CC BY
314
DOI 10.25987/^Ш.2020.16.4.014 УДК 681.518.3
СОСТОЯНИЕ И ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ ГИПЕРСПЕКТРАЛЬНОЙ АППАРАТУРЫ ДЛЯ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ РАЗЛИЧНЫХ ОБЪЕКТОВ
И.П. Бостынец, В.И. Лопин, А.А. Рогозин, Г.Л. Тюрин
Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина», г. Воронеж, Россия
Аннотация: статья посвящена перспективам применения гиперспектральной аппаратуры, устанавливаемой на космических, воздушных и наземных носителях. Приведены состав, основные технические характеристики и возможности современной и перспективной гиперспектральной аппаратуры, обеспечивающей обнаружение и распознавание различных объектов. Рассмотрены существующие схемы построения гиперспектральной аппаратуры, выполненные на базе акустооптических и жидкокристаллических фильтров, интерферометров и диспергирующих элементов, а также применяемые на практике способы сканирования наблюдаемой фоно-целевой обстановки. Представлен краткий анализ существующего методического обеспечения для обнаружения и распознавания объектов на основе обработки полученных с помощью гиперспектральной аппаратуры данных, а также перечислены основные задачи, решаемые с помощью данной аппаратуры. Отмечены основные проблемы, возникающие при обработке гиперспектральных данных, а также методы и способы их решения. Приведены результаты анализа технических возможностей существующих образцов гиперспектральной аппаратуры. Показано, что использование современных методов обработки информации, поступающей от гиперспектральной аппаратуры, позволяет решать практические задачи, связанные с мониторингом окружающей среды, обнаружением и идентификацией малоразмерных объектов, селекцией ложных целей, определением различий между близкими классами объектов, оценкой их биохимических и геофизических параметров
Ключевые слова: гиперспектральная аппаратура, спектральное разрешение, обнаружение, распознавание Введение
В условиях развития современных технологий существенным образом выросли информационные возможности оптико-электронных средств по обнаружению и распознаванию различных естественных и антропогенных объектов. Одним из качественно новых видов оптико-электронных средств является гиперспектральная (ГС) аппаратура, обеспечивающая получение изображений фоно-целевой обстановки (ФЦО) с высоким пространственным и спектральным разрешением. В результате применения данной аппаратуры формируется пространственно-спектральное изображение, так называемый «гиперкуб», схема и принцип формирования которого приведены на рис. 1.
Такой «гиперкуб» можно интерпретировать как совокупность изображений поверхности ФЦО для каждого из спектральных каналов, где отдельно взятое изображение представляет собой распределение элементарной спектральной яркости по площади кадра. Формирование «гиперкуба» осуществляется, как правило, путем разложения в спектр оптического излучения от ФЦО с помощью диспергирующих элементов, в качестве которых могут
© Бостынец И.П., Лопин В.И., Рогозин А.А., Тюрин Г.Л., 2020
быть использованы либо оптические призмы, либо дифракционные решетки. Полученный «гиперкуб» содержит уникальную информацию, характеризующую детальные спектральные различия между соседними пикселами изображения ФЦО.
N - количество спектральных каналов
Рис. 1. Схема и принцип формирования спектрально-пространственного изображения ФЦО ГС аппаратурой
Возможности современной гиперспектральной аппаратуры
Существующая ГС аппаратура отличается применяемым способом сканирования наблюдаемой ФЦО. Как правило, выделяют три ос-
новных способа: линейное, поперечное и продольное сканирование [1].
Линейное сканирование (рис. 2а) применяется, когда приемником регистрируемого излучения является линейка фотоприемников. В данном случае сканирование пространства производится элементарным полем зрения -поперек маршрута за счет сканирующего зеркала, а вдоль маршрута - за счет движения носителя аппаратуры. При этом для каждого зарегистрированного кадра происходит разложение принятого оптического излучения ФЦО с помощью диспергирующего элемента по длине волны и регистрация его элементами линейки фотоприемников.
В случае реализации поперечного или продольного сканирования приемником регистрируемого оптического излучения является матрица фотоприемников.
