Citra Fusi

     Fusi data adalah sebuah proses yang bertujuan untuk mengintegrasikan data-data yang didapat dari berbagai sumber untuk mendapatkan informasi yang lebih jika dibandingkan dengan informasi yang didapat dari satu sumber saja. Konsep dasar dari fusi citra sendiri berasal dari konsep fusi data, yaitu:

Fusi data adalah proses yang berhubungan dengan data dan informasi dari sumber jamak untuk mendapatkan informasi yang lebih baik untuk pengambilan keputusan

Dari definisi tersebut, Genderen dan Pohl membuat definsi umum untuk fusi citra sebagai:

Fusi citra adalah kombinasi dari dua atau lebih citra yang berbeda untuk membentuk sebuah citra baru dengan menggunakan sebuah algoritma tertentu.

Fusi citra pada tingkat piksel adalah fusi citra pada tingkat data paling dasar, yaitu penggabungan parameter fisik dari citra itu sendiri yaitu data piksel-piksel yang menyusun sebuah citra. Fusi pada tingkat ciri memerlukan proses ekstraksi ciri dari citra-citra yang akan digabungkan, misalnya dengan melakukan segmentasi terlebih dahulu kemudian objek-objek yang dihasilkan akan digabungkan. Fusi tingkat ciri juga dapat disebut fusi informasi. Sementara fusi pada tingkat pengambilan keputusan adalah metode fusi di mana citra sumber diproses secara terpisah satu dengan yang lainnya, baru kemudian informasi dari masing-masing citra tersebut digabungkan untuk mendukungproses pengambilan keputusan/kesimpulan.

 Fusi merupakan sebuah teknik penggabungan dua data citra satelit, antara data citra satelit panchromatic (hitam-putih) dengan data citra satelit multispektral (berwarna). Seperti saya bilang di awal tulisan, mungkin penemu teknik ini terinspirasi dengan hadits di atas, teknik ini mengambil kelebihan dari data citra satelit panchromatic yang mempunyai resolusi spasial yang biasanya lebih tinggi dibandingkan dengan resolusi spasial data citra satelit multispektral. Akan tetapi data citra satelit panchromatic mempunyai kelemahan yaitu citranya berwarna hitam-putih, sehingga untuk mendapatkan data citra satelit yang mempunyai resolusi spasial tinggi miliknya data citra satelit panchromatic plus mempunyai warna yang natural punyanya data citra satelit multispektral, maka terciptalah ide mengenai Fusi ini.

Adapun metode yang digunakan dalam fusi citra sebagai berikut:

1.    Tranformasi IHS

Transformasi warna IHS memisahkan antara intensitas (I) dan spektral (H, S) dari sebuah citra RGB standar.

2.    Transformasi Brovey

Transformasi Brovey adalah salah satu cara yang sederhana untuk mengkombinasikan data dari beberapa sensor, dengan batasannya yaitu hanya tiga kanal yang dapat disertakan. Transformasi ini melakukan normalisasi terhadap sebuah citra RGB, kemudian mengalikan hasilnya dengan sebuah data citra yang beresolusi lebih tinggi untuk meningkatkan komponen intensitas dari citra.

3.    Wavelet

Fusi citra dengan wavelet dilakukan melalui proses dekomposisi dan rekonstruksi. Kedua citra yang akan digabung didekomposisi hingga tingkat yang telah ditentukan sebelumnya, kemudian bagian aproksimasi dari citra resolusi rendah yang sudah didekomposisi digantikan atau difungsikan dengan aproksimasi dari citra yang resolusinya lebih tinggi. Hal yang sama juga dilakukan untuk bagian detail jika dirasa perlu. Selanjutnya akan dilakukan proses rekonstruksi citra yang sudah digabung tadi untuk menghasilkan citra hasil fusi.

4.    Band Overlay

Prinsip dari teknik Band Overlay adalah prinsip fusi citra yang paling sederhana dibandingkan dengan metode yang lain.  Prinsip dari teknik Band Overlay adalah prinsip fusi citra yang paling sederhana dibandingkan dengan metode yang lain.

Fusi citra pada teknik Band Overlay dilakukan hanya dengan menukar satu atau beberapa kanal dalam citra resolusi rendah dengan kanal yang dimiliki citra lain (atau dengan citra resolusi tinggi).

