CC BY
44
УДК 528.854 Е.П. Хлебникова СГГ А, Новосибирск
АВТОМАТИЗИРОВАННОЕ ОПРЕДЕЛЕНИЕ ТИПОВЫХ УЧАСТКОВ МЕСТНОСТИ НА ПРИМЕРЕ КУРГАНОВ АЛТАЯ
Ye.P. Khlebnikova
Siberian State Academy of Geodesy (SSGA)
10 Plakhotnogo Ul., Novosibirsk, 630108, Russian Federation
AUTOMATED DETERMINATION OF STANDARD GROUNDS, THE ALTAI HILLS TAKEN AS AN EXAMPLE
Taking the barrows in the Altai region as an example, the methods have been developed for determination of the standard land units on the territory on the basis of the numerical query. It is shown that to identify the object under consideration, it is necessary to use the following parameters: spectral radiance of the objects, their dimensions (area and perimeter) and geometry (circularity) as distinguishing features.
Основной задачей данной работы было исследование возможностей автоматизированного определения типовых участков местности.
Различные территории обладают отличными наборами характерных форм природных и антропогенных объектов, свойственных именно этому типу ландшафта. Например, для тундровых, лесных или таежных зон они будут значительно отличаться друг от друга [1].
На исследуемой территории также существует определенный набор типовых объектов, однако в данной работе приоритетное внимание было уделено изучению такого интересного в историко-культурном отношении явления, как курганы.
Курган (barrow, kurgan) - разновидность погребальных памятников, распространенная в степной зоне Евразии. Характеризуется сооружением земляной насыпи над погребальной камерой.
Целенаправленное исследование курганов на Алтае началось примерно с середины 19 века, но в разные периоды времени интерес к ним то появлялся, то исчезал. В настоящее время эти задачи снова находятся на пике актуальности, связанным с сенсационной находкой в 90-х годах прошлого века так называемой «Скифской принцессы» плато Укок [2].
Выделяются многочисленные типы курганов, характеризующиеся особенностями конструкции погребальной камеры и насыпи.
Надмогильные сооружения можно классифицировать по:
- Размерам;
- Форме;
- Структуре;
- Использованному строительному материалу.
По размерам насыпи курганы представляется возможным разделить на средние и малые. Диаметр средних курганов определяется в пределах от 8 до 13 м (чаще всего их диаметр составляет от 9 до 10 м) при высоте насыпи от 10 см до 1 м. Малые курганы имеют насыпи диаметром от 2,5 до 7 м, высотой от 10 до 50 см.
По форме насыпи делятся на округлые, овально-вытянутые и полукруглые (разорванное кольцо).
По структуре дифференциацию можно провести по количеству каменных слоев (от 1 до 6) и категориям использованных камней (валуны, скальные обломки, галечник, каменные плиты, щебень) [3].
Автоматизация дешифрирования многозональных космических снимков в целях распознавания курганов проблема крайне сложная. До появления съемочных систем высокого разрешения она вообще была не решаема, так как их размеры, как было сказано выше, достаточно малы. Однако современные космические снимки по своему разрешению на местности теоретически позволяют решить поставленную задачу. В работе использовался снимок высокого разрешения - 2,4 м на местности, полученный съемочной системой Quick Bird. На рис. 1 представлен фрагмент снимка, на котором отображена одна из групп курганов.
Ранее проведенные эксперименты [1]
Viewer ttb : Q4may11045BOO-m2as-005584901010_01 _pQ01.fmg (:RedBa...
показали, что использование таких методов автоматизированного
дешифрирования, как контролируемая и неконтролируемая классификации, а так же применение метода главных компонент не дают удовлетворительных результатов. Это объясняется тем, что все эти способы в качестве исходных данных используют только сведения о спектральных яркостях объектов и, соответственно, значения яркостей изображений в каждом канале. Однако выше говорилось, что при создании курганов использовались такие материалы, как валуны, скальные обломки и т.д., это приводит к тому, что спектральные характеристики исследуемых объектов и окружающих объектов территории идентичны. Таким образом, для решения поставленной задачи необходимо учесть не только яркость изображений, но и специфическую геометрическую форму курганов.
С целью предварительного разделения изображения на отдельные классы сначала была проведена его неконтролируемая классификация, позволяющая разбить всю шкалу исходных яркостей на заданное количество интервалов. После ряда экспериментов количество таких интервалов было задано
Рис. 1. Группа курганов
равным 15.
На рис. 2 представлен результат неконтролируемой классификации всего изображения, а так же его фрагмента, что соответствует запросу по критерию:
$"Original Value" = = 9.
