CC BY
168
АВТОМАТИЗИРОВАННОЕ ОПРЕДЕЛЕНИЕ КООРДИНАТ ДЕРЕВЬЕВ ПО МАТЕРИАЛАМ АЭРО- И КОСМИЧЕСКИХ СЪЁМОК
Станислав Андреевич Арбузов
Сибирская государственная геодезическая академия, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, старший преподаватель кафедры фотограмметрии и дистанционного зондирования, тел. (923)188-42-49,e-mail: stan i slav84@mail.ru
В статье рассмотрены некоторые подходы к визуальному и автоматизированному определению координат деревьев и плотности древостоя по аэро- и космическим снимкам. Рассмотрены проблемы автоматизированного дешифрирования деревьев по аэроснимкам. Показаны возможности площадных алгоритмов отождествления образов при автоматизированном дешифрировании лесных массивов по материалам аэро- и космических съёмок.
Ключевые слова: автоматизированное дешифрирование аэро - и космических снимков, таксация лесов, распознавание образов, взаимная корреляция, метод независимых компонент.
AUTOMATED COORDINATE DETERMINATION ON TREES FROM AERO-SPACE IMAGING
Stanislav A. Arbuzov
Siberian State Academy of Geodesy, 630108, Russia, Novosibirsk, str. Plakhotnogo 10, Senior Teacher, Department of Photogrammetry and Remote Sensing tel. (923)188-42-49, e-mail: stan_i_slav84@mail.ru
In the article several approaches of visual and automatic detection of tree coordinates and tree density from aerial and space images are considered. The problems of automatic decoding of trees in aerial images are given. The opportunities of area identification algorithms for automatic decoding of forest images based on aerial and satellite imagery are shown.
Key words: automatic decoding of aerial and space images, forest inventory, pattern recognition, cross-correlation, independent component analysis.
Лес является одним из основных национальных богатств нашей страны. Площадь, покрытая лесом, составляет около 764 млн. га [1]. Контроль над такими огромными территориями невозможно осуществлять без использования данных дистанционного зондирования. Аэросъёмка и космическая съёмка высокого и сверхвысокого разрешения являются оптимальным решением для ведения лесного мониторинга. При обработке аэро- и космических снимков для лесного хозяйства, используются, как правило, методы визуального дешифрирования. Визуальный способ является очень трудозатратным и не позволяет осуществлять оперативный мониторинг по большому числу снимков.
На кафедре фотограмметрии и дистанционного зондирования СГГА по заказу ФГУП «Рослесинфорг» ведётся научно-исследовательская работа по разработке методик автоматизированного определения таксационных характеристик (густота древостоя, размер кроны, форма кроны, высота деревьев,
сомкнутость крон, состав древостоя) лесных массивов по аэро - и космическим снимкам.
Современные методы автоматизированного дешифрирования позволяют достаточно надёжно классифицировать многоспектральные снимки лесных территорий, разделяя изображения на 3-4 основных класса, (хвойные породы, лиственные породы, гидрография, травянистая растительность, кустарниковая растительность) но не позволяют выделить каждое дерево в отдельности, а между тем, определение координат деревьев и густоты древостоя (количество деревьев на единицу площади) являются важной задачей при таксационном описании лесов [2, 3, 4, 5, 6]. По аэроснимкам эти параметры определяются визуально по числу видимых крон с использованием палеток различных размеров. Полученное значение количества видимых крон деревьев корректируется на процент неучтенных деревьев (этот показатель берётся из таблиц и может отличаться для различных лесных массивов), который на снимках масштаба 1:10000 может достигать 55% [7].
За рубежом ведутся работы по автоматизации определения таксационных показателей с использованием материалов аэро- и космических съёмок. Существует множество публикаций, в которых предлагаются различные методики по выявлению местоположения отдельных деревьев. Эти методики, как правило, основаны на пороговой сегментации и анализе текстуры аэро - или космических снимков. Они хорошо работают там, где деревья в значительной мере отличается от окружающего фона по текстурным, структурным или яркостным признакам [8, 9, 10]. Для снимков лесных массивов, состоящих из разновозрастного древостоя с различным уровнем плотности произрастания и сомкнутости крон необходим другой подход.
