CC BY
69Решетнеескцие чтения. 2015
УДК 528.72:004.93
МЕТОДЫ И ТЕХНОЛОГИИ ОБРАБОТКИ ГИПЕРСПЕКТРАЛЬНЫХ ДАННЫХ ДЛЯ МОНИТОРИНГА ПРИРОДНОЙ СРЕДЫ
С. М. Борзов1, И. А. Пестунов2, О. И. Потатуркин1'3
1Институт автоматики и электрометрии СО РАН Российская Федерация, Новосибирск, 630090, просп. акад. Коптюга, 1. Е-mail: borzov@iae.nsk.su 2Институт вычислительных технологий СО РАН Российская Федерация, Новосибирск, 630090, просп. акад. Лаврентьева, 6 3Новосибирский государственный университет Российская Федерация, Новосибирск, 630090, ул. Пирогова, 2
Исследуется эффективность ряда спектральных и спектрально-пространственных методов контролируемой классификации космических гиперспектральных данных.
Ключевые слова: дистанционное зондирование Земли, гиперспектральные изображения, классификация типов поверхностей, спектральные и пространственные признаки.
METHODS AND TECHNOLOGIES OF HYPERSPECTRAL DATA PROCESSING FOR ENVIRONMENT MONITORING
S. М. Borzov1, I. А. Pestunov2, О. I. Potaturkin1,3
institute of Automation and Electrometry SB RAS 1, Acad. Koptyuga Av., Novosibirsk, 630090, Russian Federation. Е-mail: borzov@iae.nsk.su 2Institute of Computational Technologies SB RAS 6, Acad. Lavrentjev Av., Novosibirsk, 630090, Russian Federation 3Novosibirsk State University 2, Pirogova Str., Novosibirsk, 630090, Russian Federation
The authors consider efficiency of some spectral and spatial-spectral classification methods for hyperspectral remote sensing data processing for environment monitoring tasks.
Keywords: remote sensing, hyperspectral image classification, spectral and spatial features.
Современное развитие методов и средств дистанционного зондирования Земли (ДЗЗ) характеризуется активным внедрением технологий гиперспектральной (ГС) съемки в видимом и инфракрасном диапазонах. Отличительной особенностью ГС съемки является большое количество и узкая ширина спектральных полос. Основываясь на этом, разработаны многочисленные подходы, реализующие анализ тонкой структуры спектров пикселей изображений и их классификацию [1].
Данная работа посвящена оценке перспектив и ограничений применения гиперспектральных изображений для решения задач классификации на примере анализа результатов обработки реальных данных ДЗЗ и наземных (подспутниковых) наблюдений.
При исследовании влияния атмосферы на спектральные характеристики подстилающей поверхности показана важность предварительной калибровки ГС данных для их последующей классификации [2]. Отмечено, что повышение эффективности обнаружения объектов по данным ГС съемки (в отличие от обработки мультиспектральных данных ДЗЗ) может быть основано на возможности формирования принципиально новых признаков, в т. ч. узкополосных спектральных индексов. Так, ГС данные позволяют с вы-
сокой точностью определять положение красной границы полосы поглощения и, как следствие, эффективно различать состояние растительности.
Экспериментально показано, что применение одновременно всех каналов гиперспектра далеко не всегда целесообразно [3], так при классификации типов растительности эффективность системы из 20 признаков и более (при правильном выборе) практически не зависит от их количества. Методика формирования системы информативных признаков для каждой задачи мониторинга поверхности Земли представляет собой отдельную серьезную проблему. В работе для сокращения числа спектральных признаков используется метод главных компонент (РСА) и две его модификации: РСА с предварительной нормализацией шума (М№) и блочный метод главных компонент (ВРСА) [4].
Установлено, что наилучшая эффективность спектральной классификации типов растительности достигается при применении методов, учитывающих оценку функции плотности вероятности распределения эталонных классов, что требует значительного объема обучающих выборок. При недостаточном же их объеме наибольшей эффективностью обладает метод опорных векторов [3]. Наилучшие результаты для
Использование космических.средств, технологий и геоинформационныхсистем для мониторинга и моделирования природной среды
таких изображений достигнуты при выборе системы признаков с использованием методов М№ и ВРСА.
При обработке ГС изображений антропогенных территорий спектральная классификация методами на основе определения минимального расстояния не уступает трудоемким вероятностным методам. При этом точность классификации имеет слабую зависимость от количества признаков (начиная с 10-15). По эффективности системы признаков, сформированные регулярным прореживанием и методами РСА и ВРСА, в целом близки. Метод М№ из-за недостоверной оценки уровня шума каналов уступает по эффективности всем указанным выше методам.