Citra ditampilkan pada kanal-kanal yang terlihat oleh mata, yaitu kanal merah, hijau dan biru. Untuk fusi citra dengan citra pankromatik, biasanya dilakukan substitusi (pertukaran) terhadap kanal merah atau hijau.

Leia Mais…

Pengertian Penginderaan Jauh

      Penginderaan jauh (atau disingkat inderaja) adalah pengukuran atau akuisisi data dari sebuah objek atau fenomena oleh sebuah alat yang tidak secara fisik melakukan kontak dengan objek tersebut atau pengukuran atau akuisisi data dari sebuah objek atau fenomena oleh sebuah alat dari jarak jauh, (misalnya dari pesawat, pesawat luar angkasa, satelit, kapal atau alat lain. Contoh dari penginderaan jauh antara lain satelit pengamatan bumi, satelit cuaca, memonitor janin dengan ultrasonik dan wahana luar angkasa yang memantau planet dari orbit.

      Inderaja berasal dari bahasa Inggris remote sensing, bahasa Perancis télédétection, bahasa Jerman fernerkundung, bahasa Portugis sensoriamento remota, bahasa Spanyol percepcion remote dan bahasa Rusia distangtionaya. Di masa modern, istilah penginderaan jauh mengacu kepada teknik yang melibatkan instrumen di pesawat atau pesawat luar angkasa dan dibedakan dengan penginderaan lainnya seperti penginderaan medis atau fotogrametri. Walaupun semua hal yang berhubungan dengan astronomi sebenarnya adalah penerapan dari penginderaan jauh (faktanya merupakan penginderaan jauh yang intensif), istilah "penginderaan jauh" umumnya lebih kepada yang berhubungan dengan teresterial dan pengamatan cuaca.

Komponen-Komponen Penginderaan Jauh

Sumber Tenaga  : Sumber tenaga dalam proses inderaja terdiri atas :

    - Sistem pasif adalah sistem yang menggunakan sinar matahari
    -Sistem aktif adalah sistem yang menggunakan tenaga buatan seperti gelombang mikro

    Jumlah tenaga yang diterima oleh obyek di setiap tempat berbeda-beda, hal ini dipengaruhi oleh beberapa faktor, antara lain :

•     Waktu penyinaran : Jumlah energi yang diterima oleh objek pada saat matahari tegak lurus (siang hari) lebih besar daripada saat posisi miring (sore hari). Makin banyak energi yang diterima objek, makin cerah warna obyek tersebut.

•     Bentuk permukaan bumi : Permukaan bumi yang bertopografi halus dan memiliki warna cerah pada permukaannya lebih banyak memantulkan sinar matahari dibandingkan permukaan yang bertopografi kasar dan berwarna gelap. Sehingga daerah bertopografi halus dan cerah terlihat lebih terang dan jelas.

•     Keadaan cuaca : Kondisi cuaca pada saat pemotretan mempengaruhi kemampuan sumber tenaga dalam memancarkan dan memantulkan. Misalnya kondisi udara yang berkabut menyebabkan hasil inderaja menjadi tidak begitu jelas atau bahkan tidak terlihat.

Atmosfer

      Lapisan udara yang terdiri atas berbagai jenis gas, seperti O2, CO2, nitrogen, hidrogen dan helium. Molekul-molekul gas yang terdapat di dalam atmosfer tersebut dapat menyerap, memantulkan dan melewatkan radiasi elektromagnetik.

      Di dalam inderaja terdapat istilah Jendela Atmosfer, yaitu bagian spektrum elektromagnetik yang dapat mencapai bumi. Keadaan di atmosfer dapat menjadi penghalang pancaran sumber tenaga yang mencapai ke permukaan bumi. Kondisi cuaca yang berawan menyebabkan sumber tenaga tidak dapat mencapai permukaan bumi.

Interaksi antara tenaga dan objek

      Interaksi antara tenaga dan obyek dapat dilihat dari rona yang dihasilkan oleh foto udara. Tiap-tiap obyek memiliki karakterisitik yang berbeda dalam memantulkan atau memancarkan tenaga ke sensor.

