CC BY
24
УДК 004.942
ПРИМЕНЕНИЕ МЕТОДОВ ФРАКТАЛЬНОГО АНАЛИЗА ИЗОБРАЖЕНИЙ ДЛЯ РЕШЕНИЯ ЗАДАЧ МОНИТОРИНГА ЭКОЛОГИЧЕСКОЙ ОБСТАНОВКИ
Н.С. Акиншин, О.В.Есиков, А.И. Чернышков, К.В.Савчук
Предложено для решения задач мониторинга экологической обстановки применять методы фрактального анализа изображений. Рассмотрены возможности современных средств наблюдения и мониторинга, а также решаемые ими задачи. Предложено для построения карты и гистограммы фрактальной размерности исходного изображения использовать клеточный алгоритм основанный на определении размерности Минковского. На практических примерах показано, что применение методов фрактального анализа изображений позволяет не только определить наличие аномального (аварийной ситуации, стихийного бедствия) состояния среды, но и дать количественную оценку сложившейся ситуации.
Ключевые слова: оценка экологической обстановки, фрактальный анализ изображений.
В настоящее время вопросы мониторинга экологической обстановки регионального, федерального и межгосударственного уровня уделяется все больше внимания. Соответствующие практические задачи в автоматизированном режиме чаще всего решаются с привлечением средств космического и воздушного наблюдения. Среди множества реализованных и перспективных проектов в данной области следует выделить [1]: зарубежные комплексы космического базирования «ERS-2» и «Envisat» (Европа), «Radarsat-2» (Канада), «ALOS» и «IGS» (Япония), «TerraSAR-X» (Германия), «CosmoSkyMed» (Италия), «RSS/JB» (Китай), российские «Кондор», «Ресурс-ДКР», «Смотр», «Север», «Монитор», «Аркон»; воздушные «Hisar» (США), «E-SAR» (Германия), «EL/M-2060P SAR» (Израиль), «Имарк» и «Компакт» (Россия); средства на беспилотных носителях «AN/ZPQ-1 TESAR» и «AN/APY-8 Lynx SAR/GMTI» (США), «EL/M-2055 SAR/MTI» (Израиль).
В части мониторинга экологической обстановки данные средства и комплексы решают следующие задачи [1,2].
1. Мониторинг зон стихийных бедствий.
2. Отслеживание состояния лесных и водных массивов, сельскохозяйственных угодий и т. п.
3. Мониторинг и оценка дорожной обстановки и др.
Изображения, полученные при помощи указанных средств, отличаются потенциально высокой разрешающей способностью, поэтому являются ключевым элементом современных и перспективных информационных систем.
Наряду с традиционными методами космической и авиационной съемки все более востребованной становится съемка с помощью беспилотных летательных аппаратов (БПЛА) (рис. 1, 2) [2,3].
44
Рис. 1. Востребованность съемки с помощью БПЛА
Мониторинг МонитарингЛЭП
Патрулирование береговых границ
12%
Рис. 2. Состояние рынка услуг с применением коммерческих
БПЛА на 2015 г.
В области лесоохранной деятельности применение средств ДЗЗ (авиационной техники, в том числе БПЛА) позволяет существенно повысить эффективность решения следующих задач[3,4].
1. Борьба с лесными пожарами:
- проведение воздушной разведки кромки действующего крупного пожара самостоятельно силами наземных и аэромобильных команд тушения.
- использование БПЛА в качестве географически привязанного воздушного пункта наблюдения («летающей вышки») для обнаружения пожаров в районах возникновения высокой (чрезвычайной) пожарной опасности лесов, прежде всего в целях защиты населенных пунктов;
- патрулирование локальных площадных (сельскохозяйственных угодий, участков ценных насаждений, молодняков, мест массового посещения людьми и т. п.) или линейных объектов (ЛЭП, железных дорог, газопроводов, автомагистралей и т. п);
- осмотр действующих пожаров (в т.ч. с использованием инфракрасных камер) в чрезвычайные периоды, когда применение классических средств наблюдения и мониторинга невозможно из-за задымленности района;
- использование БПЛА в качестве ретранслятора УКВ-связи при организации радиосвязи на лесных пожарах, в том числе при полетах нескольких малых БПЛА на значительное удаление (более 50 км) от точки запуска;
- мониторинг состояния торфяных пожаров.
45
2. Мониторинг лесопользования
- оперативное инспектирование мест проведения рубок и иных хозяйственных мероприятий в лесах (в режиме фото- или видеодокументирования).
