Desarrollo de rutina para corrección por distorsiones geométricas en imágenes de vigilancia HEXAGON KH-9

VACAFLOR PAULINA; LANNUTI ESTEBAN; LENZANO MARIA GABRIELA; LO VECCHIO ANDRÉS; LENZANO LUIS EDUARDO

Mendoza

Congreso; International Center For Earth Sciences (ICES) 12º Encuentro Internacional.; 2017

Centro Internacional de Ciencias de la Tierra (ICES) Universidad Nacional de Cuyo

Más de 900.000 imágenes de las misiones CORONA, ARGON, LANYARD,GAMBIT y HEXAGON fueron tomadas entre los años 1960 y 1980, pertenecientes aprogramas de inteligencia secretos de los Estados Unidos. En la actualidad, parte deestas imágenes se encuentran disponibles gracias a tres etapas de desclasificaciónrealizadas en los años 1995, 2002 y 2013. Estas imágenes son una base útil de datos,para detectar y estudiar cambios geomorfométricos, en regiones de difícil acceso y conausencia de datos temporales mediante la generación de Modelos Digitales deTerreno (MDT) y ortoimágenes. Para la generación de Modelos Digitales de Terreno, através de procesos fotogramétricos tradicionales, resulta necesaria la reconstrucciónde la geometría interna de los pares de imágenes estéreos y por ende, lacuantificación de las distorsiones geométricas. Cada una de las escenas de estasmisiones, contiene cruces impresas localizadas de manera equidistante cada 1 cm,provenientes del instante de la toma, que ayudaran a corregir la geometría interna deéstas. Debido a la clasificación de datos y ausencia de información concerniente almomento de la captura de los datos, en el presente estudio se propone un algoritmode detección automático, preciso, de las posiciones (Xp, Yp) de las cruces, como basede la determinación de las distorsiones geométricas, Para el test se seleccionaronimágenes de la última misión Hexagon.La detección fue realizada mediante la implementación de un algoritmo cuyo primerpaso consiste en crear una cruz patrón, de color negro con fondo blanco (imagenesclava) de un tamaño similar a las existentes en las imágenes, luego esta sedesplaza a lo largo de la imagen máster (original) buscando similitudes mediante elalgoritmo de correlación cruzada normalizada (CCN). Se obtiene como salida unamatriz de correlación, donde los valores máximos encontrados fueron entre 0.6 y 0.7.Cada posición de máximo relativo se corresponde con un centro de cruz y así seestiman las posiciones de las mismas. El promedio de estos máximos es del orden de0.3, siendo un valor bajo de correlación. Esto es debido a que en la imagen máster, lascruces no son perfectamente de color negro y su entorno no lo es de color blancopuro, como el asignado en la cruz ideal (imagen esclava). Sin embargo, mediante laposterior evaluación de las posiciones determinadas, se comprobó que las posicionesde estos máximos coinciden con los centros reales de las cruces (Xp, Yp), salida delalgoritmo. Para evaluar el desempeño del algoritmo, el procedimiento fue aplicado en50 imágenes. Éstas fueron creadas utilizando un recorte de imagen Hexagon, peroeliminando las cruces originales y así, asignarle otras cruces pero con centrosconocidos, que fueron asignados aleatoriamente. El objetivo de crear estas imágenesera conocer de antemano las posiciones verdaderas de los centros de cruces (Xv, Yv),para ser comparadas con las de la salida del algoritmo de detección. El error promedioobtenido resultó menor a un pixel, de esta forma el algoritmo desarrollado cumple conlos objetivos de manera satisfactoria.