Correzione geometrica di immagini telerilevate da aereo

 In generale, l’utilizzo quantitativo dei dati-immagine rilevati da scanner, 
richiede la messa a punto di procedure adeguate di elaborazione che, dai valori di 
radianza acquisiti dai sensori ed opportunamente codificati, permetta di risalire a 
quello delle grandezze fisiche d’interesse (riflettanza, temperatura, torbidità, 
concentrazione) relative ai fenomeni a cui si è interessati. 
Anche se gli apparati sono progettati per minimizzare gli effetti 
atmosferici, il segnale utile relativo alla porzione di superficie terrestre rilevata è 
generalmente degradato dal rumore introdotto dallo spessore di atmosfera 
attraversato. È necessario pertanto tener conto opportunamente di questi effetti 
che incidono sulla radiometria considerando la situazione atmosferica durante i 
rilevamenti unitamente alla geometria di acquisizione, alle frequenze utilizzate e 
ad altri fattori. Le immagini telerilevate tramite scanner o apparati fotografici, 
soffrono inoltre di notevoli distorsioni geometriche dovute alla geometria della 
ripresa, alle variazioni di assetto e velocità della piattaforma durante la 
formazione delle immagini, alla rotazione terrestre, all’orografia locale dell’area 
ripresa e ad altre cause. 
Per questo, il corretto utilizzo di questi dati-immagine presuppone 
l’applicazione di procedure adeguate per eliminare, o quanto meno attenuare 
efficacemente, le loro distorsioni geometriche, per renderli compatibili con la 
cartografia a scale e proiezioni opportune. Sono dette ‘rettificate e georiferite’ 
quelle immagini che hanno subìto processi di correzione geometrica e di 
adeguamento alla cartografia standard, se c’è stata rimozione anche delle 
distorsioni dovute all’orografia/altimetria (parallasse) si parla di dati ‘geocoded’. 
Le metodologie messe a punto per ottenere questi prodotti si possono 
dividere in due categorie: quelle che fanno uso di un modello geometrico 
dell’acquisizione dal quale calcolare le distorsioni [rif. 14], spesso con dati in 
input di tipo stereo, per la triangolazione aerofotogrammetrica, e quelle che invece 
permettono la correzione di immagini mono, cercando di modellizzare 
direttamente la distribuzione delle distorsioni, tramite funzioni e punti di controllo 
a terra, denominati generalmente G.C.P. (Ground Control Points). Per avere una 
copertura stereo è necessario riprendere due o più immagini della stessa area, in 
modo da ‘vedere’ lo stesso punto da posizioni diverse e rendere possibile cosi la 
 valutazione della distorsione geometrica di parallasse, dovuta all’altezza degli 
oggetti, tramite il modello di ripresa. Questo approccio, consente di ottenere 
prodotti corretti di precisione detti ortoimmagini da utilizzare anche come base 
cartografica, ma al prezzo di un raddoppio dei dati in input necessari e di una 
notevole pesantezza delle procedure di elaborazione. Per contro, l’usuale 
modellizzazione delle distorsioni per mezzo di funzioni polinomiali è 
notevolmente più semplice e permette di ottenere comunque immagini corrette 
compatibili con la cartografia, con un eventuale contenuto di distorsioni residuo 
che dipende da vari fattori, quali ad esempio: la presenza di accentuata orografia, 
di severe distorsioni geometriche nei dati-immagine in input ed il rapporto tra le 
dimensioni trasverse dell’area ripresa a terra con l’altezza di volo. 
Tali distorsioni residue, specialmente nel caso di riprese da scanners 
installati su aerei, come hanno dimostrato recenti studi [rif. 4,5,6,11,14], risultano 
generalmente importanti e richiedono un diverso approccio alla loro correzione 
geometrica al fine di poter utilizzare adeguatamente le immagini mono rilevate.  
Le procedure di georiferimento e rettificazione, utilizzate efficacemente 
per la correzione delle immagini, rilevate da piattaforme satellitari, fanno uso di 
una modellizzazione globale degli errori basata su funzioni polinomiali definite 
con l’ausilio di G.C.P. individuati univocamente sull’immagine e sulla cartografia 
a scala opportuna. 
Per quanto riguarda le immagini acquisite da aereo, si è notato che le 
tradizionali tecniche di rettificazione polinomiale non conducono a risultati 
soddisfacenti, per questo motivo è nata l’esigenza di ricercare metodi alternativi 
più appropriati. Con questo obiettivo abbiamo studiato ed implementato due 
algoritmi di correzione geometrica da poter applicare a quelle immagini che, come 
quelle telerilevate da aereo, presentano un alto tasso di distorsioni ad alta 
frequenza. 
I due algoritmi implementati
1
 su specifico SW, di cui esistono riferimenti 
nella letteratura del settore [rif. 5, 6], agiscono sui pixel dell’immagine con 
correzioni più o meno pesanti a seconda della zona in cui sono situati, a differenza 
 degli usuali metodi globali che considerano l’immagine un tutt’uno a cui va 
applicata un’unica funzione di trasformazione calcolata sulla base di tanti punti 
dislocati in diverse zone dell’immagine. 
Per l’implementazione degli algoritmi in questione è stato usato il 
linguaggio di programmazione C in ambiente operativo UNIX di macchine SUN 
in dotazione presso il Centro di Ricerche ENEA-Casaccia. 
Va osservato che tutto il lavoro per lo sviluppo del software è stato 
eseguito nell’ambiente di sviluppo IMAGINE 8.2 che è un prodotto della ERDAS 
per l’elaborazione digitale di immagini telerilevate. Esso è organizzato in diversi 
moduli, ognuno per una specifica applicazione e comprende un toolkit, da noi 
ampiamente utilizzato, per lo sviluppo di programmi in linguaggio C per eventuali 
esigenze specifiche dell’utente. Tale ambiente di sviluppo possiede una 
interfaccia grafica composta da una maschera principale contenente vari bottoni 
associati ognuno ad un modulo diverso; per rispettare la modularità e 
l’organizzazione grafica, abbiamo quindi introdotto un modulo indipendente per il 
trattamento delle immagini Dædalus al quale abbiamo associato il corrispondente 
bottone nella maschera principale. 
Ci preme inoltre sottolineare che, in forma marginale rispetto al lavoro di 
ricerca e sviluppo degli algoritmi sopra menzionati ma con grosso dispendio di 
energie e di tempo, si è reso necessario anche un programma che importasse i 
dati-immagine dagli originali mezzi di memorizzazione (cassette Exabyte) usati 
durante l’acquisizione dei dati telerilevati e inoltre che praticasse una traduzione 
di tali dati in un formato riconoscibile dai moduli di ERDAS. 
 
