Диссертация (Методы математического моделирования и алгоритмы автоматической обработки аэрокосмических изображений при распознавании природных и антропогенных объектов)

Федеральное государственное автономное образовательное учреждениевысшего профессионального образования «Московский Физико-ТехническийИнститут (Государственный Университет)»На правах рукописиТрекин Алексей НиколаевичМетоды математического моделирования иалгоритмы автоматической обработкиаэрокосмических изображений прираспознавании природных и антропогенныхобъектов05.13.18 – Математическое моделирование, численные методы и комплексыпрограмм (технические науки)ДИССЕРТАЦИЯна соискание учёной степеникандидата технических наукНаучный руководительд.т.н.Матвеев Иван АлексеевичМосква – 20162ОглавлениеВведениеГлава 1.. .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5Данные дистанционного зондирования Земли как осно­ва для развития модельных представления и алгоритмов рас­познавания природных и антропогенных объектов. . . . . . .16Источники электромагнитного излучения . . . .

. . . . . . . . . .161.1.1.Излучение Солнца. . . . . . . . . . . . . . . . . . . . . .171.1.2.Собственное излучение Земли . . . . . . . . . . . . . . . .181.1.3.Спектральные свойства атмосферы . . . . . . . . . . . . .18Регистрация и обработка данных дистанционного зондирования .191.2.1.Растровая модель представления данных. . . . . . . . .201.2.2.Характеристики космических изображений. .

. . . . . .211.2.3.Геопривязка космических изображений . . . . . . . . . . .231.3.Данные, получаемые с помощью аэрофотосъемки . . . . . . . . .241.4.Векторная модель представления данных . . . . . . . . . . . . . .251.1.1.2.Глава 2.Численные методы предварительной обработки данныхдистанционного зондирования2.1.. . . . . . . . . . . . . . . . . . .

. .27Общая характеристика методов предварительной обработки . . .272.1.1.Численные методы повышения пространственного разре­шения. . . . . . . . . . . . . . . . . . . . . . . . . . . . .322.2.Статистические методы оценки качества обработки изображения332.3.Вычислительный метод повышения пространственного разреше­ния космических изображений с использованием векторной мо­дели представления априорной информации .

. . . . . . . . . . .352.3.1.Постановка задачи. . . . . . . . . . . . . . . . . . . . . .382.3.2.Описание метода. . . . . . . . . . . . . . . . . . . . . . .4032.3.3.2.4.Численный эксперимент. . . . . . . . . . . . . . . . . . .Метод индексации данных в векторной модели для совместнойобработки с данными в растровой геопривязанной форме2.5.44. . . .46. . .

. . . . . . . . . . . . . . . . . . .47. . . . . . . . . . . . . . . . . . . . . . .492.4.1.Постановка задачи2.4.2.Описание метода2.4.3.Реализация и численный эксперимент. . . . . . . . . . .54Эффективные алгоритмы для получения пересечения, объедине­ния, разности объектов векторной модели данных в виде много­угольников при работе с большими объёмами данных . . . . .

. .572.5.1.Постановка задачи. . . . . . . . . . . . . . . . . . . . . .582.5.2.Существующие алгоритмы . . . . . . . . . . . . . . . . . .582.5.3.Анализ выбранных алгоритмов. . . . . . . . . . . . . . .592.5.4.Доработки реализации алгоритма Ватти . . . . . . . . . .622.5.5.Исследование доработанного алгоритма путём численно­2.5.6.Глава 3.го эксперимента . . . . . . . . . . . . .

. . . . . . . . . . .66Выводы66. . . . . . . . . . . . . . . . . . . . . . . . . . . .Статистические и численные методы тематической об­работки данных дистанционного зондирования Земли3.1.. . . . .67Обзор существующих вычислительных методов обработки изоб­ражений. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .673.1.1.Визуальное дешифрование . . . . . . . . . . . . . . . . . .683.1.2.Пороговая обработка . . . . . . . . . . . . . . . . . . . . .693.1.3.Тематические индексы. . . . . . . . . . . . . . . . . . . .703.1.4.Методы распознавания образов . . .

. . . . . . . . . . . .733.1.5.Снижение размерности пространства признаков743.1.6.Неконтролируемая классификация (кластеризация)3.1.7.Контролируемая классификация3.1.8.Объектно-ориентированная классификация. . . . .. . .76. . . . . . . . . . . . . .80. . . . . . . .8243.1.9.3.2.Нейросетевой подход . . . . . . . . . . .

. . . . . . . . . .Численный метод обработки космических изображений для вы­деления выгоревших территорий . . . . . . . . . . . . . . . . . . .843.2.1.Мониторинг природных пожаров средствами ДЗЗ. . . .843.2.2.Мониторинг активных пожаров . . . . . . . . . . . . . . .853.2.3.Задача обнаружения территорий, поврежденных природ­ными пожарами . .

