CC BY
44
УДК 528.7 Г.А. Гиенко
Южнотихоокеанский университет, Фиджи А.Я. Гиенко
Специальное конструкторско-технологическое бюро «Наука» КНЦ СО РАН, Красноярск М.О. Говоров
Университетский колледж Маласпина в Nanaimo, Британская Колумбия, Канада
ЭТАЛОНИРОВАНИЕ ГЕОПРОСТРАНСТВА ДЛЯ ИНТЕРПРЕТАЦИИ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ И ГЕОИНФОРМАЦИОННОГО КАРТОГРАФИРОВАНИЯ
G. Gienko
University of the South Pacific, Fiji A. Gienko
Russian Academy of Science, Krasnoyarsk Scientific Center, Krasnoyarsk M. Govorov
Malaspina University-College, Nanaimo, British Columbia, Canada
GEOSPATIAL GROUND TRUSTING FOR ENVIRONMENTAL MAPPING AND IMAGE INTERPRETATION
For many decades remote sensing specialists and cartographers widely use remotely acquired imagery provided by variety of Earth-observation systems. Multispectral sensing had led to development of automated classification systems, suitable for low-resolution image analysis. Modern cameras provide very high resolution images which revive classical manual image interpretation and stimulate rapid development of hybrid image analysis. The paper discusses value of ground truth photographs for hi-resolution image analysis and elaborates on issues of their effectiveness for visual and hybrid interpretation of remotely sensed imagery.
Разнообразие и легкость доступа к материалам аэро- и космической съемки, совершенствование методов цифрового получения, передачи и обработки визуальной информации являются несомненно позитивным фактором, способствующим широкому использованию гео-изображений во многих системах геионформационного картографирования.
Одним из принципиальных этапов геоинформационного картографирование является извлечение информации из материалов съемки путем интерпретации изображений с целью распознавания природных и техногенных образований - дешифрирования снимков. Результатом работ по интерпретации снимков является расшифровка аэрокосмических изображений с указанием экологических характеристик объектов и участков геопространства, обычно представляемая в виде схемы дешифрирования. Существуют различные методы дешифрирования, определяемые видом съемки, масштабом (разрешающей способностью), спектральным диапазоном, возможностью проведения полевых обследований и прочее. Одним из методов является дешифрирование с использованием эталонных изображений. Дешифровочные эталонные изображения представляют собой изображения фрагментов геопространства, которые содержат интересующие
исследователя предметы, явления или процессы, наблюдавшиеся в момент съемки.
Восприятие панхроматических, цветных и мультиспектральных геопространственных изображений высокого пространственного разрешения, получаемых современными съемочными системами, отличается от восприятия окружающей среды с поверхности в трех важных аспектах:
1) Объекты запечатлены с высокой и непривычной для человеческого глаза позиции,
2) Изображения получены в мелких масштабах с высокой степенью оптической генерализации, непривычной для обыденного зрения,
3) Изображения часто регистрируются в спектральных зонах за пределами видимой зоны спектра, что вызывает затрудненное и часто неадекватное восприятие и идентификацию объектов.
Наряду с автоматической и полуавтоматической классификацией изображений с использованием компьютеров, классическое визуальное распознавание и дешифрирование объектов широко используется для дешифрирования крупномасштабных аэрофотоснимков. Более того, с появлением космических снимков сверхвысокого разрешения проявляется все большее их использование в различных научных и прикладных отраслях. В этой связи наблюдается существенный интерес к использованию визуального и особенно гибридного методов дешифрирования, основанных на комбинировании технологий автоматизированного анализа и визуальной интерпретации изображений.