    Objek yang mempunyai daya pantul tinggi akan terilhat cerah pada citra, sedangkan obyek yang daya pantulnya rendah akan terlihat gelap pada citra. Contoh: Permukaan puncak gunung yang tertutup oleh salju mempunyai daya pantul tinggi yang terlihat lebih cerah, daripada permukaan puncak gunung yang tertutup oleh lahar dingin.

Sensor dan Wahana

•     Sensor  Merupakan alat pemantau yang dipasang pada wahana, baik pesawat maupun satelit. Sensor dapat dibedakan menjadi dua :

• Sensor fotografik, merekam obyek melalui proses kimiawi. Sensor ini menghasilkan foto. Sensor yang dipasang pada pesawat menghasilkan citra foto (foto udara), sensor yang dipasang pada satelit menghasilkan citra satelit (foto satelit)

• Sensor elektronik, bekerja secara elektrik dalam bentuk sinyal. Sinyal elektrik ini direkam dalam pada pita magnetik yang kemudian dapat diproses menjadi data visual atau data digital dengan menggunakan komputer. Kemudian lebih dikenal dengan sebutan citra.

    Wahana  Adalah kendaraan/media yang digunakan untuk membawa sensor guna mendapatkan inderaja. Berdasarkan ketinggian persedaran dan tempat pemantauannya di angkasa, wahana dapat dibedakan menjadi tiga kelompok:

•  Pesawat terbang rendah sampai menengah yang ketinggian peredarannya antara 1.000 – 9.000 meter di atas permukaan bumi

• Pesawat terbang tinggi, yaitu pesawat yang ketinggian peredarannya lebih dari 18.000 meter di atas permukaan bumi

• Satelit, wahana yang peredarannya antara 400 km – 900 km diluar atmosfer bumi.

Perolehan Data
      Data yang diperoleh dari inderaja ada 2 jenis :

• Data manual, didapatkan melalui kegiatan interpretasi citra. Guna melakukan interpretasi citra secara manual diperlukan alat bantu bernama stereoskop. Stereoskop dapat digunakan untuk melihat objek dalam bentuk tiga dimensi.

• Data numerik (digital), diperoleh melalui penggunaan software khusus penginderaan jauh yang diterapkan pada komputer.

      Pengguna Data

      Pengguna data merupakan komponen akhir yang penting dalam sistem inderaja, yaitu orang atau lembaga yang memanfaatkan hasil inderaja. Jika tidak ada pengguna, maka data inderaja tidak ada manfaatnya. Salah satu lembaga yang menggunakan data inderaja misalnya adalah:

•     Bidang militer

•     Bidang kependudukan

•     Bidang pemetaan

•     Bidang meteorologi dan klimatologi

Alat yang digunakan dalam Penginderaan jauh

      Untuk memperoleh data atau fenomena diperlukan alat penginderaan jauh yaitu alat yang peka terhadap pantulan daya dan gelombang suara. Alat tersebut dinamakan sensor. Sensor dipasang pada tempat atau wahana yang berupa pesawat terbang atau satelit. Kemampuan sensor untuk menampilkan gambar objek terkecil di permukaan bumi disebut resolusi spasial.
Ada dua macam sensor dalam sistem penginderaan jauh, yaitu:

1. Sensor aktif adalah sensor yang dilengkapi dengan alat pemamcar dan alat penerimaan pantulan gelombang,
2. Sensor pasif adalah sensor yang hanya dilengkapi dengan alat penerima pantulan gelombang.

      Alat pengamatan adalah alat untuk mengamati citra sehingga interpretasi mengenai objek yang tergambar pada citra dapat dikenal. Alat-alat pengamatan itu terdiri atas stereoskop, light table, additiv, colour viewer dan echanser. Alat pengamatan strereoskopis menimbulkan kesan tiga dimensi (panjang, tinggi, lebar) terhadap objek yang diamati.

Macam-macam stereoskop antara lain sebagai berikut:

• Stereoskop satu (pocket stereoskop) Stereoskop ini adalah jenis paling sederhana dan paling mudah dibawa. Alat ini terdiri dari dua buah lensa sajauh jarak mata.

• Stereoskop cermin (mirror stereoskop) Stereoskop cermin terdiri atas dua pasang lensa dan dua pasang cermin. Stereoskop ini dilengkapi dengan birokuler yang dapat memperbesar foto 2,5x sampai 4x.