- противодействие незаконным рубкам в лесах, выявление правонарушений и информирование компетентных органов.
3. Лесозащита
- оперативный осмотр (в режиме фото- или видеодокументирования) незначительных по площади лесных участков.
4. Лесоустройство
- плановая аэрофотосъемка крупных участков насаждений лесничеств или оперативная небольших участков по заказу лесопользователя.
Ожидаемый объем суточных воздушных съемок современными комплексаминаблюдения и мониторинга, способных дать в результате изображение сотен тысяч квадратных километров местности со средним разрешением или десятков тысяч - с высоким, потребовал бы ежесуточного привлечения нескольких тысяч операторов, способных в течение шестичасовой смены обрабатывать каждый снимок форматом 0,2x0,2 м (1024x1024 элементов изображения) примерно за 2 минуты [1,5]. Данные обстоятельства требуют разработки алгоритмов, методов и процедур автоматизированной обработки изображений для их анализа и распознавания объектов.
Одним из перспективных способов обработки изображений, поступающих от средств наблюдения и мониторинга являются алгоритмы и методы фрактального анализа изображений [5-7].
Особенностью фрактальных методов является то, что при обработке изображений местности удается описать уникальность наблюдаемого объекта при помощи одного параметра - фрактальной размерности, что дает возможность осуществить предварительное автоматическое сегментирование анализируемого изображения путем выделения кластеров заданного диапазона значений фрактальных размерностей.
Под процессом фрактальной обработки понимается последовательное выполнение следующих этапов:
1. Построение поля (карты) фрактальных размерностей изображения и его пороговая обработка.
2. Построение гистограммы фрактальной размерности изображения и ее анализ.
3. Кластеризация изображения по полю фрактальных размерностей.
Одним из вариантов представления результатов фрактального анализа изображений является гистограмма распределения значений фрактальной размерности, которая имеет границы в некотором диапазоне. На основе полученной гистограммы возможна организация автоматизированной классификации объектов на анализируемом изображении и их кластеризация.
Последовательность действий для фрактального анализа изображений представлена на рис.3.
Пороговое преобразование
Формирование Построение гн-
карты фрак- стограммы
тальной раз- фрактальной
мерности размерности
Анализ результатов
Рис.З.Последовательность действий при анализе изображений с применением фрактальных методов
Предложенная последовательность действий для фрактального анализа изображений реализована в программном обеспечении, эффективность применения которого экспериментально проверена.
Приподготовке изображений для построения карты фрактальной размерности использовались следующие пространственные методы предварительной обработки: эквализация гистограммы, преобразования Собе-ла, преобразование Кирша, преобразование Лапласа, пороговое преобразование^].В результате обработки изображения формируется его черно-белый вариант, на основе которого рассчитываются карта и гистограмма фрактальной размерности.
Построения карты фрактальной размерности изображения производилось в скользящем окне размером К*К точек с заданным шагом ^ = К. Для расчета фрактальной размерности фрагмента изображения ограниченного окном применялся метод квадратов на основе использования размерности Минковского[5].Значение фрактальной размерности области изображения в окне зависит от ее содержания, а также от размера окна, и лежит в интервале [0.0, 2.0].С ростом размера окна происходит увеличение значения фрактальной размерности соответствующего фрагмента изображения.
Анализ гистограммы фрактальной размерности позволяет выделить особенности объектов изображения и выполнить процедуру кластеризации оценку доли площади изображения занятой ими.
На рис. 4-8 представлены результаты фрактального анализа изображений, соответствующих задачам 1 и 2.
Из рисунков видно, что применение методов предварительной обработки изображений позволяют с применением размерности Минковско-го построить карту фрактальной размерности изображения.
На рис. 4 представлен фрагмент изображения содержащий лес, водоем, сеть грунтовых дорог. При предварительной обработке изображения применялось преобразование Собела. При этом, гистограмма фрактальной размерности имеет три явных всплеска в интервалах 0-0.1; 0.6-1.0; 1.4-1.65.
Первый интервал соответствует фрактальной размерности зеркала водоема, второй - области занятой грунтовыми дорогами и порослью кустарника; третий- лесному массиву. Следует отметить, что карта фрак-
47
тальной размерности позволяет однозначно выделить такие объекты на изображении, как береговую линию водоема, поросшую кустарником и отдельно стоящими деревьями, лес, поверхность водоема.
