Исследование яркостных свойств и формы крон деревьев по материалам цифровой съемки ads-40 Текст научной статьи по специальности «Нанотехнологии»

ИССЛЕДОВАНИЕ ЯРКОСТНЫХ СВОЙСТВ И ФОРМЫ КРОН ДЕРЕВЬЕВ ПО МАТЕРИАЛАМ ЦИФРОВОЙ СЪЕМКИ ADS-40

Александра Александровна Гук

Сибирская государственная геодезическая академия, 630108, Россия, Новосибирск, ул. Пла-хотного, 10, аспирант кафедры фотограмметрии и дистанционного зондирования, тел. (923)2452431, e-mail: fionele@gmail. com

В статье рассмотрены возможности использования сегментации для получения таксационных характеристик. Проведено сравнительное исследование работы алгоритмов сегментации и классических алгоритмов классификации. Исследованы возможности использования текстуры сегментов для определения формы крон деревьев.

Ключевые слова: сегментация, дешифрирование, таксация, таксационные признаки.

INVESTIGATION OF TREES HEAD FORM AND BRIGHTNESS PROPERTIES FROM ADS-40 MATERIALS

Alexandra A. Guk

Siberian State Academy of Geodesy, 630108, Russia, Novosibirsk, Plachotnogo st., 10, PhD-student, department of photogrammetry and remote sensing, tel. (923)2452431, e-mail: fionele@gmail.com

Using segmentation for taxation characters (head form) acquisition consider in article. Compare of segmentation and traditional classification algorithms was investigated.

Key words: taxation, taxation characteristic, pattern recognition, segmentation.

Лесные массивы на территории Российской Федерации чрезвычайно обширны: во многих регионах ведутся работы по заготовке леса, существуют природные заповедники, лесные полосы специального назначения и так далее. Для получения своевременных сведений о состоянии леса необходим качественный и быстрый мониторинг лесных массивов [1].

Таксацию леса в настоящее время проводят как наземными средствами, так и с использованием методов дистанционного зондирования [2, 7], вследствие чего возникает необходимость качественного дешифрирования снимков.

Выделение сегментов на изображении - один из основных подходов при дешифрировании. Оператор выделяет на изображении отдельные взаимосвязанные фрагменты. Однако сложность формализации процесса заключается в том, что оператор выделяет сегменты по интуитивным признакам, которые могут содержать совокупность различных признаков [4,8].

Основным показателем форм крон деревьев является верхняя часть насаждения - полог. Строение кроны и полога зависит от особенностей породы, условий произрастания, возраста и вида леса и так далее. Важно отметить, что одни кроны в пологе деревьев изолированы и не касаются смежных деревьев, другие же в какой-то степени заходят под кроны соседних деревьев, а иногда и полностью находятся под ними. Исходя из естественной природы лесных мас-

сивов, можно выделить несколько уровней лесных образований. Лесной полог содержит несколько уровней, при этом только часть из них видна на аэрокосмических снимках[3].

Полог лесного массива делится на различные типы сегментов в зависимости от размеров массива, масштаба изображения, типа деревьев и т.д. Деление на сегменты на изображении определяется перепадами по яркости однородных образований - линиями, тенями, более нечеткими линиями и так далее. В связи с этим возникает несколько проблем, которые позволили бы использовать сегментацию при определении таксационных характеристик объектов.

Выделение сегментов связано с использованием пороговых и градиентных операторов. К чисто пороговым операторам можно отнести оператор Лапласа:

I с \ = 4^тщ (1)

К градиентным операторам относятся:

- перекрестный оператор Робертса:

Сж = Ьс (к + 1, п + 1) — Ьс (к, п)

Су = Ь с (к + 1 , п ) — Ь с(к,п + 1 ) (2)

- оператор Превита:

Сж = (¿2 + ¿3 + ¿4) — (¿о ^6 ^7)

Су = (Ь4 + Ь 5 + Ь 6) — (Ь 0 + Ь 1 + Ь 2) (3)

- оператор Собела:

Сж = (¿2 + 213 + ¿4) — (¿о + ¿6 + 217)

Су = (Ь 4 + 2 Ь 5 + Ь б) — (Ь 0 + 2 Ь 1 + Ь 2) (4)

- и др.

Вначале были выделены границы участков с помощью сегментации Для выделения сегментов леса целесообразнее использовать градиентные методы. Так как физически смена типа лесного покрова происходит постепенно, необходимо применить специальные пороговые критерии.