При поперечном сканировании (рис. 2б) поле зрения, соответствующее одной строке фотоприемной матрицы, фиксируется вдоль интересующей области сцены с помощью гиро-стабилизированной платформы, а по второму измерению матрицы регистрируется спектральная информация. Сканирование пространства осуществляется поперек движения носителя ГС аппаратуры с помощью сканирующего зеркала.
При продольном сканировании (рис. 2в) поле зрения, соответствующее одной строке матрицы, располагается поперек движения носителя аппаратуры, то есть перпендикулярно направлению сканирования. Спектральная информация регистрируется по второму измерению фотоприемной матрицы. Разложение оптического излучения по спектру для всех трех видов сканирования может быть выполнено на дифракционной решетке, призме или их комбинации.
Наиболее широко при построении ГС аппаратуры космического и воздушного базирования используется продольное сканирование наблюдаемой сцены, поскольку при этом отпадает необходимость в дополнительном сканирующем устройстве, использование которого приводило бы к уменьшению светосилы оптической части аппаратуры. Развертка изображения по пространству осуществляется «естественным» сканированием при движении авиационного или космического носителя. Такая схема проста в реализации, не имеет движущихся механических узлов, а следовательно, обладает высокой надежностью. В случае наземного базирования ГС аппаратуры не тре-
буется компенсировать сложную траекторную схему ее работы, но для обеспечения развертки изображения по пространству в ее состав включается сканирующее устройство.
Рис. 2. Схемы сканирования ФЦО при проведении ГС съемки, где обозначено: а - линейное сканирование; б - поперечное сканирование; в - продольное сканирование
Кроме того, в настоящее время существуют альтернативные схемы построения ГС аппаратуры [4, 8], выполненные на базе акустооп-тических фильтров, жидкокристаллических фильтров, интерферометров и диспергирующих элементов. Схемы на базе жидкокристаллических фильтров обладают сравнительно низким быстродействием и небольшим числом спектральных каналов, кроме этого такие схемы регистрируют излучение только с одной плоскостью поляризации. Устройства на базе интерферометров имеют довольно узкое поле зрения (~0,50) и требуют крайне точной юстировки оптической системы, вследствие чего обладают низкой надежностью и применяются только в лабораторных условиях.
Для современной ГС аппаратуры характерно большое количество спектральных каналов, которое может составлять 100 и более, а спектральный диапазон работы, как правило,
равен 0,4...2,5 мкм [2]. Однако бурное развитие оптоэлектроники обеспечило появление на рынке ГС аппаратуры, позволяющей получать ГС данные одновременно в ближнем (0,8.3,0 мкм), среднем (3,0.5,0 мкм) и дальнем (8,0.14,0 мкм) диапазонах инфракрасного спектра длин волн [5, 6]. При этом для получения «гиперкуба» в среднем и дальнем диапазонах длин волн применяются технические решения, основанные на разложении оптического излучения в спектр с высоким разрешением с помощью дифракционных или интерференционных методов [3].
Лидерами по разработке и применению ГС аппаратуры космического, воздушного и наземного базирования на сегодняшний день являются США, Германия, Израиль, Канада, Финляндия.
В зависимости от решаемых задач ГС аппаратура может устанавливаться не только на космические аппараты [3-6], но и на самолеты и беспилотные летательные аппараты (БЛА) с различной грузоподъемностью. На рис. 3 представлены ГС аппаратура AisaFENIX 1K фирмы Spesim (Финляндия), размещенная на легкомоторном самолете и обеспечивающая съемку в спектральном диапазоне 0,38.2,5 мкм со спектральным разрешением 4,5-14 нм на высотах до 10 км (см. рис. 3а), и аппаратура Leica X6 с ГС камерой Nano-Hyperspec компании Headwall (США), размещенная на БПЛА типа «квадрокоптер» и обеспечивающая съемку в спектральном диапазоне 0,4.1,0 мкм со спектральным разрешением 4,5-14 нм на высотах до 4 км (см. рис. 3б) [3, 6].
