CC BY
44
УДК 528.72:004.93
ОБНАРУЖЕНИЕ СЛАБОРАЗЛИЧИМЫХ АНТРОПОГЕННЫХ ИЗМЕНЕНИЙ НА ПОВЕРХНОСТИ ЗЕМЛИ ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ
Сергей Михайлович Борзов
Институт автоматики и электрометрии СО РАН, 630090, Россия, г. Новосибирск,
пр. Академика Коптюга, 1, заведующий лабораторией, тел. (383)330-90-33, e-mail: [email protected];
Сергей Борисович Узилов
Институт автоматики и электрометрии СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Коптюга, 1, аспирант, e-mail: [email protected].
Предложен и экспериментально исследован автоматический метод обнаружения слаборазличимых антропогенных изменений на поверхности земли по данным дистанционного зондирования. Метод основан на локально-адаптивной поканальной обработке мультиспектральных изображений и позволяет за счет анализа двумерных диаграмм изменения яркости полностью исключить необходимую для разностных подходов процедуру экспериментального подбора порогового значения.
Ключевые слова: обработка спутниковых изображений, обнаружение изменений, слаборазличимые антропогенные изменения.
DETECTION FAINTEST ANTHROPOGENIC CHANGES ON LAND-SURFACE BY REMOTE SENSING DATA
Sergey M. Borzov
Institute of Automation and Electrometry, 630090, Russia, Novosibirsk, ave. Academician Koptyuga 1, Head of Laboratory, tel. (383)330-90-33, e-mail: [email protected];
Sergey B. Uzilov
Institute of Automation and Electrometry, 630090, Russia, Novosibirsk, ave. Academician Koptyuga 1, Postgraduate student, e-mail: [email protected]
Proposed and experimentally investigated an automatic method for detecting faintest anthropogenic changes on land-surface by remote sensing data. The method is based on a locally-adaptive per-channel processing of multispectral images and allows by analysis two-dimensional diagrams of changes the brightness completely eliminate experimental procedure of selection threshold in the methods using difference.
Key words: processing of satellite images, change detection, faintest anthropogenic changes. Введение.
Запуск в 1972 г первого спутника серии Landsat открыл эру цифровых данных дистанционного зондирования Земли (ДЗЗ). Получение регулярной информации из космоса привело к активному поиску методов их рационального использования. В первую очередь внимание исследователей
было привлечено к обнаружению изменений, происходящих на поверхности Земли. Однако, несмотря на это, задача автоматического (без участия оператора) обнаружения слоборазличимых изменений в растительном покрове, вызванных антропогенной деятельностью, по сегодняшний день не решена.
В качестве основных подходов при обнаружении изменений используются либо разностные методы, либо пост-классификационные. Разностные в качестве критерия используют разность яркостей соответствующих пикселей или расстояние между ними в многомерном пространстве признаков, организованном из поканальных яркостей. Пост-классификационные основаны на предварительной классификации многоспектральных изображений и определении пикселей, изменивших индекс класса (межклассовых переходов). Каждый из подходов имеет ряд ограничений и недостатков.
В рамках данной работы исследуется эффективность комбинированного подхода, основанного на предварительной классификации базового изображения и поиске пикселей, отклонившихся от соответствующей популяции на более позднем изображении. При этом величина допустимого отклонения для каждого уровня яркости определяется автоматически по диаграмме изменения яркости.
Используемый подход. Характерной задачей поиска слаборазличимых антропогенных изменений является обнаружение выборочных рубок леса. Специфика проведения таких рубок состоит в том, что растительность убирается не полностью и это значительно затрудняет применение классических подходов. В [1] предложен попиксельный разностный метод, использующий нормализацию изображений на основе поблочного согласования гистограмм [2], а также построение и анализ разностного кадра на основе так называемых диаграмм рассеяния, отображающих распределение яркости пикселей каждого бина гистограммы в разновременных изображениях [3].
На этапе выделения зоны интереса осуществляется поиск зон покрытых лесом, по которым необходимо проводить обнаружение изменений. Это делается на основе анализа пространственного распределения значений вегетационного индекса, индекса влагосодержания и индикатора почв, сформированного по красному каналу.
Далее по выделенным зонам выполняется согласование яркости изображений. Изображения разбиваются на блоки определенного размером, и в каждом из блоков рассчитывается среднее значение и СКО яркости. Затем выполняется билинейная интерполяция полученных значений, формируется массив с нормировочными коэффициентами для каждого пикселя изображения и, с применением линейных преобразований, яркости двух изображений согласовываются.
Формирование разностного кадра осуществляется так же поблочно на основе сравнения соответствующих фрагментов изображений опорного и тестируемого. При этом для повышения достоверности обнаружения
формируются и анализируются двумерные диаграммы изменения яркости P(i,j), отображающие количество пикселей, которые в опорном изображении имеет яркость i, а в тестируемом яркость j. Каждое сечение i такой диаграммы представляет собой распределение яркости отсчетов в тестируемом изображении, имеющих яркость i в опорном. Перпендикулярное же сечение j представляет собой распределение яркости отсчетов в опорном, имеющих яркость j в тестируемом. Для каждого уровня яркости i опорного изображения по сформированной диаграмме изменения яркости P(i,j) выполняется следующая процедура:
• В тестируемом изображении определяется распределение яркости пикселей, имеющих заданную яркость в опорном (далее будем называть такое распределение гистограммой прямого разброса).
