DSMs estratti con OrthoEngine v.10.2

L‟estrazione del modello si compone di due passaggi eseguiti in maniera automatica nei quali l‟intervento dell‟utente è limitato all‟impostazione di pochi parametri.

Inizialmente è necessario generare le immagini epipolari, per le quali si è impostata la risoluzione massima (coincidente con le dimensioni effettive del pixel) al fine di evitare approssimazioni derivanti da un ricampionamento conseguente all‟incremento delle dimensioni del pixel.

Successivamente si è avviato il processo di generazione, per il quale è stato necessario eseguire numerose prove al fine di ottimizzare tutti i parametri. Quelli rimasti costanti durante ogni prova sono i seguenti:

- Background value: -150, valore al bordo nel caso di aree prive di sovrapposzione tra le due immagini della stereocoppia;

- DEM detail: high, valore che vincola il numero di immagini piramidali create e dunque il tempo dell‟elaborazione;

- Output DEM channel type: 32 bit real (in maniera da non perdere la parte decimale del valore di quota);

- Create geocoded DEM: sì, con georeferenziazione nel sistema cartografico UTM WGS84; Per quanto riguarda invece gli altri parametri, sono necessarie alcune considerazioni (ulteriori test sono presenti in [6],[20]):

- Minimum e Maximum elevation: tali parametri dovrebbero essere impiegati dal software per determinare la dimensione della finestra di ricerca usata durante il matching. I valori di default coincidono con quelli dei GCP rispettivamente di quota minima e massima. Lasciandoli però invariati si è riscontrata un‟eccessiva presenza di No Data nel modello estratto; aumentando progressivamente tale range la percentuale di errori è via via calata. L‟anomalia principale consiste comunque nel fatto che, per ridurre le zone di No data, è necessario indicare valori decisamente inferiori e superiori a quelli reali dell‟intera area analizzata (comprensiva della quota degli edifici) (Figura 5-15); ciò fa supporre che fin dai primi step dell‟elaborazione venga calcolata una quota approssimata dei punti correlati con successo, ma se tale valore è esterno ai limiti imposti i punti vengano esclusi dal raffinamento successivo. Riferendosi infatti sempre alla Figura 5-15, in molti casi le aree escluse nei primi due modelli risultano comunque avere, nel modello di destra, quota compresa anche tra i valori più restrittivi (320m).

min elevation: 3m

max elevation: 20m max elevation: 50m min elevation: 1m min elevation: -20m max elevation: 50m Figura 5-15 – IKONOS II: confronto tra le aree di No data (indivate in rosso) per DSMs ottenuti con diversi valori di

quota limite

- Pixel sampling interval: per le immagini pancromatiche: 1 (per valutare le potenzialità delle immagini), 2 (come valore standard), 4 (per un confronto con i modelli estratti dalle bande multispettrali); per le immagini multispettrali: 1.

- Fill holes and filter: parametro che si compone di due fasi, una che consente di editare i pixel contenenti valori di No data con una media dei valori dei pixel adiacenti, l‟altra che esegue un filtraggio su tutto il modello. Inizialmente attivato, è stato poi disabilitato in quanto alcune zone prive di informazioni permangono e soprattutto il filtro finale applicato è un filtro mediano che comporta un‟eccessiva perdita di dettagli soprattutto in ambito urbano.

- Create score channel: se attivato, si crea un raster contenente in ogni pixel il valore della percentuale di correlazione del corrispondente pixel del DSM estratto. Un‟analisi di tale raster dopo una prima fase di validazione dei modelli creati ha mostrato che in molti casi non si ha una corrispondenza diretta tra correlazione ed errore nella quota ottenuta (per pixel con elevata correlazione si possono avere residui elevati rispetto ai punti di controllo e viceversa). Dopo i primi test non si è pertanto più creato tale canale.

- Output option: parametro strettamente legato al valore di correlazione, presenta 3 opzioni: use last value (default), highest correlation, average. DSMs generati impostando la maggior correlazione sono generalmente risultati molto rumorosi, anche se con percentuali di correlazione quasi sempre superiori al 75%; al contrario, DSMs estratti con il valor medio sono risultati assai meno rumorosi ma con percentuali di correlazione molto basse; si è pertanto lasciata l‟impostazione di default in quanto ha prodotto modelli poco rumorosi e caratterizzati da buone percentuali di correlazione.

