DIGITAL PHOTOGRAMMETR

YFARIZ UBAIDILLAH RASYID15109049

DEFINISI FOTOGRAMETRI DIJITAL

Fotogrametri = Penggunaan sistem fotografi di bidang survei pemetaan untuk memastikan ukuran antar objek

Dijital = menyatakan sebagai deret angka 0 dan 1 untuk system perhitungan tertentu

Maka berdasarkan definisi di atas, fotogrametri dijital adalah penggunaaan sistem fotografi yang melibatkan dan atau berkaitan dengan teknologi computer di bidang survei pemetaan

Dari segi geometri, fotogrametri dijital = pengolahan citra dijital + fotogrametri analitis

SKEMA FOTOGRAMETRI DIJITAL

DIGITAL IMAGE

Citra dijital = citra yang terintepretasikan dalam bentuk piksel oleh computer

Pada kenyataanya citra terdiri dari susunan angka (Digital Numbers) yang menentukan kuantitas kadar kecerahan pada setiap piksel

Jika citra keluaran mengandung ribuan atau jutaan piksel yang tampak, citra memiliki warna atau rona yang kontinu

(a) The principle of digital images. This image has been divided into a pixel grid of 72 rows and 72 columns, with each pixel being represented by a value from 0 (dark black) to 255 (bright white).A portion of the image near the mouth of the statue is shown enlarged in (b), and the digital numbers associated with this portion are listed in (c).

Citra dijital diciptakan melalui proses yang dinamakan discrete sampling

Discrete sampling dari suatu citra memiliki dua karakteristik utama, resolusi geometric dan resolusi radiometric (kuantisasi dan resolusi spectral)

Resolusi geometric (ukuran fisik dari tiap piksel) = menghasilkan akurasi geometric, penting untuk mengenali objek citra.

Tingkat kuantisasi (8-, 10-, dan 12-bit) = menghasilkan akurasi representasi dijital dari sinyal yang diterima.

Resolusi spectral (1-band/B&W, 3-bands/RGB, multi spectral, hiper spectral) = menghasilkan akurasi representasi dari spectral response pattern objek.

Masalah = penyimpanan citra dan waktu transfer citra.

IMAGE RESAMPLING

Ciitra dijital dibentuk dari pola grid atau piksel yang memiliki digital number masing-masing

Untuk mendapatkan nilai digital number pada setiap piksel yang sudah diintegrasikan pada koordinat tanah maka perlu dilakukan image resampling

Pada proses image resampling diperlukan interpolasi antara digital number yang terdapat pada system koordinat foto menjadi dijital number yang digunakan pada system koordinat tanah

Terdapat 3 jenis image resampling : 1) nearest neighbor, 2) bilinear interpolation, 3) bikubik interpolation

NEAREST NEIGHBOR

Digital number sistem koordinat peta dipilih berdasarkan letak pusat piksel pada sistem koordinat foto yang terdekat

A pixel is superimposed at a fractional location (R = 619.71, C = 493.39).Rounding these values to the nearest integer yields 620 and 493 for the row and column indices.The resampled value is 56.

BILINEAR INTERPOLATION

DN pada system koordinat peta dihitung menggunakan interpolasi secara linear pada system koordinat foto dari dua arah sumbuFirst, linearly interpolated values DN1 and DN2 are computed along rows 619 and 620, respectively.

DN1 = 0.39(68 - 62) + 62 = 64.34

DN2 = 0.39(59 – 56) + 56 = 57.17

Second, a linear interpolation is performed in the column directi-on, yielding the result (DN) as

DN = 0.71(57.17 – 64.34) + 64.34

= 59.25

R = 619.71,C = 493.39

Finally, since DNs are generally integers, the value of DN is rounded to 59.• The value differs from the DN value

of 56 obtained by using the nearest-neighbor method.

Perbandingan Nearest Neighbor dan Bilinear Interpolation

04/28/2023 06:51 AM

Image R

esampling, SH

M

11Bicubic Interpolation / Cubic Convolution

Explanation of this technique requires a little background in sampling theory. First, an assumption is made that the original signal has

been sam-pled above the Nyquist rate, which is generally satisfied for imaging sensors.The Nyquist rate is the sampling frequency required to faithfully

record the highest (spatial) frequency (/resolution) content of the scene.

Given this assumption, the “sinc” function allows an (almost) exact reconstruction of the original scene.

(radian)

• If the images had an infinite num-ber of rows and columns, and

• all pixels were used for the inter-polation,

the sinc function would yield a per-fect reconstruction.

04/28/2023 06:51 AM

Image R

esampling, SH

M

12Cubic Spline Interpolation (1)Practically dictates that interpolations be carried out using only small neighborhoods surrounding the interpolated pixel. A cubic spline approximation to the sinc function is the form

gene-rally used for bicubic interpolation.

f1(x)

f2(x)f3(x)

Note that the cubic spline most nearly approximates the sinc function, whereas bilinear and nearest-neighbor interpolation are less consistent approximations.

04/28/2023 06:51 AM

Image R

esampling, SH

M

13The functional relationship :f1(x) = (a + 2)x3 – (a + 3)x2 +1 for 0 ≤ x ≤ 1

(E-4)f2(x) = ax3 – 5ax2 + 8ax – 4a for 1 ≤ x ≤ 2

(E-5) f3(x) = 0 for x ≥ 2 (E-6)

where : a = free parameter equal to slope of weighting

function at x = 1 (generally a = -0.5 yields best results),

x = absolute value of difference between whole-number row or column and fractional row or column.