Анализ полученных результатов показывает, что итог неконтролируемой классификации, как и ожидалось, удовлетворительным признать нельзя.
В процессе распознавания выяснилось, что 3 из 15 классов практически полностью описывают яркостные характеристики курганов. Вместе с этим указанные классы захватывали большую часть других природных объектов, таких как дороги, скальные выходы и некоторые другие.
После перекодировки, клампирования имеющегося растра и расчета площадей образовавшихся полигонов, а так же сопоставления полученных данных с реальными размерами курганов, был сделан запрос
$"Original Value" = = 9 and $"Area" >= .035 and $"Area" <= .22.
На рис. 3 показано получившееся изображение.
Viewer #2 : cUimp_class15_recod_criter.img (:Layer_1) f- Ifn |
; Utility View AOI Raster Vector Annotation TerraModel Help
Н°Мн|®И®Мя| Ч+ЫИ
* і
*■
t 1
Рис. 2. Результат запроса «Яркость»
Рис. 3. Результат запроса «Яркость +Площадь»
Анализ полученных результатов показывает, что введение параметра «площадь» значительно повышает достоверность классификации, однако удовлетворительной ее признать на данном этапе все-таки нельзя, так как в класс «Курганы» попадает достаточно большое количество объектов, к курганам не относящихся.
Отличительным геометрическим признаком курганов является их форма, представляющая собой практически правильную окружность. Поэтому следующим этапом работы явилось выявление параметра, позволяющего выделить интересующие объекты по данному признаку. Для этого была рассчитана так называемая «Округлость» (Circularity). Запрос для расчета округлости выглядит следующим образом:
(4 * pi * $"Area" * 10000) / ($"Perimeter, exterior" * $"Perimeter, exterior").
Значением этого выражения будет число от 0 до 1. Ноль соответствует линии (предельно узкий полигон), единица - кругу (максимально округлый полигон). Для автоматизированного дешифрирования курганов экспериментальным путем было выведено значение, равное 0,85.
Таким образом, в процессе исследований в качестве отличительных характеристик курганов были выявлены следующие параметры -спектральная яркость объектов, размеры объектов (площадь и периметр), геометрическая форма объектов (округлость).
В результате запрос по всем выявленным критериям стал таким:
$"Original Value" = = 9 and $"Area" >= .035 and $"Area" <= .22 and $" Circularity >= .85.
После по полученному растру была создана маска (Mask), показывающая все объекты, удовлетворяющие данному запросу (рис. 4).
В результате проведенных исследований была
сформирована методика
автоматизированного дешифрирования курганов, являющихся типовыми
объектами территории Алтая, по многозональным космическим
запроса «Яркость + Площадь + Округлость» снимкам Quick в^ °сновными
этапами которой являются:
- Неуправляемая классификация с целью предварительного разделения изображения на отдельные классы;
- Соотнесение полученных классов и объектов исследуемой территории;
- Перекодировка и, возможно, генерализация тематического растра;
- Проведение процедуры «Кламп», позволяющей задать уникальные значения полученным полигонам;
- Расчет периметра и площадей полигонов;
- Определение геометрической характеристики исследуемых объектов;
- Составление запроса для автоматизированного дешифрирования интересующих объектов по выявленным критериям;
- Анализ и визуализация результатов.
В заключение можно отметить, что данная методика может быть использована и для решения каких либо других задач, но в этом случае выбор критериев должен осуществляться согласно поставленным целям и, соответственно, особенностям исследуемых объектов.
Рис. 4. Маска, созданная по результатам
1. Хлебникова, Е.П. Повышение эффективности регионального мониторинга по многозональным космическим снимкам / Хлебникова Е.П. // ГЕО-Сибирь-2007. Т. 3. Дист. методы зонд. Земли и фотограмметрия, мониторинг окр. среды, геоэкология: сб. материалов III междунар. научн. конгресса «ГЕО-Сибирь-2007», 25-27 апреля 2007 г., Новосибирск. - Новосибирск: СГГА, 2007. - С. 171-174.
2. Кубарев, В.Д. История изучения археологических памятников средней Катуни [Текст] / В.Д. Кубарев // Археологические исследования на Катуни. Новосибирск, 1990. - С. 7-22.
3. Миронов, В.С. Культура населения долины средней Катуни в скифское время
[Электронный ресурс] / В.С. Миронов. - Режим доступа: http://www.zaimka.ru/archaeology/vlad.shtml.
© Е.П. Хлебникова, 2008