Наземные полигоны и интерпретация аэрокосмических изображений
Интерпретация аэро- и космических изображений может быть подразделена на две основные категории - визуальное дешифрирование и автоматическое распознавание объектов с использованием компьютеров. Гибридный подход сочетает преимущества визуального и автоматического дешифрирования и интенсивно используется для интерпретации крупномасштабных изображений высокого разрешения. Эти широко обозначенные методы могут быть детализированы вглубь и вширь, однако принципиальным моментом является тип задач, решаемых оператором на различных этапах процесса обработки и анализа изображений. Независимо от метода интерпретации изображений, процесс, как правило, вовлекает оценку качества выполнения идентификации и распознавания объектов.
Оценка точности определяет качество извлечения информации из данных дистанционного зондирования. Оценка качества является довольно хорошо проработанной и глубоко изученной темой. Качество дешифрирования может определяться как количественными показателями, так и качественной оценкой. В то время как качественное оценивание является в основном мерой достаточно субъективной, количественное оценивание выполняется на основе применения методов статистического анализа выборки, как правило, со ссылкой на достоверные данные, полученные других источников информации (крупномасштабное
изображение, тематические карты, и прочее) или из результатов полевого обследования. В последнем случае предполагается, что наземные данные являются абсолютно достоверными [Buckland and Elston, 1994, Congalton and Green, 1999, Nishii and Tanaka, 1999, Liu et al., 2007]. Для оценки качества дешифрирования необходимо выполнение условия точной геопространсвенн привязки объекта на местности и дешифрируемого изображения [Steven, 1987, Campbell and Browder, 1995, McCoy, 2005].
Кроме оценки качества, наземные полигоны широко и успешно используются как для отработки различных признаков дешифрирования [Paine and Kiser, 2003, Lillesand and Kiefer, 2004, Dahdouh-Guebas et al., 2006], так и для создания эталонных изображений, на которых объекты на изображении идентифицированы из полевых обследований [Remote Sensing Guides, 2008, Zion National Park, 2008]. Этот метод, однако, страдает определенными недостатками. Объекты, идентифицированные на конкретном изображении, полученны определенной съемочной системой при определенных условиях съемки, могут не иметь таких же признаков на снимках, полученных в другое время или изображениях, полученных сенсорами другого типа. Однако если такое эталонное изображение содержит дополнительную визуальную и текстовую информацию о состоянии объекта на местности, оно становится наиболее точным и достоверным источником информации и может быть применимо практически для любого типа аэрокосмических изображений, независимо от спектрального диапазона, масштаба, и даты выполнения съемки.
Другая важная область применения наземных полигонов - взаимная калибровка различных сенсоров и систем дистанционного зондирования [Thu and Popolus, 2007, Backes and Jacobi, 2006, Johnson et al, 1996, Teillet et al, 2006, Steven et al, 2007].
Наземные фотографии как замена натурных наблюдений
В то время как вопросы визуального восприятия естественных ландшафтов в архитектуре и ландшафтном дизайне посредством фотографий широко изучены и представлены в литературе, [Stamps, 1990, Hunt, 1984, Shang and Bishop, 2000], применение наземной фотосъемки для имитации естественных полевых наблюдений в картографировании и изучении окружающей среды изучено намного меньше [Cherem and Driver, 1983, Herzog, 1989].
Исследования Стюарта [Stewart et al. 1984] указали на слабость эмпирических разработок в этой области и предложили новый метод оценивания пригодности наземных фотографий для замены натурных наблюдений в изучении окружающей среды, однако ограничили их исследования визуальной оценкой качества атмосферы, в основном для целей метеорологии. В 1992 году Хендерсон опубликовал детальное теоретическое исследование визуально-когнитивного процесса восприятия естественных ландшафтов [Henderson, 1992]. Основное внимание в работе было уделено определению семантических категорий сцены, объектов, составляющих сцену, а также пространственных отношений элементов сцены.
