Description:

"УДК 528.8.04:551.4 Автоматизация процесса дешифрирования ландшафтных комплексов по материалам космической съёмки для задач моделирования экологических процессов А. Д. Федоровский, С. А. Рябоконенко, А. Д. Рябоконенко, Я. В. Пархисенко Классификация материалов дистанционного зондирования Земли (ДЗЗ) представляет собой процесс сортировки пикселов в конечное число индивидуальных классов или категорий данных, который основывается на их значениях в файле данных. Если пиксел удовлетворяет определенному набору условий, он приписывается к классу, соответствующему данному критерию. Этот процесс также называют сегментацией изображений. В зависимости от типа информации, которую желательно получить из исходных данных, классы могут быть связаны с известными характеристиками земной поверхности или просто представлять области, которые "смотрятся различно" на компьютере. Примером классифицированного изображения является карта земельного покрова, отображающая растительность, пустыри, пастбища, городские территории и т.п. Обычно алгоритм классификации при выполнении располагает набором принимающих значения классов. Такой набор называется схемой классификации (или системой классификации). Цель такой схемы обеспечить рамочную интегрированную систему организации и категоризации извлекаемой из данных информации. Соответствующая схема классификации включает классы, которые, с одной стороны, важны для исследования, а с другой, заметно отличаются от имеющихся в распоряжении данных. Классификация ландшафтных комплексов (ЛК) по материалам ДЗЗ подразумевает распознавание природных образований или их индикаторов по тону, цвету, структуре рисунка, его размерам, спектральным характеристикам. Эти внешние характеристики присущи только фотофизиономичным компонентам ландшафта, имеющим непосредственное отражение на снимке, т. е. образующим отличающиеся по оптической плотности изображения благодаря различным спектральным яркостям. В связи с этим только незначительное число природных компонентов может быть дешифрировано по прямым признакам. Принадлежность ландшафтных комплексов к тому или иному классификационному роду определяется главным образом текстурными чертами рисунка, размерами и конфигурацией контуров. Несмотря на изменчивость тона космического изображения, обусловленную сменой сезонных и погодных состояний ландшафта, особенности рисунка сравнительно долгое время могут сохраняться, отражая горизонтальную внутриландшафтную дифференциацию природных элементов. Ландшафтной индикации можно дать не только качественную, но и количественную оценку. С этой целью используются разнообразные математико-статистические методы. Дешифрирование ландшафтной информации по материалам космической съёмки может быть автоматизировано с помощью новых дешифровочных показателей, использование которых позволяет автоматизировать процесс дешифрирования ландшафтной информации. Ниже приведены несколько методик для дешифрирования космических снимков ландшафтных комплексов на основе структурно-текстурного анализа. Дешифрирование ЛК на основании пространственно-частотного анализа известно как один из информативных признаков структурно-текстурных параметров изображений ЛК является их пространственно-частотный спектр (ПЧС). Изменению яркости и координат точек в плоскости предмета или его изображения в терминах спектрального анализа соответствует изменение амплитуды и фазы по пространственным частотам. Таким образом, изображению ЛК, имеющему определенную структуру, соответствует ПЧС, характеризующийся суммой пространственных составляющих (гармоник) с соответствующими амплитудами и фазовыми сдвигами между этими составляющими. Значения амплитуд определяют вклад соответствующих пространственных частот в формирование изображения, а значения фазовых сдвигов определяют изменение координат отдельных точек в изображении относительно их положения в объекте. Неискаженному изображению соответствует область пространственных частот, в пределах которой характеристика фазового ПЧС равна нулю, т. е. в изображении сохраняются первоначальные координаты различных точек объекта. Неискаженному изображению соответствует область пространственных частот, в пределах которой характеристика фазового ПЧС равна нулю, т. е. в изображении сохраняются первоначальные координаты различных точек объекта. В качестве ПЧС наиболее часто используются двухмерные спектры Фурье. Составляющие ПЧС C(n,m) вычисляются по методу дискретного двухмерного преобразования Фурье в соответствии с выражением (1): \(C(n, m) = \sum_{x=0}^{A-1}\sum_{y=0}^{B-1} L(x, y) e^{-i2\pi((nx/A)+(my/B))}\), где: n, m — номеры пространственных гармоник по