Автореферат (1137225), страница 2
Текст из файла (страница 2)
Также⃗ )растровое изображение удобно представлять в виде функции яркости (,⃗ : (1, ..., ) × (1, ..., ) → (1, ..., ) , , , , ∈ N,(1)где , —размеры изображения, — наибольшее значение яркости, —количество каналов (слоёв) изображения. Одна точка, характеризующаясястрокой и столбцом называется пикселем (pixel, от англ. picture element).Космические изображения характеризуются пространственным, спектральным, временным и радиометрическим разрешением.Пространственное разрешениехарактеризует размер области на поверхности Земли, представляемой одним пикселем изображения.
Величина пространственного разрешения важна для различения на изображении определенных объектов, а также точности определения их границ и площадей.Спектральное разрешениехарактеризуется количеством и шириной спектральных каналов, фиксируемых аппаратурой.Временное разрешениехарактеризуется частотой повторения съёмки одного и того же участка земной поверхности.9Радиометрическое разрешение— разница между уровнями сигнала, которую различает аппаратура.Космические изображения требуют привязки к географической или какой-либо другой системе координат на поверхности Земли, для чего в комплекте с растровыми данными поставляются данные геопривязки. Распространены варианты попиксельной и проекционной геопривязки.Для аэрофотосъемки используется широкий спектр аппаратуры, регистрирующей данные в различных спектральных диапазонах, от панхроматического до гиперспектральной съемки.
Обработка представленных в цифровом виде данных аэрофотосъемки представляет собой единую задачу с обработкой космических изображений с некоторыми особенностями.Для данных дистанционного зондирования также имеет важное значение векторная модель представления — трактовка данных как набора отдельных объектов и запись геометрических параметров объектов в виде набора координат, с хранением дополнительных данных для каждого объекта.В геоинформационных системах и прочих приложениях, использующих векторную информацию о Земле и данных дистанционного зондирования, векторная информация может быть представлена в виде точек, линий, контуров(замкнутых линий), полилиний и полигонов (наборов линий и контуров соответственно).Для каждой точки, в том числе входящей в состав линии или полигона,хранятся её географические координаты.
Точками представляются, как правило, точечные или небольшого размера объекты, линиями/полилиниями —протяжённые объекты, полигонами — площадные. При этом для каждогообъекта могут храниться дополнительные данные — информация о типе, названии, физических параметрах объекта.Во второй главерассматриваются методы предварительной обработкиданных дистанционного зондирования, то есть их обработки для улучшениякачества и, как следствие, улучшения результата тематической обработки, атакже ускорения работы и уменьшения вычислительной сложности. Основное внимание уделено методам обработки данных, представленных в векторной модели, и совместной обработке векторных и растровых данных.Метод повышения пространственного разрешения космических10изображений с использованием векторной модели представленияаприорной информациипредназначен для сохранения резких перепадовяркости в районе известных границ, которые обычно превращаются в плавный переход.
Известные границы для аэрокосмических изображений задаются векторными тематическими картами — водоёмов, зданий, дорог.Как правило, при повышении пространственного разрешения изображение подвергается размытию, а при попытке избежать его возникают ступенчатость (алиасинг) или ложные контуры (эффект Гиббса). Избежать этогопозволяет дополнительная информация об изображении, как, например, вметодах паншарпенинга, где разрешение мультиспектрального изображенияпередискретизуется до разрешения панхроматического.В данном случае в качестве априорной информации были выбраны тематические векторные карты, ранее созданные для различных типов контрастных и статичных объектов — дорожной сети, строений, водоёмов.
Смысл метода состоит в том, что при интерполяции значений в окрестности известныхграниц новые значения интерполируются только по тем точкам исходногоизображения, которые соответствуют тому же объекту.Метод реализован в виде следующего алгоритма.Исследуется изображение — функция яркости ( , ), заданная на регулярной сетке = , = , = 1...ℎ, = 1...,(2) - размер ячейки (пикселя). Дополнительно задано деление множестваопределения функции на области , ∈ 1...
с помощью полигонов векторных данных. Каждая область представляет собой отдельный объект, обладающий резкой границей с другими объектами и фоном, так что при операцияхс изображением значения яркости внутри и снаружи объекта не должны смешиваться.Требуется получить пропорционально увеличенное изображение повышенного разрешения:( , ), = , = , = 1..., = 1..., < ,(3)причём точки, принадлежащие к определённому полигону должны быть вы11числены с использованием известных значений функции только в тех точках,которые лежат внутри данного полигона.Также для обеспечения линейной сложности алгоритм должен быть локальным; для существования и единственности решения каждый полигондолжен содержать хотя бы одну точку, и не должен пересекаться с другими полигонами.Для каждой точки ( , ) нового изображения решается задача интерполяции функции (, ) по известным точкам.Назовем квадрат, образованный центрами четырех соседних пикселейизображения низкого разрешения ячейкой, а окружающие его 16 пикселейисходного изображения окрестностью.Для определения, какой области принадлежит точка, производится проверка по каждому шейпфайлу, лежит ли точка внутри какого-либо из егополигонов.
В зависимости от того, лежат ли точки внутри какого-либо изполигонов, каждой из них присваивается номер соответствующей области. Вслучае, когда вся окрестность ячейки расположена в одной области, можносчитать, что в окрестности не проходит границы, и использовать метод бикубической интерполяции, вычисляя значение по всем пикселям окрестности.В том случае, когда пиксели исходного изображения, влияющие на данный пиксель нового изображения, лежат в разных областях, для интерполяции нового пикселя используются только те пиксели исходного изображения, которые лежат в той же области, что и данный пиксель изображенияповышенного разрешения. В этом случае вблизи заданных границ объектовневозможно построение регулярной прямоугольной сетки, поэтому требуетсяприменение методов, работающих на нерегулярных сетках.
В этом качествевыбран метод, описанный Дональдом Шепардом в 1968 году, выбирающийближайшие узлы сетки, и учитывающим расстояние до них как обратныйквадрат и направление на них.Было проведено исследование метода на реальных данных. Результатысравнительных тестов показывают, что разработанный метод, сочетая в себеподходы, примененные в базовых методах, в рассмотренных условиях превосходит их оба по качеству повышения разрешения изображения, измеренномус помощью различных критериев (среднеквадратичное отклонение, индекс12структурного сходства). При этом, разработанный подход позволяет применять и комбинировать различные методы интерполяции по регулярной сеткев удалении от границ и по нерегулярной сетке вблизи границ, таким образомсочетая их достоинства.Рис.
1 – Пример работы метода, из изображения низкого разрешения и векторной маскиводоёмов формируется изображение повышенного разрешения.Следует заметить, что повышение качества требует точного позиционирования векторных данных относительно растровых.Метод индексации данных в векторной модели для совместнойобработки с данными в растровой геопривязанной форме.Несмотря на то, что векторная модель представления данных компактнаи вычислительно проста при обработке и поиске отдельных объектов, приработе с большими объёмами данных в векторной модели также появляютсяпроблемы вычислительного характера.Постановка задачи.Существуют данные о площадных объектах, представленные в векторной модели, то есть в виде полигонов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