J
б
Рис. 3. Внешний вид ГС аппаратуры, установленной на легкомоторном самолете (а) и БЛА типа «квадрокоптер» (б)
Кроме того, на рынке оптико-электронной аппаратуры появилась ГС аппаратура, обеспечивающая получение соответствующих изображений в спектральных диапазонах 3.5
и 8.14 мкм. Так, например, фирмой ITRES (Канада) создана ГС аппаратура TASI-600 (спектральный диапазон работы 8,0. 11,5 мкм, поле зрения 400, температурная чувствительность 0,05 К) и TABI-1800 (спектральный диапазон работы 3,7.4,8 мкм, поле зрения 400, температурная чувствительность 0,05 К) [4]. Фирмой Specim (Финляндия) разработаны ГС камера Specim FX50 (спектральный диапазон работы 2,7.5,3 мкм, поле зрения 24-600, количество спектральных каналов 150), ГС камера AisaOWL (спектральный диапазон работы 7,7.12,3 мкм, поле зрения 24.320, количество спектральных каналов 96), а фирмой Telops (Канада) - ГС камера Cam Methane с аналогичными камере TASI-600 характеристиками [5].
Внешний вид данной ГС аппаратуры представлен на рис. 4.
а б в
Рис. 4. Внешний вид ГС аппаратуры: а - Aisa OWL (фирма Spesim, Финляндия); б - Hyper-Cam Methane (фирма Telops, Канада); в - TASI-600 (фирма ITRES, Канада)
Для работы в наземных условиях фирмой Specim (Финляндия) разработана уникальная малогабаритная ГС аппаратура [6], которая может быть использована как носимый вариант, обеспечивающий получение ГС данных о ФЦО на наклонных и горизонтальных трассах. Внешний вид портативной ГС камера Specim IQ, работающей в спектральном диапазоне 0,4.1,0 мкм, представлен на рис. 5.
Рис. 5. Внешний вид портативной ГС камеры Брест 1(3
В основу создания данного прибора заложен принцип получения ГС данных о ФЦО путем использования интерференционных фильтров мозаичного типа, наносимых непосредственно на поверхность полупроводниковой пластины высококачественного КМОП-сенсора. Матрица КМОП-сенсора делится на отдельные элементы (мозаику), на каждый эле-
а
мент которой наносится интерференционный фильтр типа оптического резонатора Фабри-Перо, пропускающего излучение определенного узкого диапазона длин волн. Интеграция указанных сенсоров позволяет формировать ГС данные о ФЦО путем «снятия» с них соответствующей спектральной информации.
Методы обработки информации,
применяемые в гиперспектральной аппаратуре
Алгоритм обработки результатов ГС съемки при решении задач вскрытия и идентификации объектов может состоять из следующей последовательности действий:
1. Спектральный анализ полученных экспериментальных данных с целью выявления наиболее информативных участков спектра.
2. Селекция спектров оптического излучения наблюдаемых объектов для формирования исходной информации и принятия решений по обнаружению и идентификации.
3. Анализ и фиксация отличий спектральных характеристик наблюдаемого объекта и проецируемого фона, принятие решения об обнаружении.
4. Сравнение спектральных характеристик обнаруженного объекта и эталона, взятого из соответствующей базы данных, принятие решения об идентификации.
В общем случае сутью решения данных задач является установление принадлежности объекта (пространственного элемента разрешения изображения ФЦО) к определенному классу на основе «близости» спектров данного объекта и эталонного объекта класса. Численное значение «близости» спектров сравниваемых объектов определяется на основе использования некоторого предварительно выбранного критерия, например, минимального расстояния в смысле Евклидовой метрики. Для принятия решения о наличии в поле зрения ГС аппаратуры того или иного объекта широко используется алгоритм, разработанный на основе канонического критерия максимального правдоподобия [7].