в) г)
Рис. 4. Результаты фрактального анализа изображения1: а - исходное изображение; б - карта фрактальной размерности; в - комбинированное изображение; г - гистограмма фрактальной размерности изображения. 1 Размер изображения - 800х541; размер окна оценки фрактальной размерности - 40
Анализ полученной гистограммы фрактальной размерности (рис. 4, г) позволил оценить доли площади занимаемыми на изображении такими объектами, как лес и водоем. Так для изображения, представленного на рис. 2 доля леса составляет 52%, а площадь, занимаемая озером - 21% от общей площади изображения, для которой построена гистограмма.
На рис.5 представлен участок леса с очагом пожара с соответствующей картой и гистограммой фрактальной размерности. Из рис. 5 видно, что применение методов фрактального анализа позволяет выделить на изображении зоны задымления и возгорания. Фрактальная размерность участков изображения, соответствующая лесному массиву, находится в интервале 1.50-1.65. На рис.5, в, г представлены гистограммы фрактальной размерности исходного участка леса и того же участка с очагом пожара.
Из рисунков видно, что наличие задымления в следствие лесного пожара снижает контрастность и текстурированность соответствующих участков изображения, что приводит к появлению на гистограмме областей соответствующих фрактальной размерности в интервале от 0 до 1.15, отсутствующих на гистограмме исходного изображения леса.
Соответствующий фрагмент гистограммы фрактальной размерности (рис. 5, г) в интервале от 0 до 1.2 представлен на рис. 4. Анализ гистограммы (рис. 5, г) позволяет сделать вывод о наличии очага возгорания и осуществить грубую оценку его местоположения и площади (порядка 5% от площади изображения).
Рис. 5. Результаты фрактального анализа изображения 1: а - исходное изображение; б - комбинированное изображение; в - гистограмма фрактальной размерности изображения исходного участка леса; г - гистограмма фрактальной размерности изображения участка леса с пожаром. 1 Размер изображения - 1200х800; размер окна оценки фрактальной размерности - 40
Рис. 6. Фрагмент гистограммы фрактальной размерности, соответствующий очагам лесного пожара
На рис. 7, 8 представлены фрагменты изображений содержащий участки морской поверхности с разливом нефти. При предварительной обработке изображений применялось преобразование Собела. В связи с тем, что поверхность моря на рисунках, незагрязненная нефтью, не имеет ярко выраженной структуры, то после применения преобразования Собела фрактальная размерность таких участков изображения будет близка к 0, что отчетливо видно на гистограмме (рис. 7, г, 8, г). Участки изображения соответствующие областям поверхности моря подвергшимся загрязнению имеют фрактальную размерность отличную от 0. Площадь загрязнения соответствует 47% общей площади изображения для рис. 5 и 38% для рис. 8. При этом следует отметить применение преобразований изображения использующих первую и вторую производною (Кирша, Собела, Лапласа и др.) не позволяют выделить зоны наибольшего загрязнения, имеющие однородную структуру.
ж-я
а) б)
в) г)
Рис. 7. Результаты фрактального анализа изображения участка
морской поверхности с разливом нефти1: а - исходное изображение; б -карта фрактальной размерности; в - комбинированное изображение; г - гистограмма фрактальной размерности изображения. 1 Размер изображения - 800х550; размер окна оценки фрактальной размерности - 34
<т
ли
б)
г)
Рис. 8. Результаты фрактального анализа изображения участка морской поверхности с разливом нефти1: а - исходное изображение; б - карта фрактальной размерности; в - комбинированное изображение; г - гистограмма фрактальной размерности изображения.1 Размер изображения - 1124х744;размер окна оценки
фрактальной размерности - 30
Наличие волнения, морской ряби, солнечных бликов на воде существенно усложняет процесс выделения участков поверхности моря загрязненных нефтью, так как при этом практически все изображение получает фрактальную структуру, определяемую волнением и неравномерным бли-кованием. Применение предварительного порогового преобразования с низким значением порога (порядка 0.3), медианной фильтрации совместно с преобразованием Кирша несколько снижают влияние ряби на общий результат.
На рис. 9 представлено изображение, соответствующее данной ситуации, а также результат его обработки и анализа. Участки морской поверхности имеющие фрактальную размерность большую 0.45 могут счи-
таться загрязненными нефтью. При этом площадь загрязнения в соответствие с полученными результатами составляет 66% от площади изображения.