В рамках научной исследовательской работы по определению таксационных показателей по аэроснимкам было предложено использовать площадные алгоритмы сопоставления образов. Наибольшее распространение из таких алгоритмов в настоящее время получил алгоритм на основе метода взаимной корреляции, который является одним из самых ранних подходов отождествления соответственных пар. Суть метода заключается в вычислении взаимной корреляции между эталонным образом и множеством образов на снимке [11, 12].
Для исследований были использованы сканерные снимки ADS40, полученные на залесённую местность.
Одной из проблем использования методов автоматизированной идентификации деревьев на аэро- и космических снимках являются искажения, вызванные центральной проекцией. На рисунке 1 показано, как выглядит лесной массив на снимках кадровой (а) и сканерной (б) съёмочных систем.
И из-за того, что изображения деревьев на краю снимка и в центре могут значительно отличаться, задача дешифрирования древесных крон и определения их координат была разбита на две части:
•дешифрирование деревьев в центральной части снимков; •дешифрирование деревьев на краях снимков.
Рис. 1. Искажения, вызванные центральной проекцией: а) кадровая съёмочная система; б) сканерная съёмочная система
На рис. 2 показано как выглядят кроны деревьев в центре и на краю снимка.
а б
Рис. 2. Изображение кроны дерева а) в центре снимка б) на краю снимка
Для исследования возможности выявления отдельных крон деревьев по материалам аэро- и космических съёмок сверхвысокого разрешения, использовалась центральная часть снимка ADS40. Программа, реализующая алгоритм обнаружения деревьев на основе функции взаимной корреляции, была написана на языке программирования IDL. В качестве эталонного образа использовалось изображение кроны одного из деревьев центральной части снимка (рисунок 2 а). На первом этапе программа определяет размер образа и находит значения корреляции с множеством образов (с шагом в 1 пиксел) на исследуемом изображении. Результатом работы программы является изображение, состоящее из значений корреляции. Координаты пикселов с большими значениями корреляции, будут являться координатами деревьев, наиболее похожих на эталонный образ. На рис. 3 представлен результат работы программы.
Для поиска деревьев с кронами определённого диаметра предполагается использовать образы соответствующего размера.
а б в
Рис. 3. Поиск деревьев на изображении
а) фрагмент исходного изображения; б) изображение, состоящее из значений корреляции; в)
значения корреляции больше 0,6
Кроме корреляционных алгоритмов, для поиска крон деревьев на изображении в рамках научно исследовательской работы рассматриваются и другие подходы. Например, проверяется возможность использования метода независимых компонент (independent component analysis) для выделения крон деревьев. На рисунке 4 можно видеть результаты использования первой компоненты изображения, полученного путём преобразования исходного снимка по методу независимых компонент с последующей пороговой обработкой.
а б в
Рис. 4. Результат применения метода независимых компонент и пороговой обработки для выделения крон деревьев
а) исходный фрагмент снимка; б) изображение первой компоненты в) результат пороговой обработки
Исследования по этим направлениям будут продолжены. Результатом работы должен стать инструмент, интегрированный в программный комплекс ENVI, позволяющий достаточно эффективно в автоматизированном режиме обнаруживать деревья, определять их координаты и рассчитывать густоту древостоя на заданной территории.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Мартынов, А.Н. Основы лесного хозяйства и таксация леса/ А.Н. Мартынов, Е.С. Мельников, В.Ф. Ковязин, А.С. Аникин, В.Н. Минаев, Н.В. Беляева// Учебное пособие для студентов направления 250300 «Технология и оборудование лесозаготовительного и деревообрабатывающего производств» и специальности 120303 «Городской кадастр». - СПб. -ООО Изд-во «Лань», 2008. - 372 с.
2. Арбузов, С.А. Исследование алгоритма «дерево решений» в программном комплексе ENVI [Текст] / С.А. Арбузов, А.А. Гук // Геодезия и картография. - 2011. - № 2. - С. 1114.