осям X, Y; x, y — номера пикселов в пределах выделенного фрагмента по осям X, Y; L(x,y) — распределение яркости в изображении; A, B — количество отсчетов по осям X, Y. Предлагаемый подход был апробирован при анализе доминирующих направлений рукавов устьев рек, геологических разломных структур и лесопосадок. На рис. 1а изображен космический снимок участка устья Днепра, а на рис. 1б — график азимутального распределения ПЧС изображения. Рис. 1. Определение преимущественного направления водных потоков: а) фрагмент космического снимка участка устья реки Днепр, б) график азимутального распределения ПЧС изображения. Классификация ЛК на основании фрактального анализа возможна на основе понятия фрактала (изломанный объект с дробной размерностью). В качестве объекта фрактального описания берется квадратный участок снимка \(a \times a\) пикселов, который преобразуется в двумерный массив яркостей. Для этого массива производится построение фрактального образа трехмерного объекта в соответствии с выражениями (4) в виде параметров фрактального преобразования \(F_{ij}\), где: i = 0, m; j = 1, N_1; \(m = (a - 1)\); \(a_{ij}, d_{ij}, k_{ij}, l_{ij}, m_{ij}, e_{ij}, f_{ij}, g_{ij}\). Значения ПФП предлагается использовать в качестве модели изображений ЛК. \(\left(u_x = x_i + 1 - x_i, u_y = y_j + 1 - y_j\right)\), где \(x_n = x_0 + u_x n, y_m = y_0 + u_y m\). Проверка возможности дешифрирования ЛК производилась экспериментальным путем. Для проведения эксперимента было разработано программное обеспечение, позволяющее работать с космическими снимками, получать из выбранных на снимке окон анализа яркости пикселов изображения, выполнять для них фрактальные преобразования и обрабатывать и сравнивать фрактальные модели для разных ЛК. Качество модели ЛК для задачи дешифрирования зависит от размера участка анализа в пределах исследуемого ЛК, но с увеличением участка возрастают требования к вычислительным ресурсам. Определение оптимального значения \(a\) производилось путем последовательного увеличения участка анализа. На космическом снимке выбирались квадратные участки анализа размера 44, 66 и 88 пикселов в пределах анализируемых ЛК. По участкам определялись эталонные усредненные ПФП \(T_{ij}\). Отдельные участки использовались для создания контрольных ПФП \(T_{kl}\) (\(l, k = 1,2,...\)). Оценка параметров фрактальных моделей производилось на основе разностей значений параметров отдельных контрольных участков и усредненных эталонных значений в соответствии с выражением (5): \(m_1 = \frac{1}{N_1} \sum_{j=0}^{N-1} \left(T_k - T_l\right)^2\), и фрактальной модели в целом: \(M = \sqrt{\frac{1}{N_1(N-1)} \sum_{k=1, k \neq l}^N M_{kl}}\). В качестве критерия оценки фрактальной модели для дешифрирования ЛК использовалось отношение значений (6), вычисленных для контрольного участка, не принадлежащего эталонному ЛК: \(\mu_{kl} = \frac{M_k}{M_l}\). Если \(\mu_{kl} < 1\), то ПФП могут быть использованы для дешифрирования ЛК, а если \(\mu_{kl} > 1\), то дешифрирование ЛК невозможно. С использованием критерия (7) в результате проведенного эксперимента было выбрано оптимальное значение стороны квадрата анализа \(a = 8\). Некоторые результаты эксперимента по космическому снимку КС Житомирской области, сделанному с помощью спутника SPOT 30.04.1995 в диапазонах 1 500 нм-590 нм, 2 610 нм-680 нм, 3 790 нм-890 нм приведены ниже. На снимке для эксперимента были выбраны три ЛК: лес, сельхозугодья и..." Ключевые слова: федоровский, контрольный, участок, xn ?, нана, значение, космический снимка, лес, менеджмент, снимок, процесс, получить, анализ, ? ij, modeling, класс, удк, эксперимент, наука, дешифрирование ландшафтный, дешифрирование, позволять, лк, fij, комплекс, ландшафтный, городской, материал, эталонный, кий, ландшафтный комплекс, aim, система, схема, преобразование, параметр, пространственный, съёмка, образ, оценка, структура, земля, изображение, рисунок, использоваться, методика, информация, автоматизация, ij, центр, амплитуда, рябоконенко, xn, выбранный, основа, использование, ? ym, kl, издательство, пархисенко, пиксел, соответствовать, природный, пчс, номер, дать, задача, центр менеджмент, пфп, производиться, размер, геологический, пространственно-частотный, координата, точка, изменение, тело, критерий, определяться, ресурс, ось, область, спектральный, предел, характеристика, remote sensing, ryabokonenko, аэрокосмический, космический, классификация, объект, яркость, материал космический, соответствие, космический съёмка, процесс дешифрирование, фрактальный модель, набор, наука нана, качество, исследование, ym ?, контрольный участок, фрактальный, модель, сумма, снимка, ym, ландшафт