Дистанционное зондирование Земли и проблемы тематической интерпретации аэрокосмических изображений.


В первой главе рассмотрены основные подходы и проблемы автоматизированной тематической обработки аэрокосмических снимков (АКС). Проведен анализ возможностей использования современных аэрокосмических систем дистанционного зондирования земной поверхности и рассмотрен круг тематических задач, которые в настоящее время решаются на основе данных дистанционного зондирования. Рассмотрены и проанализированы методы предварительной и тематической обработки АКС земной поверхности. Проанализированы функциональные возможности ряда программных пакетов обработки изображений.

Основными параметрами материалов аэрокосмической съемки, определяющими возможности извлечения информации об объектах тематической обработки, являются пространственное разрешение, спектральное разрешение, отношение «сигнал/шум» и их взаимосвязи.

При формировании требований к параметрам систем получения изображений первостепенное внимание уделяется выбору пространственного разрешения. При использовании методов визуальной обработки, в зависимости от его значения, интерпретатор может зрительно различить пространственную структуру и осуществить тематическую сегментацию на основе оценки визуальных признаков. При использовании методов автоматизированной обработки более высокое пространственное разрешение, давая больше деталей пространственной структуры, позволяет использовать в алгоритмах автоматизированной классификации формализованные пространственные признаки, что повышает достоверность правильного распознавания объектов.

Цифровая тематическая сегментация изображений может быть контролируемой (supervized) и неконтролируемой (unsupervized). При контролируемой сегментации для построения классификатора используются априорно известные тестовые (эталонные) участки, принадлежащие к определенному классу объектов. Неконтролируемая сегментация предполагает определение классов объектов чисто статистическим образом. Автоматизированная сегментация основывается на предположении, что подлежащие выделению объекты или какие-либо их части представлены на изображении областями, которые в некотором смысле однородны. Для их выявления используются автоматизированные методы разбиения изображений на однородные области (алгоритмы сегментации). Наиболее простым и широко распространенным методом сегментации изображений является пороговая обработка и ее обобщение для совместной обработки нескольких изображений - гиперпараллелепипедный метод.

Для решения задачи автоматизированной сегментации широко используются алгоритмы кластерного анализа.

В настоящее время существует ряд программных пакетов для персональных компьютеров, в которых реализованы различные варианты цифровых классификаторов изображений и алгоритмы модификации исходных (обрабатываемых) изображений.

Из иностранных пакетов программ наиболее известными являются ER Mapper, Erdass Imagine , Idrisi.

Тематическая обработка цифровых многозональных аэрокосмических изображений математически может быть определена следующим образом. Исходные многозональные цифровые изображения представляются дискретной векторной функцией F(x,y), определенной на двумерном дискретном пространстве (x,y), где

x = 1,2, ... m;

y = 1,2, ... n;

m и n - ширина и высота в пикселах обрабатываемых многозональных изображений;

fi (x,y) - скалярные компоненты векторной функции F(x,y), представляющие собой цифровые дискретные значения интенсивности в точке (x,y ) i-го зонального изображения.

i = 1,2, ... , l;

l - количество совместно обрабатываемых зональных изображений.

Процесс тематической обработки определяется оператором следующего вида

F(x,y)Þs(x,y), (1) где

s(x,y) - дискретная скалярная функция;

s(x,y)= pj , если (x,y) принадлежит классу j;

pj - цифровые метки соответствующих классов;

j = 1,2,...,K,K+1;

K - количество выявляемых классов объектов, определяемое требованиями определенной тематической задачи.

Класс j=K+1 представляет собой смесь всех классов объектов, представленных на изображении, определение которых не является необходимым для решаемой тематической задачи, и трактуется как “фон”.

На основе проведенного анализа средств дистанционного зондирования земной поверхности аэрокосмического базирования можно утверждать, что данные многозональной съемки позволяют решать широкий круг тематических задач сельского хозяйства, геологии, климатологии, лесного хозяйства, океанологии, землепользования, контроля водных ресурсов и т. д.. При использовании в качестве алгоритмов получения сегментированного изображения пороговой обработки, гиперпараллелепипедного метода и кластерного анализа в процессе классификации не учитываются структурно-пространственная информация, содержащаяся на изображении. Методы наращивания однородных областей и методы, основанные на выделении границ, учитывают структурно-пространственные связи между соседними пикселами. К их недостаткам следует отнести более низкий уровень автоматизации и необходимость организации отдельного этапа, обеспечивающего идентификацию выделенных однородных областей, как определенных объектов на местности. Существующие программные пакеты обработки и анализа изображений содержат большое количество процедур, позволяющих формировать разнообразные модифицированные признаки, и основные алгоритмы классификации путем разметки точек изображения.

Проблема тематической сегментации сложных изображений земной поверхности заключается в том, что для эффективного выделения тематических объектов с различной пространственной конфигурацией необходимо использование разных предикатов однородности. Наиболее плодотворным путем преодоления трудностей является применение многоуровневых алгоритмов сегментации с учетом структурно-пространственных характеристик изображения и различных предикатов однородности.



Дата добавления: 2016-06-18; просмотров: 2112;


Поиск по сайту:

Воспользовавшись поиском можно найти нужную информацию на сайте.

Поделитесь с друзьями:

Считаете данную информацию полезной, тогда расскажите друзьям в соц. сетях.
Poznayka.org - Познайка.Орг - 2016-2024 год. Материал предоставляется для ознакомительных и учебных целей.
Генерация страницы за: 0.008 сек.