                                                                                                                                     
1
 basati sulla triangolazione di Delaunay e sull’interpolazione multiquadrica, dei quali il 
secondo, di recente introduzione, ancora mai sviluppato commercialmente. 
 CAPITOLO 1                          DESCRIZIONE DELL’AREA DI INTERESSE                              1 
 
Capitolo 1. DESCRIZIONE DELL’AREA  
DI INTERESSE 
 
1.1 Telerilevamento 
La difficoltà di definire con rigore una disciplina scientifica, è cosa ben 
nota agli specialisti, tanto che spesso sembra più conveniente non preoccuparsene 
troppo, ricorrendo magari a pseudo-definizioni del tipo: “la fisica è ciò di cui si 
occupano i fisici”.  
A questa difficoltà non si sottrae la definizione di telerilevamento (TLR); 
cerchiamo quindi di definire questa disciplina nel modo più sensato possibile. 
Si può dire che il TLR (traduzione del termine inglese “Remote Sensing”) 
si riferisce, di solito, alla raccolta di informazioni sull’ambiente terrestre per 
mezzo di sensori fotografici, elettroottici o a microonde installati su satelliti o 
aeroplani. In definitiva il TLR, è definibile come quell’insieme di tecniche di 
ripresa, elaborazione ed interpretazione di dati che permettono di conoscere a 
distanza lo stato della superficie terrestre sfruttando l’energia elettromagnetica 
come vettore di informazioni, estendendo e migliorando le capacità percettive 
dell’occhio umano. 
Per quanto riguarda gli strumenti che si utilizzano in questo campo, 
possiamo distinguere quelli che forniscono misure (come radiometri, spettrometri, 
scatterometri, etc...) e quelli che forniscono immagini (come macchine 
fotografiche, telecamere, dispositivi a scansione, etc...). 
Un’altra distinzione è quella fra strumenti passivi ed attivi. Gli strumenti 
passivi sono quelli che si limitano a captare e misurare le radiazioni provenienti 
dalle superfici investigate, mentre gli strumenti attivi provvedono alla 
“illuminazione” delle superfici, captando poi la radiazione di ritorno. In pratica, la 
differenza tra i due tipi di strumenti è legata alle sorgenti di energia che vengono 
sfruttate: gli strumenti passivi sfruttano generalmente sorgenti naturali (come il 
 CAPITOLO 1                          DESCRIZIONE DELL’AREA DI INTERESSE                              2 
 
