авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Pages:     | 1 || 3 |

Разработка методики текстурно-спектрального анализа тепловых полей излучения ландшафтных комплексов на основе аэрокосмических наблюдений

-- [ Страница 2 ] --

Рис. 3. Гистограммы интенсивности для объектов:

1 - водный объект; 2 - растительноть; 3 - городская застройка; 4 - почвы

Решением описанной проблемы является применение инструментов фрактального геометрии.

Рассмотрим принцип этого подхода на примере теплового ИК-снимка с областью городской застройки. Эффект городского острова теплоты активно изучается с помощью фрактального анализа в работах многих авторов, однако в них вычисление параметров фрактальной геометрии происходит для заданного региона городской территории. Предложенная методика же на базе фрактального анализа позволяет эффективно сегментировать области на тепловых ИК-снимках и, в частности, выделять области городской застройки.

На рис. 4 показано исходное тепловое и соответствующее ему бинаризованное изображение, в качестве порога при бинаризации которого принято среднее значение ПЯТ по полю снимка. Бинаризация теплового снимка позволяет проявить более заметную разницу в текстурах объектов с различным уровнем ПЯТ и, следовательно, в значениях их фрактальных размерностей. Это объясняется тем, что плотность участков с высокой ПЯТ выше в зонах городской застройки, поэтому ее фрактальная размерность, которая характеризует степень заполнения пространства, больше.

(а) (б)

Рис. 4. Исходный тепловой ИК-снимок (а) и соответствующее

бинаризованное изображение (б)

В скользящем по полю изображения окне вычисляется фрактальная размерность. Участки, фрактальная размерность которых выше порогового значения, относятся к классу «городская застройка».

Данный этап обработки предусматривает вычисление фрактальной размерности пространственной модели и допускает некоторые ошибки в результате сегментации. Уточнить их позволяет вычисление набора параметров фрактального анализа, таких как фрактальнай размерность профильной модели и значение лакунарности.

Следуя данному принципу и принимая на этапе бинаризации различные значения ПЯТ, происходит выделение классов «водных объектов», «городской застройки», «почвы» и «растительности». Этап реализован в пакете прикладных программ МATLAB.

3.4. Исследование выделенных объектов на основании их температурных характеристик

Мультифрактальный анализ водных объектов

В процессе обработки тепловых изображений водных объектов появляются следующие задачи:

  • описание температурных неоднородностей водной поверхности
  • выделение четких структур на поверхности воды (вихрей)
  • определение границ суши и льда на поверхности воды

Существующий на сегодняшний день метод расчета доминантных ориентаций термических контрастов (ДОТК) позволяет выделять вихревые структуры на поверхности воды, но является достаточно сложным в использовании.

В предложенной методике реализовано применение мультифрактального анализа к изучению тепловых неоднородностей водных объектов, не различимых в оптическом диапазоне, в частности, вычисление точечных показателей Гельдера (x,y). Первым шагом к их расчету является выбор меры. В данной разделе показано, что наилучшие результаты дает использование мер Min(I) и Max(I), то есть мер, содержащих минимальное и максимальное значение интенсивности среди пикселей в заданном регионе.

Диапазон значений (x,y) делится на равные промежутки, количество которых задается перед началом обработки, по умолчанию оно равно 256. Далее все пиксели изображения (x,y), в зависимости от значения вычисленного показателя (x,y), распределяются по этим классам, и для каждого из них подсчитывается количество соответствующих пикселей. На основании этого деления можно проводить классификацию объектов, характеризующихся различными значениями показателей Гельдера.

Данный этап реализован с помощью модуля Fraclab, входящего в программный пакет МATLAB, а также разработанного в МИИГАиК программного пакета «Фрактал-ПК».

Исследование области городской застройки на основе распределения температуры и значения индекса TVDI

Распределение поверхностной темперауры городской области в сочетании с результатами фрактального анализа позволяет делать выводы о суточных, сезонных и годовых изменениях поверхностной температуры районов плотной застройки; влиянии развития города на географическое распределение температуры.

