CC BY
18Дистанционное зондирование сред
УДК 621.396.969
Радиометрическое комплексирование многоспектральных изображений земной поверхности
Никитин О.Р., Кисляков А.Н., Шулятьев А.А.
Приведен обзор алгоритмов радиометрического комплексирования измерительной информации путем совместной обработки данных дистанционного зондирования и рассмотрена возможность их применения в задачах мониторинга земной поверхности.
Ключевые слова: дистанционное зондирование, многоспектральный метод, комплексирование.
Введение
В последние десятилетие 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 инструментов имеет свои преимущества и ограничения в применении в силу различных физических принципов формирования и представления этих данных (обычно в виде двумерных изображений). Поэтому объединение данных, полученных от различных датчиков, представляет бесспорный выигрыш в сравнении с раздельной обработкой, за счет увеличения объема получаемой информации благодаря как взаимодополняемости, так и взаимозаменяемости [2].
Изображения в оптическом диапазоне содержат информацию об отраженной или пе-реотраженной энергии солнечного света, о химическом составе поверхностного слоя и т.д., в свою очередь изображения, полученные в инфракрасном диапазоне, несут информацию о распределении температурных полей, наконец, изображения, полученные в микроволновом диапазоне, предоставляют данные о геометрических и физических параметрах поверхности (шероховатость, физическая структура и диэлектрические свойства).
Алгоритмы комплексирования
Алгоритмы комплексирования (слияния) данных оптических, инфракрасных и микроволновых сенсоров могут быть условно разбиты на три группы, в зависимости от информационного уровня, на котором происходит основной блок совместной обработки:
• уровень элементов изображения (точечный уровень),
• уровень объектов,
• уровень решений.
Слияние изображений на точечном уровне подразумевает обработку самого низкого уровня и поэлементное взвешенное суммирование каждого пикселя - элемента измеряемых физических параметров.
Слияние на уровне объектов требует предварительного выделения этих объектов на обоих изображениях (процедура сегментации). Затем обработке подвергаются именно эти области (объекты) при помощи различных статистических методов.
К уровню решений относится группа методов, в которых каждое изображение обрабатывают в отдельности, извлекают необходимую информацию, после чего результаты объединяют, применяя определенные правила принятия решений для согласования результатов.
Наибольшей точности можно добиться, используя точечное комплексирование когда,
в каждый элемент нового изображения закладывается информация с нескольких сенсоров. Именно поэтому необходимо очень точное геометрическое совмещение, поскольку ошибки совмещения приведут к искажению распределения информации, и смысл совместной обработки будет утрачен.
Соответственно задачи комплексирования разделяют на геометрические и радиометрические. Геометрическое комплексирование состоит в субпиксельном совмещении видеоданных из различных спектральных зон в единой системе координат. Целью радиометрического комплексирования является объединение разнозональных данных с тем, чтобы с возможно максимальной четкостью передать на синтезируемом изображении все объекты, отображенные на разнозональных снимках [4].
Многоканальный принцип съемки основан на интегрировании отраженной от поверхности Земли электромагнитной энергии в нескольких соприкасающихся диапазонах:
В
= | Ь(Л)8, (Л)йЛ, 1 = 1,2,..К, (1)
где В, = [в, (т п)] - дискретное изображение /-го спектрального канала; К - число каналов; т, п - соответственно номера столбца
и строки изображения: т=0,М-1, п=0,^-1); Ь(Х) - коэффициент спектральной яркости наблюдаемой сцены; <%(Л.) - спектральная чувствительность датчика в диапазоне
[л,т1П, л™™ ].
В литературе [4,5] представлено несколько алгоритмов радиометрического комплек-сирования. Первый основан на усилении различий изображений между собой. В основе второго алгоритма лежит анализ низко- и высокочастотных компонент каждого изображения. Причем оба этих алгоритма могут успешно дополнять друг друга.