Научное обоснование уровня применимости наземных фотографий как замены естественных природных наблюдений для целей интерпретации изображений дистанционного зондирования должно выполняться на основе детального изучения психофизиологических особенностей человеческого зрения применительно к восприятию аэрокосмических изображений, однако, исследования в этой области находятся на начальном уровне [Lowe, 1985, Hoffmann and Markman, 2001, Gienko and Chekalin, 2004, Gienko and Levin, 2007]. Тем не менее, несмотря на существующие теоретически важные существенные различия между реальными наблюдениями трехмерного объекта и рассматриванием его фотокопии, в практической деятельности наземные фотографии могут быть и успешно применяются при интерпретации аэрокосмических снимков как вынужденная альтернатива реальному полевому обследованию.
Ценность наземных фотографий для интерпретации изображений
Ценность наземных фотографий для интерпретации изображений существенно варьируется в зависимости от многих методологических и технических факторов, включая следующие:
- Геометрическая точность координатной привязки точки фотографирования;
- Визуальная достоверность передачи реального объекта;
- Детальность и корректность аннотации к изображению;
- Метод, которым получен наземный снимок;
- Масштаб и пространственное разрешение изображения, подлежащего дешифрированию;
- Метод интерпретации аэрокосмического изображения.
Геометрическая точность координатной привязки имеет непосредственное отношение с масштабом аэрофотоснимка, или пространственным разрешением изображения в цифровой форме. Поскольку точность GPS приемников не геодезического назначения находится в пределах 7-15 метров, необходимым условием наземного фотографирования является правильный выбор точки съемки. Как правило, место съемки выбирается в пределах относительно однородного ландшафта в пределах относительно большой области. Понятие «относительно однородный ландшафт» является довольно субъективным, однако размер зоны может быть определен исходя из пространственного разрешения снимков Ландсат (30 метров) и размера минимального распознаваемого объекта в пикселах на цифровом изображении (3х3 пиксела). Основываясь на этих данных, минимальный размер 100х100 метров может быть рекомендован как критерий выбора однородно ландшафтной зоны для целей выполнения наземной съемки.
Важность геометрических требований к координатно-географической привязке в связи с размером пиксела на цифровом аэрокосмическом изображений может быть проиллюстрирована следующим примером. На
космическом снимке Landsat ETM+ были выбраны два смежных пиксела, для которых построены соответствующие спектральные кривые. Значения спектральных откликов в численной форме и графическом виде приведены на рисунке 1. Как видно из приведенных данных, значения спектральных откликов почти идентичны во всех каналах, за исключением каналов 5 и 7 (825.00 nm and 918.75 nm соответственно).
Канал Длина волны nm Спектральный отклик
пиксел 1 пиксел 2
1 450.00 53 49
2 543.75 36 34
3 637.50 31 24
4 731.25 69 65
5 825.00 54 20
7 918.75 34 11
6a 1012.50 118 117
6b 1106.25 125 125
8 1200.00 27 19
Рис. 1. Спектральные отклики двух смежных пикселов на снимке Landsat
ЕТМ+
Далее, эти два смежных пиксела были использованы для автоматической интерпретации по методу управляемой классификации. Как видно на рисунке 2, эти два пиксела сформировали два четко идентифицируемых отдельных кластера, свидетельствуя, что эти два пиксела не являются вариациями спектральных отражений в пределах одного статистически однородного класса, а представляют два отдельных и однозначно идентифицируемых классов природных объектов местности. Следовательно, если координаты точки фотографирования наземного снимка будут определены с недостаточной точностью, результаты классификации будут интерпретированы некорректно.
Изобразительная детальность и достоверность наземного снимка, наряду с методом выполнения наземной съемки, должны обеспечивать максимальную адекватность визуального восприятия наземной фотографии реальному наблюдению на местности. Разрешение цифровой камеры, используемой для наземной съемки, должно быть достаточно высоким чтобы обеспечивать четкое и детальное изображение объектов, не оставляющих пользователю колебаний в опознавании объекта при рассматривании наземной фотографии. Несмотря на то, что большинство современных камер позволяют выполнять съемку в автоматическом режиме, балансируя выдержку и диафрагму для получения оптимальной экспозиции, фотографическое качество снимков все еще сильно зависит от восприятия фотографом сцены и освещения (особенно в случае яркого неба или фотографирования против света).