. . . . . . . . . . . . . . . . . . . . . .853.2.4.Постановка задачи. . . . . . . . . . . . . . . . . . . . . .873.2.5.Метод решения. . . . . . . . . . . . . . . . . . . . . . . .883.2.6.Построение обучающей выборки3.2.7.Классификация точек3.2.8.Реализация в виде комплекса программ и численный экс­. . . . . . . .

. . . . . .93. . . . . . . . . . . . . . . . . . . .97перимент . . . . . . . . . . . . . . . . . . . . . . . . . . . .3.3.8397Численный метод обнаружения транспортных средств на цвет­ных аэрокосмических изображениях сверхвысокого разрешения . 1013.3.1.Постановка задачи. . . . . . .

. . . . . . . . . . . . . . . 1023.3.2.Метод решения3.3.3.Оценка вычислительной сложности . . . . . . . . . . . . . 1073.3.4.Численный эксперимент и анализ результатов . . . . . . . 108Заключение. . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . 110Литература. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112. . . . . . . . . . . . . . . . . . . . . . . . 1025ВведениеДистанционное зондирование Земли (ДЗЗ) в настоящее время являетсяодним из основных методов получения информации в науках о Земле. Аппа­ратура, расположенная на спутниках — спектрометры, радиометры, камеры,лидары и др. — передаёт большое количество разнородных данных [42], а аэро­фотосъемка, в том числе с применением беспилотных летательных аппаратов,позволяет оперативно получать снимки поверхности Земли в высоком простран­ственном разрешении, в том числе многоспектральные и гиперспектральные.Путём анализа данных дистанционного зондирования можно получать инфор­мацию об атмосфере, поверхности суши и океана, в том числе отслеживатьизменения, выделять объекты на поверхности Земли.Космические изображения имеют некоторые достоинства, обеспечивающиеим важное место среди всех данных, применяемых в науках о Земле.

Во-первых,они имеют большой охват территории и частую повторяемость, однородныеданные могут быть получены до нескольких раз в сутки для всей территорииЗемли [39] в случае изображений низкого разрешения; во-вторых, имеется воз­можность оперативного получения данных, в том числе для труднодоступных иудалённых территорий. Высокая информативность данных дистанционного зон­дирования обеспечивается возможностью регистрации интересующей области вразличных спектральных диапазонах, в том числе гиперспектральной съёмкой,а также получением изображений одного участка различной аппаратурой [4].

Засчёт большого охвата данными территории Земли, в отношении к исследуемойплощади космические данные являются одним из наиболее недорогих видов,что в числе прочего позволяет поставщикам таких данных открывать бесплат­ный доступ к своим изображениям и производным продуктам для научного икоммерческого применения [161].Важное место среди в науках о Земле занимает область обработки данныхдистанционного зондирования.

Большие объемы разнородной информации, ре­6гистрируемые аппаратами космической и аэрофотосъемки, требуют автомати­зации извлечения из них полезных данных о поверхности, объектах на ней,температурным характеристикам, состоянии океана и атмосферы, процессах вэкосистемах. Обработка данных дистанционного зондирования делятся на пред­варительную и тематическую.Задача обработки данных дистанционного зондирования возникла одно­временно с получением первых данных такого рода — аэрофотоснимков. Напервых этапах развития дистанционного зондирования обработка, как правило,была экспертной (визуальное дешифрование).

В настоящее время визуальноедешифрование аэрокосмических изображений всё ещё применяется для состав­ления различных общих и тематических карт [15]. С развитием вычислительнойтехники стало возможным проведение автоматизированной и автоматическойобработки изображений, что позволило ускорить решение задач и упроститьработу дешифровщика [47].Предварительная обработка данных ДЗЗ направлена на улучшение харак­теристик изображения и приведение его к виду, более удобному для извлеченияиз него необходимой информации.

К предварительной обработке относятся раз­личные методы коррекции, географическая привязка, повышение разрешения.Тематическая обработка данных ДЗЗ — извлечение из них информациио состоянии наблюдаемых объектов — широкий и важный класс задач, реша­емых с помощью вычислительных систем. Для задач тематической обработкиприменяются как методы математического моделирования, так и методы ин­теллектуального анализа данных [73]. Одной из важных задач, решаемых сиспользованием данных ДЗЗ, является выделение и распознавание интересую­щих объектов на изображении.Основной целью, поставленной в данной работе, является создание мето­дов предварительной и тематической обработки космических изображений, при­годных для сегментации изображений, выделения аномальных зон и объектов,в широком классе задач исследования природных и антропогенных областей7поверхности Земли.Актуальность темы исследования.

Дистанционное зондирование Зем­ли (ДЗЗ) — комплекс методов получения информации о поверхности суши иводоёмов, а также различных слоёв атмосферы, с помощью различной съёмоч­ной аппаратуры, удалённой от предмета наблюдения, в частности, расположен­ной на авиационных и космических носителях. Дистанционное зондированиевключает в себя получение информации о литосфере, геологической структуреЗемли, покрытии земной поверхности, в том числе растительном покрове и ан­тропогенных объектах, климате и состоянии атмосферы.