Продемонстрирована перспективность совместной обработки пространственных и спектральных признаков. Исследована эффективность нескольких алгоритмов классификации, учитывающих при анализе пикселей ГС изображений их локальные окрестности. Рассмотрены методы, использующие как предварительное пространственное усреднение исходных данных, так и постобработку картосхем попиксельной спектральной классификации путем выбора наиболее часто встречающегося класса. При этом в качестве зоны усреднения (или выбора доминирующего класса) используется либо прямоугольная окрестность, либо сегменты, сформированные из наиболее близких по параметрам пикселей.
Применение перечисленных методов показало, что учет соседних пикселей позволяет повысить точность классификации обрабатываемых данных на 6-7 % (с 86-89 до 92-96 %). Для дальнейшего повышения эффективности обработки гипер- и мультиспектральных изображений представляется перспективным развитие рассмотренных подходов в части сочетания выбора наиболее информативных спектральных признаков и применения процедур адаптивного 3Б (пространственно-спектрального) сглаживания.
В настоящее время разработана и создана оптико-электронная аппаратура, позволяющая получать ГС изображения земной поверхности высокого качества. Однако существенным сдерживающим фактором совершенствования перечисленных технологий является малое количество имеющихся в общем доступе ГС изображений с соответствующими им данными наземных наблюдений для верификации результатов классификации.
Достоверную оценку эффективности методов классификации ГС изображений можно получить лишь на основе сопоставления результатов обработки реальных данных ДЗЗ и карт подспутниковых наблюдений.
Во многих работах оценка эффективности алгоритмов выполняется по небольшим тестовым фрагментам. При этом в качестве обучающей выборки используется случайным образом выбранный набор пикселей для каждого класса, а в качестве контрольной - все оставшиеся. Такой подход позволяет оперативно получить оценку эффективности исследуемых методов, однако ее объективность вызывает определенные сомнения.
В первую очередь это связано с тем, что для обеспечения приемлемого качества классификации мини-
мальный объем обучающей выборки для параметрических методов составляет ~ 10к точек на каждый класс (где к - число каналов), для непараметрических - 50к точек [5].
При малых размерах обрабатываемых фрагментов обеспечить выполнение указанных требований не удается.
Таким образом, гиперспектральное зондирование Земли из космоса является перспективным при решении целого ряда практических задач (определение и прогнозирование динамических процессов на поверхности Земли и в околоземном пространстве, предотвращение природных и техногенных катастроф, выявление и контроль антропогенного воздействия на природные экосистемы на различных стадиях освоения территории, специальные приложения и т. п.). Однако для его широкого применения необходимо как дальнейшее совершенствование съемочной аппаратуры, так и развитие программно-алгоритмических средств обработки гиперспектральных данных.
Библиографические ссылки
1. Бондур В. Г. Современные подходы к обработке больших потоков гиперспектральной и многоспектральной аэрокосмической информации // Исследование Земли из космоса. 2014. № 1. С. 4-16.
2. Борзов С. М., Потатуркин О. И. Классификация типов растительного покрова по гиперспектральным данным дистанционного зондирования Земли // Вестник НГУ: Информационные технологии. 2014. Т. 12, № 4. С. 13-22.
3. Потатуркин О. И., Борзов С. М., Потатуркин А. О., Узилов С. Б. Методы и технологии обработки мульти-и гиперспектральных данных дистанционного зондирования Земли высокого разрешения // Вычислительные технологии ИВТ СО РАН. 2013. Т. 18. Спец. выпуск. С. 53-60.
4. Пестунов И. А., Мельников П. В. Блочный метод главных компонент для выделения информативных признаков при классификации гиперспектральных изображений // Журнал Сиб. федер. ун-та. Серия «Техника и технологии». 2015.
5. Пестунов И. А., Мельников П. В. Метод главных компонент и его модификации в задачах классификации гиперспектральных данных // Интерэкспо Гео-Сибирь. 2015. Т. 4, № 2. С. 45-50.
References
1. Bondur V. G. Sovremennye podkhody k obrabotke bol'shikh potokov giperspektral'noy i mnogospektral'noy aerokosmicheskoy informatsii // Issledovanie Zemli iz kosmosa. 2014. № 1, p. 4-16.
