‫‪‬‬

‫تکنیک‌تداخلسنجی‌بهمنظور‌برآورد‌جابهجایی‌های‌سطح‌زمین‌(زلزله‪‌،‬فرونشست‪‌،‬زمین‌لغزش‌و‪‌)...‬و‌‪ DEM‬منطقه‬ ‫‪‬‬

‫‪4‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫نرمافزار ‪SNAP‬‬

‫‪LANDSAT‬‬ ‫• ‪ Toolbox‬پردازش تصاویر اپتیک‪:‬‬

‫فراخوانی‪ ،‬نمایش بصری‪ ،‬پردازش و آنالیز تصاویر انواع سنجندههای اپتیک‬ ‫‪‬‬

‫انجام خودکار تصحیحات رادیومتریکی همانند محاسبه رادیانس‬ ‫‪‬‬

‫تصحیح اتمسفری و هندسی تصاویر‬ ‫‪‬‬

‫قابلیت‌تصحیح‌اتمسفری‌دقیق‌با‌الگوریتم‌‪Sen2cor‬‬ ‫‪‬‬
‫‪SPOT‬‬
‫‪SENTINEL2‬‬ ‫امکان‌محاسبه‌بیش‌از‌‪ 3۰‬شاخص‌طیفی‬ ‫‪‬‬

‫تجزیه‌پیکسل‌های‌آمیخته‌و‌جداسازی‌طیفی‌آن‌ها‬ ‫‪‬‬

‫‪5‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫نحوه دانلود نرمافزار ‪SNAP‬‬

‫‪ )1‬ورود به سایت ‪http://step.esa.int/main/toolboxes/snap/‬‬

‫‪ )2‬انتخاب بخش ‪ DOWNLOAD‬از منوی باالی سایت و دانلود نسخه نرم‌افزار متناسب با سیستم عامل سیستم‬
‫‪1‬‬
‫‪2‬‬

‫‪2‬‬

‫‪6‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫نحوه دانلود نرمافزار ‪SNAP‬‬

‫‪ )3‬اجرای فایل دانلود شده (به‌طورمثال برای ویندوز ‪ 64‬بیتی)‬

‫‪Name: esa-snap_sentinel_windows-x64_6_0.exe‬‬

‫‪Next‬‬

‫‪3‬‬ ‫‪3‬‬

‫‪7‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫نحوه دانلود نرمافزار ‪SNAP‬‬

‫‪ )4‬باز شدن محیط نرم‌افزار با اجرای آیکون ایجاد شده ‪ SNAP‬بر روی ‪Desktop‬‬

‫اجرای‌برنامه‬

‫‪8‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫تئوری آنالیزهای اولیه تصویر‬

‫• موزاییک تصویری‬
‫روشی به‌منظور ساخت تصویر جدید از کنار هم قرار‌گیری چند تصویر هم‌پوشانی‌دار و یا حتی بدون هم‌پوشانی‬ ‫‪‬‬

‫• باز نمونه‌برداری تصویر‬

‫تبدیل هندسی بر سیستم مختصات تصویر اولیه و تبدیل آن به سیستم مختصات دیگر‬ ‫‪‬‬

‫‪Nearest Neighbor‬‬ ‫‪‬‬

‫‪Bilinear‬‬ ‫‪‬‬

‫‪Bicubic‬‬ ‫‪‬‬

‫‪9‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫تئوری آنالیزهای اولیه تصویر‬

‫تبدیل تحلیل مولفه اصلی (‪)PCA‬‬ ‫•‬

‫یکی از پرکاربردترین روشهای کاهش ابعاد فضای تصاویر چندطیفی‪ /‬ابرطیفی‬ ‫‪‬‬

‫به‌منظور تبدیل تصاویری با همبستگی باالی بین باندی به مجموعه دادههایی بدون همبستگی‬ ‫‪‬‬

‫تغییر دستگاه مختصات اولیه و تصویرسازی دادهها در راستاهایی با بیشترین واریانس (بیشترین اطالعات ممکن)‬ ‫‪‬‬

‫‪10‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫تئوری آنالیزهای اولیه تصویر‬

‫• ویژگی‌های آنالیز بافت براساس ماتریس هم‌رخداد (‪)GLCM‬‬

‫امکان استفاده از ویژگی‌های مکانی (موقعیت پیکسل‌ها نسبت به یکدیگر) در پردازش پیکسل‌ها‬ ‫‪‬‬

‫امکان استخراج انواع ویژگی‌های آماری مرتبه دوم از ماتریس هم‌رخداد براساس پارامترهای فاصله و یا توجیه زاویه‌ای‬ ‫‪‬‬

