Диссертация (Методы математического моделирования для распознавания и прогнозирования характеристик областей земной поверхности по мультиспектральным космическим изображениям), страница 10
Описание файла
Файл "Диссертация" внутри архива находится в папке "Методы математического моделирования для распознавания и прогнозирования характеристик областей земной поверхности по мультиспектральным космическим изображениям". PDF-файл из архива "Методы математического моделирования для распознавания и прогнозирования характеристик областей земной поверхности по мультиспектральным космическим изображениям", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 10 страницы из PDF
либо только точности, либо только заблаговременности прогноза [79, 188]), ноне могут удовлетворить совокупности критериев 1)-5). В большинстве случаев моделиоказываются настроены только на определённый тип характеристик внутри одного классаобъектов [108, 119, 190], что снижает универсальность моделей при прогнозировании дажевнутри одного класса объектов.49Пусть имеется коллекция космических изображений {s }s 1 , охватывающих периодSнаблюденийразмерамиТакимзаi, j, k , гдеобразом,sNˆ 1,..., N лет.
Изображениеявляетсяпараллелепипедомсk задает число каналов, а i, j определяют размеры каждого канала.формируютсямногоканальныеизображения.Ихназываютмультиспектральными в том случае, когда в каждый канал записывается изображение, снятое вопределенном спектральном диапазоне длин волн. Исключительно для лучшего пониманияудобно представлять такое изображение в качестве многослойного «бутерброда», каждый слойкоторого несёт в себе определенную информацию о территории (см. Рис. 2.2). Множествоизмерений (набор изображенийs ) внутри n -го года обозначимgn , n S , gn S , n Nˆ .(2.3)Пусть задан набор областей интереса R {rp }Pp 1 .Определение 2.7. Область интереса G – это область на земной поверхности, имеющаяустановленные границы.Определение 2.8. Граница области интереса G является замкнутой линией, котораязадаётсяпоследовательностьюточеквместесихкоординатами(географическимикоординатами для геопривязанных изображений).Определение 2.9.
Областью интереса на изображении называется множество пикселей,ограниченных линией G .Выделение области интереса на геопривязанных изображениях земной поверхностиосуществляется с использованием границы области интереса. Процесс выделения областиинтереса на изображении B сводится к проверке выполнения условияG c B : xmin xc xmax , ymin yc ymax ,где xc , yc – координаты точки с ;xmax max xg– верхняя граница дляymax max yg– верхняя граница для y -координаты точек G ;gGgGx -координаты точек G ;xmin min x g – нижняя граница для x -координаты точек G ;gGymin min y g – нижняя граница для y -координаты точек G .gG(2.4)50Пусть на изображении B заданы объектыC, C Bи области интереса G, G B .Тогда отличие области интереса от объекта на изображении заключается в выполненииследующего условияC C ,(2.5)и также возможными теоретико-множественными соотношениями:1) C , C G & C , C G & G G ;2)G C;3)G, G C G, G C ..(2.6)Предполагается, что состояние области интереса описывается набором информативныхпризнаков.
Эти признаки образуют вектор состояния области интересаV v1 ,..., vM ,(2.7)где M – количество информативных признаков. Прогнозируемое значение характеристикидлякаждойобластиинтересафункциональнойзависимостиV v1 ,..., vM ,изначениемобозначимrpмеждусостояниемхарактеристикиyrp . Ставится задача определенияобласти,yrp .описываемымТребуетсявекторомразработатьметодпрогнозирования характеристик областей земной поверхности по космическим изображениямдля определённого класса природных явлений.
Результатом применения метода являютсяпрогнозные значения характеристикyrp областей интереса R {rp }Pp 1 для годаn,полученные с помощью набора параметрических моделей прогнозирования. Разработанныйметод должен удовлетворять критериям 1)-5). Построенные модели должны обладатьконкурентным уровнем точности в сравнение с существующими методами, лучшимпоказателем заблаговременности, возможностью прогнозирования нескольких характеристикобластей внутри одного класса объектов.51jikРисунок 2.2 – Формирование многоканального изображения2.2 Выбор данных ДЗЗ для решения задачи прогнозирования2.2.1Получение и предварительная обработка космических изображенийКосмические изображения – это цифровые изображения, которые имеют несколькопринципиальных отличий от обычных снимков, получаемых человеком с помощью цифровыхкамер в повседневной жизни. Прежде чем попасть к конечному пользователю, космическиеизображения проходят достаточно сложный процесс обработки, который включает следующиеоперации [38, 51, 75]:1.