The computational process is analogous to that of bilinear interpolation in that it performed first along the rows and then down the single, fractional column.

Cubic Spline Interpolation (2)

04/28/2023 06:51 AM

Image R

esampling, SH

M

14The computation are conveniently expressed in matrix form :

The Computation of Cubic Spline Interpolation (1)

7)-(E

4

3

2

1

44434241

34333231

24232221

14131211

4321

cccc

dddddddddddddddd

rrrrrDc

where : r and c vectors consist of coefficients derived from Eqs. (E-4)

and (E-5), andD matrix contains the digital numbers from 4 X 4 neighborhood

surrounding in the interpolated pixel.• Interpolating across the rows (based on the fractional

column position) is done by forming the product Dc.• Subsequently, r is multiplied by the product to obtain the final

interpolated value. (Interpolating across the columns)

Hasil yang didapatkan adalah 60.66 dan dibulatkan menjadi 61 Hasil yang didapatkan akan berbeda untuk setiap metode yang

dipilih

R = 619.71,C = 493.39

6660

046390410220708730072560

49504552535956515868625365655458

073090826330276620029860 .

....

....

rDc

Perbandingan Metode Image Resampling

Kelebihan KekuranganNearest-neighbor -Merupakan metode

paling cepat -Tidak merubah citra data orisinal

-Penampakan hasil seperti terkotakkan atau kasar

Bilinear -Penampakan hasil lebih halus-Lebih cepat dibanding metode Bicubic

-Tepi wilayah sulit terlihat-Lebih lambat dibandingkan Nearest-neighbor

Bicubic -Metode sampling yang paling teliti-Hasil yang didapat paling halus tanpa menghilangkan detail tepi

-Paling lambat dibandingkan metode lain

IMAGE MATCHING

Digital image matching yaitu pencarian titik/obyek yang sama dari suatu foto lainnya dengan menggunakan perangkat lunak computer

Terdapat 3 kategori digital image matching :1) Metode area-based2) Metode feature-based3) Metode hybrid

Area-based1) melakukan perbandingan secara numeris dari DN dalam

subarrays pada citra2) pendekatan paling umum digunakan dalam system softcopy

Feature-based1) mencakup pencocokan objek dengan mengidentifikasi cirinya

dalam skala yang berbeda, kemudian melakukan perbandingan bentuk dan ukuran

2) perlu kecerdasan lebih dalam mengoperasikan computer3) lebih rumit dibandingkan metode area-based

Hybrid1) kombinasi metode area-based dan feature-based2) penentuan bagian tepi merupakan pra-pengolahan dari citra

kanan dan kiri3) pencocokan citra dilakukan dengan metode area-based

NORMALIZED CROSS-CORRELATION METHOD

Merupakan metode tersimpel dalam penggunaan metode area-based

Perbandingan statistic dihitung berdasarkan DN yang diambil dari subarrays yang berukuran sama pada citra kanan dan citra kiri

NORMALIZED CROSS-CORELATION METHOD

BA

AB

m

1i

n

1j

2

ij

m

1i

n

1j

2

ij

m

1i

n

1jijij

BBAA

BBAAc

____

____

))((

c : correlation coefficient ; m and n : the numbers of rows and columns in the subarrays ; Aij : the digital number from subarray A at row i, column j ; Bij : the digital number from subarray B at row i, column j ;

.subarray in numbers digital all of average the :

.subarray in numbers digital all of average the :

BA

BA

The correlation coefficient : -1 ≤ c ≤ +1 c = +1, perfect correlation

• an exact match

c = -1, negative correlation • identical images from negative & positive

c near zero indicate a nonmatch • comparison of any two sets of random numbers

Usually c < +1, e.g. because of image noise

General threshold value : 0.7• If the c > 0.7, the subarrays are assumed to match.

04/28/2023 06:51 AM

Digital Photogramm

etry Principles, SHM

21Normalized Cross-Correlation Method

Pada kenyataannya mencocokkan obyek pada beberapa citra bukan merupakan hal yang mudah

Beberapa elemen dapat terlihat berbeda pada tiap citra dikarenakan masalah yang berkatian dengan : 1) sensor kamera (noise), 2) citra tampak (halangan, pantulan pada terrain)

Distorsi geometric terjadi dikarenakan :1) perbedaan skala antar 2 foto/citra2) perbedaan parameter rotasi antar 2 foto/citra3) efek kemiringan permukaan4) relief displacement

PENGGUNAAN IMAGE MATCHING PADA FOTOGRAMETRI

Proses orientasi dalam dan relatif -> mencari pasangan titik untuk diamati

Proses triangulasi udara -> mencari pasangan titik ikat yang muncul pada setiap foto

Pembentukan DTM (Digital Terrain Model) -> mencari pasangan titik foto untuk posisi titk DTM

Proses produksi orthofoto dijital -> pada saat mencari titk/obyek yang sama pada tiap citra agar dapat digabungkan dengan baik

Digitasi pada layar monitor -> pembentukan peta garis dari citra dijital

SELESAI