• Stereoskop kembar (twin stereoskop) Stereoskop kembar adalah Stereoskop cermin yang dibuat berpasang dengan kedudukan kedua pengamat berhadapan.

Leia Mais…

Klasifikasi Citra

Klasifikasi citra merupakan proses yang berusaha mengelompokkan seluruh pixel pada suatu citra ke dalam sejumlah class (kelas), sedemikian hingga tiap class merepresentasikan suatu entitas dengan properti yang spesifik (Chein-I Chang dan H.Ren, 2000)

Dalam pengolahan data citra yang tujuanya untuk dijadikan data primer sebuah pemetaan atau penelitian. Daerah yang terdapat pada peta harus terlebih dahulu diketahui wilayahnya apakah wilayah tersebut merupakan daerah pemukiman, perkebunan atau daerah pantai. Untuk itu perlu lakukannya klasifikasi objek untuk menentukan kelas objek tersebut.

 Data penginderaan jauh pada umumnya berbentuk data digital yang merekam unit terkecil dari permukaan bumi dalam sistim perekam data. Unit terkecil ini dikenal dangan nama pixel (picture element) yang berupa koordinat 3 dimensi (x,y,z). Koordinat x,y menunjukkan lokasi unit tersebut dalam koordinat geografi x, y dan z menunjukkan nilai intensitas pantul dari tiap pixel dalam tiap selang panjang gelombang yang dipakai. Nilai intensitas pantul dibagi menjadi 256 tingkat berkisar antara 0 – 255 dimana 0 merupakan intensitas terrendah (hitam) dan 255 intensitas tertinggi (putih). Dengan data citra asli (raw data) tidak lain adalah kumpulan dari sejumlah pixel yang bernilai antara 0 -255. Tujuan dari proses klasifikasi citra adalah untuk mendapatkan gambar atau peta tematik. Gambar tematik adalah suatu gambar yang terdiri dari bagian-bagian yang menyatakan suatu objek atau tema tertentu. 

Dalam klasifikasi citra ada dua metode yang dapat digunakan, yaitu          :

1.                  Supervised classification

2.                  Unsupervised classification

Klasifikasi Citra Terawasi (Supervised)

Penggunaan istilah terawasi disini mempunyai arti berdasarkan suatu referensi penunjang, dimana kategori objek-objek yang terkandung pada citra telah dapat diidentifikasi. Klasifikasi ini memasukkan setiap piksel citra tersebut kedalam suatu kategori objek yang sudah diketahui.Sebelum klasifikasi dilakukan, maka kita harus memasukkan inputan sebagai dasar pengklasifikasian yang akan dilakukan. Dengan klasifikasi ini, kita lebih bebas untuk memilah data citra sesuai dengan kebutuhan. Misalnya dalam suatu kawasan kita hanya akan melakukan klasifikasi terbatas pada jenis jenis kenampakan secara umum semisal jalan, pemukiman, sawah, hutan, dan perairan. Hal tersebut dapat kita lakukan dengan klasifikasi ini. Proses input sampel juga cukup mudah, hanya saja perlu ketelitian dan pengalaman agar sampel yang kita ambil dapat mewakili jenis klasifikasi. Baik buruknya sampel, Diwujudkan dalam nilai indeks keterpisahan.

Proses klasifikasi dengan pemilihan kategori informasi yang diinginkan dan memilih training area untuk tiap ketegori penutup lahan yang mewakili sebagai kunci interpretasi merupakan klasifikasi terbimbing. Klasifikasi terbimbing digunakan data penginderaan jauh multispectral yang berbasis numeric, maka pengenalan polanya merupakan proses otomatik dengan bantuan komputer.

Klasifikasi terbimbing yang didasarkan pada pengenalan pola spectral terdiri atas tiga tahapan, yaitu:

1. Tahap training sample: analisis menyusun kunci interpretasi dan mengembangkan secara numeric spectral untuk setiap kenampakan dengan memeriksa batas daerah (training area).

