CC BY
114
УДК 004.932.2
СОВМЕСТНАЯ ОБРАБОТКА РАЗНОРОДНЫХ ДАННЫХ ПРИ СЕГМЕНТАЦИИ СПУТНИКОВЫХ ИЗОБРАЖЕНИЙ ВЫСОКОГО РАЗРЕШЕНИЯ
Юрий Николаевич Синявский
Институт вычислительных технологий СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 6, научный сотрудник, тел. (383)334-91-55, e-mail: yorikmail@gmail.com
Игорь Алексеевич Пестунов
Институт вычислительных технологий СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 6, заведующий лабораторией обработки данных, тел. (383)334-91-55, e-mail: pestunov@ict.nsc.ru
Сергей Александрович Рылов
Институт вычислительных технологий СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 6, аспирант, тел. (383)334-91-55, e-mail: rylovs@mail.ru
Павел Владимирович Мельников
Институт вычислительных технологий СО РАН, 630090, РПоссия, г. Новосибирск, пр. Академика Лаврентьева, 6, аспирант, тел. (383)334-91-55, e-mail: pvm96@yandex.ru
Предложена логическая схема единообразного представления разнородных пространственных данных. На ее основе разработана технология сегментации спутниковых изображений высокого пространственного разрешения, которая позволяет учесть всю имеющуюся информацию (спектральные и пространственные признаки, данные полевых наблюдений, тематические карты, базы данных, априорные знания и т. п.). Технология реализована в виде набора стандартизованных веб-сервисов.
Ключевые слова: сегментация спутниковых изображений, высокое пространственное разрешение, обработка разнородных данных, единый формат данных, веб-сервисы.
JOINT PROCESSING OF HETEROGENEOUS DATA
FOR SEGMENTATION OF HIGH-RESOLUTION SATELLITE IMAGES
Yuriy N. Sinyavskiy
Institute of Computational Technologies SB RAS, 630090, Russia, Novosibirsk, 6 Acad. Lavrentjev ave., scientist, tel. (383)334-91-55, e-mail: yorikmail@gmail.com
Igor A. Pestunov
Institute of Computational Technologies SB RAS, 630090, Russia, Novosibirsk, 6 Acad. Lavrentjev ave., head of Data Processing Laboratory, tel. (383)334-91-55, e-mail: pestunov@ict.nsc.ru
Sergey A. Rylov
Institute of Computational Technologies SB RAS, 630090, Russia, Novosibirsk, 6 Acad. Lavrentjev ave., postgraduate student, tel. (383)334-91-55, e-mail: rylovs@mail.ru
Pavel V. Melnikov
Institute of Computational Technologies SB RAS, 630090, Russia, Novosibirsk, 6 Acad. Lavrentjev ave., postgraduate student, tel. (383)334-91-55, e-mail: pvm96@yandex.ru
A logical scheme for uniform presentation of heterogeneous spatial data is proposed. Technology for segmentation of satellite images with high spatial resolution is developed. It allows to consider all available information (spectral and spatial features, field data, thematic maps, databases, a priory knowledge etc.). The technology is realized as a set of standardized web services.
Key words: satellite images segmentation, high spatial resolution, heterogeneous data processing, common data format, web services.
В последние годы в области создания и развития средств и технологий дистанционного зондирования Земли наблюдается стремительный прогресс. С каждым годом растет число спутников, позволяющих получать мультиспек-тральные изображения высокого пространственного разрешения (1-4 м) [1]. Характерная особенность таких изображений заключается в том, что значительная часть информации, необходимой для их анализа, содержится в пространственных характеристиках (текстура, форма, размер, контекст и т.п.), а также в накопленных базах данных, экспертных знаниях, имеющейся априорной информации и т.п. [2]. В работе предложены схема единообразного представления и технология сегментации изображений высокого пространственного разрешения, позволяющие при обработке использовать всю доступную разнородную информацию. Подобные технологии обработки в настоящее время отсутствуют.
