CC BY
315
УДК 528.854
Г.В. Симонова, Е.П. Хлебникова СГГ А, Новосибирск
СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДИК ФОРМИРОВАНИЯ ЭТАЛОНОВ ПРИ ОБРАБОТКЕ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ
Основными признаками различных объектов, которые могут изучаться дистанционно, являются их спектральные отражательные свойства, выраженные через спектральные коэффициенты яркости и спектральные коэффициенты отражения.
Традиционно к дистанционным методам относят получение информации с использованием аппаратуры, установленной на борту аэро- и космических аппаратов.
Использование данных космических снимков позволяет осуществлять картографирование и оценку экологического состояния территории, контролировать деятельность природопользователей, а также соблюдение режима водоохранных зон и особо охраняемых территорий. По разновременным космическим снимкам можно отследить изменение техногенной нагрузки в разные периоды времени, появление новых нефтяных загрязнений, осуществить мониторинг водных объектов - динамики гидрологического режима водоёма.
Различные отражательные свойства исследуемого объекта и состояние окружающей среды влияют на характеристики излучения и фиксируются приборами дистанционного зондирования.
На протяжении последних сорока лет развивается многозональный метод дистанционного зондирования (метод идентификации природных объектов и явлений). На этом методе основан ряд систем мониторинга.
Многозональная съемка основана на разделении всего спектрального диапазона на зоны, в которых получают изображение. Вместо одного снимка получают несколько, каждый содержит изображение заданного спектрального диапазона, что облегчает анализ и интерпретацию изображения.
Многоспектральные сканеры формируют изображения в нескольких узких зонах спектра и, таким образом, позволяют определить спектральные характеристики объектов на поверхности Земли и дать информацию для дискретного спектрального анализа с целью распознавания, т. е. распознание объектов.
Под дешифрированием понимают теорию и способы получения информации о внешних и внутренних элементах местности по их изображению; установление их количественных и качественных характеристик; обозначение распознанных объектов условными знаками, принятых для топографических и специализированных (тематических) карт.
В основу автоматизированного дешифрирования положены методы классификации, основанные на теории распознавания образов, и методы расслоения.
Задача автоматической классификации в общем виде сводится к отысканию некоторой функции, отображающей все многообразие распознаваемых объектов в виде множества, элементами которого являются классы образов.
Для всех разновидностей машинных способов дешифрирования характерны очень жесткие требования к отбору признаков. Выбор оптимального набора признаков, т.е. создание эталона - первоочередная проблема, связанная с распознаванием образов.
Для осуществления дешифрирования в цифровых системах необходимо выделить дешифровочные признаки объекта на изображении и представить их численно.
Одним из наиболее удобных и легко получаемых эталонов признаков при дешифрирования в цифровых системах является численно выраженное значение тона для каждого элемента изображения.
Характерной особенностью дистанционных методов регистрации изображений является наличие значительного влияния помех на полезный сигнал: физические и оптические характеристики атмосферы,
геометрическое положение объекта на земной поверхности по отношению к космическому аппарату, активность Солнца и ее влияние на атмосферу и др.
Существующие методы атмосферной коррекции спутниковой информации основаны на решении прямых и обратных задач атмосферной оптики, в которых используются, как правило, математические модели переноса излучения, использующие данные наземных измерений параметров атмосферы на момент съёмки.
Однако данные методы позволяют выполнять именно коррекцию воздействий различных параметров, но не устранять их влияние полностью. Следовательно, сформированный на таком изображении эталон относиться не толькок объекту для одного конкретного снимка.
Таким образом, для получения достоверной количественной характеристики параметра, выбранного как эталон признаков объекта, необходима измерительная система, однозначно регистрирующая данную величину, и методика измерений, гарантирующая, что измеряется заданный параметр.
Поэтому, если нет дополнительной, правильно выбранной методики обработки результатов измерений, то невозможно говорить не только о количественной характеристике выбранного параметра, но и о характере его изменения, а выводы могут иметь только качественный оценочный характер.
Для получения основания количественной оценки признака, т. е. его измерения, необходимо разработать и провести калибровку соответствующей измерительной системы, что означает установление количественного соответствия и его однозначности во всем диапазоне результатов с помощью принятого за эталон объекта или условия.
В настоящее время при дешифрировании цифровых изображений отсутствует однозначно определенная количественная связь между признаками объекта и регистрируемыми параметрами.
Проведенный анализ показывает, что, несмотря на большое количество разработанных и используемых методик формирования эталонов при автоматизации дешифрирования снимков существует ряд нерешенных проблем:
- Отсутствие объективного набора признаков объекта;
- Отсутствие однозначной количественной связи между параметрами объекта и регистрируемыми характеристиками;
- Присутствие многочисленных дополнительных составляющих, не относящихся к дешифрируемому объекту;
- Невозможность использования заранее созданных эталонов для оперативного дешифрирования многозональных снимков;
- Ограничения в использовании разновременной информации;
- Существенная роль оператора.
