Improved pre-processing techniques to enhance the accuracy of extracted information from passive satellite data

In this thesis, the attention was focused on the enhancement of the pre-processing stage for passive remotely sensed data. The proposed enhancements were firstly related to a single land cover class and then to the relative radiometric corrections of passive multispectral satellite data. The first of the two big chapters was related to the extraction of Plastic Covered Greenhouse (PCG) and to the development of new proce-dures and tools that demonstrated their usefulness by achieving high accuracies. Alt-hough the specific LC considered, the solutions showed in this chapter can be considered valid also in other environments. In the second chapter a new algorithm is proposed for PIF (Pseudo Invariant Fea-tures) extraction and relative radiometric normalization. The new Threshold Relative Ra-diometric Correction Algorithm (TRRCA) can be labelled as a supervised one and com-bines three methods for the detection of PIF: Moment distance index (MDI), Normalized Difference Vegetation Index (NDVI) masks, morphological erosion and dilate operators. To prove its effectiveness, the algorithm was tested by using L8 scenes in different envi-ronments over the world. Lastly, the results achieved with the TRRCA were compared with the well-known IR-MAD (Iteratively Reweighted Multivariate Alteration Detection). These comparisons have shown that the proposed algorithm can be a valid, and in some cases better, alternative to existing approaches.

L’obbiettivo di questa tesi è il miglioramento della fase di pre-propcessing per dati satellitari telerilevati passivi. I miglioramenti proposti sono stati in primis rivolti ad una singola classe di copertura del territorio e, in seguito, alla generale correzione radiometrica relativa di dati satellitari multispettrali passivi. Il primo dei due grandi capitoli è connesso alla problematica dell’estrazione coperture plastiche in ambito agricolo e allo sviluppo di nuove procedure e strumenti che hanno dimostrato la loro efficacia ottenendo elevate ac-curatezze nei risultati. Sebbene i risultati ottenuti nel primo capitolo siano specifici per una singola classe di copertura dei suoli, le soluzioni ottenute possono essere considera-te valide anche per problematiche simili ma relative ad altre classi di copertura. Nel secondo capitolo è stato proposto un nuovo algoritmo per l’individuazione di PIF (psudo invariant features) e correzione radiometrica relativa di dati satellitari passivi. Il nuovo algoritmo (TRRCA, Threshold Relative Radiometric Correction Algorithm) può essere definito come un algoritmo supervisionato che combina tre metodi per il rilevamen-to dei PIF: Momentum Distance Index (MDI), maschere di Normalized Differenced Vege-tation Index (NDVI), operatori morfologici di erosione e dilatazione. Per testare l’efficacia dell’algoritmo TRRCCA sono state selezionate scene satellitari L8 acquisite in differenti regioni sparse per il mondo. Infine, i risultati ottenuti con l’algoritmo TRRCA sono stati confrontati con il celeberrimo algoritmo IR-MAD (Iteratively Reweighted Multivariate Alte-ration Detection) mostrando come l’algoritmo proposto possa essere una valida, e in al-cuni casi migliore, alternativa agli approcci esistenti.