В частных случаях могут использоваться другие методы обработки ГС информации. Например, наиболее простым традиционным методом, широко используемым при обработке моноспектральных и мультиспектральных изображений, является построение одного из двух выбранных типов индексных изображений, представляющих собой результат вычитания или деления значений яркости
в рассматриваемых спектральных каналах. Выбор наиболее репрезентативных спектральных диапазонов и числа используемых каналов может осуществляться путем экспертных оценок или с применением компьютерных адаптивных алгоритмов [7].
Широко известным частным вариантом ГС аппаратуры, реализующим спектральную селекцию объектов [7], является двухспектральный теплопеленгатор, в котором задача различения объектов по их спектральной сигнатуре a также выделения их из фона решается путем формирования отношения выходных сигналов двух спектральных каналов и сравнения его с одним или двумя пороговыми уровнями. Решение o наличии объекта принимается, если значение отношения попадает в пороговый интервал.
Выбор наиболее подходящего метода зависит от конкретной решаемой задачи: индивидуальных особенностей спектрального состава изображения ФЦО, цели исследований, а также пространственного и спектрального разрешения имеющихся ГС данных.
Несмотря на то, что в различных источниках приводится значительное число примеров удачной обработки ГС информации, в настоящее время не существует единой универсальной методики, позволяющей с приемлемым качеством решать широкий круг задач, связанных с дешифровкой ГС изображений ФЦО.
Специалисты отмечают следующие три основные проблемы, возникающие
при обработке ГС данных: влияние атмосферы, изменчивость спектра, смешанные пикселы. Рассмотрим их более подробно.
Влияние атмосферы заключается в том, что на распространение солнечного излучения через атмосферу оказывают существенное влияние процессы его поглощения и рассеяния в результате воздействия содержащихся в слоях атмосферы газов и различных типов аэрозолей.
Так, например, влияние водяных паров приводит к ослаблению оптического излучения вследствие его поглощения с разной интенсивностью на разных длинах волн: слабое поглощение (0,6 и 0,66 мкм), чуть более сильное (0,73, 0,82 и 0,91 мкм), сильное поглощение (0,94 и 1,14 мкм). Оптическое излучение в окрестностях длин волн 1,375, 1,9 и 2,5 мкм поглощается практически полностью [8].
Таким образом, ГС изображения ФЦО, полученные в результате дистанционного зондирования, подвергнуты искажающему воздействию атмосферы.
Устранение этих искажений проводится с помощью процедуры атмосферной коррекции.
Существует два класса алгоритмов атмосферной коррекции: эмпирические и расчетные.
Первый тип алгоритмов основан на использовании априорной информации о статистических характеристиках изображения ФЦО и осуществляет скорее калибровку, а не компенсацию атмосферных искажений.
Второй тип алгоритмов основан на использовании физико-математических моделей атмосферы, ряд параметров которых регистрируется одновременно с регистрацией ГС изображения ФЦО, а другие рассчитываются с использованием известных спектральных характеристик некоторых пикселов изображения.
После восстановления всех требуемых параметров модели атмосферы искомые коэффициенты отражения исследуемой поверхности рассчитываются с использованием уравнений переноса радиации.
В настоящее время технология атмосферной коррекции достаточно хорошо разработана и продолжает успешно развиваться [8].
Изменчивость спектра. Сутью дешифрации ГС изображения ФЦО является установление для каждого пиксела этого изображения соответствующего ему номера элемента из числа наперед сформированного множества эталонных элементов с известными спектральными характеристиками, изображения которых содержатся или предположительно могут содержаться в данном изображении ФЦО. Источниками спектральных эталонов как правило являются базы данных известных спектральных характеристик различных материалов или репрезентативные пикселы самого изображения ФЦО, для которых эмпирически установлены типы материалов, которым они соответствуют.
Основной проблемой является то, что идеального фиксированного спектра для любого заданного материала не существует. Поскольку даже измеренные в лабораторных условиях спектры отражения образцов одного и того же материала различны вследствие всегда имеющихся у данных образцов отличий в степени шероховатости поверхности, ее кривизны и ориентации относительно направления измерений, отклонений химического состава и физического состояния материала и т.п.
