CC BY
23[и др.] / под ред. А. И. Коробова. М. : Радио и связь, 1987. 272 с.: ил.
2. ГОСТ 16504-81. Система государственных испытаний продукции. Испытания и контроль качества продукции. Основные термины и определения. М., 1982. 24 с.
3. Барков А. В. Структура проблемно-ориентированного языка испытаний космических аппаратов // Вестник СибГАУ. 2006. Вып. 5. С. 14-18.
4. Пакет прикладных программ «Электрик» -концептуальные основы построения и развития / В. А. Зубавичус [и др.] // Решетневские чтения: материалы XII Междунар. науч. конф. (10-12 нояб. 2008, г. Красноярск) / под общ. ред. И. В. Ковалева ; Сиб. гос. аэрокосмич. ун-т. Красноярск, 2008. С. 341-342.
5. Теория и методы автоматизации проектирования вычислительных систем : пер. с англ. М. : Мир, 1977. 288 с.
References
1. Gludkin O. P., Engalychev A. N., Korobov A. I., Tregubov Yu. V. Ispytaniya radioelektronnoy, elektronno-vychislitel 'noy apparatury i ispytatel'noe oborudovanie: Uchebnoe posobie dlya vuzov [Electronics
test and test equipment. School-book for higher education institutions]. Moscow, Radio i svyaz' Publ., 1987, 272 p., ill.
2. GOST 16504-81. Sistema gosudarstvennykh ispytaniy produktsii. Ispytaniya i kontrol' kachestva produktsii. Osnovnye terminy i opredeleniya [State Standard 16504-81. The state system of testing products. Product test and quality inspection. General terms and definitions]. Moscow, 1982. 24 p.
3. Barkov A. V. [Structure of the problem-oriented language of spacecrafts tests]. Vestnik SibGAU. 2006, no. 5, P. 14-18. (In Russ.)
4. Zubavichus V. A., Kapustin A. N., Salmina M. V., Opletaeva O. I. [PAP "Electrician" - conceptual bases of construction and development]. Materialy XII Mezhdunar. nauch. konf. "Reshetnevskie chteniya" [Materials of XII-th Intern. Scientific Conf. "Reshetnev reading"]. Krasnoyarsk, 2008, P. 341-342 (In Russ.).
5. Teoriya i metody avtomatizatsii proektirovaniya vychislitel'nykh system [Design automation of digital systems. Theory and techniques]. Moscow, Mir Publ., 1977, 288 p.
© MapeHHHa C. C., CMMma M. B., 2016
УДК 004.392
КЛАССИФИКАЦИИ ПОРОДНОГО СОСТАВА ЛЕСА НА АЭРОФОТОСНИМКЕ С ИСПОЛЬЗОВАНИЕМ ТЕКСТУРНЫХ ПАРАМЕТРОВ
Е. Д. Михова, Д. Г. Пучинин
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: [email protected]
Исследуется проблема автоматической классификации породного состава леса на аэрофотоснимке. Использован метод водоразделов на основе текстурных параметров.
Ключевые слова: классификация, породный состав леса, текстурные параметры, аэрофотоснимок, водораздел.
THE CLASSIFICATION OF FOREST TREE SPECIES COMPOSITION ON THE AERIAL PHOTOGRAPH WITH TEXTURE PARAMETERS USING
E. D. Mikhova, D. G. Puchinin
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: [email protected]
The paper deals with problem of automatic classification of the forest species composition on an aerial photograph. The method of watershed based on texture parameters is used.
Keywords: classification, the species composition of forests, texture parameters, aerial, watershed divide.
Введение. В настоящее время обработку аэрофотоснимков ведут с помощью специальных компьютерных комплексов - цифровых фотограмметрических станций (ЦФС). Существует множество про-
граммных продуктов для решения этих задач. Несмотря на объем программных продуктов, многие из них имеют ряд недостатков, например, большое количество снимков вынуждает разбивать материалы
<Тешетневс^ие чтения. 2016
АФС на множество фотограмметрических блоков и т. д. [1].
По данным Федерального агентства лесного хозяйства (Рослесхоз), в среднем размер ущерба от лесных пожаров в год составляет около 20 млрд руб., из них от 3 до 7 млрд ущерб лесному хозяйству [2]. Для построения прогнозов пожароопасности важной является идентификация состава пород лесов.
Учитывая вышесказанное, можно утверждать, что исследуемая задача является актуальной. В качестве результата выполнения данной задачи необходимо выделить каждый участок на аэрофотоснимке индивидуальным цветом в соответствии с его классом.
Текстурные параметры. Для классификации состава пород на аэрофотоснимке необходимо осуществить сегментацию данного изображения. Одним из эффективных способов сегментации является сегментация при помощи метода водораздела на основе текстурных параметров.
В данном случае для текстурного анализа используются только четыре фундаментальных текстурных оператора: среднее значение; дисперсия; ориентация; масштаб [3].
