تتضمن عمليات التحويل المرئي عادةً وظائف إدارة البيانات متعددة النطاقات سواء كانت تنشأ من مرئي واحد متعدد النطاقات أو من مرئيات متعددة في نفس المنطقة التي تم اكتشافها عدة مرات، في كلتا الحالتين يؤدي تحويل النتائج المرئية إلى صورة مرئية “جديدة” تهدف إلى التركيز على أهداف محددة أو خصائص مهمة وإظهارها بشكل أفضل من الصورة المرئية الأصلية.
وظائف التحويل المرئي
تطبق وظائف التحويل المرئي الأساسي عمليات حسابية بسيطة على البيانات المرئية، على سبيل المثال يُستخدم الطرح المرئي عادةً لإظهار التغييرات التي حدثت للعناصر المرئية في تواريخ متعددة، في الشكل التالي يتم طرح قيمة الإضاءة للخلية في الصورة المرئية الأولى من قيمة الإضاءة لخلايا الصورة المرئية الثانية.
من خلال إعادة المقياس إلى الصورة الناتجة عن طريق إضافة قيمة ثابتة (127 في حالتنا وهي قيمة النصوع للون الرمادي المتوسط) إلى القيم الناتجة لعملية الطرح ننتهي في صورة بصرية مختلفة جديدة، في هذه الصورة المرئية سيكون للخلايا ذات التغيير البسيط أو بدون تغيير بين المرئيتين الأصليتين قيمة نصوع تبلغ حوالي 127، في حين أن المناطق أو الخلايا ذات التغيير الكبير سيكون لها قيم أكبر أو أقل من 127.
على سبيل المثال يتم استخدام هذا النوع من حالات التحول المرئي لاكتشاف التغيرات في التنمية الحضرية حول المدن واكتشاف مناطق التصحر، يعد التقسيم البصري (المعروف أيضًا باسم التنسيب الطيفي) طريقة شائعة لتحويل المرئيات، ويهدف إلى إلقاء الضوء على التغييرات الطفيفة في الاستجابة الطيفية لطلاءات الأسطح المختلفة.
تقسيم البيانات
من خلال تقسيم البيانات من نطاقين طيفيين مختلفين يعزز المرئي الناتج تغييرات إمالة منحنيات الانعكاس الطيفي بين النطاقين المختلفين، والتي قد تكون غير ظاهرة بشكل أساسي بسبب التغيير في السطوع أو الإضاءة في كل منهما، يوضح المثال التالي هذا المفهوم: تعكس النباتات الصحية بشدة طاقة الأشعة تحت الحمراء القريبة وتمتص بشدة الأشعة الحمراء المرئية، بينما تظهر الأسطح الأخرى مثل الرطوبة والماء انعكاسات متساوية تقريبًا في هذين النطاقين.
بمعنى آخر فإن تقسيم النطاق 7 من (Landsat MSS) المرئي (نطاق الأشعة تحت الحمراء القريب من 8.0 إلى 1.1 ملم) على النطاق 5) نطاق اللون الأحمر للضوء المرئي من 6.0 إلى 7.0 ملم) سيعطينا أكبر أجزاء من 0.1 للنباتات والأقسام القريبة إلى 0.1 للتربة والماء، وبالتالي سيتم تحسين التمييز بين النباتات والأسطح الأخرى بشكل كبير.
أيضًا قد يكون من الممكن بالنسبة لنا التمييز بين مناطق النباتات المريضة أو غير الصحية، والتي سيكون قسمها أقل من قسم النباتات الصحية، ميزة أخرى للتنسيب الطيفي هي أنه نظرًا لأننا ننظر إلى القيم النسبية (أي النسب) بدلاً من قيمها المطلقة، فإن التغييرات في سطوع المشهد بسبب التأثيرات الطبوغرافية تنخفض.
وبالتالي على الرغم من أن الانعكاس المطلق لمظلة الغابة في منطقة ذات ميل متغير يعتمد على اتجاه مصدر الضوء وهو الشمس، فإن نسبة الانعكاسات بين نطاقين ستكون قريبة جدًا، تم تطوير التنسيب باستخدام المجموع أو الاختلاف بين شريطين من أجهزة استشعار متعددة لمراقبة ظروف وحالة النباتات.
أكثر الطرق شيوعًا لتحويل الصور المرئية
أحد أكثر الطرق شيوعًا لتحويل الصور المرئية هو ما يسمى عامل النبات الطبيعي التفاضلي (NDVI)، والذي يُستخدم لمراقبة الغطاء النباتي إقليمياً وعالمياً باستخدام مستشعر قياس إشعاعي متقدم، دقة عالية جدًا (AVHRR) (موجودة في سلسلة NOAA من الأقمار الصناعية ).
عادةً ما تكون البيانات من المجالات المختلفة مترابطة (أي أن هناك ارتباطًا إحصائيًا بينهما)، وبالتالي تحتوي على معلومات متشابهة، على سبيل المثال البيانات الموجودة في النطاقين 4 و 5 من مستشعر (MSS) في جهاز تصوير القمر الصناعي لاندسات (أي النطاقين الأخضر والأحمر على التوالي) لها مظاهر بصرية متشابهة بشكل عام، لأن الانعكاسات من نفس الأهداف ستكون متساوية بشكل عام.
وبالتالي يمكن استخدام طرق التحويل المرئي لمعالجة الخصائص الإحصائية للبيانات متعددة النطاقات؛ بهدف تقليل التكرار والارتباط بين المجالات، إحدى هذه الطرق هي تحليل المكونات الرئيسية، والتي تهدف في المقام الأول إلى تقليل عدد أشرطة تلك البيانات، وتضمين أكبر قدر ممكن من البيانات في عدد صغير من الأشرطة.
كما يمكن تحويل بيانات النطاقات السبعة لمستشعر (TM) بحيث تحتوي المكونات الثلاثة الأولى على حوالي 90٪ من البيانات الأصلية وبالطبع تفسير وتحليل بيانات هذه النطاقات الثلاثة (إما بصريا أو رقميا) أبسط وأكثر كفاءة من التحليل الأصلي ذي النطاقات السبعة.