‫ویژگی‌هایی همانند میانگین‪ ،‬واریانس‪ ،‬کنتراست‪ ،‬انرژی‪ ،‬آنتروپی‪ ،‬بیش‌ترین احتمال‪ ،‬ممان مرتبه دوم و‪...‬‬ ‫‪‬‬

‫‪11‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫طبقهبندی کنندهها‬

‫• روش‌های نظارت‌شده‬

‫طبقه‌بندی‌کننده کم‌ترین فاصله (‪)Minimum Distance‬‬ ‫‪‬‬

‫‪ ‬برداشت تعدادی نمونه آموزشی برای هر کالس‬

‫‪ ‬محاسبه میانگین هر کالس در باندهای تصویر‬

‫‪ ‬محاسبه فاصله میان پیکسل موردنظر تا میانگین هر کالس‬

‫‪ ‬تعلق پیکسل موردنظر به کالسی با کم‌ترین فاصله (نزدیک‌ترین کالس)‬

‫‪12‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫طبقهبندی کنندهها‬

‫• روش‌های نظارت‌شده‬

‫طبقه‌بندی‌کننده بیش‌ترین شباهت (‪)Maximum Likelihood‬‬ ‫‪‬‬

‫برداشت تعدادی نمونه آموزشی برای هر کالس‬ ‫‪‬‬

‫محاسبه میانگین هر کالس در باندهای تصویر و هم‌چنین ماتریس کواریانس بین باندی با استفاده از نمونه‌های آموزشی‬ ‫‪‬‬

‫محاسبه مقدار تابع تفکیک‌کننده برای تمامی کالس‌ها بر روی پیکسل موردنظر‬ ‫‪‬‬

‫تعلق پیکسل موردنظر به کالسی با بیشترین تابع تفکیک‌کننده (بیشترین احتمال)‬ ‫‪‬‬

‫‪13‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫طبقهبندی کنندهها‬

‫• روش‌های نظارت‌شده‬

‫طبقه‌بندی‌کننده ‪ K‬نزدیک‌ترین همسایه (‪)K Nearest Neighbors‬‬ ‫‪‬‬

‫‪ ‬روش غیرپارامتریک طبقه‌بندی با اجرای آسان‬

‫‪ ‬برداشت تعدادی نمونه آموزشی برای هر کالس‬

‫‪ ‬انتخاب ‪ K‬نقطه نمونه‌ آموزشی نزدیک به هر پیکسل موردنظر (براساس‬

‫معیارهای فاصله)‬

‫‪ ‬تعلق پیکسل موردنظر به کالسی با بیش‌ترین تکرار در میان ‪ K‬نقطه‬

‫انتخاب‌شده از نمونه‌های آموزشی‬

‫‪14‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫برای پردازش تصاویر‬
‫ماهوارهای‬

‫طبقهبندی کنندهها‬

‫• روش‌های نظارت‌نشده‬

‫‪ ‬روش خوشه‌بندی ‪K-Means‬‬

‫‪ ‬انتخاب تصادفی ‪ K‬عضو (بیانگر تعداد خوشه‌ها) از میان پیکسل‌های تصویر به‌عنوان مراکز خوشه‌ها‬

‫‪ ‬محاسبه فاصله میان پیکسل‌های تصویر تا مراکز هر خوشه‬

‫‪ ‬تعلق هر پیکس ‌‬
‫ل تصویر به خوشه‌ای با کم‌ترین فاصله و تشکیل خوشه‌های جدید‬

‫‪ ‬میانگین‌گیری از پیکسل‌های درون هریک از خوشه‌ها و تعیین مراکز جدید آن‌ها‬

‫‪ ‬تعلق هر پیکس ‌‬
‫ل تصویر به خوشه‌ای با کم‌ترین فاصله‬

‫‪ ‬ادامه روند تکرار تا عدم تغییر در داده‌ها‬

‫‪15‬‬
 ‫آموزش نرمافزار ‪SNAP‬‬
‫آموزش تکمیلی‬
‫برای پردازش تصاویر‬
‫ویژوال بیسیک دات نت‬
‫ماهوارهای‬

‫این اسالیدها بر مبنای نکات مطرح شده در فرادرس‬

‫«آموزش نرمافزار ‪ SNAP‬برای پردازش تصاویر ماهوارهای»‬
‫تهیه شده است‪.‬‬

‫برای کسب اطالعات بیشتر در مورد این آموزش به لینک زیر مراجعه نمایید‪.‬‬

‫‪faradars.org/fvsnp9801‬‬