CC BY
31
УДК 004.932.4
СУБПИКСЕЛЬНАЯ ОБРАБОТКА ДАННЫХ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ
Д.В. Фетисов, А.Н. Колесенков
Рассматриваются современные средства получения и обработки данных дистанционного зондирования Земли. Исследуются технологии, используемые при формировании и передаче снимков со спутников на высокопроизводительные ЭВМ. Приводятся способы представления изображений для последующего хранения, анализа и обработки, в которой можно выделить субпиксельную обработку данных. Ее особенности, методы, эффективность, преимущества и недостатки также рассмотрены в данной статье.
Ключевые слова: субпиксельная обработка, дистанционное зондирование, пиксель, метод, матрица, ГИС, ДЗЗ.
Введение. С давних времен человечество интересовало устройство Земли, ее структура, внутренняя и внешняя составляющие. Данные о ее поверхности и объектах [1], которые расположены в ее недрах или на ней, представляют особую значимость для жизни общества в целом, и потому подобные исследования являются актуальными и в настоящее время. Получения таких данных - сложный, трудоемкий и ресурсоемкий процесс. В этом вопросе на помощь приходят космические съемки, которые осуществляются неконтактными или дистанционными методами, а данные о Земле называются данными дистанционного зондирования. К такому виду информации относятся любые данные съемочной аппаратуры воздушного, наземного или космического базирования, которая позволяет получать снимки в одном, двух и более участках электромагнитного спектра [2,4]. Сущность такого снимка, его характеристики зависят от большого множества, как природных условий, так и технических факторов. К первым можно отнести сезонность (время года), когда производится аэрофотосъемка, освещенность поверхности, актуальное состояние атмосферы и много другое. Основными техническими факторами являются:
внутреннее строение съемочной аппаратуры, ее типы платформы и сенсора;
методы и средства управления съемочным процессом;
ориентация оптической оси аэрофотоаппарата;
методы и способы получения снимка.
Главные характеристики данных дистанционного зондирования определяются числовым значением и градациями спектральных диапазонов [3, 5], геометрическими характеристиками получаемого снимка (распределение искажений, вид проекции), а также его разрешением (одним из самых главных параметров изображения).
Основным задачами исследования являются:
обзор и анализ существующих средств и технологий дистанционного зондирования Земли;
анализ способов представления графической информации;
исследование и анализ методов субпиксельной обработки изображений для повышения их разрешения.
Современные технологии дистанционного зондирования Земли. Поскольку человек в течение нескольких десятилетий поднимался над Землей для наблюдений за ней с большого расстояния, чтобы узнать еще больше о ее структуре и состоянии, изначально для этих целей широко использовалась аэрофотосъемка, а с течением времени стали появляться новые модели аэрофотоаппаратов, которые используют специальные фотографические датчики для дистанционного зондирования [5].
С появлением новых технологий в области искусственных спутников, которые состоят из системы датчиков постоянного слежения за Землей, большое количество снимков, фотографий, изображений и других видов информации о земной поверхности стало возможно использовать в таких сферах деятельности, как обеспечение продуктами жизнедеятельности, добыча полезных ископаемых, охрана окружающей среды и многое другое. Получаемые со спутников данные, необходимые для решения задач в представленных областях, являются очень значимыми, если их объем будет экономично и быстро сведен к полезной информации. Современные высокопроизводительные цифровые ЭВМ позволяют решать широкий спектр задач благодаря обработке получаемых со спутников снимков [6,7] и данных.
В настоящее время существует два способа получения аэрокосмических изображений - со спутников и через аэрофотосъемку [2,6]. Иногда данные способы комбинируются для получения более качественных снимков, однако в таком случае они имеют высокую стоимость.
Широкоформатные или крупноформатные камеры позиционируются для замены аналоговых аэрофотокамер. Съемка производится на специальные пленки, на которых фиксируются кадры малых размеров. Для получения цифровых изображений, которые могут быть сопоставимы с цифровыми, используется так называемая «сшивка» фрагментов кадров, состоящих из нескольких матриц. Данный способ является трудоемким, но распространенным.
Для съемки широких (панорамных) участков местности используются аналоговые панорамные аэрофотоаппараты, которые бывают двух видов: на качающемся объективе и использующие процедуру сканирования. Первый вид подразумевает качающийся объектив и неподвижной фотопленкой кадра, выровненной на поверхности цилиндра из оптического стекла. Во втором виде объектив неподвижен, а лучи поворачиваются через зеркала и призмы.
