CC BY
155
УДК 528.7 М.А. Алтынцев СГГА, Новосибирск
ПРЕОБРАЗОВАНИЕ TASSELED CAP ПО КОСМИЧЕСКИМ СНИМКАМ IKONOS ДЛЯ ДЕШИФРИРОВАНИЯ РАСТИТЕЛЬНОСТИ
Рассмотрено применение линейного преобразования Tasseled Cap для дешифрирования растительности, полученного для мультиспектральных снимков IKONOS. В статье кратко описана сущность преобразования Tasseled Cap и проведена оценка точности визуального и автоматизированного дешифрирования по снимкам, полученным в результате данного преобразования.
M.A. Altyntsev
Siberian State Academy of Geodesy (SSGA)
10 Plakhotnogo Ul., Novosibirsk, 630108, Russian Federation
A TASSELED CAP TRANSFORMATION FOR IKONOS IMAGERY FOR VEGETATION DECODING
Application of a Tasseled Cap transformation for a vegetation decoding received for IKONOS multispectral imagery is considered. In article main point of the Tasseled Cap transformation is briefly described and accuracy assessment of visual and automatic decoding is carried out for images received in result of this transformation.
Дешифрирование растительного покрова всегда являлось одной из первоочередных задач при мониторинге территорий и составлении тематических карт. До недавнего времени единственным видом дешифрирования по материалам многозональных космических съемочных систем и аэрофотосъемки было визуальное. Главными дешифровочными признаками растительности при визуальном дешифрировании являются тон и текстура растительности, по которым определяются состав древостоя и типы лесного покрова. С развитием компьютерных технологий начинают появляться алгоритмы автоматизированного дешифрирования. В настоящее время существует довольно большое число таких алгоритмов, к которым относятся алгоритмы классификации многоспектральных изображений на основе различные спектральных и структурных преобразований. Общий их принцип заключается в отнесении пикселей изображения к определенным классам объектов на местности [1].
Tasseled Cap - это линейное преобразование мультиспектральных изображений, позволяющее упростить процесс распознавания классов объектов на
изображениях. Которое впервые было предложено в 1976 году Каутом и Томасом для мониторинга состояния сельскохозяйственный культур с помощью аппаратуры Landsat MSS. Преобразование tasseled cap является частным случаем метода главных компонент. Метод главных компонент позволяет сократить число признаков, используемых при распознавании объектов на изображении, в результате чего процедура распознавания существенно упрощается. Достигается это путем перехода от одной системы координат, в которой признаки коррелированы между собой, к другой, где они не коррелированы. Признаками здесь обычно являются компоненты векторов яркостей. Преобразование вектора спектральных данных «x» в вектор признаков «u» выполняется следующим образом [2-4]:
u = W * x + r, (1)
где WTC - ортогональная матрица преобразования; r - вектор смещения.
Недостаток метода главным компонент заключается в том, что данный алгоритм обеспечивает оптимальные свойства преобразования только для одного определенного изображения. В отличие от метода главных компонент, преобразование tasseled cap позволяет получить фиксированный набор характеристик для различных изображений, то есть матрица преобразования W фиксирована для заданного датчика и не зависит от характеристик сцен съемки.
В 2003 году Джеймсом Хорном в результате анализа 195 мультиспектральных изображений, полученных с помощью съемочной аппаратуры спутника IKONOS, были определены коэффициенты матрицы преобразования W тс , в соответствии с которой были рассчитаны 4 канала преобразования tasseled cap [5]:
Целью данной статьи является оценка точности дешифрирования растительного покрова на основе сравнения результатов визуального дешифрирования по исходному изображению и изображению, полученному в результате комбинации каналов Tasseled Cap, а также, на основе сравнения результатов классификации без обучения с помощью алгоритма K-MEANS по исходному изображению и по изображению Tasseled Cap.
Для эксперимента была выбрана стереопара космических снимков IKONOS на территорию города Екатеринбурга. Первоначально для повышения точности визуального дешифрирования в программном комплексе (ПК) ENVI Zoom 4.5 для снимков IKONOS была выполнена процедура паншарпенинга. В результате была получена стереопара многоспектральных снимков с разрешением 1 метр. Процесс визуального дешифрирования проводился по данной стереопаре в программном комплексе PHOTOMOD в модуле StereoDraw
и, = 0.326 x Ыие + 0.509 x u2 = -0.311 xblue - 0.356 x И3 = -0.612 xblue - 0.312 x u4 = -0.650 x Ыие + 0.719 x
green
+ 0.560 x , + 0.567 x ,
red mr?
;n - 0.325 x red + 0.819 x,r, (2)
n + °.722 x red - °.°81 x nir ,
посредством вычерчивания границ смены одного типа растительного покрова другим. Визуально были отдешефрированы 3 типа растительности: хвойный лес, лиственный лес и трава. Полученные контуры были экспортированы в виде векторных слоев формата ПК MapInfo. Далее в MapInfo был открыт построенный в PHOTOMOD ортофотоплан с наложением векторных слоев. Результат приведен на рис. 1. На этом рисунке восточнее контура хвойного леса и южнее дороги представлен лиственный лес. Визуально по исходным изображениям он практически неразличим от хвойного леса.
Следующим шагом стало осуществление преобразования Tasseled Cap в ПК ENVI в соответствии с формулами (1) с помощью инструмента Band Math.