• По этой гистограмме находится наиболее часто встречающаяся яркость, и в опорном изображении определяется распределение яркости пикселей, имеющих данную яркость в тестируемом (будем называть такое распределение гистограммой обратного разброса).
• В гистограмме обратного разброса определяется ширина полуспада в сторону увеличения яркости для почвенных каналов и уменьшения для вегетационных индексов.
• По гистограмме прямого разброса выделяются пиксели, отклонившиеся от максимума более чем на удвоенную ширину полуспада гистограммы обратного разброса.
В случае отсутствия изменений на наблюдаемом участке поверхности Земли все пиксели одинаковой яркости первого изображения имеют близкую яркость и во втором. Если произошедшие изменения связаны с естественными причинами, такими как различное количество осадков, разные температурные режимы и т.п., однотипные пиксели локальных пространственных зон (по всей вероятности относящиеся к одному и тому же виду поверхности) также ведут себя однообразно. При наличии антропогенных воздействий разброс их яркости увеличивается. Ширина же полуспада гистограммы обратного разброса определяется аппаратными погрешностями системы регистрации, а также естественными суточными и сезонными изменениями, и может быть использована в качестве величины допустимого отклонения. В результате обработки разновременных изображений с применением предложенного метода происходит выделение пикселей с нетипичным (для каждой пары изображений) изменением поканальной яркости. При этом удается избежать характерных недостатков разностных методов, связанных с необходимостью экспериментального подбора пороговых значений.
Экспериментальные результаты. Исследование эффективности предложенного метода обнаружения слаборазличимых изменений выполнено на примере поиска выборочных рубок по разновременным изображениям спутника SPOT 4. На рис. 1 приведено изображение контролируемой
территории (Новосибирская область, Караканский бор), полученное 27 июля 2008 г. (RGB-композит из 1-2-3 каналов). Основным показателем проведения выборочных рубок является увеличение компоненты излучения, связанной с отражением от открытых почв, а также появление участков вскрытого грунта. Соответственно наиболее информативными являются красный (R) и коротковолновый инфракрасный каналы (SWIR) каналы спутника SPOT 4. . На этапе постобработки разностных кадров осуществляется совмещение полученных для обоих каналов отметок (выделенных пикселей) с использованием логической операции «И» и фильтрация малых изменений с применением медианной фильтрации окном 5х5.
Рис. 1.
При попарной обработке изображений данной территории (за 27 июля 2008, 25 июня 2011 г. и 19 июля 2012 г.) предложенным методом суммарная площадь обнаруженных вырубок, возникших за периоды между съемками, составила 13,1 км2 и 6,32 км2 (плошать покрытия изображений 1200 км2).
Оценка эффективности предложенного алгоритма была выполнена сравнением полученных результатов поиска с маской, сформированной оператором посредством применения разностного алгоритма с подбором пороговых значений на основе визуального анализа качества обнаружения. Показано, что для первой пары изображений ошибка первого рода (пропуски) составила 26.4%, ошибка второго рода (ложные обнаружения) - 0,24%. Для второй пары изображений - 10.2% и 0,27%, соответственно.
При этом следует отметить, что пропуски и ложные срабатывания связаны в первую очередь с некоторой неточностью определения положения границ рубок. Факт же наличия рубки устанавливаются достаточно однозначно. Это демонстрирует рис. 2, 3. Здесь на рис. 2 приведены согласованные по яркости
фрагменты изображения в различные годы. Положение данного фрагмента показано на рис. 1 рамкой. Выбранный участок территории содержит многочисленные слабо различимые нарушения растительного и почвенного покрова. На рис. 3 приведены белым цветом изменения, выделенные оператором, и в виде красных контуров изменения, выделенные предложенным автоматическим методом поиска (рис. 3, а за 2008-2011гг и рис. 3, б за 20112012гг).
«
ч
а б
Рис. 3.
Заключение. Выполнены экспериментальные исследования эффективности метода обнаружения слаборазличимых изменений на поверхности Земли по разновременным спутниковым изображениям. Результаты автоматического поиска сравнивались с маской изменений,
предварительно созданной экспертом. Показано, что использование наряду с блочным согласованием динамических диапазонов изображений механизма формирования и анализа двумерных диаграмм изменения яркости позволяет без участия оператора обнаруживать незначительные нарушения растительного и почвенного покрова, вызванные антропогенной деятельностью человека.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Борзов С. М., Узилов С. Б. Обнаружение выборочных рубок Караканского бора по данным спутника SPOT // Интерэкспо ГЕО-Сибирь-2013. IX Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 15-26 апреля 2013 г.). - Новосибирск: СГГА, 2013. Т. 1. - С. 156-161.
2 J. Townshend, C. Justice, C. Gurney, and J. McManus, The impact of misregistration on change detection // IEEE Trans. Geosci. Remote Sensing. - 1992. - Vol. 30. - Pp. 1054-1060.
3 P. Bromiley, N. Thacker, and P. Courtney, Non-parametric image subtraction using grey level scattergrams // Image and Vision Computing. - 2002. - Vol. 20. - No. 9-10, - Pp. 609-617.
© С. М. Борзов, С. Б. Узилов, 2014