Цифровые технологии получения снимков пришли на смену аналоговым, поскольку их можно подвергать компьютерной обработке без дополнительных операций. Данные способы базируются на понятиях «пиксель» и «матрица». Если пиксели выстроены в один ряд, то приемник - это ПЗС-линейка, если они выстроены в несколько рядов, то это ПЗС-матрица.
Существуют камеры, работающие с черно-белыми матрицами, для получения качественных снимков. Они также используют матрицы с цветной палитрой RGB с более низким разрешением.
Способы представления графической информации для ее последующей обработки средствами ЭВМ. Размер пикселя является важной характеристикой в цифровых камерах: чем он больше, тем при худших природных условиях можно также проводить качественную съемку. За счет глубины цвета в тени можно разглядеть детали изображения, чего невозможно сделать при аналоговой съемке.
Несмотря на то, что цифровой снимок уступает аналоговому по пространственному разрешению и своей дискретной природе, он имеет ряд преимуществ, которые заключаются в лучшем контрастном разрешении, удобном архивировании, возможности передачи на дальние расстояния без потери качества, а также в математической обработке различными программными средствами [8].
При компьютерной обработке изображение представляется в виде прямоугольной матрицы, состоящей из M-строк, N-столбцов и общей размерностью S, равной MxN. Элементы матрицы являются целыми неотрицательными значениями - пикселями, определяющими среднюю яркость некой области снимка. Поэтому такие изображения называются дискретными.
Для того чтобы получить дискретное изображение, необходимо: провести дискретизацию непрерывного снимка; получить целочисленное значение яркости пикселя с помощью квантования аналогового сигнала.
На сегодняшний день существует множество способов и методов получения дискретных цифровых снимков. Данный вид графики называется растровым, поскольку он получается на основе аналого-цифровых преобразований и самой цифровой съемки. Поэтому пиксель является главным центральным понятием и объектом таких методов обработки цифровых снимков, как субпиксельная обработка или субпиксельный анализ.
Пиксель (точка) - неделимый элемент, имеющий определенный цвет. Пиксели располагаются по строкам и столбцам в матрице изображения, детальность которого определяется количеством точек на единицу площади. При увеличении масштаба снимка пиксели укрупняются, и появляется «зернистость», сгладить которую можно с помощью интерполирования. При этом детализация изображения не происходит, а плавность достигается путем добавления новых пикселей, значения которых вычисля-
ются на основе имеющихся. Потому каждый пиксель характеризуется определенным цветом, прозрачностью и градацией серого цвета. Разрешение характеризуется также вертикальными и горизонтальными размерами изображения в пикселях [9].
Субпиксельная обработка аэрокосмических снимков для повышения их разрешения. Субпиксельная обработка цифровых изображений предполагает выполнение каких-либо операций на межпиксельном уровне. Однако в данном случае пиксель можно рассматривать с двух сторон: пиксель как наименьшая единица дискретного изображения и пиксель как наименьший логический элемент.
В первом случае исследуется внутренняя составляющая пикселя, его цветовая структура RGB. Такой метод называется субпиксельной визуализацией или ренденрингом. Он напрямую связан с увеличением разрешения OLED-дисплея (органического светодиодного) или LCD-дисплея (жидкокристаллического) в одном направлении. Мнимое улучшение происходит из-за заимствования подпикселей смежного целого пикселя в определенном порядке, что позволяет повысить точность по сравнению с исходным изображением. Рендеринг повышает качество снимка за счет технических особенностей экранов и механизмов формирования изображения, однако он не всегда хорошо работает на всех мониторах [10].
Во втором случае пиксель не имеет внутренней структуры, а значения новых пикселей формируются на основе значений соседних схожих пикселей. В данном случае требуется разработка математического аппарата и программных средств/модулей для получения нового изображения с высоким разрешением, используя исходные изображения с низким разрешением и регулируемыми сдвигами. Главным преимуществом таких алгоритмов субпиксельной обработки цифровых изображений, затрагивающих только пространственное разрешение, является то, что они не требуют для своей работы сверхбольшие матрицы [11].
Таким образом, разработка алгоритмов и методов субпикскельной обработки может производиться в двух направлениях. Исходные данные для первого случая - это сканированное изображение. Здесь применяются методы шумоподавления и восстановления снимков из переопределенной системы наблюдений. Второе направление предполагает реконструкцию снимков по неопределенным наборам данных с применением программно-аппаратных средств.
