inderaja modul 2 dimas

5/17/2018 inderaja modul 2 dimas - slidepdf.com

http://slidepdf.com/reader/full/inderaja-modul-2-dimas 1/61

BAB III

MATERI DAN METODE

3.1 Waktu Dan Tempat

Hari/Tanggal : Selasa, 22 Maret 2011

Waktu : 13.20-selesai

Tempat : Laboratorium Komputasi, Gedung E Kampus FPIK, Semarang

3.2 Materi

Pada praktikum Pengindraan Jauh modul II, dipelajari:

1. Penyesuaian Histogram

2. DPC ( Dark Pixel Correction)

3. EDPC ( Enhanced Dark Pixel Correction)

4. Cut Off

3.3 Metode

3.3.1 Penyesuaian Histogram

1. Pertama kita buka software ER Mapper



2. Kemudian klik icon Edit Algorithm.

3. Setelah itu maka muncul dua buah jendela. Pada jendela Algorithm

kita ganti nama Description dengan Nama_NIM kita kemudian klik

Load Dataset untuk memasukan data citra yang akan kita olah

4. Muncul jendela Raster Dataset, kita klik volumes untuk memasukan

data. Kita akan mengolah data yang berasal dari folder

SHARED_DATA, kita pilih Landsat_TM_28Apr85.ers, klik OK.



Maka pada jendela layer muncul citra yang akan kita olah

5. kita duplicate pseudo layer menjadi

6. Kita ganti nama Pseudo Layer menjadi Band 1 hingga Band 7, tanpa

Band 6.



7. Kemudian kita sesuaikan antara Band 1 dengan B1:0.485_um, Band 2

dengan B2:0.56_um, Band 3 dengan B2:0.66_um, Band 4 dengan

B4:0.83_um, Band 5 dengan B5:1.65_um, dan Band 7 dengan

B7:2.215_um.

8. Apabila sudah sesuai kita klik Band 1 kemudian klik Edit Transform

Limits

Muncul sebuah jendela transform



9. Pada Band 1 Kita klik Edit Formula

Maka akan muncul jendela Formula Editor

10. Pada jendela Formula Editor INPUT1 kita kurangi dengan 68, sesuai

data pada Actual Input Limit yang ada pada jendela Transform,

setelah dikurangi kita klik Apply Changes. Data pada Actual Input

Limits ini akan berbeda pada masing masing Band , maka kita lakukan

hal yang sama pada Band 2 hingga Band 7 .



11. Maka layer citra menjadi :

12. Klik Edit Transform Limits pada jendela Algorithm. Lalu klik Edit

pada jendela Transform dan klik Delete this transform. Lakukan hal

yang sama hingga Band 7

13. Setelah semua selesai kita klik file lalu save



14. Kemudian hasil simpanan kita beri nama

Histogram_DimasWahyuAnggara_26020210130111 Pada files of type

kita pilih Er Mapper Raster Dataset. Klik OK

15. Muncul jendela baru Kita klik Defaults lalu OK

16. Apabila berhasil kita simpan maka muncul jendela seperti dibawah,

maka kita klik OK



17. Setelah selesai kita Close semua jendela kecuali jendela Er Mapper.

Apabila sudah kita close kita klik icon Edit Algorithm lagi.

18. Kita masukan lagi data yang baru saja kita simpan, klik Load Datasetpada jendela Algorithm.

19. Kita pilih data yang baru saja kita simpan, yaitu

Histogram_DimasWahyuAnggara_26020210130111.ers, kita klik OK



20. Kita klik Edit Transform Limits pada jendela Algorithm

21. Setelah itu kita periksa pada semua band, apakah nilai Actual InputLimits memenuhi batas toleransi nilai Actual Input Limits yaitu sekitar

-3 sampai 3. Apabila nilainya berkisar di antara itu maka sudah benar.