Логическая схема единообразного представления разнородных данных представлена на рис. 1. В соответствии с этой схемой, все доступные данные используются для формирования набора растровых слоев, которые можно интерпретировать как дополнительные признаки при построении итоговых картосхем.
Все полученные слои можно разделить на слои данных и тематические слои. Слои данных не зависят от особенностей решаемой задачи и могут быть сформированы без участия эксперта. К слоям данных, помимо спектральных каналов исходного изображения, можно отнести построенные ранее тематические карты (растительности, почв, влагосодержания и др.) и карты, формируемые автоматически (среднесуточной температуры, количества осадков, альбедо подстилающей поверхности, высот, экспозиции и ориентации склонов и т.д.).
В отличие от слоев данных, для формирования тематических слоев необходимо участие эксперта, без которого невозможны учет априорных сведений об объекте исследования, выбор подходящих для решения задачи комплексных признаков, применение разработанных ранее технологий обработки данных и т.п. К ним относятся текстурные и контекстные признаки, полученные с использованием различных процедур фильтрации изображения, а также комплексные спектральные признаки (индексы). К тематическим слоям также относятся бинарные маски, построенные на основе имеющихся априорных знаний и предназначенные для выделения конкретных типов объектов (водной поверхности, теней, растительности, антропогенных территорий и др.). Кроме того, к тематическим слоям можно отнести маску, которая позволяет выделить область интереса, определяемую экспертом исходя из особенностей решаемой задачи.
Подобное представление разнородной информации позволило разработать технологию сегментации спутниковых изображений высокого пространствен-
ного разрешения (рис. 2), предназначенную для исследования и оценки состояния природных объектов.
Мультиспектральное изображение
Уровень данных ^
к
карты и др. ——
исследования
Мультиспектральное изображение после коррекции
Слои данных
------ Уровень
---------Тан
1 I
представления, Тематические слои,
V ч
Карта высот, экспозиция и ориентация склонов
Карты астительности,
почв и др.)
□
Другие данные (температура, осадки, альбедо и т. п.)
Л_
Результаты фильтрации Комплексные признаки (текстурные характеристики) (индексы)
| Д
Тематич растительн террит еские маски (воды, ости, антропогенных орий, теней и др.)
К р
ГУ Дш ■
Уровень результатов ^
Итоговые картосхемы
Рис. 1. Логическая схема представления разнородных пространственных данных
Разработанная технология включает четыре этапа обработки. На этапе коррекции данных выполняется атмосферная и геометрическая коррекции, а также приведение данных к единой картографической проекции и т.п. Этап предварительной обработки включает в себя формирование слоев данных и тематических слоев, выделение области интереса на изображении, а также статистический анализ и формирование классифицированной обучающей выборки. На этапе тематической обработки осуществляется выбор информативных наборов признаков и сегментация изображения с помощью алгоритмов классификации с обучением или кластеризации данных, а также уточнение результатов с привлечением контекстной информации. Завершающий этап (этап постобработки) направлен на улучшение визуальных характеристик результирующих картосхем для облегчения их интерпретации (применение различных фильтров, выбор уровня детализации картосхем и т.п.).
Для применения описанной технологии на практике используется система стандартизованных веб-сервисов (WPS-процессов), созданная в Институте вы-
числительных технологий СО РАН [3-5]. Система обеспечивает простое и оперативное внедрение новых алгоритмов обработки и удобный доступ к ним.
Коррекция данных '
\ Л
Коррекция исходного изображения (геометрическая, атмосферная и др.)