Кроме того, спектральные характеристики ГС изображений ФЦО в значительной степени зависят от шумов приемников ГС аппаратуры.
В результате измеренные спектры различных пикселов изображения ФЦО, соответству-
ющие одному и тому же материалу, всегда имеют некоторые расхождения. Это затрудняет обнаружение материалов (веществ) по их уникальным спектральным сигнатурам.
Поэтому необходимо, чтобы алгоритмы, разрабатываемые для дешифрирования ГС изображений ФЦО, обладали устойчивостью по отношению к неопределенности спектров материалов.
Смешанные пикселы. Как было отмечено выше, на первом этапе дешифрации ГС изображения ФЦО предварительно формируется соответствующее данному изображению множество эталонных элементов с известными спектральными характеристиками. Затем, на втором этапе дешифрации для каждого пиксела ГС изображения ФЦО определяется элемент данного множества, спектральная сигнатура которого максимально соответствует спектральной сигнатуре рассматриваемого пиксела.
В случае, когда в элемент пространственного разрешения регистрирующей аппаратуры целиком попадает поверхность только одного эталонного элемента, тогда формируется «чистый» пиксел изображения с эталонной спектральной характеристикой отражения.
Однако основной проблемой является то, что в элемент пространственного разрешения аппаратуры, как правило, попадают в некоторой пропорции поверхности сразу нескольких эталонных элементов. Они фиксируются аппаратурой как одиночный пиксел изображения.
Проблема смешанного пиксела не решается простым улучшением пространственного разрешения регистрирующей аппаратуры, т.к. при этом появляются детали изображения, не регистрируемые ранее, т.е. образуются новые спектральные классы, следовательно, возникает необходимость расширения множества эталонных элементов. Возникает замкнутый круг.
Смешанные пикселы существенно усложняют процедуру дешифрирования изображений. Смешанный пиксел, как правило, не согласован ни с одним из эталонов. При этом его сигнатура может иметь сходство со спектральной сигнатурой другого эталона, который в действительности отсутствует в этом пикселе.
В настоящее время достаточно хорошо проработаны и продолжают непрерывно развиваться методы спектрального разделения (субпиксельной обработки), использующие широкий набор математических технологий для определения исходных компонентов смеси и оценки их процентного содержания [7, 8].
Например, хорошо проработанной технологией является обнаружение присутствия в сцене объектов с заданными спектральными сигнатурами путем проведения согласованной фильтрации. Согласованные фильтры повышают контраст цели относительно фона, который может быть представлен в виде структурированной или стохастической модели. Для решения данной задачи в зарубежной ГС аппаратуре широко используется метод SAM (spectral angle mapper) и его модификации [7]. На выходе формируется изображение, в котором значения пикселов соответствуют относительному содержанию искомого эталонного материала в элементах сцены (в интервале от 0 до 1).
Выводы
Исходя из изложенного выше, можно сделать вывод о том, что ГС аппаратура позволяет получать и обрабатывать ГС данные в видимом (0,36...0,76 мкм), ближнем (до 2,5 мкм), среднем (3,0...5,0 мкм) и дальнем (8,0.14 мкм) инфракрасных диапазонах длин волн для условий ее размещения на космических, воздушных и наземных носителях.
С помощью ГС аппаратуры могут решаться следующие основные задачи:
- мониторинг состояния сельскохозяйственных угодий;
- геологическое, гидрографическое, почвенное и сельскохозяйственное картографирование;
- составление топографических и военных карт и планов, включающее распознавание типов конструкционных материалов и покрытий, применяемых на различных объектах;
- лабораторный анализ и классификация различных веществ и материалов;
- исследование зависимости спектральных сигнатур зондируемых объектов и поверхностей от параметров их состояния;
- обнаружение и идентификация малоразмерных объектов на фоне подстилающей по-
верхности, определение состояния объектов и происходящих в них процессов;
- определение различий между очень близкими классами объектов, оценка их биохимических и геофизических параметров;
- дистанционное обнаружение (распознавание) замаскированных или заглубленных объектов;
- селекция ложных объектов;
- обнаружение и определение параметров источников оптического излучения.