3.3.2 Dark Pixel Correction

1. Pertama kita masukan Toolbar Remote Sensing, dengan cara klik

Toolbars, checklist pada Remote Sensing

2. Kemudian kita klik icon Land Application Wizard yang ada pada

window ER Mapper

3. Muncul jendela Land Application Wizard, klik Next



4. Kita checklist Process TM imagery klik Next

5. Kemudian kita checklist Atmospheric Effect Correction, klik Next

6. Checklist pada Dark Pixel Correction, klik Next lagi



7. Pada Specify an input TM dataset kita masukan data

Landsat_TM_23Apr85

8. Pada Specify an output filename, kita isi dengan nama

DPC_BelumKoreksi_DimasWahyuAnggara_26020210130111,

kemudian kita simpan pada folder yang telah kita buat sebelumnya

kemudian kita klik OK, setelah itu kita klik Finish.



Maka akan muncul jendela seperti dibawah

9. Klik Edit Algorithm

10. Setelah itu kita klik cut pada DPC_M6



11. Pada DPC_TM1 kita klik Edit Transform Limits

Muncul jendela seperti dibawah

12. Kemudian kita klik Edit pilih Delete This Transform

kita lakukan hal yang sama pada DPC_TM2, DPC_TM3, DPC_TM4,

DPC_TM5, DPC_TM7.



13. Setelah selesai kita klik file pilih save as

14. Kita beri nama

DPC_SudahKoreksi_DimasWahyuAnggara_26020210130111 pada

folder yang sudah kita buat sebelumnya dan klik OK



15. Muncul jendela seperti dibawah kemudian klik Defaults lalu OK

Muncul jendela baru seperti di bawah ini, klik OK

16. Tutup semua jendela kecuali jendela ER Mapper

17. Kita klik Edit Algorithm



18. Setelah itu kita klik Load Dataset

19. Kita pilih data

DPC_SudahKoreksi_DimasWahyuAnggara_26020210130111.ers

20. Muncul citra yang sudahdikoreksi:



21. Klik Edit Transform Limits untuk melakukan pemeriksaan terhadap

nilai atmospheric

22. Setelah itu kita periksa pada semua band, apakah nilai Actual Input

Limits memenuhi batas toleransi nilai actual input limits yaitu

sekitar -3 sampai 3. Apabila nilainya berkisar di antara itu maka

sudah benar.

3.3.3 Enhanced Dark Pixel Correction (Chavez)

1. Pertama kita klik icon Land Application Wizard



2. Muncul jendela baru lalu kita klik Next

3. Kemudian pilih Process TM imagery lalu klik Next

4. Kita pilih Dark Pixel Correction lalu klik Next lagi



5. Kita pilih Enhanced Dark Pixel Correction (Chavez) kemudian kita

klik Next

6. Kemudian kita masukan data Landsat_TM_23Apr85.ers, klik Next



Maka muncul dua buah jendela baru

7. Kemudian pada Type in the Cut-Off value of the Initial band kita

masukan nilai 67, nilai ini sesuai dengan nilai pada Actual Input

Limits, kemudian klik next

8. Pada Select an option kita pilih nilai yang sesuai yaitu Clear (TM1 >

<=75). Kemudian klik Finish



9. Setelah itu klik file pilih save as

10. Kita beri nama

EDPC_BelumKoreksi_DimasWahyuAnggara_26020210130111

dan pada files of type pilih ER Mapper Raster Dataset (.ers)



11. Muncul citra seperti berikut :

12. Klik Cut pada TM6



13. Klik Edit Transform Limit, kemudian pada Atm Adjusted1 hingga

Atm Adjusted7 kita klik Delete This Transform

14. Setelah semua selesai kita simpan dengan klik file pilih save as

15. Kita beri nama

EDPC_SudahKoreksi_DimasWahyuAnggara_26020210130111.ers

pada folder yang sudah kita buat sebelumnya dan pada files of type

pilih ER Mapper Raster Dataset (.ers)



16. Kemudian muncul jendela berikut, kita klik Defaults lalu OK

Muncul jendela baru lalu klik OK

17. Kita tutup semua jendela kecuali jendela ER Mapper kemudian kitaperiksa kembali data yang sudah kita simpan tadi, klik Edit

Algorithm.



18. Kita klik Load Dataset untuk memasukan data yang terakhir kita

simpan.