Рис. 9. Результаты фрактального анализа изображения участка
морской поверхности с разливом нефти1: а - исходное изображение; б - карта фрактальной размерности; в - комбинированное изображение; г - гистограмма фрактальной размерности изображения. 1 Размер изображения - 1024х680; размер окна оценки фрактальной размерности - 35
Таким образом, полученные результаты свидетельствуют о том, что применение методов фрактального анализа позволяет успешно решать задачи кластеризации объектов мониторинга, оценивать их состояние, выявлять аномалии, имеющие последствия для экологической обстановки, а также оценивать развитие аномальных ситуаций. Вычислительная сложность алгоритмов фрактального анализа позволяет, в случае реализации их на современной вычислительной технике, оперативно обрабатывать достаточно большие массивы информации.
Список литературы
1. Шовенгердт P.A. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 560 с.
2. Данилов А.С. Система экологического мониторинга окружающей среды с использованием малогабаритных беспилотных летательных аппаратов // Научно-практичекий журнал Экология и промышленность России. М.: Изд-во Калвис, 2013. № 9. С. 4-7.
3. Федоров А.М. Эффективность мониторинга техногенных объектов с применением беспилотных летательных аппаратов // Доклады БГУИР. Минск, 2015. №7 (93). С. 129-130.
4. Коршунов Н.А., Котельников Р.В. Борьба с лесными пожарами: проблема информационного обеспечения авиасредствами и ее решение // Пожарная безопасность, 2008. №1. С. 125-129.
5. Есиков О.В., Нехаев И.В., Чернышков А.И. Оценка эффективности применения фрактальной размерности изображений контуров объектов для формирования дополнительной их характеристики в многоканальных
51
системах распознавания образов // Труды РНТОРЭС им. Попова. Серия: Научные сессии Тульской областной организации. Выпуск XXXVI. Тула, 2018. С.185-191.
6. Потапов А. А. Фракталы в дистанционном зондировании // Зарубежная радиоэлектроника. Успехи современной радиоэлектроники, 2000. № 6.С. 3-65.
7. Потапов А.А. Новейшие методы обработки изображений. М.: Физматлит, 2008. 496 с.
8. Есиков О.В., Сухарев Е.М., Алтухов А.В., Тарасов Е.А. Оценка эффективности методов и алгоритмов обработки графической информации и распознавания объектов мониторинга. Наукоемкие технологии, 2011. № 4.С. 54-61.
Акиншин Николай Степанович, д-р техн. наук, профессор, начальник отдела, , cdhaeacdhae.ru,Россия, Тула, АО ЦКБА,
Есиков Олег Витальевич д-р техн. наук, профессор, главный специалист, cdhaeacdhae.ru, Россия, Тула, АО ЦКБА,
Чернышков Александр Игоревич, помощник начальника отдела, niri-opaii@mail.ru, Россия, Пенза, Пензенский артиллерийский инженерный институт,
Савчук Кристина Витальевна, студентка, kristinasavchuk2106@,gmail.com, Россия, Тула, Тульский государственный университет
APPLICATION OF METHODS OF FRACTAL ANALYSIS OF IMAGES TO SOLVE
THE PROBLEMS OF MONITORING ENVIRONMENTAL ENVIRONMENT
N.S. Akinshin, O. V. Esikov, A.I. Chernyshkov, K. V. Savchuk
It is proposed to use the methods of fractal image analysis to solve the problems of monitoring the environmental situation. The possibilities of modern means of observation and monitoring, as well as the tasks they solve, are considered. It is proposed to use a cellular algorithm based on the determination of the Minkowski dimension to construct a map and a histogram of the fractal dimension of the source image. On practical examples it is shown that the use offractal image analysis methods allows not only to determine the presence of an abnormal (emergency, natural disaster) state of the environment, but also to give a quantitative assessment of the current situation.
Key words: environmental assessment, fractal image analysis.
Akinshin Nikolay Stepanovich, doctor of technical sciences, professor, head of department, cdbae@,cdbae. ru, Russia, Tula, JSC CDBAE,
Esikov Oleg Vitalyevich, doctor of technical sciences, professor, chief specialist, cdbae@,cdbae. ru,Russia, Tula, JSC CDBAE,
Chernyshkov Alexander Igorevch, assistant head of Department, niri-opaii@,mail. ru, Russia, Penza, Penza artillery engineering Institute,
Savchuk Kristina Vitalievna, student, kristinasavchuk2106@,gmail.com, Russia, Tula, Tula State University