Дальнейшее развитие ГС аппаратуры позволит существенно повысить возможности средств дистанционного мониторинга и расширить круг решаемых с использованием данной аппаратуры задач.
Литература
1. Авиационные гиперспектральные комплексы для решения задач дистанционного зондирования /Л.А. Веде-шин, А.Н. Виноградов, В.В. Егоров, А.П. Калинин, А.И. Родионов, И.Д. Родионов // Исследование земли из космоса. 2013. № 6. С. 66-75.
2. Линейка авиационных гиперспектрометров ультрафиолетового, видимого и ближнего инфракрасного диапазонов/ А.Н. Виноградов, В.В. Егоров, А.П. Калинин, А.И. Родионов, И.Д. Родионов // Оптический журнал. 2016. Т. 83. Вып. 4. С. 54-62.
3. Аншаков Г.П., Журавель Ю.Н., Федосеев А.А. Эффективность использования мультиспектральных и гиперспектральных данных дистанционного зондирования в задачах мониторинга окружающей среды// Вестник Самарского государственного аэрокосмического университета. 2013. №4 (42). С. 38-46.
4. Официальный сайт программы экологического картирования и анализа (EnMAP) [Электронный ресурс]. URL: www.enmap.org (дата обращения: 22.11.2019).
5. Официальный сайт фирмы ITRES (Канада) [Электронный ресурс]. URL: http://www.itres.com (дата обращения: 22.11.2018).
6. Официальный сайт фирмы Specim (Финляндия) [Электронный ресурс]. URL: http://www.spesim.fi (дата обращения: 22.11.2019).
7. Моделирование и оценка современных тепловизи-онных приборов / В.П. Иванов, В.И. Курт, В.А. Овсянников, В.Л. Филиппов. Казань: ФНПЦ НПО ГИПО, 2006. 595 с.
8. Журавель Ю.Н., Федосеев А.А. Особенности обработки гиперспектральных данных дистанционного зондирования при решении задач мониторинга окружающей среды// Компьютерная оптика. 2013. №4 (37). С. 471-476.
Поступила 04.06.2020; принята к публикации 20.08.2020 Информация об авторах
Бостынец Игорь Павлович - канд. техн. наук, старший научный сотрудник, Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (394064, Россия, г. Воронеж, ул. Старых Большевиков, 54 «А»), тел. 8(908)135-14-57, e-mail: 2365252@mail.ru
Лопин Виктор Игоревич - канд. техн. наук, доцент, старший научный сотрудник, Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (394064, Россия, г. Воронеж, ул. Старых Большевиков, 54 «А»), тел. 8(910)744-50-74, e-mail: lvi65@rambler.ru
Рогозин Андрей Александрович - канд. техн. наук, старший научный сотрудник, Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (394064, Россия, г. Воронеж, ул. Старых Большевиков, 54 «А»), тел.8(950)7724959, e-mail: izvoronega@mail.ru
Тюрин Герман Леонидович - канд. техн. наук, старший научный сотрудник, Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (394064, Россия, г. Воронеж, ул. Старых Большевиков, 54 «А»), тел.8(908)139-57-58, e-mail: germtyr@yandex.ru
STATE AND APPLICATION PERSPECTIVES OF HYPERSPECTRAL EQUIPMENT FOR DETECTION AND RECOGNITION OF VARIOUS OBJECTS
I.P. Bostynets, V.I. Lopin, A.A. Rogozin, G.L. Tyurin
Military Scientific Educational Center of Military-Air Forces "N.E.Zhukovsky and Ju.A. Gagarin
Military-Air Academy", Voronezh, Russia
Abstract: this paper deals with the application perspectives of hyperspectral equipment installed on space, aerial and ground-based platforms. It presents structure, basic specifications and capabilities of state-of-the-art and advanced hyperspectral equipment to provide detection and recognition of various objects. The paper examines existing diagrams of hyperspectral equipment construction realized on the basis of acoustic-optical and liquid-crystal filters, interferometers and dispersing elements, as well as practical scanning techniques of target environment being observed. In this work, we present the brief evaluation of existing methodical support used for object detection and recognition based on data processing received using the hyper-spectral equipment, as well as enumerate main tasks to be accomplished with the help of this equipment. The work outlines the key problems, arising when processing hyperspectral data, as well as methods and techniques to solve them. In this paper, it is shown that advanced methods used to process data provided by hyperspectral equipment enable solving practical problems connected with environmental monitoring, detection and recognition of small-sized objects, false target selection, discrimination between similar classes of objects, estimation of their biochemical and geophysical parameters
Key words: hyperspectral equipment, spectral resolution, detection, recognition
References
1. Vedeshin L.A., Vinogradov A.N., Egorov V.V., Kalinin A.P., Rodionov A.I., Rodionov I.D. "Aviation hyperspectral complexes for solving problems of remote sensing", Study of the Earth from Space (Issledovaniya zemli iz kosmosa), 2013, no. 6, pp. 6675.
