Использование структурных признаков при цифровой обработке изображения Текст научной статьи по специальности «Химические технологии»

УДК 528.8

Г.В. Симонова, Е.П. Хлебникова, Д.П. Симонов СГГА, г. Новосибирск

ИСПОЛЬЗОВАНИЕ СТРУКТУРНЫХ ПРИЗНАКОВ ПРИ ЦИФРОВОЙ ОБРАБОТКЕ ИЗОБРАЖЕНИЯ

G.V. Simonova, E.P. Hlebnikova, D.P. Simonov

Siberian State Academy of Geodesy (SSGA)

10 Plakhotnogo UI., Novosibirsk , 630108, Russian Federation

USE OF STRUCTURAL ATTRIBUTES AT DIGITAL PROCESSING OF THE IMAGE

The techniques, existing on at present moment, automated дешифрирования of multizone space pictures quite objectively use the data of spectral reflective properties of objects, which full enough can be expressed through spectral factors of brightness and spectral factors of reflection. However carried out experiments show, that the greatest degree of reliability decode can be reached, using structural attributes of objects including not only brightness, but also geometrical, and as typical attributes of interesting educations.

Анализ существующих методов обработки и дешифрирования цифровых изображений различных объектов показывает необходимость использования не только многоспектральных яркостных характеристик, но и характер их распределения в данном массиве.

Развитие технических средств получения и обработки цифровой информации позволяет значительно расширить диапазон используемых оценочных параметров. Проведенные ранее эксперименты [1] выявили ряд проблем, возникающих при обработке мультиспектральных снимков:

- Конечное число спектральных каналов;

- Интегрирование информации по пикселю, связанное с разрешающей способностью съемочной системы;

- Совпадение спектральных характеристик разных объектов;

- Изменение собственных характеристик объектов в зависимости от их состояния;

- Наличие диапазона разброса собственных признаков одного и того же объекта;

- Несовершенство методик и алгоритмов использования программного обеспечения.

Таким образом, выявлена необходимость формирования системы признаков, имеющих разную природу, которая позволит создать однозначную модель объекта, т. е. получить интегральную совокупность признаков, характеризующую объект в цифровом пространстве. Такой подход позволяет воспользоваться методологией системного анализа, при котором учитывается изменение количества данных и структуры информационных пакетов, а также качество и количество связей между ними. Поэтому целесообразно

сравнивать и отслеживать изменения не только всего объекта в целом, но и его отдельных подсистем, компонентов, составляющих, элементов.

В результате можно получить дополнительную информацию, не вводя в систему новых элементов, но организуя новые связи. В этом случае, за генерацию свойств объекта будет отвечать система признаков, а не их автономный набор.

В связи с изложенным выше, следует рассмотреть возникновение свойства системы, которого нет у частей, т.е эмерджентность. Эмерджентность - это появление нового свойства (информации), возникшего в результате объединения элементов в систему [2]. Следовательно, появление совершенно новых свойств системы обусловлено взаимосвязанной совокупностью элементов, каждый из которых до объединения подобным свойством не обладал (Рисунок 1).

Х (1)

х (и) х (г2)

х (3

Б

У (1)

Рис. 1. Схема формирования результата

В данном случае:

г! - признак объекта;

х (г1) - свойство признака;

Х - совокупность свойств;

5 - система;

У(г) - свойство системы.

Таким образом

¥(г) = 5 (Х(г)), (1)

где

Х(г) = {х(), Х2(г), хз(г)}. (2)

Наиболее частые и распространенные способы автоматизированной обработки цифровых изображений, основанные на анализе спектральных характеристик, во многих случаях не позволяют качественно и надежно решать различные задачи дешифрирования [3]. Это обусловлено как изменчивостью самих объектов исследования, так и указанными выше факторами. Таким образом, для решения поставленных задач необходимо учесть не только яркость изображений, но и их специфические структурные признаки.

Структура, или рисунок, объектов на снимке - это сложный признак, объединяющий все другие прямые признаки (форма, размер, тон и т. д.)

компактной группы однородных и разнородных деталей изображения на снимке. При этом структура характеризуется и новыми свойствами, обусловленными повторяемостью, размещением и количеством этих непосредственно распознаваемых деталей. Признак структуры наиболее устойчивый из прямых признаков, менее зависящий от условий съемки, чем другие. При дешифрировании комплексных объектов, особенно на снимках сравнительно мелких масштабов, этот признак может стать определяющим.

Например, снимки различных территорий обладают отличными наборами характерных форм природных и антропогенных объектов, свойственных именно этому типу ландшафта : для тундровых, лесных или таежных зон они будут значительно отличаться друг от друга.

Проведенные ранее эксперименты [4] по распознаванию типовых участков местности показали эффективность использования структурных признаков. В качестве таковых рассматривались спектральные характеристики объектов, их размер и форма, корреляционные связи между яркостями объектов в разных каналах, использование картографических материалов и т. д.

Однако при их выборе выявились определенные особенности. Одни и те же признаки объектов могут по-разному упорядочиваться в зависимости от того, какие их свойства рассматривать. Критерий, измеряющий это свойство, позволяет найти наилучшую (по этой совокупности) альтернативу. Понятно, что вариант, наилучший по одному критерию, не обязательно будет наилучшим по другому критерию.

Поэтому в настоящее время проводятся исследования по выбору оптимальной иерархии использования имеющихся структурных признаков при идентификации объектов в процессе реализации алгоритма «дерево решений», предусмотренного в программном продукте ENVI.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

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. Акофф, Рассел Л. Идеализированное проектирование/ Рассел Л. Акофф, Дж. Магидсон. - Днепропетровск: Баланс Бизнес Букс, 2007. - 320 с.

3. Симонова, Г.В. Сравнительный анализ методик формирования эталонов при обработке цифровых изображений /Симонова Г.В., Хлебникова Е.П. // ГЕО-Сибирь-2007. Т. 5. Специализ. приборостроение, метрология: Сб. материалов III междунар. научн. конгресса «ГЕО-Сибирь-2007», 25-27 апреля 2007г., Новосибирск - Новосибирск: СГГА, 2007. - С.185 - 189.

4. Хлебникова, Е.П. Автоматизированное определение типовых участков местности на примере курганов Алтая / Хлебникова Е.П. // ГЕО-Сибирь-2008. Т.3. Ч.1. Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология: сб. материалов IV междунар. научн. гонгресса «ГЕО-Сибирь-2008», 22-24 апреля 2008г., Новосибирск. - Новосибирск: СГГА, 2008. - С.109 - 113.

© Г.В. Симонова, Е.П. Хлебникова, Д.П. Симонов, 2009