CC BY
109
УДК 528.854 Е.П. Хлебникова СГГ А, Новосибирск
ВЛИЯНИЕ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ НА КАЧЕСТВО ДЕШИФРИРОВАНИЯ МНОГОЗОНАЛЬНЫХ СНИМКОВ
Задачей настоящих исследований является разработка методов анализа изображения при проведении автоматизированного дешифрирования многозональных космических снимков с целью определения состояния водных объектов. Исходными материалами для проведения исследований являлись сканерный многозональный снимок, полученный съемочной системой Landsat 7 и две картосхемы нефтезагрязнений. Эксперименты осуществлялись с использованием программного продукта ERDAS IMAGINE 8.6.
Проведённые ранее исследования [1,2] показали, что исходное качество изображений оказывает значительное влияние на результаты автоматизированного дешифрирования природных объектов по многозональным снимкам. Поэтому в настоящей работе был проведен анализ методов предварительной обработки изображений и сравнение полученных результатов с целью выбора наиболее оптимального решения поставленной задачи.
Процедуры предварительной обработки изображений делят на геометрические и яркостные, которые исследовались в данной работе. Цель предварительной обработки изображений в этом случае состояла в повышении их изобразительного качества. Однако понятие качества изображения в каждом отдельном случае зависит от конкретной решаемой задачи [3,4]. Так как основной задачей исследований является определение состояния водных объектов и выявление их загрязнений нефтепродуктами, то все исследованные методы рассматривались с этой точки зрения.
Существует ряд способов улучшения качества изображения. Наиболее распространённый из них - контрастирование. При контрастировании изменяется яркость каждого элемента изображения и увеличивается диапазон яркостей. Из имеющихся методов контрастирования были исследованы:
- Линейная растяжка гистограммы;
- Нелинейная растяжка гистограммы в интервале яркостей,
соответствующих водным объектам;
- Выравнивание гистограммы;
- Подчёркивание контуров.
В ходе проведения экспериментов использованы изображения в четырех каналах исходного снимка Landsat 7 (0,45-0,52; 0,52-0,60; 0,63-0,69; 0,76-0,90 мкм), для которых были применены все указанные методы контрастирования, а затем проведено их синтезирование в новые 4-х канальные изображения. По полученным синтезированным изображениям проведено автоматизированное дешифрирование водных объектов методами
неконтролируемой и контролируемой классификации.
В большинстве случаев дешифрирование объектов типа "вода" и "не вода" происходило достаточно надежно, однако классификация состояний самих водных объектов была затруднительна. Это можно объяснить следующим. Яркостные характеристики водных объектов в природе достаточно близки даже при наличии в них различных примесей, а применённые методы предварительной обработки не обеспечили достаточного увеличения диапазона значений яркости пикселей, соответствующих изображениям водных объектов в разных состояниях.
Таким образом, результаты проведенных исследований показали, что применение указанных методов контрастирования изображений не обеспечивает создания качественного эталона для определения различных состояний водных объектов методами автоматизированного дешифрирования.
Для решения этой проблемы был проведен следующий эксперимент.
Изображения в четырех каналах исходного снимка Landsat 7 были преобразованы из позитивных в негативные. Преобразование подобного рода называется инвертированием.
Инвертированием был достигнут больший разброс значений яркостей, соответствующих различным водным объектам, чем на исходных изображениях и изображениях, полученных другими методами предварительной обработки. В таблице приведены максимальные и минимальные значения яркостей водных объектов на исходном и инвертированном изображениях.
Из табл. 1 видно, что для 2-го канала разница разброса значений яркостей, соответствующих водным объектам на позитивном изображении (11 градаций) и на негативном (75 градаций) стала значительно большей. На рис. 1 представлены позитивное и негативное изображения во 2-м канале снимка Landsat 7.
Далее было получено синтезированное инвертированное изображение. При его автоматизированном дешифрировании стало возможным более детальное определение состояния водных объектов. Так при неконтролируемой классификации прямого изображения на 25 классов к водным объектам отнесено 4-5 классов, а инвертированного - 14-15 классов.
Таблица 1. Максимальные и минимальные значения яркостей водных объектов на исходном и инвертированном изображениях
Канал Исходное изображение Инвертированное изображение
Мт Мах Мт Мах
1 53 63 77 208
2 32 43 49 124
3 23 55 47 219
4 9 24 16 112
Позитив Негатив
Рис. 1. Позитивное и негативное изображения во 2-м канале съёмочной
системы Landsat 7
Увеличение диапазона яркостей, соответствующих изображениям водных объектов в каждом канале, привело к значительному расширению цветовой палитры изображений озер разного состояния, что позволяет увеличить достоверность визуального дешифрирования.
Таким образом, проведенные исследования показали, что при помощи инвертирования изображений можно получить гораздо больше информации о состоянии водных объектов, чем при дешифрировании прямого изображения. Однако следует подчеркнуть, что этот метод не пригоден для изучения большинства других природных и антропогенных образований по многозональным снимкам, так как разброс значений яркостей изображений этих объектов после инвертирования значительно сокращается.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Хлебникова Е.П. Применение космических снимков для распознавания загрязнений водных объектов // Сборник научных трудов аспирантов и молодых учёных Сибирской государственной геодезической академии, 2003. - С. 25 - 30.
2. Хлебникова Е.П. Разработка методики выбора эталонов при автоматизированном дешифрировании многоканальных снимков // Современные проблемы геодезии и оптики: Сб. материалов ТЛТТ международной науч.-технической конф., посвященной 70-летию СГГА. 11-21 марта 2003 г. Ч. ТТ / СГГА. - Новосибирск, 2003. - 324 с. - С. 104 - 106.
3. Кашкин В.Б., Сухинин А.И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие. - М.: Логос, 2001. - 264 с.: ил.
4. Лабутина И.А. Дешифрирование космических снимков: Учебное пособие. - М.: Аспект Пресс, 2004 - 184 с., 8 с. цв.вкл.
© Е.П. Хлебникова, 2005