sole e la terra), mentre gli strumenti attivi sono dotati essi stessi di una sorgente 
che generalmente è costituita da Radar o Laser. 
Nel TLR interessa raccogliere informazioni qualitative e quantitative 
provenienti da superfici poste, in genere, lontano dall’osservatore; dove per 
lontano, intendiamo una distanza che può variare da qualche metro fino a migliaia 
di chilometri, come accade nelle osservazioni effettuate da satelliti geostazionari 
(36000 Km). 
Possiamo riassumere che la configurazione tipica di uno scenario per il 
TLR è definito da alcune componenti precise (sorgente di energia, atmosfera, 
interazione energia-materia sulla superficie terrestre, sensore, elaborazione dati, 
uso dei dati) collegate tra loro come appare nel seguente schema: 
 
Uno degli aspetti sicuramente più interessanti del TLR è la possibilità di 
realizzare riprese “multiple”. Questo concetto significa che i rilievi possono 
essere eseguiti: 
    nello stesso tempo da piattaforme diverse poste a diversa distanza 
(multistazione) 
    mediante l’impiego di sensori operanti in diverse bande dello spettro 
elettromagnetico (multispettrale) 
    in tempi diversi (multitemporale). 
interazione energia-materia
ATMOSFERA
sensore
sorgente
lunghezza d’onda
elaborazione
dati
uso dei dati
               001
01
  
Fig. 1.1: Schema riassuntivo di un tipico scenario per il telerilevamento passivo. 
 CAPITOLO 1                          DESCRIZIONE DELL’AREA DI INTERESSE                              3 
 
Questo significa poter osservare uno stesso fenomeno da punti di vista 
differenti e su diverse scale. Per cui, le immagini multispettrali offrono più 
informazioni di quelle raccolte in una banda sola, e inoltre, le riprese 
multitemporali permettono la conoscenza dinamica di un fenomeno e la possibilità 
di seguirne l’evoluzione nel tempo. 
 
1.2 Ambiente ERDAS IMAGINE e interfacce-utente [rif. 7] 
L’ambiente di sviluppo ERDAS IMAGINE è un prodotto che viene 
utilizzato da persone esperte di elaborazione digitale di immagini telerilevate. 
L’ultima versione, la 8.2, in dotazione presso l’ENEA, è caratterizzata da una 
interfaccia grafica del tipo point and click con una maschera principale sempre in 
primo piano contenente un insieme di “bottoni” ognuno dei quali è associato ad 
un modulo diverso, ciascuno caratterizzato da un proprio menu a tendina per le 
varie operazioni disponibili. 
Per rispettare la configurazione di tale ambiente, abbiamo ritenuto 
opportuno ampliare la maschera principale aggiungendo un bottone collegato ad 
un nuovo modulo riguardante le operazioni prese in considerazione nella presente 
tesi e quelle che eventualmente saranno sviluppate in futuro. 
La creazione e gestione del nuovo bottone, delle finestre di dialogo 
collegate ai programmi sviluppati, nonchè i programmi stessi, sono state 
agevolate da una serie di strumenti messi a disposizione da IMAGINE per quegli 
utenti, proprio come nel nostro caso, che hanno l’esigenza di ampliare il raggio di 
azione del prodotto originale mediante dei moduli da loro progettati per trattare 
nel modo più appropriato con dei problemi specifici. 
In primo luogo, le finestre di dialogo (o Dialog Box), sono state 
implementate utilizzando un linguaggio di programmazione ad oggetti 
interpretato, sviluppato proprio dalla ERDAS Inc. chiamato EML (Erdas Macro 
Language). 
 CAPITOLO 1                          DESCRIZIONE DELL’AREA DI INTERESSE                              4 
 