Mantenute dunque fisse le impostazioni ritenute migliori, sono stati estratti i seguenti modelli utilizzando il metodo rigoroso per la fase di orientamento:

Banda _epipolare Coppia n° GCPs Risoluzione _[px] PAN 1-0 41 1 2 4 41 + 50 TPs 2 R, G, B, NIR 41 ₁ NIR 41 + 50 TPs

Tabella 5-7 - IKONOS II: riassunto dei DSM estratti con OrthoEngine impiegando il modello rigoroso

Analogamente, con il RFM si sono estratti:

Banda _epipolare Coppia n° GCPs _polinomio Ordine Risoluzione _[px]

PAN 1-0 41 0 2 1 2 41 + 50 TPs 0 1 2

Per quanto riguarda i tempi di elaborazione e le dimensioni del file finale, ovviamente il parametro fondamentale è la risoluzione del pixel nel modello estratto. Impiegando una workstation con processore Intel Xeon Quad-core da 2.66 GHz, 8 GB DDR2 di memoria RAM e sistema operativo Windows XP 64 bit i valori sono risultati essere pari a:

Generazione immagini epipolari

Stereocoppia Dimensione file .TIF Tempi di elaborazione

Pan 2 x 250MB 5 min

Multispettrale 2 x 16 MB 1 min

Generazione DSM Risoluzione

[px] Dimensione file .TIF score channel Dimensione Dimensione progetto * elaborazione Tempi di Pan

1 200 MB 102 MB 1.65 GB 3.5 ore

2 50 MB 25.5 MB 785 MB 1.5 ore

4 13 MB 6.5 MB 550 MB 20 minuti

Multispettrale 1 13 MB 6.5 MB 110 MB 10 minuti

Tabella 5-9 - IKONOS II: riassunto di tempi di elaborazione e dimensioni dei progetti creati con OrthoEngine (*: i valori sono calcolati senza considerare la dimensione del file .TIF relativo allo score channel)

Il primo controllo sul modello estratto si ha analizzando il report dell‟elaborazione, nel quale sono riportati i parametri impostati, ma soprattutto la percentuale di correlazione positiva dei punti immagine ed un controllo sulle quote dei punti usati durante l‟orientamento, con il calcolo delle differenze tra la quota nota del singolo punto (GCP o CP) e quella ottenuta nel modello. I risultati sono riportati in Tabella 5-10 e Tabella 5-11.

DEM PAN NIR R, G, B

1 px 2 px 4 px 1 px 1 px

n° GCPs 41 41 41 41 41 41 41

n° TPs 50 \ 50 50 \ 50 50

DEM corr succ % 0.9871 0.9869 0.9876 0.9870 0.9988 0.9985 0.9947

GCPs

Mean [m] 0.1 0.3 0.2 0.2 0.2 0.2 0.3

RMSE [m] 1.5 1.3 0.9 1.3 1.3 1.3 2.3

Max [m] 3.5 6.6 2.4 3.5 4.4 4.3 7.8

Tabella 5-10 – IKONOS II: riassunto dei report della fasse di estrazione dei DSM con OrthoEngine col modello rigoroso

DEM ordine 0 ordine 1 ordine 2

n° GCPs 41 41 41 41 41 41

n° TPs \ 50 \ 50 \ 50

DEM corr succ % 0.9887 0.9887 0.9881 0.9883 0.9882 0.9887

GCPs

Mean [m] 0.0 0.0 0.1 0.8 0.0 0.9

RMSE [m] 0.8 0.8 0.7 1.1 0.7 1.2

Max [m] 2.3 2.3 2.4 2.9 2.5 3.4

Tabella 5-11 – IKONOS II: riassunto dei report della fasse di estrazione dei DSM con OrthoEngine con RFM

Dal confronto tra quote note e quote ricavate durante il matching di tutti i 41 GCPs sembrerebbe esserci sempre una buona corrispondenza: con il metodo rigoroso i RMSEs si mantengono pressoché costanti per i modelli pancromatici, con residui migliori per il modello estratto con passo di 2 pixel e l‟impiego dei TPs (al contrario, il corrispondente modello estratto senza punti omologhi è quello che mostra il massimo errore sui residui). Stessi risultati, con errori massimi un po‟ più elevati, si

ottengono con il modello derivante da immagini NIR; al contrario, con le bande RGB si ha un valor medio di 1m superiore ed errori massimi più che doppi. Valori in generale migliori sembrano derivare con l‟impiego dei modelli razionali, con una sostanziale equivalenza al variare degli ordini.

Altro dato da considerare è la percentuale di correlazione ottenuta, che in tutti i modelli è prossima al 99%, mostrando dunque al momento un buon funzionamento dell‟algoritmo di matching implementato nel software

Poiché nelle opzioni è possibile caricare più stereocoppie contemporaneamente, si è provato ad usare simultaneamente la pancromatica con le multispettrali. Si è però capito che tale opzione permette solo di mosaicare più stereocoppie di aree adiacenti, poiché il software analizza una stereocoppia alla volta, andando dunque a sovrapporre le informazioni ottenute da quella precedente se le aree coincidono (variando infatti l‟ordine in cui si sono state caricate le stereocoppie, il modello finale coincideva con quello precedentemente estratto impiegando solamente l‟ultima).