коррекция искажений, вносимых съёмочной системой и приёмно-передающимтрактом;2. геометрическая коррекция искажений, вызванных особенностями съёмки;3. географическая привязка данных;4. трансформирование в заданную проекцию, которая осуществляется с помощьюстандартных картографических методов;525. оценка оптических изображений на наличие облачности;6. корректировки результатов предварительной обработки (при необходимости).Коррекция искажений выполняется непосредственно на станции приёма при переводепервичного потока пакетов принятых данных (поток записывается в таком же виде, как он былсформирован на борту спутника) в растровые данные, собранные из пакетов в многомерныемассивы для проведения дальнейшей обработки.Наиболее целесообразно использовать универсальную трансверсальную проекциюМеркатора (UTM) и эллипсоид WGS-84 (Мировая геодезическая система 1984г.), либопроекцию Гаусса-Крюгера и эллипсоид Красовского.Различнымкомбинациямпоследовательностейопераций,описанныхвыше,соответствуют различные уровни обработки, которые приняты в качестве стандартов длякосмических изображений.
На сегодняшний день стандартом установлено 6 уровней обработкиспутниковых изображений, описание которых приведено в таблице 2.1.Таблица 2.1 – Описание уровней предварительной обработки спутниковых изображенийНазвание ОписаниеLevel 0Восстановленные необработанные данные приборов, загруженные в полномразрешении. На данных удалены все артефакты связи (например, рамкисинхронизации, заголовки связи, дублирующие данные).Level 1A Восстановленные необработанные данные приборов в полном разрешении, свременной привязкой и аннотацией вспомогательной информации, в том числерадиометрическими и геометрическими коэффициентами калибровки и параметрыгеопривязки (например, эфемериды платформы).Level 1BДанные уровня Level 1A, которые обрабатывались в единицах сенсора (не всеприборы могут проводить данный уровень обработки).Level 2Получены геофизические переменные в том же пространственном разрешении иместоположении, что и данные уровня Level 1.Level 3Данные спроецированы на однородную пространственно-временную сетку сопределенной полнотой и непротиворечивостью.Level 4Модельные данные или результирующая анализа данных более низкого уровня(например, значения, полученные из нескольких измерений).При выборе изображения того или иного уровня обработки учитывается природаисследуемых объектов и специфика решаемой задачи.
В данном случае были реализованыспециализированные программные средства для ассимиляции спутниковых данных вколлекции изображений по определённому принципу. Поскольку необходимо исследовать53наличие закономерностей по многолетним периодическим наблюдениям, то исходнаяколлекция изображений {s }s 1 структурируется по региональному признаку в датасеты.SОпределение 2.10. Датасетом называется коллекция изображений одного размера дляодной и той же территории, которые записаны в определенной последовательности в одинфайл. ДатасетDnсодержит серию изображений в течение года n N (см. Рис. 2.5).Формирование такого многослойного изображения происходит следующим образом. Навсём временном интервале N выделяется период наблюдений, который задается множествомизмеренийNn 1гдеgngn ,(2.8)определена в формуле (2.3).Внутри одного года изображения группируются в многослойное изображение так, чтокаждый его слой соответствует одному измерению из периода Dn lnгдеl 1,(2.9)ln – изображение определенной территории в момент наблюдения l внутри года n .Такое структурирование данных обеспечивает цикличность сезонных наблюдений, приэтом автоматически фиксируется их продолжительность периодом , а также обеспечиваетсястатистическая однородность долгосрочных наблюдений.54jirp∆Рисунок 2.3 – Формирование многоканального изображения за один год для областизаданной своей границейrp ,rpВажным аспектом при выборе уровня обработки спутниковых изображений являетсявлияние облачности на исследуемые процессы.
При съёмке в облачную погоду длябольшинства спектральных диапазонов, представленных на рисунке 1.1, на оптическихизображениях возможно перекрытие облаками до 70 % сцены. В связи с этим следует работатьс композитными изображениями [149], которые получены из данных уровня Level 3, ипредставляют собой усредненный сигнал за некоторый промежуток времени.2.3 Выделение информативного сигнала из полученных данныхКак отмечалось в пункте 1.3.1, использование различных спектральных диапазоновсъёмки, позволяет выделить информативные каналы мультиспектральных изображений,которые наилучшим образом коррелируют с физическими процессами, происходящими наземнойповерхности.Исследованиюинформативностиканаловдлярешениязадачипрогнозирования посвящён параграф 3.1.