Автоматизированная тематическая обработка радиолокационных снимков.

На рис.19. представлен радиолокационный снимок, полученный радиолокатором с синтезированной апертурой, установленным на самолете, участка территории Раменского района Московской области в районе деревни Фенино. Разрешающая способность на местности 3м. Значительная часть исследуемой территории занята лесом, лугами и сельскохозяйственными полями. На снимке также представлены следующие объекты: озеро, автомобильные дороги, агропромышленный объект, деревня и дачные участки. На рисунке 20 представлены гистограммы распределений отмеченных классов объектов. Анализ гистограмм тестовых участков объектов, присутствую- Рис.19. Исходное радиолокационное изображение.

Рис. 20. Гистограммы распределения яркостей объектов.

щих на радиолокационном снимке, позволяет сделать следующие выводы.

Значения яркости лесной растительности расположены практически во всем динамическом диапазоне и пересекаются со значениями яркости всех других классов объектов, представленных на снимке. Выделение лесной растительности по значениям яркости невозможно. Значения яркости лугов незначительно пересекаются со значениями яркости водных объектов ирадиолокационных теней и практически не пересекаются со значениями яркости объектов агропромышленного комплекса, зданий сельского типа и построек дачных участков и эти объекты могут быть разделены по яркостным признакам. Яркости водной поверхности и радиолокационных теней практически не отличаются друг от друга и отображаются радиолокационном снимке черным тоном, который существенно отличается от всех других объектов, представленных на снимке. Таким образом, водные поверхности и радиолокационные тени могут быть эффективно отделены от всех объектов, кроме лесной растительности, по яркостному признаку. Гистограммы яркости объектов агропромышленного комплекса, зданий сельского типа и построек дачных участков имеют одинаковый вид и характеризуются высокими значениями яркости, по которым они могут быть отделены от всех объектов, кроме лесной растительности. Гистограммы яркости автомобильных дорог полностью пересекаются с гистограммами лесов и лугов.

Проведенный анализ показывает, что автоматизированная сегментация радиолокационных изображений сопряжена со значительными трудностями. Для организации автоматизированной сегментации необходимо использование различных модифицированных признаков и многоуровневой классификации. Разработанная многоуровневая методика содержит следующие этапы.

На первом этапе выделяются по яркостному признаку на исходном изображении объекты гидрографии и радиолокационные тени.

На втором этапе путем использования алгоритмов выделения объектов определенного размера определяются здания агропромышленного комплекса и здания сельского типа.

На третьем этапе визуально в интерактивном режиме осуществляется выделение автомобильных дорог.

На четвертом этапе определяются луга и лесная растительность. Этот этап выполняется после первых трех этапов, так как использует полученные результаты. Для выделения лесной растительности и лугов использовалось исходное изображение, из которого были удалены участки, занятые сооружениями агропромышленного комплекса, зданиями сельского типа, автомобильными дорогами, объектами гидрографии и радиолокационными тенями, полученные в результате сегментации на первых трех этапах. Путем обработки исходного изображения получаются два модифицированных изображения – изображение, обработанное медианным фильтром 9х9 элементов и изображение, представляющее собой разность максимальных и минимальных значений в скользящем окне размером 11х11 элементов, которое характеризует текстурные особенности лесной растительности и лугов. Выделение лесной растительности и лугов производится путем контролируемой классификации трех вышеперечисленных изображений по методу максимального правдоподобия.

Результат сегментации показан на рис.21.

Рис.21.Результат тематической сегментации.

- лесная растительность

- луга

- озеро

- автомобильные дороги

- объекты агропромышленного комплекса

- здания сельского типа

- нераспознанные участки

Результаты исследований, описанных в данной главе, показали возможность создания эффективных методик автоматизированной тематической обработки РЛ снимков на основе многоуровневой сегментации.