Один из простейших подходов, применяемых для описания текстуры, состоит в использовании статистических характеристик, определяемых по гистограмме яркости всего изображения или его области [4]. Пусть г - случайная величина, соответствующая яркости элементов изображения, ар(гг), , = 0, 1, 2, ..., Ь - 1 - ее гистограмма, где Ь обозначает число различных уровней яркости. Тогда центральный момент порядка п случайной величины г вычисляется по формуле (1):
Ип (г) = Х(гг - т)2, (1)
1=0
где т - среднее значение г (средняя яркость изображения):
Ь-1
т = X г'Р(г). (2)
1=0
Из этих уравнений видно, что ц0 = 1 и = 0. Для описания текстуры особенно важен второй момент, т. е. дисперсия а2(г) = Цг(г). Она является мерой ярко-стного контраста, что можно использовать для построения дескрипторов относительной гладкости. Например, величина
Я = 1 --
1
(3)
1 + а2 (г)
равна 0 для областей постоянной яркости (где дисперсия нулевая) и приближается к 1 для больших значений а2(г). Третий момент
Из (г) = Х (г - т)3р (г,.) (4)
1=0
является характеристикой асимметрии гистограммы. Среди прочих полезных характеристик текстуры можно выделить «однородность»
Ь-1
„2 1
и = ХР2 (г,)
(5)
=0
(6)
и среднюю энтропию
Ь-1
е = Х Р (г, Р (г1).
г=0
Максимум значения (7=1 достигается для изображения, все элементы которого имеют одинаковую яркость, и уменьшается по мере роста яркостных различий. Энтропия, в свою очередь, характеризует изменчивость яркости изображения. Она равна 0 для области с постоянной яркостью и максимальна в случае возрастания флуктуации г.
Вычислительные эксперименты. Исходное изображение представлено на рис. 1.
Рис. 1. Исходное изображение
На рис. 2 изображена сегментация на основе разных текстурных параметров. Изображение разбито на сегменты 5*5, шаг водораздела 10.
а б в г
Рис. 2. Результат сегментации по текстурным параметрам: а - контраст яркости; б - асимметрия; в - однородность; г - средняя энтропия
На рис. 2 видно, что классификация состава пород леса, используя только текстурные параметры, была неэффективна, также в прошлых экспериментах отмечено, что использование только цвета в качестве параметра сегментации не приносит удовлетворительного результата. Тем не менее, каждый из описанных методов имеет свои достоинства. Логично предположить, что для эффективной классификации лесных пород на аэрофотоснимке следует учитывать как цвет, так и текстурные признаки.
Библиографические ссылки
1. Книжников Ю. Ф., Кравцова В. И., Тутубали-на О. В. Аэрокосмические методы географических исследований : учебник. 2-е изд. перераб. и доп. М. : Академия, 2011. 410 с.
2. Лесные пожары в России. Досье [Электронный ресурс]. URL: http://tass.ru/info/1121375 (дата обращения: 24.01.2016).
3. Haralick R. M., Shanmugam K., Dinstein I. Textural features for image classification // IEEE Transactions on Systems, Man and Cybernetics. 1973. Vol. 3. Рр. 610-621.
4. Текстурные методы сегментации [Электронный ресурс]. URL: http://ru.bmstu.wiki/Текстурные_мето-ды_(Сегментация) (дата обращения: 01.06.2016).
References
1. Knizhnikov Yu. F., Kravtsova V. I., Tutubalina O. V. Aerospace methods of geographical research: textbook. 2nd ed. revised. and ext. Moskow: Akademiya, 2011. 410 p.
2. Forest fires in Russia. Dossier. URL: http://tass.ru/ info/1121375 (accessed: 01.24.2016) .
3. Haralick R. M., Shanmugam K., Dinstein I. Textural features for image classification // IEEE Transactions on Systems, Man and Cybernetics, 1973. Vol. 3, рp. 610-621.
4. Texture segmentation methods. URL: http://ru. bmstu.wiki/Textural methods (segmentation) (accessed 06.01.2016).
© Михова Е. Д., Пучинин Д. Г., 2016
УДК 004.4'233
АВТОНОМНОЕ ТЕСТИРОВАНИЕ КАК ЭТАП ВЕРИФИКАЦИИ БОРТОВОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ СПУТНИКОВ
Д. А. Панюшкин, С. А. Краус, А. А. Колташев, Н. Н. Шумаков
АО «Информационные спутниковые системы» имени академика М. Ф. Решетнёва» Российская Федерация, 662972, г. Железногорск Красноярского края, ул. Ленина, 52 E-mail: [email protected]
Этап автономного тестирования рассматривается в аспекте верификации компонент бортового программного обеспечения спутников связи и навигации, создаваемых с использованием кросс-систем программирования.
Ключевые слова: бортовое программное обеспечение, верификация, кросс-система программирования, автономное тестирование, пакетная отладка.
UNIT TESTING AS ON-BOARD SATELLITE SOFTWARE VERIFICATION STAGE
D. A. Panyushkin, S. A. Kraus, A. A. Koltashev, N. N. Shumakov
JSC Academician M. F. Reshetnev Information Satellite Systems 52, Lenin Str., Zheleznogorsk, Krasnoyarsk region, 662972, Russian Federation E-mail: [email protected]
The research considers unit testing as a part of creating and verifying technology of the communication and navigation of on-board satellite software components with use of cross-programming system.
Keywords: on-board software, verification, cross-programming system, unit testing, package debugging.
Автономное тестирование компоненты бортового программного обеспечения (БПО) является важной частью процесса верификации БПО космического аппарата, поскольку позволяет выявлять проблемы на этапе разработки компонент, снижая тем самым затраты на их исправление [1].
Автономное тестирование должно гарантировать [2]:
- что все операторы программы выполнялись, все решения в точках выбора принимались, и при этом поведение программы соответствует ее детальному проекту;