Детальность и корректность аннотации к изображению является ключевым аспектом, определяя ценность всей концепции использования наземных фотографии. Значимость фотографии существенно снижается, в случае недостаточно полной, или, что еще хуже, некорректного описание наземного объекта.
Выбранный метод интерпретации изображения определяет тот или иной подход к использованию наземных фотографий. В визуальном дешифрировании аэрофотоснимков и космических снимков высокого разрешения, наземные снимки могут быть непосредственно использованы как замена натурным наблюдениям. Количество фотографий, их пространственная ориентация и площадь покрытия наземного полигона должны создать визуальное окружение, наиболее близко соответствующее реальному восприятию сцены.
Рис. 2. Два смежных пиксела на снимке Landsat ETM+ (канал 5, с увеличением 16x) и соответствующие результаты автоматической классификации, наложенные на исходный снимок (канал 5, с увеличением 4x)
В случае автоматической классификации мульти- и гиперспектральных изображений координаты наземного тест-объекта могут быть использованы для вычисления координат конкретного пиксела (или группы пикселов) на цифровом снимке, который будет использован как стартовая точка для инициализации алгоритма классификации. Окончательное принятие решения о присвоении определенного класса выделенному кластеру пикселов изображения может быть сделано, как и в методе визуального дешифрирования, путем анализа всей сцены отображенной на наземном снимке.
Экспериментальная оценка эффективности наземных фотографий для интерпретации аэрокосмических изображений
Несмотря на интуитивно-очевидное представление полезности наземных фотографий для интерпретации аэрокосмических изображений, количественно оценить уровень этой полезности достаточно сложно. Прямое сравнение результатов дешифрирования с использование наземных фотографий и без них, может не быть полностью объективным вследствие сильной корреляции с опытом конкретного дешифровщика и знакомство с особенностями той или иной территории. Тем не менее, такой анализ может иллюстрировать общую тенденцию изменения степени уверенности дешифровщика в идентификации объектов на аэрокосмических изображениях - нижеприведенные результаты экспериментальных исследований могут служить вполне очевидным тому доказательством.
Для проведения экспериментов был подготовлен набор из 10 космических изображений различных регионах мира, отражающие различные географические зоны и природные ландшафты, - лесные массивы, сельскохозяйственные поля и угодья, а также пустынные области (табл. 1). Для сравнительного изучения влияния масштаба и пространственной генерализации были использованы снимки с различным пространственным разрешением - от 1 до 30 метров.
Таблица 1. Характеристики тестовых областей, космических изображений и
наземных фотоснимков
Полигон Регион Широта Долгота Разрешение Дата наземной съемки
A Бенин 11N 01E 30 m 12-Мар-02
B Филлипины 11N 125E 1 m 30-Дек-03
C Индия 12N 76E 1 m 28-Фев-04
D Египет 24N 28E 30 m 18-Ноя-07
E Индия 29N 76E 1 m 10-Ноя-02
F Аргентина 34S 65W 30 m 7-Авг-04
G Теннеси, США 35N 85W 1 m 20-Фев-08
H Новая Зеландия 42S 172E 1 m, 30 m 27-0кт-05
I Монголия 49N 91E 1 m, 30 m 4-Сен-07
J Швеция 59N 18E 1 m 29-Апр-07
Геопривязанные наземные фотографии были скачаны с сайта проекта The Degree Confluence Project (www.confluence.org); на каждом полигоне были получены снимки в четырех направлениях (север, восток, юг, запад); в дополнение, на некоторых тестовых участках была выполнена панорамная съемка. Для проведения экспериментальных исследований были сформированы три группы пользователей аэрокосмической информации:
1) Профессиональные дешифровщики изображений - 6 экспертов с опытом от 10 до 30 лет,
2) Слушатели курсов повышения квалификации на базе высшего образования (переквалификация на специальность ГИС и дистанционное зондирование) - 18 слушателей курсов, имеющих общегеографическое образование, но без реального опыта дешифрирования снимков,
3) Студенты второго года обучения географического ВУЗа, изучающие семестровый курс «Аэрокосмические съемки» - 40 студентов, без достаточных знаний и опыта дешифрирования.