19. Kita pilih file EDPC_SudahKoreksi_DimasWahyuAnggara_26020210130111.ers

Muncul citra seperti berikut:



20. Kita klik Edit transform limits pada jendela Algorithm untuk

memeriksa kembali semua band, apakah nilai Actual Input Limits

memenuhi batas toleransi nilai actual input limits yaitu sekitar -3

sampai 3. Apabila nilainya berkisar di antara itu maka sudah benar.

3.3.4 Cut Off Values (Scattergram)

1. Pertama kita klik icon Land Application Wizard.



2. Muncul jendela Land Aplication Wizard setelah itu kita klik Next

3. Muncul jendela baru setelah itu kita pilih Process TM imagery laluklik Next

4. Muncul jendela baru setelah itu kita pilih Atmospheric Effect

Corection lalu klik Next



5. Kita pilih Cut-Off Values (Scattergram) , klik Next

6. Pada Specify an input TM dataset kita pilih

Landsat_TM_23Apr85.ers dari folder Shared_Data lalu klik OK



7. Pada Specify an output filename Kita isi dengan nama

CutOff_BelumKoreksi_DimasWahyuAnggara_26020210130111

dan pada files of type kita pilih ER Mapper Raster Dataset (.ers),

kemudian klik Next

8. Muncul jendela seperti berikut



9. Kemudian kita masukan nilai yang tertera pada Actual X axis (B1)

Input limits dan Actual Y Axis (B2) Input Limits ke dalam Specify

Cut-Off for TM1 dan Specify Cut-Off for TM2

10. Kemudian klik Setup pada jendela Scattergram, maka muncul

jendela baru, maka kita masukan data dari B30.66_um pada X Axis

dan B4:0.83_um pada Y Axis.



11. Kita masukan nilai yang tertera pada Actual X axis (B3) Input limits

dan Actual Y Axis (B4) Input Limits ke dalam Specify Cut-Off for

TM3 dan Specify Cut-Off for TM4

12. Kita masukan data dari B5:1.65_um pada X Axis dan B7:2.25_um

pada Y Axis.



13. Kita masukan nilai yang tertera pada Actual X axis (B5) Input limits

dan Actual Y Axis (B7) Input Limits ke dalam Specify Cut-Off for

TM5 dan Specify Cut-Off for TM7, setelah semua selesai kita klik

finish

14. Muncul citra baru seperti berikut:



15. kemudian klik icon Edit Algorithm

16. Kemudian muncul jendela baru, kita klik cut pada TM6

17. Kemudian klik Edit Transform limits, muncul jendela Transform,

kemdian klik edit, pilih Delete this transform. Kita lakukan hal yang

sama mulai dari Atm Adjusted1 hingga Atm Adjusted7



18. Setelah semua selesai kita klik file lalu save as

19. Kita beri nama

CutOff_SudahKoreksi_DimasWahyuAnggara_26020210130111.er

s dan pada files of type pilih ER Mapper Raster Dataset (.ers) klik OK

20. Klik Default lalu klik OK



21. Muncul jendela baru seperti berikut :

22. Tutup semua jendela kecuali jendela ER Mapper lalu Klik icon Edit

Algorithm.

23. Klik Load dataset untuk memasukan data yang sudah kita simpan

tadi.



24. Kita pilih data

CutOff_sudahkoreksi_DimasWahyuAnggara_26020210130111.ers

lalu klik OK

25. Muncul citra baru seperti berikut :



26. Kita klik Edit transform limits untuk memeriksa kembali semua

band, apakah nilai Actual Input Limits memenuhi batas toleransi nilai

actual input limits yaitu sekitar -3 sampai 3. Apabila nilainya berkisar

di antara itu maka sudah benar.



BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil


Tabel 4.1 Perbedaan nilai atmospheric sebelum dan sesudah di

koreksi

Band Min Max

Sebelum Sesudah Sebelum Sesudah

1 68 1 255 187

2 21 1 223 202

3 15 1 254 239

4 4 1 220 216

5 2 1 255 253

7 1 1 247 249

Citra hasil koreksi histogram



Band 1

Sebelum koreksi Sesudah koreksi

Band 2


Band 3




Band 4


Band 5


Band 7




4.1.2 Dark Pixel Correction (DPC)

Tabel 4.2 Perbedaan nilai atmospheric sebelum dan sesudah di koreksi

Band Min Max


1 1 1 188 255

2 1 2 203 255

3 0 2 239 255

4 0 3 215 255

5 0 1 253 255

7 0 1 234 255

Citra hasil koreksi Dark Pixel Correction (DPC)



Band 1


Band 2


Band 3




Band 4


Band 5


Band 7




4.1.3 Enchanched Dark Pixel Correction (EDPC)


Band Min Max


1 1 1 188 188

2 -6,08 1 195,91 196

3 -9,88 1 229,11 229

4 -13,11 1 202,88 203

5 -28,11 1 224,88 225

7 -30,22 1 215,77 216

Citra hasil koreksi Enchanched Dark Pixel Correction (EDPC)



Band 1


Band 2


Band 3




Band 4


Band 5


Band 7




4.1.4 Cut Off


Band Min Max


1 0 1 187 255

2 0 2 202255

3 0 2 239255

4 -1 3 215255

5 1 1 254 255

7 0 1 246255

Citra hasil koreksi Cut Off



Band 1


Band 2


Band 3




Band 4


Band 5


Band 7




4.2 Pembahasan


Pada praktikum kali ini dengan materi penyesuaian Histogram, kitamenggunakan data citra Landsat_TM_28Apr85.ers untuk mendapatkan

nilai atmospheric sebelum dilakukan koreksi. Sedangkan nilai atmospheric

sesudah dilakukan koreksi didapatkan dari hasil pengurangan nilai

minimum atmospheric sebelum dilakukan koreksi yang tertera pada nilai

Actual Input Limits. Dari histogram bisa diketahui nilai piksel terendah

saluran tersebut, asumsi yang melandasi metode ini adalah bahwa dalam

proses coding digital oleh sensor, obyek yang memberikan respon spektral

paling lemah atau tidak memberikan respon sama sekali seharusnya

bernilai nol. Apabila nilai ini ternyata >0 maka nilai terserbut dihitung

sebagai offset, dan koreksi dilakukan dengan mengurangi keseluruhan nilai

pada saluran tersebut dengan offset nya

4.2.2 Dark Pixel Correction (DPC)

Dark Pixel Correction (DPC) adalah koreksi sederhana untuk

menghilangkan pengaruh atmosfer yang cenderung memperbesar nilai

pixel. Salah satu cara untuk mengkoresi efek atmosfer adalah

mengidentifikasi bayangan pixel, menemukan nilai DN ( Digital Number )

dan mengubahnya menjadi 0 dan atur semua pixel lainnya setelah

melakukan koreksi terhdap Dark Pixel Correction (DPC) . Hal yang harus

diperhatikan adalah melakukan pemeriksaan pada semua band, apakah

nilai minimum pada Actual Input Limits memenuhi batas toleransi nilai

actual input limits yaitu sekitar -3 sampai 3. Apabila nilainya berkisar di

antara itu maka sudah benar.

4.2.3 Enhanced Dark Pixel Correction (EDPC)

Enhanced Dark Pixel Correction (EDPC) digunakan mengkoreksi

‘kesalahan’ radiometrik dari suatu citra dengan enhance sebagai hasilnya

lebih diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan

masing-masing band dengan minimum digital number value nya, maka



setiap band akan memiliki minimal digital number dari nol. Nilai TM yang

digunakan adalah TM 1 karena dianggap sudah mewakili nilai TM lainnya

dan juga merupakan acuan. Pada metode ini ada beberapa pilihan

pembersihan untuk citra, dan kali ini kita menggunakan koreksi Clear

dengan syarat nilai TM 1 > 55 <= 75. Sama seperti Dark Pixel Correction (DPC) setelah melakukan koreksi terhdap Enhanced Dark Pixel

Correction (EDPC) . Hal yang harus diperhatikan adalah melakukan

pemeriksaan pada semua band, apakah nilai minimum pada Actual Input

Limits memenuhi batas toleransi nilai actual input limits yaitu sekitar -3

sampai 3. Apabila nilainya berkisar di antara itu maka sudah benar.