Inoltre, per la realizzazione dei programmi (in linguaggio C) abbiamo 
potuto usufruire di un pacchetto di funzioni (chiamato Toolkit) il quale ci ha 
permesso di manipolare agevolmente, da un lato le varie connessioni con le 
finestre grafiche di dialogo con l’utente e dall’altro, i dati relativi alle immagini 
con le quali tali programmi avevano a che fare. 
Vedremo in seguito alcuni dettagli circa le potenzialità che abbiamo 
sfruttato nella realizzazione del nostro lavoro, quando descriveremo 
minuziosamente ogni programma implementato ed il suo modo di interagire con 
l’utente e con le immagini. 
È opportuno aggiungere che tutte le modifiche apportate all’ambiente di 
sviluppo ERDAS IMAGINE, sono avvenute senza operare dei cambiamenti ad 
alcun modulo del prodotto originale. Ciò è stato possibile in quanto il prodotto 
stesso, installato in ambiente UNIX, prevede una directory speciale all’interno del 
File System, dove si può copiare il sorgente software principale sul quale si 
possono fare cambiamenti ed ampliamenti senza modificare la versione originaria. 
Il fatto che tale directory speciale sia stata prevista proprio per le eventuali 
modifiche, fa si che nel momento in cui viene lanciata una licenza di IMAGINE, 
il sistema controlla inizialmente se è presente una versione modificata all’interno 
della directory stessa e nel caso non siano presenti versioni modificate, viene 
attivato il prodotto originale, altrimenti viene attivato il prodotto modificato. 
 CAPITOLO 1                          DESCRIZIONE DELL’AREA DI INTERESSE                              5 
 
1.3 Distorsioni su immagini telerilevate [rif. 2, 8, 10] 
Le immagini telerilevate vengono utilizzate sempre più diffusamente 
insieme a dati provenienti da altre sorgenti, soprattutto cartografiche, nella 
realizzazione di sistemi informativi geografici
2
. In questo tipo di applicazioni, 
ogni immagine deve subire un processo di adattamento ai dati geografici chiamato 
georiferimento, tramite il quale a ciascun pixel che costituisce l’immagine sono 
assegnate delle coordinate cartografiche. 
Inoltre, durante questo processo, si fa in modo che l’immagine venga 
riposizionata per fargli assumere una forma ed una posizione congruente con la 
vera posizione geografica della porzione di Terra a cui essa si riferisce. Tale 
operazione è sempre insita nel processo di georiferimento appena citato. 
Detto ciò, si capisce che le immagini telerilevate sono affette da alcune 
distorsioni geometriche (come minimo non sono georiferite) che si cercano di 
correggere il meglio possibile. 
Possiamo affermare che le distorsioni geometriche possono essere di tipo 
sistematico o meno. 
In generale, sono sistematici tutti quegli errori che dipendono dal sistema 
di telerilevamento composto da piattaforma, sensore e superficie ripresa; tali 
errori hanno la caratteristica di mantenersi costanti nel tempo; essi sono pertanto 
prevedibili e la corrispondente correzione si basa su modelli deterministici. 
Un esempio di distorsione sistematica è quella detta SKEW legata alla 
rotazione terrestre, incontrata prevalentemente nel TLR da satellite. Essa è il 
risultato della rotazione della Terra (ovest-est) e del movimento della piattaforma 
su cui è montato il sensore (in questo caso un satellite) durante la fase di ripresa. 
L’effetto di SKEW da origine alla caratteristica forma di parallelogramma 
che hanno le immagini ottenute tramite i satelliti LandSat e SPOT, come si può 
vedere dalla Fig. 1.2 . 
                                                 
2
 GIS: Geographic Information System 
 CAPITOLO 1                          DESCRIZIONE DELL’AREA DI INTERESSE                              6 
 
 
Nella classe delle distorsioni sistematiche rientra anche quella legata alla 
curvatura terrestre, apprezzabile maggiormente all’aumentare della quota della 
piattaforma. Ciò ci suggerisce subito che le immagini acquisite da aereo sono 
generalmente poco affette da tale distorsione. Le conseguenze di questa 
distorsione sono tali per cui i pixel che si trovano nella banda centrale 
dell’immagine sono associati ad aree di superficie terrestre diverse (più piccole) 
da quelle corrispondenti ai pixel che si trovano lungo i bordi laterali 
dell’immagine. 
Altre distorsioni da annoverare in questo elenco sono quelle denominate di 
Parallasse e S-Band che vedremo meglio nel capitolo 3 quando parleremo della 
geometria di scansione del sensore Dædalus. 
 