Заключение. Неоспоримым преимуществом субпиксельной обработки является то, что алгоритмы повышения пространственного разрешения с помощью восстановления исходного изображения низкого разрешения, полученного с помощью аэрофотосъемки, не требуют обработки сверхбольших матриц. В основу алгоритмов такого типа положены две идеи. Первая идея связана с последовательной факторизацией. Она заключается в приведении двумерного сигнала к двукратному использованию
оптимальной одномерной процедуры, которая производится при восстановлении дискретного двумерного сигнала. Вторая идея заключается в одномерной процедуре (по сравнению с классическим методом, обрабатывающим матрицы большого размера), реализуемой на основе поиска сигнала, обладающего минимальной энергией. Для этих целей специально разработан алгоритм, который требует значительно меньших вычислительных ресурсов (линейная зависимость объема вычислений от размеров обрабатываемых снимков заменяет квадратичную).
Список литературы
1. Блажевич С.В. Синтез цифровых изображений субпиксельного уровня разрешения с использованием расфокусировки / Сб. науч. ст. Техническое зрение в системах управления. М.: Ротапринт ИКИ РАН, 2012. С. 127-137.
2. Костяшкин Л.Н., Логинов А.А., Никифоров М.Б. Проблемные аспекты системы комбинированного видения летательных аппаратов // Известия ЮФУ. Технические науки, 2013. № 5 (142). С. 61-65.
3. Колесенков А.Н., Фетисов Д.В. Математические и алгоритмические основы прямого построения матрицы Уолша для цифровой обработки данных // Математические методы в технике и технологиях - ММТТ-29: сб. трудов XXIX Междунар. науч. конф. Саратов: Саратов. гос. техн. ун-т; Санкт-Петербург: СПбГТИ(ТУ), 2016. Т. 5. C. 65-68.
4. Таганов А.И. Анализ и классификация рисков проекта методами нечеткой кластеризации // Информационные технологии моделирования и управления, 2010. № 4 (63). С. 455-461.
5. Фетисов Д.В., Колесенков А.Н. Способ автоматического масштабирования изображений через спектральное преобразование // Сборник научных трудов международной научно-технической конференции. Рязань, 2017. С. 176-179.
6. Фетисов Д.В., Фетисова Т.А., Колесенков А.Н., Бабаев С.И. Субпиксельная обработка аэрокосмических снимков при дистанционном мониторинге земли // Сборник научных трудов международной научно-технической конференции «Перспективные информационные технологии». Самара, 2018. С. 220-223.
7. Фетисов Д.В., Колесенков А.Н. Увеличение пространственного разрешения аэрокосмических снимков с использованием субпиксельной обработки // Сборник трудов международной научно-технической и научно-методической конференции «Современные технологии в науке и образовании». СТН0-2018. Рязань, 2018. С. 220-225.
8. Чернявский Г.М. Перспективы космического мониторинга земли // Современные проблемы дистанционного зондирования Земли из космоса, 2004. Т.1. C. 39-46.
9. Костров Б.В., Саблина В.А. Адаптивная фильтрация изображений со структурными искажениями // Цифровая обработка сигналов, 2008. № 4. С. 49-53.
10. Akinina N.V., Akinin M.V., Taganov A.I., Sokolova A.V., Nikiforov M.B. Neural network implementation of a principal component analysis tasks on board the unmanned aerial vehicle information processing in real time // 2016 5th Mediterranean Conference on Embedded Computing, MECO, 2016. P. 326330.
11. Костров Б.В., Костров В.В., Саблина В.А. Алгоритм восстановления изображений с периодическими низкочастотными искажениями // Радиотехника. 2009. № 11. С. 92-95.
Фетисов Дмитрий Вадимович, аспирант, morzitko@,gmail. com, Россия, Рязань, Рязанский государственный радиотехнический университет,
Колесенков Александр Николаевич, канд. техн. наук, доцент, sk62@.mail.ru, Россия, Рязань, Рязанский государственный радиотехнический университет
SUBPIXEL DATA PROCESSING OF THE REMOTE SENSING OF THE EARTH
D.V. Fetisov, A.N. Kolesenkov
Modern tools of obtaining data of remote sensing of the Earth are considered. The technologies used in the formation and transfer of satellite images to high-performance computers are investigated. It also provides methods for representing images for later storage, analysis and processing, in which subpixel data processing can be distinguished. Its features, methods, effectiveness, advantages and disadvantages are also discussed in this article.
Key words: subpixel processing, remote sensing, pixel, method, matrix.
Fetisov Dmitry Vadimovich, postgraduate, morzitko@,gmail. com, Russia, Ryazan, Ryazan state radio engineering University,
Kolesenkov Alexander Nikolaevich, candidate of technical sciences, docent, sk62@,mail.ru, Russia, Ryazan, Ryazan state radio engineering University