Дополнительной характеристикой при изучении городских территорий по данным дистанционного зондирования является индекс TVDI, который вычисляется на основе регрессионного анализа зависимости поверхностной яркостной температуры и индекса NDVI.

Как показывают исследования в этой области, на основе значений индекса TVDI в городской области можно выделять районы с высокой и низкой плотностью застройки, городские парки и рекреационные зоны.

Вычисление индекса TVDI для растительности позволяет охарактеризовать степень ее влажности – от «очень сухой» (0.8 < TVDI < 1.0) до «очень влажной» (0.0 < TVDI < 0.2).

3.5. Методика создания динамической модели электронного изображения ландшафтов подстилающей поверхности

Пространственную неоднородность теплового поля характеризует температура поверхности, полученная по данным одномоментной съемки. Ее величина является достаточной при решении широкого спектра задач, однако на практике часто требуются мультивременные значения температуры, т.е. данные разновременных измерений температуры поверхности, такие как суточный ход и скорость изменения термодинамической температуры.

Суточный ход термодинамической температуры рассчитывается в соответствии с моделью, описанной во второй главе работы, и графически представляется в виде кривой, положение максимума которой зависит от физических характеристик выбранной поверхности. В данные формулы входит величина температуры поверхности в момент восхода Солнца, значение которой в большинстве случаев неизвестно. В предложенной методике эта величина рассчитывается исходя из значений температуры поверхности в момент съемки и времени восхода Солнца с помощью решения интегрального уравнения.

Таким образом, параметры дневного хода термодинамической температуры выбранного объекта можно рассчитать в 4 этапа:

  1. вычисление термодинамической температуры в данном пикселе на основании яркостной температуры, полученной со снимка, и излучательной способности объекта;
  2. расчет температуры поверхности в момент восхода Солнца;
  3. построение графика суточного хода температуры или вычисление термодинамической температуры в заданный момент времени;
  4. переход от термодинамической температуры к яркостной и составление прогнозируемого изображения, что подразумевает собой вычисление яркостной температуры каждого пикселя исходного изображения в заданный момент времени.

В результате такого подхода к обработке тепловых ИК-изображений проведено:

  • усиление контрастов между соседними объектами с различными теплофизическими параметрами;
  • выбор наиболее оптимального времени съемки;
  • моделирование тепловых полей ландшафтов на основе снимков в оптическом диапазоне и информации о физических и излучательных характеристик сред.

Четвертая глава «Экспериментальная проверка методик пространственного текстурно-спектрального анализа ландшафтных комплексов и динамической модели тепловых изображений на основе аэрокосмических наблюдений» посвящена экспериментальным исследованиям и применениям разработанных методик к обработке данных спутникового дистанционного зондирования.

4.1. Распределение поверхностной яркостной температуры

На первом этапе происходит расчет поверхностной яркостной температуры по полю снимка на базе стандартных формул. Изменяя градации полученной тепловой картины, можно проводить первичную классификацию холодных и теплых объектов на снимке (рис. 5).

(а) (б) (в) (г)


Рис. 5. Исходное тепловое ИК-изображение - (а); тепловая картина - (б), (в); температурные градации - (г)

4.2. Выделение и анализ температурных аномалий на тепловых ИК-снимках

На рис. 6 показан фрагмент ИК-снимка с тепловой аномалией. В результате сравнения его согласно алгоритму (рис. 2) со снимком, сделанным на 15 дней позже, выявляется динамичный характер аномалии, что соответствует пожарам. Далее, после обработки снимка выделяются очаги возгорания, области активного огня и выгоревшие территории.