Сложившуюся ситуацию можно изменить, создавая эталоны признаков на основе относительных характеристик.
Известно, освещенность на приемнике связана с яркостью исходного объекта следующим соотношением:
Lo6j ' S06j ■ C0S<2i • COS <22
npj ~ 2 татм ■> v -U
H ф
где Ьоб. - яркость объекта;
SQ6j - площадь объекта;
Hф - расстояние от объекта до регистрирующей системы;
Татм ~ коэффициент пропускания атмосферы;
а\ - угол между нормалью к поверхности объекта и направлением съемки;
а2~ Угол между нормалью к площадке регистрирующего устройства и направлением съемки.
Таким образом, яркость объекта и яркость его изображения связаны довольно сложным соотношением: [1]
^ LqQ- • S06j -COS<X[ - COS «2 ^
iij()6): — Ju.c. о Татм ■> \^J
нф2
и абсолютные величины яркостей изображения не могут являться основанием для достоверной идентификации объектов.
Если изображение получено в одном спектральном диапазоне, то для данного снимка большинство параметров в формуле (2) будет одинаково. В этом случае отношение яркостей изображений объектов будет равно отношению яркостей самих объектов:
Lu3o6l_Lo6l_
Г ~ Г ~ U ’ ( '
LU3o6j Lo6j
где Ьоб.,Ьизо^ - яркость некоторого «опорного» объекта и его
изображения на снимке соответственно;
Ку - нормированное значение яркости изображения объекта.
Вычисляя Ку, можно сформировать новые изображения, значение
яркости каждого элемента которых = К ^ зависит только от свойств
объекта. В результате преобразования формируется т изображений, где т -количество съемочных каналов.
Предложенное нормирование яркостей отличается от традиционного тем, что в данном случае Ку - это отношение яркостей разных объектов
(искомого и опорного) для одного и того же спектрального канала, а обычно нормируются яркости изображения одного и того же объекта в разных каналах. [2]
Таким образом, при дешифрировании цифрового изображения становится возможным исключить влияние параметров, не связанных с объектом. Для этого все яркости изображения необходимо поделить на яркость изображения какого-либо "опорного" объекта, выбранного на этом же снимке, т.е. выполнить нормирование яркостей.
Возможность выявления изменения объектов на основе формирования разностных изображений была исследована на тестовом участке по снимкам со спутниковой системы Метеор на территорию Харвутинской площади Ямбургского месторождения.
На рис. 1 представлен пример практической реализации применения разностных снимков, показывающий изменение состояния озера и появление дороги за период времени с 2002 по 2004 год. Полученные результаты подтверждаются картографическими материалами и данными полевого дешифрирования.
а) снимок от 03.07.02
б) снимок от 20.07.04 в) разностное изображение Рис. 1
Представленная методика позволяет определить не только сам факт наличия изменений, произошедших за исследуемый промежуток времени, но и оценить их количественную величину. Такая возможность появляется за
счет использования, сформированных из численных значений изменения яркостей нормированных изображений различных объектов на разные даты.
Данный метод обработки разновременных многозональных космических снимков позволяет повысить информативность как визуального, так и автоматизированного дешифрирования, может использоваться для изучения динамики любых объектов, в том числе сезонных быстротекущих процессов, при экологическом мониторинге территорий, изучении гидрологических процессов, для лесоустроительных и природоохранных мероприятий. [3]
Следует отметить, что использование эталонов признаков на основе нормированных значений яркости позволит увеличить достоверность результатов при любых способах дешифрирования.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Нормирование яркости при обработке результатов оптических измерений / Симонова Г.В., Хлебникова Е.П. // Вест. Сиб. гос. геодез. акад. / СГГА. - 2005. - Вып.10. -С.166-167.
2. Влияние нормирования яркости на достоверность дешифрирования многозональных космических снимков / Хлебникова Е.П. // Геодезия и картография. -2005. - №12. - С. 24-28.
3. Определение динамики изменения природных объектов по многозональным космическим снимкам / Хлебникова Е.П. // ГЕО-Сибирь-2006. Т. 3. Мониторинг окружающей среды, геоэкология, дистанционные методы зондирования Земли и фотограмметрия. Ч. 1: сб. материалов междунар. науч. конгр. «ГЕО-Сибирь-2006», 24-28 апр. 2006г., Новосибирск. - Новосибирск: СГГА, 2005. - С.227-232.
© Г.В. Симонова, Е.П. Хлебникова, 2007