2. Borzov S. M., Potaturkin O. I. Klassifikatsiya tipov rastitel'nogo pokrova po giperspektral'nym dannym distantsionnogo zondirovaniya Zemli // Vestnik NGU: Informatsionnye tekhnologii. 2014. T. 12, № 4, p. 13-22.
3. Potaturkin O. I., Borzov S. M., Potaturkin A. O., Uzilov S. B. Metody i tekhnologii obrabotki mul'ti i giperspektral'nykh dannykh distantsionnogo zondirovaniya Zemli vysokogo razresheniya // Vychislitel'nye tekhnologii IVT SO RAN. 2013. T. 18. Spetsial'nyy vypusk, p. 53-60.
Решетнееские чтения. 2015
4. Pestunov I. A., Mel'nikov P. V. Blochnyy metod glavnykh komponent dlya vydeleniya informativnykh priznakov pri klassifikatsii giperspektral'nykh izobrazheniy // Zhurnal Sibirskogo federal'nogo universiteta. Seriya «Tekhnika i tekhnologii». 2015.
5. Pestunov I. A., Mel'nikov P. V. Metod glavnykh komponent i ego modifikatsii v zadachakh klassifikatsii giperspektral'nykh dannykh // Interekspo Geo-Sibir', 2015. T. 4, № 2, p. 45-50.
© Борзов С. М., Пестунов И. А., Потатуркин О. И., 2015
УДК 622.85:622.882:622.271.45
ОСНОВНЫЕ ЗАДАЧИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ПРИРОДНЫХ РЕСУРСОВ В УСЛОВИЯХ РАСШИРЕНИЯ МЕЖДУНАРОДНОГО СОТРУДНИЧЕСТВА В ОБЛАСТИ КОСМОНАВТИКИ
И. В. Зеньков
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 Специальное конструкторско-технологическое бюро «Наука» Российская Федерация, 660049, Красноярск, просп. Мира, 53. E-mail: zenkoviv@mail.ru
Представлен краткий перечень основных задач дистанционного зондирования природных ресурсов при расширении международного сотрудничества в области космонавтики.
Ключевые слова: дистанционное зондирование, природные ресурсы, международное сотрудничество, задачи в области космонавтики.
THE MAIN OBJECTIVES OF REMOTE SENSING OF NATURAL RESOURCES UNDER THE CONDITIONS OF EXPANSION OF THE INTERNATIONAL COOPERATION
IN ASTRONAUTICS
I. V. Zenkov
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation Special Designing and Technological Bureau «Nauka» 53, Mira Av., Krasnoyarsk, 660049, Russian Federation. E-mail: zenkoviv@mail.ru
The article briefly summarises the main objectives of remote sensing of natural resources while expanding the international cooperation in astronautics.
Keywords: remote sensing, natural resources, the international cooperation, tasks in the field of astronautics.
Развитие средств и применение дистанционного зондирования Земли определено в основных положениях государственной политики Российской Федерации в области космической деятельности на период до 2030 года, утвержденной Президентом Российской Федерации от 19 апреля 2013 г. № Пр-906. Говоря о реализации и ресурсном обеспечении мероприятий госпрограммы «Космическая деятельность России на 2013-2020 годы», определяющей использование космических средств дистанционного зондирования Земли в экологическом мониторинге, а также обеспечивая расширение международного сотрудничества в области космонавтики, необходимо выделить перечень первоочередных задач, решение которых будет выводить российскую космонавтику на более высокий уровень развития.
В этой связи выделим три группы задач: объекты дистанционного зондирования, подготовка специалистов и кадров высшей квалификации для этой области, уровень кадрового обеспечения для решения по-
следней задачи, ресурсная база, состоящая из космических снимков территорий исследования, выполненных в разное время, разработка программного обеспечения для проведения исследований и мониторинга.
Как известно, площадь Российской Федерации составляет пятую часть суши. На территории РФ с климатом от полярного до субтропического сосредоточены значимые природные ресурсы - месторождения полезных ископаемых, жидких углеводородов, боре-альные хвойные, смешанные леса, являющиеся легкими планеты, наличие значительных по площади водохранилищ на реках с водной генерацией электроэнергии, обрабатываемые поля агропромышленного комплекса. Каждый вид из перечисленных природных ресурсов ежегодно существенно трансформируется. Тенденции в изменении качественных и количественных характеристик, присущих каждому виду вовлекаемого в хозяйственную деятельность ресурса, целесообразно устанавливать с применением средств дистанционного зондирования в течение довольно дли-