Основная трудность решения задачи радиометрического комплексирования геометрически совмещенных изображений
В,, / = 1, К , связана с явлением инверсного отображения отдельных объектов на различных зонах спектра, которое не дает возможности использовать известные методы статистического выравнивания и яркостной интерполяции. Другая трудность связана с наличием на исходных изображениях радиометрических искажений (шумов). Будем
считать, что перед выполнением комплекси-рования исходные спектрозональные изображения очищаются от шумов и выравниваются по средней яркости и СКО.
Пусть получены три изображения в различных спектральных каналах: В1 =[В1 (т,п)],
В2 = [В ( т,п)] и Вз = [Д ( т, п)]. При этом
наиболее ценная информация обычно содержится на одноименных участках изображений значительно различающихся по яркости, поэтому для учета отличий отражательной способности точек местности в конкретных зонах спектра, вводится коэффициент у, определяющий степень усиления различий между изображениями.
В результате усиления спектрозональных различий с учетом коэффициента у, из В1, В2, В3 формируются изображения
В**, В2, В3 следующим образом [4]:
1 к
в*(m,п) = уД(тп)+--(1-у)-ХД(m,n), (2)
К 1=1
где у - коэффициент, определяющий степень усиления различий в изображениях [5].
Коэффициент у вычисляется для каждой точки в трехмерном пространстве как у ■ й
/ тах тах
у
(
ут
V
(3)
-1
ут
йтах + й
V / тт J
где утах и утт - максимальное и минимальное значение коэффициента усиления различий в изображениях.
Отклонение точки в трехмерном пространстве от биссектрисы
d^{[Д (m,n)~ B2 (m,n)I +
+[В,(т,п)-В3 (т,п)] + [В2 (т,п)-В3 (т,п)] }
где йтах - максимальное отклонение от биссектрисы.
Результирующее панхроматическое изображение Б может быть образовано путем поэлементного суммирования В^В2, В3, однако целесообразнее дополнительный анализ низко- и высокочастотных компонент изображения.
Основные различия обрабатываемых изображений заключены в высокочастотных компонентах, в которых содержится информация о контурах и границах объектов наблюдаемой сцены.
Поэтому целесообразно проводить отдельную обработку низко- и высокочастотных компонент полученных изображений В^В2,В3. Для этого представим изображения в виде сумм низко- и высокочастотных компонент:
В* = В*Н + В*в в2 = в2н + в2в
В3 = В3н + В3в.
Низкочастотные составляющие В*Н ,В2Н,
*
В3Н комплексируются путем взвешенного суммирования:
=а1 ® В*Н + а2 ® В2Н + а3 ® В3Н, (6)
где а, = [а(т,п)], / = 1,2,3, - коэффициенты, определяющие уникальность пикселей сформированных изображений. Эти коэффициенты для каждого элемента ВН1 определяются как
Д12 (т, п) + Д13 (т, п)
a (х, у ) = a (х у ) =
a (х, у ) =
Д( m, n)
Д12 (m, n) +Д 23 (m, n) Д( m, n)
Д13 (m, n) +Д23 (m, n) Д( m, n)
(9)
где
(4) Д12 (m, n) = |BiH (m,n)- B2*H (m, n)|,
Д13 (m,n) = BiH (m,n) - B3*H (m,n)|,
Д23 (m, n) = |B2H (m,n) - B3*H (m,n)|,
Д( m, n) = Д12 (m, n) +Д13 (m, n) + Д23 (m, n).
В результате формируется низкочастотная
компонента результирующего изображения D.
Высокочастотная компонента DB(m,n) результирующего изображения определяется по следующему правилу. Знак каждого пикселя изображения DB(m,n) находится как
sign [DB (m, n)| = sign I a • B1*B (m, n) +
[ (8) +a2 • B2B (m, n ) + a3 • B3B (m, n) I.
Модуль каждого пикселя изображения DB(m,n) вычисляется по выражению
\DB (m,n)| = max(|B1*B (m,n)|,
|b2b (m n )| \ b3b (m, n )|).