(а) (б) (в)

Рис. 6. Исходное тепловое изображение, полученное 26 июля 2010 года - (а) и 11 августа 2010 года - (б); тепловая картина области пожара - (в)

4.3. Фрактальная сегментация объектов по тепловым ИК-снимкам

Результаты сегментации теплового ИК-изображения с помощью фрактального анализа показаны на рис. 7а, 7б, 7в. Для лучшей визуальной оценки на рис. 7г показан снимок в оптическом диапазоне на ту же территорию, по которому проводилась оценка точности результатов классификации.

png" alt=" (а) (б) (в) (г) Результаты фрактальной сегментации теплового-22">
(а) (б)
(в) (г)

Рис. 7. Результаты фрактальной сегментации теплового ИК-снимка: (а) – исходное изображение, (б) – выделенный водный объект, (в) – выделенная область городской застройки, (г) – снимок в оптическом диапазоне

Оценка точности проводилась путем определения коэффициента правдоподобия, вычисляемого следующим образом:

, (6)

где А – количество пикселей, автоматически классифицированных на основании тепловых изображений, В – пиксели, классифицированные путем ручного дешифрирования по оптическим снимкам, АВ – объединение этих областей. Таким образом, для идеального случая (А = В = АВ) коэффициент k = 1, в случае полностью ошибочной автоматической классификации (АВ = 0) k = 0.

Таблица

Оценка точности результатов фрактальной сегментации объектов по тепловому ИК-изображению

Классы k
«водный объект» 0,88
«городская застройка» 0,72
«почвы» 0,75




4.4. Исследование выделенных объектов на основании их температурных характеристик

Мультифрактальный анализ водных объектов

Как показано на рисунках, значения точечных показателей Гельдера позволяют описать температурные неоднородности на поверхности воды (рис. 8а, 8г), выделить участки суши и льда (рис. 8е).

(а) (б) (в)
(г) (д) (е)

Рис. 8. Исходные тепловые ИК-изображения водной поверхности - (а, б, в); результаты вычисления точеных показателей Гельдера – (г, д, е)

Наилучшие результаты применение мультифрактального анализа дает в случае присутствия вихревой структуры на поверхности воды (рис. 8б, 8д). В этом случае пиксели на снимке, находящиеся на границе вихря (отмечены желтым цветом), имеют близкое значение (x,y) и располагаются на одном пике графика (рис. 9), показывающего распределение количества пикселей в зависимости от значений их (x,y). Описанное свойство дает возможность автоматизировать процесс выделения вихревой структуры.

 Распределение количества пикселей в зависимости от значений  (x,y) -35

Рис. 9. Распределение количества пикселей в зависимости от значений (x,y)

Исследование области городской застройки на основе распределения поверхностной яркостной температуры и значения индекса TVDI

Распределение поверхностной яркостной температуры и значений индекса TVDI для г. Москвы показано на рис. 10.

(а) (б)

Рис. 10. Распределение ПЯТ области городской застройки – (а), распределение TVDI области городской застройки – (б)

Между изображениями существует сильная корреляция. Четко прослеживаются зоны повышенной температуры в области плотной застройки на юго-востоке и западе города. Анализ распределения поверхностной яркостной температуры в совокупности и индексом TVDI позволяет делать выводы о динамике развития города, экологической обстановке отдельных районов, а также планировать действия по ее улучшению.

4.5. Динамическая модель электронного изображения ландшафтов подстилающей поверхности

Суточный ход температур, вычисленный по алгоритму, описанному в разделе 5 третьей главы, показан на рис. 11.

 Суточный ход термодинамической температуры для объектов: 1 - водный объект; 2 --38

Рис. 11. Суточный ход термодинамической температуры для объектов:

1 - водный объект; 2 - почвы; 3 - городская застройка (приняты излучательные харатеристики кирпича)

Суточный температурный контраст, определенный по графику, характеризует амплитуду суточных вариаций теплового поля поверхности и позволяет выявлять неоднородности, связанные с особенностями тепловых свойств исследуемых объектов

Анализируя кривые суточного хода температур и исходя из полученных значений тепловых контрастов, можно прогнозировать наиболее оптимальное время для выполнения тепловой съемки. Как видно из графиков, сложно выбрать единый момент времени, когда тепловые контрасты между всеми исследуемыми объектами будут максимальны, поэтому планировать время тепловой съемки следует для заранее выбранных поверхностей.

На рис. 12 показан исходный тепловой ИК-снимок, сделанный в 8 часов утра, и прогнозируемая на 13 часов дня тепловая картина подстилающей поверхности при нулевой скорости ветра.

(а) (б)


Pages:     | 1 || 3 |
 

Похожие работы:







 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.