CC BY
50
УДК 528.7
А.П. Гук, Л.Г. Евстратова, А.С. Алферова СГГА, Новосибирск
КОМПЛЕКСНЫЙ АНАЛИЗ КОСМИЧЕСКИХ СНИМКОВ ДЛЯ ВЫЯВЛЕНИЯ ИЗМЕНЕНИЙ ПРИ МОНИТОРИНГЕ ТЕРРИТОРИЙ
A.P. Guk, L.G. Yevstratova, A.S. Alfyorova SSGA, Novosibirsk
COMPLEX ANALYSIS OF SATELLITE IMAGES FOR DETECTING TRANSFORMATIONS DURING THE TERRITORIES MONITORING
The paper presents complex analysis of satellite images and the recommendations for detecting transformations during the territories monitoring on the basis of the spectral- and wavelet image analysis.
В последнее время существенно расширились возможности получения информации о поверхности Земли средствами дистанционного зондирования. Возросло количество космических аппаратов, предназначенных для съемки поверхности Земли в различных зонах электромагнитного спектра, с различным разрешением на местности, полосой обзора, периодом съемки заданных участков. Это открывает принципиально новые возможности для изучения состояния поверхности Земли, различных искусственных и природных объектов, выполнения мониторинга заданного класса объектов.
В настоящее время активно ведутся работы по созданию систем мониторинга на основе космических съемок и других данных дистанционного зондирования, однако внедрение таких систем сдерживается рядом технических и методологических проблем.
Количественный подход в дистанционном зондировании появился в 80-е годы XX века, и связан в первую очередь с развитием многозональных съемочных систем, а визуальный анализ многозональных снимков малоэффективен. И в связи с этим стали активно развиваться алгоритмы численного анализа изображений, автоматического дешифрирования снимков.
Однако, несмотря, на существенные достижения в этой области автоматическое дешифрирование реализовано только для узкого класса объектов и до сих пор представляет сложную и неоднозначно решаемую задачу. Это объясняется большим количеством разнообразных факторов, влияющих на отражающие свойства объекта, процесс получения изображения объекта. Кроме того, для ряда задач, несмотря на то, что изменяются свойства объекта, требуется отнести объект к заданному классу, несмотря на произошедшие изменения.
В количественном подходе в дистанционном зондировании многоспектральное и гиперспектральное изображение рассматриваются как совокупность выполненных измерений электромагнитной энергии (отраженной объектом электромагнитной энергии), записанной в виде цифрового изображения - матрицы, элементы которой имеют значения измерений в соответствующей зоне спектра. Таким образом, изображения - это совокупность измерений выполненных в одно и то же время и в одних и тех же
условиях (высота полета, наклон съемочной системы, геометрия построения, состояния атмосферы и т. д.).
Рис. 1. Схема исследования изменения состояния объектов с использованием систем, формирующих многозональные
изображения
Таким образом, многозональные изображения можно рассматривать как некоторую измерительную систему и соответственно нужно, как для любой измерительной системы разделить полезные и «меняющие» факторы.
Однако для съемки природных объектов весьма сложно построить измерительную систему, то есть учесть разные факторы. Тем не менее, развитие этого направления имеет определенные успехи: расширяется банк спектральных данных, применяются более полные модели атмосферы, калибровка съемочных систем и т. д. Создаются математические модели процесса измерения с описанием факторов влияющих на построение изображения и часть факторов, не являющихся полезными для решения задачи, устраняют (например, путем калибровки системы), часть фиксируют, чтобы затем учесть при обработке.
Однако, создание измерительной системы обработки изображений, основанной только на измерениях, весьма сложно.
Другой подход заключается в выявлении структурных свойств объектов участков местности и т. д., которые определяются комплексными измерениями, и является устойчивыми признаками объектов.
Задача мониторинга территории с точки зрения дешифрирования снимков существенно отличается от собственно задачи дешифрирования, так как основная цель мониторинга выявление изменений состояния объектов, появления новых объектов, причем набор основных объектов или структура участка является, в основном, не измененной. При мониторинге определяют относительно небольшие изменения, которые произошли с объектом или исследуемым участком. Это позволяет «конструировать» различные схемы дешифрирования, используя структурные алгоритмы, специальные индексные изображения и т. д.
Дешифрирование многозональных снимков в большинстве случаев основано на анализе вектора яркостей спектральных изображений
Р{Р!,Р"Рк}, где Рг - яркость элемента у изображения в канале /.
При этом для уменьшения влияния «мешающих факторов» выполняются различные процедуры нормирования изображений, получение индексных изображений и т. д.
В задачах мониторинга решаемых на основе использования только
векторов яркостей Рг требуется с высокой степенью точности нормировать яркости, что не всегда возможно выполнить. В тоже время структурные признаки являются более устойчивыми характеристиками объектов и участков территории.
Структурные признаки основаны на использовании частотного подхода к описанию изображения.
Основные методы частотного подхода базируются на преобразовании Фурье, которое позволяет представить функцию в виде набора гармонических функций (синусов и косинусов), что позволяет рассматривать исходную функцию в частотной области и соответственно изучать пространственную структуру исходной функции.
С точки зрения анализа изображений, переход в частотную область позволяет оценивать «пространственную структуру» изображения, то есть определять «вклад» который вносят те или иные гармоники, характеризующие детали изображения.
Комплексный подход к анализу изображений основан на совместном использовании методов базирующихся на анализе вектора спектральных яркостей и методах структурного анализа.
В данной работе были исследованы структурные признаки многоспектральных изображений эталонных участков на космических снимках высокого разрешения IKONOS и QшckBird. В качестве описания структуры изображения использовались Фурье-образ и вейвлет-образ эталонных участков. На рис. 2 показаны некоторые примеры Фурье и вейвлет-образов некоторых объектов.
Рис. 2. Примеры Фурье и вейвлет-образов некоторых объектов
Так же были оценены изменения в Фурье и вейвлет-образах, которые вызваны появлением новых объектов на эталонных участках или изменением состояния этих объектов.
Оказалось, что изменения эталонных участков меняют форму Фурье и вейвлет-образов. Таким образом, структурные признаки являются достаточно устойчивым индикатором изменения состояния объекта.
В результате исследований было установлено, что наиболее эффективно использовать совместно спектральные и структурные методы для оценки изменений, произошедших на участке мониторинга.
Для принятия решения рекомендуется использовать комплексный критерий:
р = + к2А!2 + &3Д3 + к4А!\! + к5 Af,
где Д^ - значение изменения в состоянии объекта по яркостному признаку
Д^ - значение изменения в состоянии объекта по структурному признаку i;
kj - весовые коэффициенты.
Экспериментальные работы показали, что использование комплексного критерия позволяет выявить изменения в состоянии лесного покрова с вероятностью до 90 %.
© А.П. Гук, Л.Г. Евстратова, А.С. Алферова, 2009