Предварительная обработка
Статистический анализ
, I ^
Формирование класси фици рован ной обучающей выборки
Подготовка тематических слоев на основе априорных сведений
С
Формирование масок для выделения конкретных объектов
Выделение области интереса на изображении
)
Тематическая обработка -
Формирование и выбор информативных наборов признаков
(
Построение обучаемого классификатора
3
i ч
1С
Классификация с обучением
Кластеризация (классификация без обучения)
Сегментация изображения по спектральным признакам с учетом априорных сведений
Использование контекстной информации для уточнения итоговой картосхемы
-- Постобработка
Улучшение визуального представления результатов
i J
Рис. 2. Поэтапная технология сегментации спутниковых изображений высокого пространственного разрешения
Структурная схема системы сервисов представлена на рис. 3. Ядром системы является WPS-сервер, который создан в рамках проекта 52°North [6] и представляет собой веб-приложение, работающее под управлением контейнера сервлетов Apache Tomcat. Он осуществляет интерпретацию входных и выходных данных согласно спецификации протокола WPS [7] и может включать неограниченное число WPS-процессов. Кроме того, WPS-сервер обеспечивает доступ к открытой геоинформационной системе GRASS GIS.
Для реализации системы использована на платформе Java (что позволило обеспечить платформенную независимость), а также программные продукты с открытым исходным кодом, распространяемые по лицензии GPL (GNU general public license).
Реализация алгоритмов в виде веб-сервисов позволяет использовать предложенную технологию обработки для решения практических задач на стороне пользователя с использованием как свободно распространяемых ГИС-пакетов (QGIS, uDig, OpenJUMP и др.), так и коммерческой геоинформационной системы ArcGIS. Система сервисов доступна по адресу: http://wps.esemc.nsc.ru:8080/wps.
Рис. 3. Структурная схема системы веб-сервисов
Разработанная технология может быть использована при решении междисциплинарных задач, решение которых подразумевает анализ большого количества разнородных данных. Она позволяет единообразно использовать всю информацию, содержащуюся в мультиспектральном изображении, и дополнительную информацию из в тематических карт и баз данных, а также накопленные экспертные знания.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (гранты № 13-07-12202-офи_м и № 14-07-31320-мол_а) и Российского научного фонда (грант № 14-14-00453).
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Дворкин Б. А., Дудкин С. А. Новейшие и перспективные спутники дистанционного зондирования Земли // Геоматика. - 2013. - № 2. - С. 16-21.
2. Dey V., Zhang Y., Zhong M. A review on image segmentation techniques with remote sensing perspective // ISPRS TC VII Symp. - 100 Years ISPRS. (Vienna, Austria, July 5-7 2010). -IAPRS. - Vol. XXXVIII, pt 7A. - P. 31-42.
3. Пестунов И. А., Рылов С. А., Мельников П. В., Синявский Ю. Н. Технология и программный инструментарий для сегментации спутниковых изображений высокого пространственного разрешения // Интерэкспо ГЕО-Сибирь-2013. IX Междунар. научн. конгр.: сб. материалов (Новосибирск, Россия, 15-26 апреля 2013 г.). - Новосибирск: СГГА, 2013. - Т. 1. -С. 202-208.
4. Добротворский Д. И., Куликова Е. А., Пестунов И. А., Синявский Ю. Н. Веб-сервисы для непараметрической классификации спутниковых данных // Интерэкспо ГЕО-Сибирь-2010. VI Междунар. научн. конгр.: сб. материалов (Новосибирск, Россия, 27-29 апреля 2010 г.). - Новосибирск: СГГА, 2010. - Т. 1, ч. 2. - С. 171-175.
5. Жижимов О. Л., Молородов Ю. И., Пестунов И. А., Смирнов В. В., Федотов А. М. Интеграция разнородных данных в задачах исследования природных экосистем // Вестник НГУ. - Сер.: Информационные технологии. - 2011. - Т. 9, № 1. - С. 67-74.
6. 52°North project homepage (2015) [Electronic resource] - Англ. - Режим доступа: http://52north.org/downloads/category/15 -wps.
7. Web processing service interface standard (2015) [Electronic resource] - Англ. - Режим доступа: http://www.opengeospatial.org/standards/wps.
© Ю. Н. Синявский, И. А. Пестунов, С. А. Рылов, П. В. Мельников, 2015