2. Vinogradov A.N., Egorov V.V., Kalinin A.P., Rodionov A.I., Rodionov I.D. "Line of aviation hyperspectrometers of ultraviolet, visible and near infrared ranges", Optical Journal (Opticheskiy Zurnal), vol. 83, issue 4, 2016, pp. 54-62.
3. Anshakov G.P., Zhuravel' Yu.N., Fedoseev A.A. "Efficiency of using multispectral and hyperspectral remote sensing data in environmental monitoring problems", Bulletin of the Samara State Aerospace University (Vestnik Samarskogo gosudarstvennogo aerokosmicheskogo universiteta), 2013, no. 4 (42), pp. 38-46.
4. Official site of the program of ecological mapping and analysis (EnMAP), available at: www.enmap.org, (access date: 22.11.2019)
5. Official site of the firm ITRES (Canada), available at: http://www.itres.com, (access date: 22.11.2019)
6. Official site of the firm Specim (Finland), available at: http://www.spesim.fi, (access date: 22.11.2019)
7. Ivanov V.P., Kurt V.I., Ovsyannikov V.A., Fillipov V.L. "Modeling and evaluation of modern thermal imaging devices" ("Modelirovanie i otsenka sovremennykh teplovizionnykh priborov"), FNPTs NPO GIPO, Kazan, 2006, 595 p.
8. Zhuravel' Yu.N., Fedoseev A.A. "Features of processing hyperspectral remote sensing data when solving problems of environmental monitoring", Computer Optics (Kompyuternaya optika), 2013, no. 4 (37), pp. 471-476.
Submitted 04.06.2020; revised 20.08.2020
Information about the authors
Igor' P. Bostynets, Cand. Sc. (Technical), Senior Researcher, Military Scientific Educational Center of Military-Air Forces "N.E. Zhukovsky and Ju.A. Gagarin Military-Air Academy" (54 «А» Starykh Bol'shevikov Str., Voronezh 394064, Russia), e-mail: 2365252@mail.ru
Viktor I. Lopin, Cand. Sc. (Technical), Associate Professor, Senior Researcher, Military Scientific Educational Center of MilitaryAir Forces "N.E. Zhukovsky and Ju.A. Gagarin Military-Air Academy" (54 «А» Starykh Bol'shevikov Str., Voronezh 394064, Russia), e-mail: lvi65@rambler.ru
Andrey A. Rogozin, Cand. Sc. (Technical), Senior Researcher, Military Scientific Educational Center of Military-Air Forces "N.E. Zhukovsky and Ju.A. Gagarin Military-Air Academy" (54 «А» Starykh Bol'shevikov Str., Voronezh 394064, Russia), e-mail: izvoronega@mail.ru
German L. Tyurin, Cand. Sc. (Technical), Senior Researcher, Military Scientific Educational Center of Military-Air Forces "N.E. Zhukovsky and Ju.A. Gagarin Military-Air Academy" (54 «А» Starykh Bol'shevikov Str., Voronezh 394064, Russia), e-mail: germtyr@yandex.ru