Ulteriori prove sono state condotte impiegando anche la tecnica del Pan-sharpening, generando un‟unica immagine a 4 bande con risoluzione spaziale di 1m. Non potendo elaborarle contemporaneamente, le stereocoppie di ciascuna banda sono state nuovamente elaborate, ma i DSMs estratti non mostravano miglioramenti significativi rispetto a quelli generati dalle immagini originali. imma gin e or igin ale DS M pas so 1m DS M pas so 2m DS M pas so 4m

Figura 5-16 - IKONOS II: confronto tra DSMs estratti co differente risoluzione

Analizzando quindi i modelli estratti, all‟aumentare del passo si nota un effetto di smoothing generalizzato a causa dell‟interpolazione dei dati di partenza, con riduzione dei picchi (positivi e negativi) dovuti ad outliers ma anche con una riduzione nella definizione delle infrastrutture e degli

- diverse aree agricole (Figura 5-17);

- diverse strade (anche in rilevato) ed in particolare l‟autostrada A13 (Figura 5-17); - zone alberate in prossimità dell‟argine del fiume Po (Figura 5-18);

- le aree maggiormente edificate.

a b c d

Figura 5-17 - IKONOS II: due esempi di errori di matching nel DSM estratto per autostrada ed aree coltivate; immagine originale (a, c), DSM estratto (b, d)

Figura 5-18 - IKONOS II: immagine (a sinistra), esempi di errori nel DSM estratto: zone alberate (a destra)

In relazione a campi e zone alberate, le quote nei modelli pancromatici risultano fortemente rumorose, con picchi positivi e negativi derivanti dall‟incapacità dell‟algoritmo di matching di correlare correttamente punti in zone con texture molto variabile e pattern regolare; al contrario, nel modello NIR tale fenomeno risulta smorzato, con un andamento altimetrico molto più omogeneo e corretto come valori di quota. Per quanto riguarda i tratti stradali, inizialmente si è attribuita la colpa degli errori nel matching a veicoli in movimento; un‟analisi più attenta ha però mostrato un‟alternanza nelle quote di picchi e buchi (non solo aree con FailureValue ma anche valori dell‟ordine di -10m)

non giustificabile in tale modo. Le aree urbane infine rappresentano come già detto (§4.6) un problema tipico per gli algoritmi di matching, a causa della presenza di ombre e di un numero di dettagli molto elevato (con parallassi molto variabili in funzione dell‟altezza e della geometria di presa). Nei modelli pancromatici gli isolati risultano tutti uniti a formare un unico blocco, perdendo la definizione del reticolo stradale, che sembra invece maggiormente percepibile nei modelli NIR.

Per provare a rimediare a tali errori prima della fase di validazione si sono dunque testate anche le procedure di editing manuale disponibili in Focus [6]. In tutti i casi, però, l‟operazione non è risultata soddisfacente in quanto:

- i filtri applicati sull‟intera immagine vanno a modificare i valori di quota anche in tutte le aree corrette, non mostrando peraltro significativi miglioramenti nelle aree problematiche (anche con l‟impiego di più filtri in successione);

- la definizione di maschere per ridurre l‟area di applicazione del filtro risulta essere troppo lenta in quanto deve essere realizzata manualmente all‟interno del modulo Focus (anche maschere delle aree con No Data Value estratte in ArcMap in modo automatico non hanno potuto essere implementate).

Si è pertanto abbandonata l‟ipotesi di correggere mediante Focus i modelli estratti, cercando invece procedure implementabili direttamente in ambiente GIS. Impiegando solamente i modelli derivanti dalle bande pancromatica e NIR, mediante il modulo Spatial Analyst del software Arcview si è implementata una procedura per eliminare le aree di No Data presenti nel DSM pancromatico con risoluzione 1m. Basandosi sul fatto che le zone di No data:

- sono inferiori nel DSM pancromatico con risoluzione 4m rispetto a quello estratto ad 1 m; - sono in zone diverse nel DSM estratto dalla banda NIR rispetto a quelli derivanti dalle

immagini pancromatiche;

i passaggi implementati eseguono le seguenti operazioni:

- sostituzione dei pixel con No data (quota pari a -100m) del DSM pancromatico a 4m con i corrispondenti valori del DSM estratto dalle immagini NIR;

- ricampionamento del modello così ottenuto ad una risoluzione di 1m, in modo da poter sovrapporre i pixel con quelli del DSM pancromatico a passo 1m;

- sostituzione dei pixel con No data del DSM pancromatico a 1m con i corrispondenti valori del DSM appena ricampionato.

Nei paragrafi successivi tale modello sarà indicato con PAN_1m*.

Ultima serie di prove eseguite è stata relativa all‟enhancement delle immagini pancromatiche originali al fine di identificare un filtro tale da ridurre o eliminare del tutto i problemi riscontrati durante la fase di matching. Utilizzando sempre il modulo Focus, sono state così eseguite diverse prove implementando filtri di Sobel e di enfatizzazione del contrasto: in entrambi i casi i nuovi

coperture specifiche (tali da far pensare ad un loro utilizzo come possibili maschere nella fase di editing implementata in ArcMap).