2. Tahapan klasifikasi: setiap pixel pada serangkaian data citra dibandingkan steiap kategori pada kunci interpretasi numeric, yaitu menentukan nilai pixel yang tak dikenal dan paling mirip dengan kategori yang sama. Perbandingan tiap pixel citra dengan kategori pada kunci interpretasi dikerjakan secara numeric dengan menggunakan berbagai strategi klasifikasi (dapat dipilih salah satu dari jarak minimum rata-rata kelas, parallelepiped, kemiripan maksimum). Setiap pixel kemudian diberi nama sehingga diperoleh matrik multi dimensi untuk menentukan jenis kategori penutupan lahan yang diinterpretasi.

3. Tahapan keluaran: hasil matrik didenileasi sehingga terbentuk peta penutupan lahan, dan dibuat tabel matrik luas berbagai jenis tutupan lahan pada citra.

Klasifikasi Citra Tak Terawasi (Unsupervised)

Proses klasifikasi disebut tidak terawasi, bila dalam prosesnya tidak menggunakan suatu referensi penunjang apapun. Hal ini berarti bahwa proses tersebut hanya dilakukan berdasarkan perbedaan tingkat keabuan setiap piksel pada citra. Klasifikasi citra tak terawasi mencari kelompok-kelompok (cluster) piksel-piksel, kemudian menandai setiap piksel kedalam sebuah kelas berdasarkan  parameter-parameter pengelompokkan awal yang didefinisikan oleh penggunanya.

Klasifikasi unsupervised melakukan pengelompokan data dengan menganalisa cluster secara otomatis dan menghitung kembai rata-rata kelas (class mean) secara berulang-ulang dengan computer.

Sumbu horizontal menunjukkan nilai piksel pada band2 dan sumbu vertical menunjukkan nilai kecerahan piksel pada band1. Pengelompokan piksel menjadi kelas spectral diawali dengan menentukan jumlah kelas spectral yang akan dibuat. Penentuan jumlah kelas ini dapat dilakukan dengan memperhatikan jumlah puncak histogram sehingga diperoleh jumlah kelas spectral yang akan dibentuk. Setelah jumlah kelas spectral ini ditentukan kemudian dipilih pusat-pusat kelas spectral terhadap setiap pusat kelas spectral. Berdasarkan hasil pengukran jarak ini setiap piksel dikelompokkan ke dalam suatu kelas spectral yang memiliki jarak terdekat.

Setelah setiap piksel dikelompokkan lalu masing-masing rata-rata kelas spectral dihitung kembali. Kemudian dilakukan lagi pengukuran jarak setiap piksel terhadap rata-rata kelas baru ini dan akhirnya piksel dikelompokkan ke dalam kelas spectral yang memiliki jarak terdekat.

Parameter yang menentukan pemisahan dan pengelompokan piksel-piksel menjadi kelas spectral yaitu:

1. Standar deviasi maksimum, nilai standari deviasi maksimum yang sering digunakan berkisar antara 4,5 sampai 7

2. Jumlah piksel minimum dalam sebuah kelas spectral dinyatakan dalam persen (%).

3. Nilai pemisahan pusat kelas yang dipecah

4. Jarak minimum antara rata-rata kelas spectral, berkisar antara 3,2 sampai 3,9.

Proses pemisahan dan pengelompokkan piksel-piksel menjadi kelas-kelas spectral terus diulangi dan akan dihentikan bila telah memenuhi salah satu ketentuan:

1. Jumlah iteasi maksimum, jumlah iterasi dapat ditentukan sesuai dengan kebutuhan

2. Jumlah piksel yang kelas spektralnya tidak berubah antara iterasi (dalam persentase, %).

Setelah kelas spectral terbentuk umumnya dilakukan proses asosiasi antaa obyek dan kelas spectral terbentuk untuk mengidentifikasi kelas spectral menjadi kategori obyek tertentu. Pengidentifikasian kelas spectral menjadi obyek tertentu dapat dilakukan menggunakan suatu data acuan atau referensi penunjang.

Setelah semua kelas spectral teridentfikasi kemudian dapat dilakukan penyederhaan untuk menggabungkan kelas-kelas yang tergolong sama, misalnya pengabungan perkampungan 1 dan perkampungan 2 menjadi satu kelas perkampungan. Hasil klasifikasi dapat ditunjukka dari gradasi warna yang terbentuk yang menunjukkan jenis kelas yang dikelompokkan oleh komputer.

Leia Mais…

Konsep Pemetaan Fotogrametri

Leia Mais…