Использование данных аэрофотоснимков в задачах трехмерного моделирования ландшафтных сцен Текст научной статьи по специальности «Компьютерные и информационные науки»

Решетнеескцие чтения. 2015

УДК 004.925

ИСПОЛЬЗОВАНИЕ ДАННЫХ АЭРОФОТОСНИМКОВ В ЗАДАЧАХ ТРЕХМЕРНОГО МОДЕЛИРОВАНИЯ ЛАНДШАФТНЫХ СЦЕН

А. А. Ткачева

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

Е-mail: tkacheva@sibsau.ru

Данные лазерного сканирования и аэрофотоснимков повсеместно используются в практике инвентаризации лесов в качестве исходных данных для построения различных визуальных моделей. Приводится разработка алгоритма сегментации крон деревьев из исходного массива данных, а затем и создание трёхмерной модели земной поверхности участка леса и ландшафтных объектов на основе данных лазерного сканирования и аэрофотоснимков.

Ключевые слова: аэрофотоснимки, трехмерное моделирование, ландшафтное моделирование, реалистичные трехмерные ландшафтные сцены.

THREE DIMENSIONAL MODELING OF LANDSCAPE SCENE BASED ON AERIAL PHOTOS

A. A. Tkacheva

Reshetnev Siberian State Aerospace University 31, KrasnoyarskyRabochy Av., Krasnoyarsk, 660037, Russian Federation Е-mail: tkacheva@sibsau.ru

LiDAR data and aerial photographs are commonly used in the practice of forest inventory as a source of data for different visual models. This study is to develop an algorithm of segmentation tree crowns from the original data set, and then to create three-dimensional model of the earth's surface area offorest and landscape objects based on laser scanning and aerial photographs.

Keywords: aerial photo, three dimensional modeling, landscape modeling, realistic 3D-scene.

Первоочередной задачей в трехмерном моделировании ландшафта является задача определения породы дерева и соответственно типа ветвления. Определить породу дерева по уже предварительно сегментированному облаку точек воздушного лазерного сканирования каждого из деревьев не представляется возможным, при данном наборе исходных данных возможно определить форму кроны. Для решения задачи определения класса объекта-дерева (береза, сосна, пихта, кедр и др.) необходимо дополнительно осуществить аэрофотосъемку региона [1]. Отметим, что деревья на аэрофотоснимках древостоя относятся к малым и слабоконтрастным изображениям, границы контуров объектов представляют собой не контрастные линии, а размытые переходные полосы, несмотря на эти проблемы, данные снимки подлежат дешифрированию.

Существуют алгоритмы классификации двух видов - с обучением и без обучения (кластеризация) [2; 3]. При классификации с обучением пикселы

снимка группируются на основе сравнения их яркостей в каждой спектральной зоне с эталонными значениями. При кластеризации же все пикселы разделяют на группы-кластеры по какому-либо формальному дешифровочному признаку, не прибегая к обучающим данным. Затем кластеры, полученные в результате автоматической группировки пикселов, де-шифровщик относит к тем или иным объектам. К прямым дешифровочным признакам относят размеры, форму, тени, фототон или цвет и структуру (рисунок) изображения объектов на аэрофотоснимке.

Критерием отнесения дерева к тому или иному классу в нашем случае является цветовая составляющая объекта на аэрофотоснимке - яркостная компонента изображения У в цветовом пространстве УИУ. Таблица фототонов и цветов изображения топографических объектов на аэроснимках приведена в таблице. Яркостная характеристика определялась эвристическим способом, путем анализа нескольких фрагментов аэрофотоснимков.

Перечень фототонов и цветов изображения объектов на аэроснимках

Объекты Черно-белые снимки Цветные снимки Спектрозональные снимки

Лиственничные леса Светло-серый Светло-зеленый Светло-зеленый

Березовые леса Светло-серый Зеленый Зеленовато-желтый

Хвойные леса Серый Зеленый Зеленый

Лиственные леса Серый Зеленый Красновато-коричневый

Лиственные кустарники Серый Зеленый Желтовато-коричневый

Программные средства и информационные технологии

В таблице приведены те типы лесов и пород деревьев, которые встречаются в Сибирском федеральном округе. Результаты сегментирования аэрофотоснимка представлены на рисунке.

Достоверность компьютерного дешифрирования формально характеризуется отношением числа правильно классифицируемых пикселов к их общему числу и составляет в среднем 70-85 %, заметно падая с увеличением набора дешифрируемых объектов. Также стоит отметить, что при сканировании поздней весной или в начале лета, в связи с неполным развитием крон у лиственных, а также поздним летом или в начале осени, когда лиственные деревья фиксируются на аэроснимках более светлым фототоном, чем темно-хвойные задача кластеризации решается эффективнее

Библиографические ссылки

1. Медведев Е. М., Данилин И. М., Мельников С. Р. Лазерная локация земли и леса // Геолидар, Геоскос-мос. 2007. 230 с.

2. Favorskaya M. N., Tkacheva A. A. Rendering of Wind Effects in 3D Landscape Scenes // Original

Research Article Procedia Computer Science. 2013. Vol. 22, pp. 1229-1238.

3. Ткачева А. А. Применение алгоритма SpaceColonization при трехмерном моделировании сложных природных объектов // Вестник СибГАУ. 2014. Вып. 1(53). С. 85-91.

References

1. Medvedev E. M., Danilin I. M., Melnikov S. R. Laser location of Earth and Forest / // Geolidar, Geokosmos, 2007. 230 p.

2. Favorskaya M. N., Tkacheva A. A. Rendering of Wind Effects in 3D Landscape Scenes // Original Research Article Procedia Computer Science. 2013. Vol. 22, pp. 1229-1238.

3. Tkacheva A. A. Space Colonization algorithm application in three-dimensional modeling of complex natural objects // Vestnik SibGAU. 2014. No. 1(53), pp. 85-91.

© Ткачева А. А., 2015

УДК 004.932

ВЗАИМНОЕ ОРИЕНТИРОВАНИЕ ПОСЛЕДОВАТЕЛЬНОСТИ СНИМКОВ ДЛЯ УСТРАНЕНИЯ НЕЖЕЛАТЕЛЬНЫХ ОБЪЕКТОВ ПЕРЕДНЕГО ПЛАНА

А. И. Томилина, А. С. Савельев

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 Е-mail: nastomila@gmail.com, alxsave@gmail.com

Рассмотрена проблема удаления нежелательных объектов переднего плана с изображений с помощью извлечения желаемой сцены из последовательности снимков. Для выполнения взаимного ориентирования снимков предложено выбрать базисную систему определения элементов взаимного ориентирования. Результаты исследования могут быть применены для дистанционного зондирования Земли.

Ключевые слова: взаимное ориентирование снимков, сегментация изображений, удаление отражений, удаление препятствий, разложение изображения и видео.

RELATIVE ORIENTATION OF THE SEQUENCE OF IMAGES TO ELIMINATE UNWANTED

FOREGROUND OBJECTS

A. I. Tomilina, A. S. Savelev

Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation Е-mail: nastomila@gmail.com, alxsave@gmail.com