4.2.4 Cut Off

Cut Off Scattergram digunakan untuk mengoreksi citra. Pada Cut

Off dapat menampilkan data pixel citra dalam bentuk scattergram. Dalam

praktikum seharusnya didapat nilai minimal atmospheric 1, tetapi didapat

nilai atmospheric 66 pada Band 7, hal ini dimungkinkan akibat kesalahan

praktikan dalam mengolah citra. Cara untuk menggunakan metode ini

dengan memasukkan nilai minimum pada tiap Band pada window

Scattergram. Cahaya yang berasal dari sinar matahati memiliki panjang

gelombang berbeda. Makin besar panjang gelombang, maka semakin

besar juga kemampuannya untuk menembus gangguan.



BAB I

PENDAHULUAN

1.1 Latar Belakang

Tidak semua citra dapat terekam satelit dengan sempurna. Ada beberapa

kemungkinan yang menyebabkan citra tersebut tidak terekam sempurna oleh

satelit misalnya terjadi kesalahan yang berasal dari sensor yang digunakan. Oleh

karena itu kita harus selalu melakukan koreksi terhadap citra. Koreksi yang akan

kita pelajari dalam praktikum ini adalah koreksi radiometrik.

Koreksi radiometri ditujukan untuk memperbaiki nilai piksel supaya sesuai

dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan

atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai

pantulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan

merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan

atau lebih kecil karena proses serapan. Metode-metode yang sering digunakan

untuk menghilangkan efek atmosfer antara lain metode pergeseran histogram

(histogram adjustment), metode regresi dan metode kalibrasi bayangan.

Pada praktikum ini dilakukan beberapa macam koreksi yang dilakukan ER

Mapper 7.0 telah menyediakan cara mudah untuk melakukan koreksi dari

radiometri,penyesuaian histogram, Dark Pixel Correction, Enhanced Dark Pixel

Correction (chaves), Cut Off values (scattergram). Semua jenis koreksi ini untuk

mengurangi hamburan yang terjadi pada atmosfer.

1.2 Tujuan Praktikum

1. Mengetahui cara mengoreksi suatu citra dengan Dark Pixel Correction

(DPC), Enhanced Dark Pixel Correction (EDPC) dan Cut Off Scattergram.



BAB II

TINJAUAN PUSTAKA

2.1 Koreksi Radiometrik

Koreksi radiometrik bertujuan untuk memperbaiki kualitas visual citra,

sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan

obyek yang sebenarnya. Koreksi radiometrik bisa dilakukan dengan berbagai cara

yaitu:penyesuaian histogram, penyesuaian regresi, dan kalibrasi bayangan.

Koreksi radiometrik diperlukan atas dasar dua alasan, yaitu untuk memperbaiki

kualitas visual citra dan sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai

dengan nilai pantulan atau pancaran spektral obyek yang sebenarnya. Koreksi

radiometrik citra yang ditujukan untuk memperbaiki kualitas visual citra berupa

pengisian kembali baris yang kosong karena drop out baris maupun kesalahan

awal pelarikan (scanning). Baris atau bagian baris yang bernilai tidak sesuai

dengan yang seharusnya dikoreksi dengan mengambil nilai piksel atau baris diatas

dan dibawahnya kemudian dirata-rata (Sutanto, 1987).

Metode yang digunakan dalam penelitian ini adalah metode penyesuaian

histogram. Pemilihan metode ini dilandasi oleh alasan bahwa metode ini cukup

sederhana, waktu yang digunakan untuk pemrosesan lebih singkat dan tidak

memerlukan perhitungan matematis yang rumit. Asumsi dari metode ini adalah

dalam proses koding digital oleh sensor , obyek yang memberikan respon spektral

yang paling rendah seharusnya bernilai 0. Apabila nilai ini ternyata melebihi

angka 0 maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan dengan

mengurangi seluruh nilai pada saluran tersebut dengan offset -nya.