Наконец результирующее изображение формируется как
D(m,n) = DB (m,n) + DH (m,n). (10)
(5) Реализация алгоритма
комплексирования
Для того чтобы наглядно показать пример алгоритма комплексирования многоспектральных изображений, рассмотрим следующий пример: панхроматическое RGB изображение в видимом диапазоне разбивается на три спектральных поддиапазона - красный (R), зеленый (G) и синий (B) соответственно. Тем самым моделируется ситуация, когда данные изображения формируются с помощью трех различных датчиков аналогично ситуации формирования изображений радиометром, тепловизором и видеокамерой (рис. 3).
Данный алгоритм был реализован с по-(7) мощью пакета MATLAB.
По приведенным выше алгоритмам проводится комплексирование изображений в различных диапазонах и получение результирующего изображения (рис. 4)
в г
Рис. 3. Распределение интенсивностей исходного панхроматического (а) изображения в поддиапазоне Я (б), в (в) и В (г)
Рис. 4.Скомплексированное изображение
СР
г? а 0
/ ^ о /
\С> V
Рис. 5. Окнотуренное изображение в поддиапазоне Я (а), в (б) и В (в)
Далее проводится наложение контуров всех трех каналов и сравнение с оконтуренным комплексированным изображением (рис. 6).
По изображениям видно, что оконтурива-ние цветного изображения дает усредненный результат оконтуривания по всем трем каналам. Это позволяет сделать вывод о целесообразности комплексирования изображений, полученных в микроволновом, инфракрасном и оптическом (видимом) диапазонах, в плане повышения информативности результата.
Следует учесть, что в приведенном примере для съемок в видимом диапазоне и без комплексирования существует фотокамера, позволяющая отобразить одновременно все три канала ЯвВ на одном изображении, в то время как совмещение датчиков микроволнового, инфракрасного и видимого диапазона в единый аппаратный модуль является более сложно реализуемой задачей.Поэтому целесообразно проводить комплексирование изображений, полученных от различных типов датчиков, на этапе обработки информации.
б
а
в
Литература
1. Анисимов, Б. В. Распознавание и цифровая обработка изображений: Учеб. пособие для студентов вузов / Б.В. Анисимов, В.Д. Курганов, В.К. Злобин.- М.: Высш. шк., 1983. -295 с.
2. Дейвис, Ш.М. 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. Техническое зрение в системах управления мобильными объектами - 2010 // Труды научно-технической конференции-семинара, Таруса, 16-18 марта 2011 г. / Под ред. Р.Р. Назирова. -С. 31-34. 188К 2075-6836.
4. Злобин, В.К. Обработка изображений в
геоинформационных системах: Учебное
пособие/В.К. Злобин, В.В Еремеев, А.Е. Кузнецов. Рязань: Рязан. гос. радиотехн. университет,
2006.- 264 с.
5. Злобин, В.К. Совместная обработка спектрозональных изображений с целью повышения их дешифруемости / В.К. Злобин, В.В Еремеев, А.Е. Кузнецов // Системы анализа и синтеза изображений. - Рязань: Изд. РГРА, 2002.-С. 3-11.
6. Никитин, О.Р. Комплексирование данных многоканального мониторинга земной поверхности/ О.Р. Никитин, А.Н. Кисляков, А.А. Шулятьев // Методы и устройства передачи и обработки информации. Вып. №13, 2011. - С.68-71.
7. Никитин, О.Р. Применение комплексных систем многоспектрального дистанционного зондирования в задачах экологического мониторинга/ О.Р. Никитин, А.Н. Кисляков, А.А. Шулятьев// Методы и устройства передачи и обработки информации. - Вып. №13, 2011. - С.72-76.
Поступила18 ноября 2011 г.
An overview of the algorithms of radiometric data fusion by joint processing data of remote sensing is given and a possibility of theirs usage in the task of ecology monitoring is considered.
Key words: remote sensing, multispectral method, data fusion.
Никитин Олег Рафаилович - д.т.н., профессор, зав. кафедрой радиотехники и радиосистем ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых».
Кисляков Алексей Николаевич - аспирант кафедры радиотехники и радиосистем ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых».
Шулятьев Аркадий Андреевич - аспирант кафедры радиотехники и радиосистем ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых».
E-mail: olnikitin@mail. ru.