Эксперимент был выполнен в три этапа, на каждом из которых пользователям последовательно увеличивался доступ к дополнительной информации. Исходные данные включали:
Этап 1. Космические снимки без указания координат или какой-либо информации;
Этап 2. Название географического региона и координаты центра снимка (дополнительно к данным первого этапа);
Этап 3. Наземные фотоснимки (дополнительно к данным второго этапа).
Пользователи должны идентифицировать объект на космическом снимке (объект помечен маркером) последовательно на всех космических снимках и оценить уровень уверенности в идентификаци объекта на каждом из трех этапов эксперимента. В табл. 2 показаны статистические результаты эксперимента; рис. 3 представляет их графическую иллюстрацию.
В то время как абсолютные значения степени уверенности должны быть интерпретированы с некой долей осторожности (к примеру, у новичков прослеживается явная тенденция переоценки степени уверенности, в то время как эксперты «осторожничают» и занижают эти значения), проведенный эксперимент подтверждает гипотезу о повышении уровня достоверности дешифрирования с использованием наземных фотографий. Предварительная количественная оценка показывает повышение уровня самоуверенности на 25-30 %.
Таблица 2. Динамика степени уверенности идентификации объектов
Уровень экспертизы Количество участников Уверенность и стандартное отклонение, %
1 этап 2 этап 3 этап
Эксперты 6 68.9 76.1 93.7
8.5 6.9 6.1
Средний 18 52.4 62.4 89.9
23.0 17.1 11.0
Новички 40 42.2 51.3 80.8
23.6 23.3 16.7
Степень уверенности, % Стандартное отклонение, %
12 3 12 3
—■—Новички —♦—Средний —i Эксперты —■—Новички —♦—Средний —± Эксперты
Рис. 3. Степень уверенности и стандартное отклонение идентификации объектов в зависимости от наличия географической информации о регионе и
наземных фотографий объекта
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Backes, M., and J. Jacobi., 2006. Classification of weed patches in Quickbird images: verification by ground truth data EARSeL ePROCEEDINGS 5, 2/2006, p. 173-178.
2. Buckland, S.T. and Elston, D.A. 1994. Use of groundtruth data to correct land cover area estimates from remotely sensed data. Int. J. of Remote Sensing, vol. 15, 1994, pp. 12731282.
3. Campbell, J. B. and Browder, J. O., 1995. Field data collection for remote sensing analysis: SPOT data, Rondonia, Brazil. International Journal of Remote Sensing, 16:2, 333-350.
4. Cherem,G.J., & Driver,B.L.,1983. Visitor employed photography: A technique to measure common perceptions of natural environments. Journal of Leisure Research, 15(1), 6583.
5. Congalton, R. and K. Green. 1999, Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. CRC/Lewis Press, Boca Raton, FL. 137 p.
6. Dahdouh-Guebas, F., A. Verheyden, J.G. Kairo, L.P. Jayatissa & N. Koedam, 2006. Capacity building in tropical coastal resource monitoring in developing countries : a re-appreciation of the oldest remote sensing method. International Journal of Sustainable Development and World Ecology 13(1): 62-76.
7. Gienko G., and Chekalin V., 2004, Neurophysiological features of human visual system in augmented photogrammetric technologies. Proc of XXth ISPRS Congress, Istanbul.
8. Gienko, G., Gienko, A., Govorov, M., Maguire, B., 2009, Terrestrial photographs to support aerial and satellite image interpretation. Submitted to International Journal of Applied Earth Observation and Geoinformation.
