CC BY
9Телевизионные системы, передача и обработка изображений ISSN2221-2574
УДК 621.396.969
Морфологическое комплексирование многоспектральных изображений земной поверхности
Никитин О.Р., Кисляков А.Н.
Приведен обзор способа морфологического комплексирования многоспектральных изображений дистанционного зондирования и рассмотрена возможность его применения в задачах мониторинга земной поверхности.
Ключевые слова: дистанционное зондирование, многоспектральный метод, комплексирование.
Введение
В последние десятилетия активно развивается комплексный подход к обработке данных мониторинга земной поверхности, предполагающий использование различных инструментов дистанционного зондирования - приборов и датчиков: оптических, инфракрасных и микроволновых [1].
Каждый из датчиков позволяет получить цифровые изображения наблюдаемой сцены в различных диапазонах электромагнитного излучения. Информация о характеристиках объекта содержится в пространственном распределении уровней яркости пикселей по площади изображения [2].
Для того, чтобы извлечь больше информации из совокупности полученных изображений, прибегают к процедуре их комплек-сирования [3,7].
Изображения одной и той же сцены могут заметно различаться при регистрации в различных диапазонах электромагнитного излучения в зависимости от свойств поверхности объектов, характеристики среды. Поэтому связь между расположением объектов на изображении и распределением яркости на поле зрения неоднозначна.
Комплексирование изображений, основанное на морфологических методах их обработки, позволяет успешно справиться с этой проблемой. На полученном в результате процедуры комплексирования многоспектральном изображении с большей четкостью и контрастностью отображаются объекты наблюдаемой сцены, что позволяет эффективнее использовать данные дистанционного зондирования.
Морфологические методы анализа изображений
С математической точки зрения под изображением понимается числовая функция /, заданная на ограниченном множестве X, называемой полем зрения, а значение х = {х1,...,хк}е X - яркостью в точке х поля зрения X. На практике в качестве поля зрения X выбирают набор узлов прямоугольной сетки, а яркость в каждом узле задают целым числом от 0 до 255.
Наблюдатель воспринимает содержание изображенной сцены как неизменное, даже если яркость, контраст, цветовая гамма изображения изменяются в широких пределах. Из этого можно сделать вывод, что для решения задач классификации объектов, оценивания их геометрической формы и т.п. важны не точные значения яркости и/или цвета изображения в каждой точке поля зрения, а знание некоторых структур на поле зрения [4].
Поэтому значение яркости изображения в каждой точке поля зрения является избыточным для решения множества задач анализа изображенной сцены. Значительно более важной является форма изображения - множество постоянной яркости и/или цвета на всем поле зрения, не изменяющееся при вариации условий формирования изображения, которые зачастую неизвестны.
При изменении условий наблюдения (например, изменении коэффициента усиления видеокамеры и т.п.) яркости таких областей будут меняться в широких пределах, однако геометрическая форма останется неизменной.
^N2221-2574 Телевизионные системы, передача и обработка изображений
Модель изображения в однородном поле зрения представляет собой кусочно-постоянную функцию [4, 5]
N
/(х) = I с,. С (х), х е X. (1)
1=1
При этом поле зрения разбито на области А е X, 1 = 1,2,....,N. Все точки А1 имеют
одинаковую яркость с. ,
[1, х е А, [0, х г А,
- индикаторная функция множества А,,
С(х )=■
(2)
N
А, п Ау = 0 при 1 Ф у, 1 = 1,2,...., N; Ц| А, = X .
,=1
Изменение условий наблюдения приведет к изменению значений яркости с1 подмножеств А,, 1 = 1,2,....,N, поля зрения X и яркости с, могут принимать любые значения.
От числа уровней разбиения N зависит точность определения границ областей разбиения.
Тогда разбиение изображения на множества одинаковой яркости можно назвать формой изображения сцены [5]
(3)
^ = [/(х)= £с,Ы(х), хе X,
с = (-¥, ¥),, = 1,2,...., N}.
Определенная таким образом форма изображения может рассматриваться как множество изображений фиксированной сцены при всех возможных условиях регистрации.
Следует отметить что множество (3) может быть получено из одного изображения (1). Формально изображений, полученных от различных датчиков системы дистанционного зондирования, может быть несколько. При этом число областей с различной яркостью Ъ^ не должно быть больше, чем в изображении /
N
ё(х) = IЪс(х), хе X, Ъ = Е(с,) (4)
1=1
Ортогональная проекция РУ^ изображения ё на форму У/ является изображением из множества У/, наиболее близким к g, ко-
торая показывает различия по форме двух изображений / и ё.
(х)=£ ¥ЫЫ,
Р,
(5)
'=! Ы
Этот оператор ортогонального проецирования называется проекцией изображения ё на форму изображения /
Соотношение (5) означает, что проекция ё е X на У1 есть мозаичное изображение
РУ ё с множествами постоянной яркости,
совпадающими с множествами постоянной яркости изображений из класса У/. Яркость
изображения РУ ё на каждом множестве А
равна средней яркости изображения ё на множестве Ai,, = 1,2,....,N [5].