3. Гордиенко, А.С. Разработка методики многоступенчатого дешифрирования космических снимков / А.С. Гордиенко, М.А. Алтынцев., С.А. Арбузов // Геодезия и аэрофотосъемка. - 2011. - № 2. - С. 29-32.
4. Коптев, А.В. Тематическое картографирование лесов по материалам дистанционного зондирования Земли (на примере среднего приангарья) [Текст] / А.В. Коптев// Интерэкспо ГЕО-Сибирь-2012. Т. 2.: сб. матер. VIII Междунар. научн. конгресса «Интерэкспо ГЕО-Сибирь-2012», 10-20 апреля 2012 г., Новосибирск. - Новосибирск: СГГА, 2011. - С. 83-88.
5. Алтынцев, М.А. Вейвлет-анализ для выявления вырубок в лесных массивах по аэрофотоснимкам [Текст] / М.А. Алтынцев, А.С. Гордиенко, А.А. Гук // ГЕО-Сибирь-2010: сб. материалов VI Междунар. науч. конгр. «ГЕО-Сибирь-2010», 19 - 23 апр. 2010 г., Новосибирск. - Новосибирск: СГГА, 2010. - Т. 4, ч. 1. - С. 3 - 8.
6. Алтынцев, М.А. Преобразование Tasseled Cap по космическим снимкам IKONOS для дешифрирования растительности [Текст] / М.А. Алтынцев // ГЕО-Сибирь-2011: сб. материалов VII Междунар. научн. конгресса «ГЕО-Сибирь-2011», 27 - 29 апр. 2011 г., Новосибирск. - Новосибирск: СГГА, 2011. - Т. 4. - С. 30 - 35.
7. Бастаева, Г.Т. Аэрокосмические методы в лесном хозяйстве [Текст] / Бастаева Г.Т. //Методические указания и контрольные задания для студентов очной и заочной форм обучения специальности 250201 - Лесное хозяйство и направлению подготовки 250100.65 -Лесное дело - 2013. - 74 с.
8. Tree detection from aerial imagery [Электронныйресурс]/ Lin Yang Xiaqing Wu, Emil
Praun, Xiaoxu Ma - Англ. - Режим доступа:
http://www.cis.uab.edu/kddm/seminar_home/Lin_Sept25_tree-camera-ready.pdf
9. Tree Crown Detection on Multispectral VHR Satellite Imagery [Электронный ресурс]/
Ioannis N. Daliakopoulos, Emmanouil G. Grillakis, Aristeidis G. Koutroulis, Ioannis K. Tsanis -Англ. - Режим доступа:
http://www.asprs.org/a/publications/pers/2009journal/october/2009_oct_1201-1211.pdf
10. Detection of Tree Cutting in the Rangelands of North Eastern Somalia Using Remote
Sensing [Электронныйресурс] - Англ. - Режим доступа:
http://www.faoswalim.org/ftp/Land_Reports/Cleared/L15%20Detection%20of%20Tree%20Cutting %20in%20the%20Rangelands%20of%20NE%20Somalia.pdf
11. Арбузов, С.А. Использование нейронной сети для идентификации соответственных точек [Текст] / С.А. Арбузов // ГЕО-Сибирь-2011. Т. 4.: сб. матер. VII Междунар. научн. конгресса «ГЕО-Сибирь-2011», 27-29 апреля 2011 г., Новосибирск. - Новосибирск: СГГА, 2011. - С. 26-29.
12. Бучнев А.А. Программная технология определения пространственных перемещений объектов по данным дистанционного зондирования Земли [Текст]/ А.А. Бучнев, В.П. Пяткин // ГЕО-Сибирь-2008. Т. 3, ч.1.: сб. матер. IV Междунар. научн. конгресса «ГЕО-Сибирь-2008», 22-24 апреля 2008 г., Новосибирск. - Новосибирск: СГГА, 2008. - С. 16-25.
© С.А. Арбузов, 2013