Gambar 1. Grafik Histogram Sebelum Koreksi Radiometrik

http://lh4.ggpht.com/_2DWRA34C7S4/SWnPaX-tBAI/AAAAAAAAALc/v-DldBXyzvU/s144/Gambar%204.10%20grafik%20Histogram%20Sebelum%20Koreksi%20Radiometrik.gif



Dari ketiga grafik histogram tersebut, angka yang terlihat pada Actual Input

Limits yaitu angka 65 merupakan nilai piksel terendah dan angka 254 adalah nilai

piksel tertinggi untuk band merah, 30 to 254 untuk hijau dan 8 to 254 untuk biru.

Menurut metode Histogram Adjustment, nilai piksel terendah haruslah nol (0) dan

bila tidak demikian berarti nilai tersebut adalah nilai bias yang dapat dijadikan

dasar dalam melakukan koreksi radiometrik citra.

Setelah mengetahui nilai bias dari citra, maka pada Algorithm

Window melalui Formula Editor , semua nilai (65:red,30:green, dan 8:blue)

tersebut dikurangkan dengan INPUT1 hingga menjadi 0. Pada gambar 4.11,

menunjukkan perubahan grafik histogram setelah koreksi radiometrik dimananilai input terndah adalah 0 (red: 0 to 179, green: 0 to 179, dan blue: 0 to 248).

Gambar 2. Grafik Histogram Setelah Koreksi Radiometrik

Gambar 4.12 menampilkan hasil layout peta citra SPOT4 Kabupaten

Takalar yang merupakan hasil dari koreksi Radiometri dan Geometrik dalam

komposit R:3, G:2, dan B1.

Gambar 3. Citra Satelit SPOT 4 Setelah Koreksi Radiometrik dan Geometrik

(Anonim, 2012)

http://lh5.ggpht.com/_2DWRA34C7S4/SWnS-odx-OI/AAAAAAAAALs/50MhnXGvblA/s144/Gambar%204.12%20Citra%20Satelit%20SPOT%204%20Setelah%20Koreksi%20Radiometrik%20dan%20Geometrik.GIF

http://lh3.ggpht.com/_2DWRA34C7S4/SWnS-qxXgjI/AAAAAAAAALk/t6JDEHsppsw/s144/Gambar%204.11%20Grafik%20Histogram%20Setelah%20Koreksi%20Radiometrik.gif

http://lh5.ggpht.com/_2DWRA34C7S4/SWnS-odx-OI/AAAAAAAAALs/50MhnXGvblA/s144/Gambar%204.12%20Citra%20Satelit%20SPOT%204%20Setelah%20Koreksi%20Radiometrik%20dan%20Geometrik.GIF

http://lh3.ggpht.com/_2DWRA34C7S4/SWnS-qxXgjI/AAAAAAAAALk/t6JDEHsppsw/s144/Gambar%204.11%20Grafik%20Histogram%20Setelah%20Koreksi%20Radiometrik.gif



2.2 Penyesuaian Histrogram

Metode ini paling sederhana,hanya dengan melihat histogram tiap saluran

secara independen. Dari histogram bisa diketahui nilai piksel terendah saluran

tersebut, asumsi yang melandasi metode ini adalah bahwa dalam proses coding

digital oleh sensor, obyek yang memberikan respon spektral paling lemah atau

tidak memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini

ternyata >0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan

dengan mengurangi keseluruhan nilai pada saluran tersebut dengan offset nya

(Sutanto, 1987).

2.3 Penyesuaian Regresi

Penyesuaian regresi (regression adjusment ) pada prinsipnya menghendaki

analisis untuk mengidentifikasi objek bayangan atau air jernih pada citra yang

akan dikoreksi. Nilai kecerahan pada objek dari setiap saluran di plotkan dalam

sumbu koordinat secara berlawanan arah antara saluran tampak (seperti TM

saluran 1, 2, 3) dan saluran infra merah (seperti TM 4,5,7). Pada diagram ini garis

lurus dibuat menggunakan teori least.square. perpotongannya dengan sumbu X

akan menunjukkan besarnya nilai bias demikian seterusnya untuk saluran yang

lain.

Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak selalu

naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai objek yang

ideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkan

dengan teknik penyesuaian histogram hasilnya tidak jauh berbeda (Anonim, 2012)

2.4 DPC ( Dark Pixel Correction)

Dark pixel correction adalah koreksi sederhana untuk menghilangkan

pengaruh atmosfir yang cenderung memperbesar nilai pixel. Penggunaan dark

pixel correction merupakan metode sederhana untuk menghilangkan efek



atmosfer yang menjadi sumber utama dari perbedaan nilai pixel masing – masing

ciitra yang akan dimosaik (Anonim, 2012).

2.5 EDPC ( Enchanted Dark Pixel Correction)

Hasil akurat dari deteksi perubahan terhadap dua atau lebih citra waktu

ditentukan oleh beberapa faktor; seperti citra yang se Band ing, citra yang dapat

diinterpretasikan, dan metode untuk mendapatkan perbedaan yang bermakna dari

deteksi perubahan citra. Pixel ke pixel antara citra biasa ditampilkan untuk

mendapatkan citra yang baik. Dark pixel correction ditampilkan untuk

mengkoreksi ‘kesalahan’ radiometrik dari suatu citra, maka enhance sebagai

hasilnya lebih diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan

masing – masing Band dengan minimum digital number value – nya, maka setiap

Band akan memiliki minimal DN dari nol. (Anonim, 2012)



BAB V

KESIMPULAN

1. Tidak semua citra dapat direkam oleh satelit dengan sempurna untuk itu

harus dilakukan koreksi citra agar didapatkan hasil pengolahan yang

sempurna. Dalam praktikum kali ini koreksi citra yang dilakukan adalah

koreksi radiometrik.

2. Koreksi radiometrik bertujuan untuk memperbaiki kualitas visual citra,

sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai

pantulan obyek yang sebenarnya.

3. Cara-cara untuk melakukan koreksi radiometri :

a. Penyesuaian Histogram

b. DPC ( Dark Pixel Correction)

c. EDPC ( Enhanced Dark Pixel Correction)

d. Cut Off

4. Dark Pixel Correction (DPC) digunakan untuk mengkoreksi piksel-peksel

yang berwarna gelap akiba pengaruh atmosfir yang cenderung

memperbesar nilai piksel.

5. Enhanced Dark Pixel Correction (EDPC) digunakan mengkoreksi

‘kesalahan’ radiometrik dari suatu citra dengan enhance sebagai hasi lnya

lebih diinterpretasi untuk aplikasi tertentu.



DAFTAR PUSTAKA

Sutanto. 1987. Penginderaan Jauh Dasar . Jilid I. Gadjah Mada University

Press.Yogyakarta.

http://www.bakosurtanal.go.id/upl_document/Application%20of%20Markov.pdf,

diakses 19/04/2012 pukul 19.30 WIB

http:/ /www.batan.go.id/ptrkn/file/ diakses 19/04/2012 pukul 19.37 WIB

http:/ / Koreksi-Radiometrik . http://konturgeo.blogspot.com. diakses 19/04/2012

pukul 19.39 WIB

http://www.bakosurtanal.go.id/upl_document/Application%20of%20Markov.pdf

http://www.batan.go.id/ptrkn/file/

http://f/modul%202/Koreksi-Radiometrik.%20http:/konturgeo.blogspot.com.%20diakses%2019/04/2012%20pukul%2019.39






http://www.batan.go.id/ptrkn/file/

http://www.bakosurtanal.go.id/upl_document/Application%20of%20Markov.pdf



LAPORAN RESMI

PRAKTIKUM PENGINDERAAN JAUH

KOREKSI RADIOMETRI

OLEH :

DIMAS WAHYU ANGGARA

26020210130111

SHIFT 3

PROGRAM STUDI OSEANOGRAFI

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2012

inderaja modul 2 dimas

Documents

Transcript of inderaja modul 2 dimas