При этом (ё,ы) в выражении (5) представляет собой скалярное произведение двух функций по координатам {хх,...хк }:
(ё Ы) = I ё (хк )ы(хк),
к=1
а Ы - норма индикаторной функции:
ы=а С2 (хк)
к=1
(6)
(7)
Расстояние между изображениями / и ё определяется нормой разности / - ё:
л 12
р(/, ё ) = ||/ - ё|| = 11 [/(хк)-ё(хк )]2 . (8)
к=1
Методика комбинирования изображений основана на добавлении к наиболее информативному изображению проекций остальных изображений на форму этого изображения. Так, для трех каналов совмещение изображений будет проходить по правилу:
/с (х) = 3 * А(х) + 3 * РЛ /2 (х) + 3 * РЛ /з (х) . (10)
Результаты комплексирования на основе морфологического анализа изображений
Рассмотрим полутоновые изображения оптического диапазона электромагнитного излучения в трех спектральных поддиапазонах -красном (Я), зеленом (О) и синем (В), соответственно.
Телевизионные системы, передача и обработка изображений 188Ш221-2574
г
Рис. 2. Результат выделения отличий на сценах по яркости: / - /в (а), /в - /в (б), и по фор_ме/ - РдЯ (в),/в - РоВ (г)_
2. Для наиболее информативного изобра-
Данный алгоритм был реализован с помощью пакета МЛТЬЛБ. Для того, чтобы использовать весь диапазон возможных значений яркости пикселей, была проведена эк-вализация (выравнивание динамического диапазона) гистограммы распределения яркости пикселей каждого изображения.
1. По алгоритму оценки информативности [6] вычисляется наиболее информативное изображение - диапазон О. Абсолютные информативности изображений:
Е(Я)= 5,34; Е(в)= 6,22; Е(В)= 4,74.
жения вычисляется индикаторная функция Св и ф°рма Уд .
ISSN2221-2574 Телевизионные системы, передача и обработка изображений
3. По форме вычисляются проекции изображений Я и В на форму УG.
4. Изображения комплексируются в соответствии с выражением (10).
Расчеты показали наличие статистической связи между изображениями со следующими коэффициентами корреляции:
PвR = 0,81; рRG = 0,84; PвG = 0,48.
При расчетах весь диапазон яркостей был разбит на 8 поддиапазонов А1, для которых рассчитывались индикаторные функции, формы и проекции. Результат представлен на рис. 2.
Результат совмещения изображений показан на рис. 3.
Рис. 3. Синтезированное изображение
Полученное изображение имеет информативность, равную 7,76, что превосходит информативность каждого из исходных изображений и дает возможность более четко наблюдать объекты сцены при регистрации в различных диапазонах электромагнитного излучения.
Заключение
Представленная методика совмещения изображений различных диапазонов электромагнитного излучения основана на морфологи-
Поступила 10 февраля 2012 г.
ческом анализе сцен методами, инвариантными к изменениям условий регистрации изображения датчиками. Предложенная процедура комплексирования позволяет повысить информативность изображений и более эффективно использовать данные дистанционного зондирования при дальнейшей обработке и анализе.
Литература
1. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учеб. пособие для студентов вузов.- М.: Высш. шк., 1983. - 295 с.
2. Дейвис Ш.М., Ландгребе Д.А., Филипс Т.Л. и др. Дистанционное зондирование: количественный подход / Под ред. Ф. Свейна и Ш. Дейвис. Пер. с англ. - М.: Недра, 1983. - 415 с.- Пер изд. США 1978. - 296 с.
3. Злобин В.К., Еремеев В.В., Кузнецов А.Е. Обработка изображений в геоинформационных системах: Учебное пособие. Рязан. гос. радиотехн. университет, Рязань. - 2006. - 264 с.
4. Пытьев Ю.П., Чуличков А.И. Методы морфологического анализа изображений. - М.: ФИЗМАТЛИТ, 2010. - 336 с.
5. Пытьев Ю.П., Чуличков А.И. Морфологические методы анализа сцен по их изображениям / Техническое зрение в системах управления мобильными объектами - 2010: труды научно-технической конференции-семинара. Под ред. Р.Р. Назирова. - Таруса, 16-18 марта 2010 г. - С. 282-290.
6. Корчинский В.М. Информативность много-спектральных проекционных изображений. Автоматика. Автоматизация. Электротехнические комплексы и системы. - 2005. - № 1 (15) С. 52-54.
7. Никитин О.Р., Кисляков А.Н., Шулятьев А.А. Комплексирование данных многоканального мониторинга земной поверхности // Методы и устройства передачи и обработки информации. -2011. - № 13. - С. 68-71.
An overview the methods of morphological fusion of multispectral remote sensing images, and a possibility of theirs usage in the ecological monitoring the Earth's surface.
Key words/phase sum - remote sensing, multispectral method, data fusion.
Никитин Олег Рафаилович - д.т.н., профессор, заведующий кафедрой РТ и РС ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых».
Кисляков Алексей Николаевич - аспирант кафедры РТ и РС ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых».
E-mail: ankislyakov@mail.ru