Tra le distorsioni non-sistematiche, possiamo menzionare tutti quegli 
effetti legati a cambiamenti insoliti o comunque non prevedibili a priori del 
sistema di ripresa; di seguito ne vediamo un breve elenco: 
Yaw: dovuto alla rotazione orizzontale della piattaforma; esso comporta che le 
singole linee di scansione non sono tutte perpendicolari alla linea di volo. 
Ciò si manifesta in uno spostamento angolare degli oggetti, se comparato 
alla loro originaria posizione. 
Pitch: beccheggio; questa variazione di assetto del velivolo comporta una 
sovrapposizione delle linee contigue di scansione o un loro salto. 
V
T
 = Velocità di rotazione terrestre
 ∆ = Latitudine
t = Tempo di scansione della scena
SKEW ( ∋x) =
 
VT   cos ∆   t
 
Fig. 1.2: Schematizzazione dell’effetto di SKEW dovuto alla rotazione terrestre. Ciò che 
in realtà è a forma rettangolare, viene acquisito e digitalizzato con forma di parallelogramma. 
 CAPITOLO 1                          DESCRIZIONE DELL’AREA DI INTERESSE                              7 
 
Roll: rollio; variazione dell’assetto che comporta uno shift laterale di intere linee 
di scansione. 
Cambiamenti di quota: è logico che questa determini il cambiamento di scala 
dell’immagine. 
Cambiamento della velocità a terra: comporta una distorsione geometrica simile a 
quella introdotta dal Pitch. Si ha una perdita di contiguità delle linee di 
scansione se si accelera e una sovrapposizione se si rallenta. 
 
Volendo confrontare i due tipi di distorsioni, possiamo tranquillamente 
affermare che gli errori di tipo “non sistematico” sono molto più difficili da 
trattare e in alcuni casi la loro correzione risulta addirittura impossibile a meno 
che non si conoscano informazioni supplementari a quelle della semplice 
misurazione radiometrica dei pixel, come ad esempio la posizione geografica del 
velivolo (in caso di aereo), o tutti i dati di assetto relativi al momento 
dell’acquisizione di ciascuna linea dell’immagine (così come avviene nell’utilizzo 
del sensore Dædalus da noi descritto). 
 
1.4 Algoritmi per correzioni geometriche 
Come si può facilmente intuire, ciascuno degli errori geometrici che 
abbiamo introdotto nel paragrafo precedente può essere corretto in modo più o 
meno soddisfacente a seconda del tipo di immagini considerate, del tipo di errore 
e del metodo correttivo applicato. Ad esempio, come abbiamo già accennato in 
precedenza, le immagini telerilevate da satellite risultano affette da errori 
generalmente diversi da quelli presenti nelle immagini acquisite da aereo, o 
quantomeno ne risultano affette in modo diverso. 
Questo significa che non esiste l’algoritmo di correzione geometrica per 
eccellenza, bensì ne esistono tanti e di diverse specie (già studiati e vastamente 
descritti in letteratura, o eventualmente da sviluppare per esigenze specifiche) tra i 
quali si può scegliere quello più efficace previa una scrupolosa analisi delle 
caratteristiche di ciascuno. 
 CAPITOLO 1                          DESCRIZIONE DELL’AREA DI INTERESSE                              8 
 
Il nostro lavoro è quindi consistito nell’individuare gli algoritmi migliori 
per correggere gli errori presenti nelle immagini telerilevate da aereo tramite 
scanner bispettrale Dædalus AA3500 e di implementarli in modo che potessero 
essere utilizzati all’interno dell’ambiente di sviluppo ERDAS IMAGINE di cui 
abbiamo già parlato. 
In pratica, i nostri algoritmi dovevano raggiungere il duplice scopo di 
rendere congruenti alla realtà le proporzioni geometriche e le distanze all’interno 
delle immagini da essi trattate, e anche di georiferirle. 
La natura aerea delle immagini da noi trattate, ci ha indirizzati subito verso 
un insieme di tecniche specifiche per il trattamento locale delle distorsioni 
geometriche, al contrario delle tecniche di tipo globale che sono generalmente 
previste per la correzione di immagini satellitari, per altro già presenti tra i moduli 
di ERDAS.