Дальнейшие исследования сегментов связаны с анализом их текстуры. Для тестовых участков были получены численные характеристики с использованием следующих операторов [9]:

- Максимум вероятности

т ахи(с (5)

- Момент порядка к разности элементов

- Обратный момент разности элементов к-го порядка

ЕіЕ,-су/(і-і)к, і*і

(7)

Однородность

2 ^ Ь (8)

Энтропия

-І І2 ;Су1 о g2cu (9)

- Корреляция и другие.

Как видно из рисунка 1, на котором представлены различные виды текстур для тестового участка, наиболее четкое выделение границ лесного покрова можно получить, используя в качестве признака текстуры дисперсию. На рисунке 2 для сравнения показана классификация двумя наиболее распространенными методами [5,6].

Комбинирование различных видов текстур позволяет выделить в качестве сегментов кроны деревьев.

Проведенный анализ показал, что существует принципиальная возможность использования сегментации и наложения текстур различных типов для выделения крон деревьев, формы крон и различать деревья по породам. Существует возможность комбинаций, использование кластерного анализа и вероятностных подходов для выделения отдельных деревьев. Так, например, наложение текстур, полученных операторами дисперсии, однородности и контраста, хорошо выделяют формы крон (рис 3).

Для более развернутого анализа возможностей использования текстуры и сегментации необходимо проведение дальнейших исследований в этой области.

Рис.

4' til Homogeneity (R:L1_001 _06_21_04_45_RG... |Ç]|6]®

#2 Second Moment (R:L1_001_06_21_04_45_

til Dissimilarity (R:L1_001_06_21_04_45_RG.

File Overlay Enhance Tools Wndow

File Overlay Enhance

Overlay Enhance

Lin

File Overlay Enhance Tools Window

File Overlay Enhance Tools Window

File Overlay Enhance Tools Window

«* til Corieldtion (R:L1_001_06_21_04_45_RGB... [7 ] (□)[><!

Рис. 1. Различные виды текстур для тестового участка

. Классификация тестового участка методом вычисления расстояния Махаланобиса (слева) и К-шеаш (справа)

Рис. 3. Комбинирование текстур

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Алтынцев, М.А. Вейвлет-анализ для выявления вырубок в лесных массивах по аэрофотоснимкам [Текст] / М.А. Алтынцев, А.С. Гордиенко, А.А. Гук // Сб.матер. VI Международного научного конгресса "ГЕО-Сибирь-2010", Новосибирск.-Т.4., Ч. 1.- С. 3-8.

2. Д.П. Симонов Анализ методов выделения типов растительных покровов по многозональным космическим снимкам [Текст] // Сб.матер. VIII Международного научного конгресса " ИнтерэкспоГЕО-Сибирь-2012", Новосибирск.-Т.2., - С. 3-7

3. Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: Учебник. - Йошкар-Ола: МарГТУ, 2005. - 392 с.

4. Красильников Н.Н. Цифровая обработка 2D и 3D изображений //БХВ - Петербург, С-Пб, 2011, 608 с.

5. Гук, А.П., Евстратова, Л.Г., Алферова, А.С. Комплексный анализ космических снимков для выявления изменений при мониторинге территорий // Сб.матер. V Международного научного конгресса "ГЕ0-Сибирь-2009", Новосибирск.-Т.4., Ч. 2.-С.181-185

6. Гук А. П. Исследование возможностей программного комплекса ENVI для мониторинга территорий по космическим снимкам / Л.Г. Евстратова, А.С. Алферова, И.И. Чикулае-ва, А.А. Гук // Сб. материалов международного науч. конгр. «ГЕО-Сибирь 2009» - Т.4, ч. 2. Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. - Новосибирск: СГГА, 2009. - С. 186-192.

7. Космические снимки: решения для лесного хозяйства [Электронный ресурс] /

СканЭкс [Режим доступа]: http:/www.scanex.ru/ru/monitoring/

default.asp?submenu=forestry&id=index

8. И. А. Пестунов Сегментация спутниковых изображений высокого разрешения по спектральным и текстурным признакам [Текст] / С.А. Рылов // Сб.матер. VIII Международного научного конгресса "Интерэкспо ГЕ0-Сибирь-2012", Новосибирск.-Т.1.- С.8691

9. Гонсалес, Р. Цифровая обработка изображений [Текст] / Р. Гонсалес, Р. Вудс. -М.:Техносфера, 2005. - 1072 с.

© А.А. Гук, 2013