Radiometric correction (Koreksi radiometrik)

Koreksi radiometrik adalah untuk memperbaiki nilai piksel supaya sesuai dengan yang seharusnya, 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. Kondisi kecerahan data citra selain pengaruh dari kondisi dan efek atmosfir, juga dipengaruhi oleh sudut sinar matahari dan sensitifitas sensor.

Koreksi radiometrik perlu dilakukan pada data citra yang mengalami kesalahan atau gangguan sebagai berikut :

Stripping atau banding seringkali terjadi pada data citra yang diakibatkan oleh ketidakstabilan detektor. Merupakan fenomena ketidak-konsistenan perekaman detektor untuk band dan areal perekaman yang sama.

  1. Line dropout kadang terjadi sebagai akibat dari detektor yang gagal berfungsi dengan tiba-tiba. Jangka waktu kerusakan pada kasus ini biasanya bersifat sementara.
  2. Efek atmosferik merupakan fenomena yang disebabkan oleh debu, kabut, atau asap seringkali menyebabkan efek bias dan pantul pada detektor, sehingga fenomena yang berada di bawahnya tidak dapat terekam secara normal.

Distorsi atau gangguan radiometrik tersebut dapat dikenali dengan ciri-ciri kesalahan pada citra meliputi :

  •  Adanya piksel yang hilang
  • Adanya tampilan garis-garispada tampilan citra
  • Pengaruh atmosfer yang menyebabkan adanya efek hamburan bayangan obyek pada citra atau kabut (haze)

Beberapa koreksi radiometrik terhadap data citra, terdiri dari :

  1. Destripping, untuk mengeliminasi pengaruh gangguan stripping atau banding pada citra.
  2. Scan Line, untuk mengeliminasi pengaruh gangguan line dropout yang terjadi pada data citra.
  3. Haze Removal, untuk mengeliminasi pengaruh gangguan dari efek atmosfer.

Dua koreksi radiometrik yang pertama untuk kasus data citra resolusi tinggi dari Digitalglobe selama ini telah diantisipasi sebelum data didelivery ke kustomer dengan standar pengolahan yang mereka lakukan.

Sedangkan untuk pengaruh atmosfer (haze) untuk beberapa kasus masih bisa terjadi sehingga perlu dilakukan koreksi. Salah satu metode koreksi radiometrik haze removal untuk memperbaiki pengaruh noise  tersebut di atas adalah dengan menggunakan metode Penyesuaian Histogram (histogram adjustment) atau metode Penyesuaian Regresi. Asumsi yang melandasi metode ini adalah nilai piksel terendah tiap band seharusnya bernilai 0. Apabila nilai lebih besar dari 0, maka dihitung sebagai bias atau offset, dan koreksi dilakukan dengan cara menghilangkan bias tersebut, yaitu mengurangi keseluruhan nilai spektral pada saluran asli dengan nilai biasnya masing-masing.

Di ENVI dapat dilakukan dengan Band Math atau Dark Substract atau Pada ER Mapper menggunakan algoritma Gaussian Equalize.

Dengan kata lain, koreksi radiometrik dilakukan agar informasi yang terdapat dalam data citra dapat dengan jelas dibaca dan diinterpretasikan. Kegiatan yang dilakukan dapat berupa:

  • Penggabungan data (data fusion). Yaitu menggabungkan citra dari sumber yang berbeda pada area yang sama untuk membantu di dalam interpretasi
  • Colodraping. Yaitu menempelkan satu jenis data citra di atas data yang lainya untuk membuat suatu kombinasi tampilan sehingga memudahkan untuk menganalisa dua atau lebih variabel. Sebagai contoh adalah citra vegetasi dari satelit ditempelkan di atas citra foto udara pada area yang sama.
  • Penajaman kontras. Yaitu memperbaiki tampilan citra dengan memaksimumkan kontras antara pencahayaan dan penggelapan atau menaikan dan merendahkan harga data suatu citra.
  • Filtering. Yaitu memperbaiki tampilan citra dengan mentransformasikan nilai-nilai digital citra, seperti mempertajam batas area yang mempunyai nilai digital yang sama (enhance edge), menghaluskan citra dari noise (smooth noise), dan lainnya.
  • Formula. Yaitu  membuat suatu     operasi matematika  dan   memasukan nilai-nilai digital citra pada operasi matematika tersebut, misalnya Principal Component Analysis (PCA).

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s