Экспериментально было установлено, что для визуального дешифрирования растительного покрова порядок загрузки каналов Tasseled Cap следующий: Red - 1 канал, Green - 2 канал, Blue - 4 канал. На рис. 2. приведен фрагмент изображения Tasseled Cap с загруженными векторными слоями, полученными в результате отрисовки по данному изображению.
Визуально из рис. 1 и рис. 2 видно, что на изображении, полученном в результате преобразования Tasseled Cap, классы объектов, характеризующие различные типы растительности, более различимы. В отличие от исходного изображения, на изображении Tasseled Cap отчетливо разделимы хвойный лес, лиственный лес и травянистая растительность. Оценка точности визуального дешифрирования была проведена в ПК MapInfo путем сравнения площадей трех
оконтуренных участков. Ошибка рассчитывалась по формуле:
Рис. 1. Визуальное дешифрирование по типам растительности:
контур хвойного леса;
контур травянистой растительности
сг5 =
Sn
-^*100%,
(3)
где S0 - площадь участка, оконтуренного визуально по космическому снимку IKONOS;
STC - площадь участка, оконтуренного визуально по изображению, полученному в результате преобразования Tasseled Cap.
Также для характеристики точности визуального дешифрирования была
использована достоверность PS :
Ps = 100 - crs.
В табл. 1 приведены результаты оценки точности отрисовки для трех участков.
Точность отрисовки участка № 1 по исходному изображению в PHOTOMOD оказалось наименьшей по сравнению с участками № 2 и № 3. Из рис. 1 и рис. 2 видно, что отрисованный контур хвойного леса несколько не совпадает с действительной границей хвойного леса.
Таким образом преобразование Tasseled Cap позволяет повысить точность визуального дешифрирования за счет увеличения различимости классов объектов на изображении.
Далее в ПК ENVI было выполнено автоматизированное дешифрирование по исходному изображению и по изображению Tasseled Cap. В качестве алгоритма автоматизированного дешифрирования был выбран алгоритм K-MEANS, относящийся к алгоритмам кластерного анализа. На рис. 3 представлен результат классификации по алгоритму K-MEANS для исходного изображения и для изображения Tasseled Cap.
Таблица 1. Оценка точности результатов визуального дешифрирования
№ участка S0, м 2 О 2 Отс , м °s ■ % PS , %
1 126400 118400 6,33 93,67
2 57640 55910 3,00 97,00
3 29200 27720 5,07 94,93
В результате классификации по исходному изображению присутствуют несколько ошибочно классифицированных пикселей. Классифицированное изображение имеет зернистую структуру. На изображении отдельно представлены пиксели в виде красного цвета, относящиеся к области тени от хвойного леса. Результат классификации по изображению Tasseled Cap более нагляден и точен. Здесь уже пиксели, относящиеся к области тени от хвойного леса не классифицировались в отдельный класс, а отнеслись к классу -хвойный лес. На самом классифицированном изображении зернистость
Рис. 2. Результат преобразования Tasseled Cap:
участок № 1;
— участок № 2;
участок № 3.
практически отсутствует. Пиксели в основном классифицировались по площадям, а не по точкам.
а б в г
Рис. 3. Результаты классификации без обучения для исходного изображения и
для изображения Tasseled Cap:
а - исходное изображение; б - классификация по исходному изображению; в -изображение Tasseled Cap; г - классификация по изображению Tasseled Cap
Таким образом, алгоритм линейного преобразования Tasseled Cap, составленный для снимков IKONOS, существенно повышает качество визуального дешифрирования и увеличивает точность распознавания объектов на изображении. Так как коэффициенты матрицы преобразования были получены в результате анализа практически 200 снимков, то результат классификации будет надежен для любого другого из снимков IKONOS. Одни и те же объекты на разных снимках будут отнесены к одному классу. Используя подход, предложенный Каутом и Томасом, можно получить коэффициенты матрицы преобразования и для других типов сенсоров. И в итоге в сочетании с различными алгоритмами автоматизированного дешифрирования, такими как алгоритмы кластерного анализа, алгоритмы классификации с обучением, деревья решений, полностью автоматизировать процесс дешифрирования.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Виноградова, Н.С. Выделение растительности и объектов гидрографии по снимкам городских территорий сверхвысокого разрешения / Н.С. Виноградова, Е.А. Кобзева // Пространственные данные. - 2009. - № 4. - с. 4246.
2. Кашкин, В.Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие. / В.Б. Кашкин, А.И. Сухинин. - М.: Логос, 2001. - 264 с.
3. Шовенгердт, РА. Дистанционное зондирование. Модель и методы обработки изображений. / РА. Шовенгердт. - М.: Техносфера, 2010. - 560 с.
4. Kauth, R.J. and G.S. Thomas (1976). The Tasseled Cap - a graphical description of the spectral-temporal development of agricultural crops as seen by Landsat. Proceedings of the Symposium on Machine Processing of Remotely Sensed Data, Purdue University, West Lafayette, Indiana, pp. 4B41-4B51.
5. Horne, J.H. (2003). A Tasseled Cap Transformation for IKONOS Images. In: ASPRS Annual Conference Proceedings, Anchorage, Alaska.
© М.А. Алтынцев, 2011