9. Gienko, G., Levin, E., 2007, A "sight-speed" human-computer interaction for augmented geospatial data acquisition and processing systems. In: Stilla U. et al (Eds) PIA07. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 36 (3/W49B), 2007, p. 41-46.
10. Henderson, J.M. ,1992. Object identification in context: The visual processing of natural scenes. Canadian Journal of Psychology, 46, 319-341.
11. Herzog, T.R., 1989. A cognitive analysis of preference for field and forest environments. Landscape Research, 9, 10-16.
12. Hoffman R., Markman A., 2001. Interpreting Remote Sensing Imagery: Human Factors, Lewis Publishers, 289 p.
13. Hunt, M. E., 1984. Environmental knowing without being there. Environment and Behavior, 16, 307-334.
14. Johnson, B.C., Bruce, S.S., Early, E.A., Housten, J.M., O'Brian, T.R., Thompson, A.K., Hooker, S.B., and Mueller, S.L., 1996. "The Fourth SeaWiFS Intercalibration Round-Robin Experiment (SIRREX-4)," NASA Tech Memo 104566 37 (1996).
15. Lillesand, T.M. and Kiefer, R.W., 2004. Remote sensing and image interpretation 5th ed. John Wiley & Sons, New York, 766 pp.
16. Liu, C., Frazier, P and Kumar. L., 2007. Comparative assessment of the measures of thematic classification accuracy. Remote Sensing of Environment, Volume 107, Issue 4, April 2007, Pages 606-616.
17. Lowe, D.G., 1985. Perceptual Organization and Visual Recognition. Kluwer Academic Publishers, Boston, 1985.
18. McCoy, R.M., 2005. Field Methods in Remote Sensing, New York: Guilford Press.
19. Nishii, R., and Tanaka, S., 1999, Accuracy and Inaccuracy Assessments in LandCover Classification. IEEE Transactions on Geoscience and Remote Sensing, Vol. 37, No. 1, January 1999.
20. Paine, D., and Kiser, J., 2003. Aerial Photography and image interpretation. 2nd ed., John Wiley & Sons, Inc.
21. Remote Sensing Guides by American Museum of Natural History http://biodiversityinformatics.amnh.org/, last access Mar, 2008.
22. Shang, H. and I. D. Bishop, 2000. Visual thresholds for detection, recognition and visual impact in landscape settings. Journal of Environmental Psychology (2000) 20, 125-140.
23. Stamps, A. E., 1990. Use of photographs to simulate environments: A meta-analysis. Perceptual and Motor Skills, 71, 907-913.
24. Steven, M. D., 1987. Ground truth: An underview, International Journal of Remote Sensing, 8:7, 1033-1038.
25. Steven, M., Malthusb, T., and Baretc, F., 2007. Intercalibration of Vegetation Indices -an Update 10th International Symposium on Physical Measurements and Signatures in Remote Sensing, March 12 - 14, 2007, Davos, Switzerland (ISPMSRS07)
26. Stewart, T.R., P. Middleton, M. Downton, and D. Ely, 1984. Judgments of photographs vs. field observations in studies of perception and judgment of the visual environment J. Environ. Psych. 4:283-302.
27. Teillet, P.M., Markham, B.L. and Irish, R.R., 2006. Landsat cross-calibration based on near simultaneous imaging of common ground targets. Remote Sensing of Environment, 102, pp. 264-270.
28. Thu, P.M., and Populus, J., 2007, Status and changes of mangrove forest in Mekong Delta: Case study in Tra Vinh, Vietnam. Estuarine, Coastal and Shelf Science 71 (2007) p. 98109.
29. Zion National Park: USGS - NPS Vegetation Mapping Program, Zion National Park, http://biology.usgs.gov/npsveg/zion/
© r.A. rueHKO, A.H. rueHKO, M.O. roeopoe, 2009
