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 | 2 || 4 | 5 |

Теория и методы тематической обработки аэрокосмических изображений на основе многоуровневой сегментации

-- [ Страница 3 ] --

Методика выявления заболоченных территорий по данным многозональной съёмки КА Landsat-7.

На рис. 11-15 представлены зональные снимки КА Landsat 7 в диапазонах 0,45-0,52 мкм., 0,52-0,60 мкм., 0,63-0,69 мкм, 0,76-0,90 мкм., 1,55-1,75 мкм. На снимках отображен участок территории Московской области на границе Истринского и Рузского районов. Исследовалась возможность определения заболоченных участков территории путём автоматизированной многоуровневой классификации. Результат представлен на рис. 16. Анализ полученных результатов позволяет сделать вывод, что использование данных многозональной съёмки в 5 зонах спектрального диапазона (3 видимых, 1 ближний ИК и 1 средний ИК) обеспечивает возможность получения достоверной картины расположения заболоченных участков в лесной местности.

Рис. 11. Рис. 12. Рис. 13.

Рис. 14 Рис. 15. Рис. 16.

Экспериментальная проверка по тестовым участкам заболоченных территорий и лесной растительности показала, что вероятность правильной классификации заболоченных участков составляет 82%. При решении данной задачи по методике одноуровневой контролируемой классификации была получена вероятность правильной классификации заболоченных участков 79%.

Методика тематической обработки снимков с датчика Aster КА Terra.

Исходными данными для тематической обработки являлись зональные изображения участка территории Московской области. Исследуемая территория интересна тем, что на ней представлен набор различных компонентов ландшафта - антропогенных и природных, характерных, как для лесных, так и для степных территорий. Для решения задачи выделения природно-хозяйственных объектов была применена методология многоуровневой сегментации. Автоматизированная сегментация не позволяет выделить линейные объекты, ширина которых не превышает одного пиксела, такие как автомобильные дороги, ЛЭП, небольшие речки. Их определение проводилось визуально в интерактивном режиме. Общая блок-схема описанного процесса многоуровневой сегментации показана на рис. 17.

 Общая блок-схема процесса многоуровневой сегментации. Сравнительная оценка-21

Рис. 17. Общая блок-схема процесса многоуровневой сегментации.

Сравнительная оценка вероятности правильной классификации природно-хозяйственных объектов по формуле (11) для многоуровневой сегментации и одноуровневой методологии контролируемой сегментации приведена в табл. 2. Сравнительный анализ результатов, полученных с помощью использования методик многоуровневой сегментации многозональных изображений, основанный не только на примерах, приведенных в данной работе, но и на широком ряде изображений различных территорий, показал устойчивое повышение вероятности правильного распознавания до 15%.

Табл. 2. Вероятности правильной классификации. Погрешности по методу Корнфельда

Объекты Вероятность ПК / Доверительный интервал
Многоуровневая классификация Одноуровневая классификация
площадные объекты гидрографии 0.94 0,1 0.94 0,1
автомагистрали 0.91 0,1 0.89 0,2
застроенные территории 0.95 0,3 0.8 0,3
лесная растительность 0.96 0,2 0.91 0,2
заболоченные участки 0.87 0,2 0.81 0,2
луга 0.94 0,3 0.82 0,4
пашни 0.93 0,3 0.8 0,3
пустыри 0.91 0,2 0.81 0,3
молодая поросль леса 0.95 0,1 0.91 0,2
садово-огородные участки 0.94 0,2 0.85 0,2
песчаные поверхности 0.92 0,2 0.86 0,2
песчаное мелководье 0.88 0,1 0.87 0,1

Обработка многозональных космических снимков для целей почвенного картографирования.

Изучение и картографирование почвенного покрова – главная задача географии почв. Основным источником информации о состоянии почвенного покрова являются полевые исследования и наблюдения и их последующий лабораторный анализ. Наряду с широким использованием контактных методов исследований в почвоведении все большее значение приобретают дистанционные методы изучения почв. Наиболее эффективным является совместное использование контактных и дистанционных методов изучения почв. При изучении почв по данным дистанционного зондирования (ДДЗ) ключевую роль играют ландшафтные индикаторы, прежде всего растительный покров и рельеф.

Исследование эффективности многоуровневой тематической обработки многозональных изображений для создания почвенных карт было выполнено на примере участка территории в западной части Минской области Республики Беларусь.

Исходными материалами для выполнения работы являлись данные дистанционного зондирования (многозональные снимки спутника Landsat 7 ETM+) и результаты полевых обследований. Разработанная методика основана на концепции ландшафтно-индикационного дешифрирования. В районе исследований почва не является «физиономичным» объектом, поэтому, для ее распознавания требуется использовать ландшафтные индикаторы, главными из которых являются растительность и рельеф.

Многоуровневое дешифрирование изображения осуществлялось в пределах определённых пространственных масок, соответствующих неким ландшафтным единицам. В качестве масок, соответствующих ландшафтным единицам, выбраны следующие: водные объекты, пойма реки, заболоченные земли, земли сельскохозяйственного назначения (луга, пастбища, пахотные земли), леса, мелиорированные земли. Создание масок производилось в интерактивном и автоматическом режиме. В автоматическом режиме были выделены классы водных объектов и лесов, создание масок поймы реки, заболоченных земель и земель сельскохозяйственного назначения производилось в ручном режиме. Для дешифрирования почв использовались изображения в пределах масок поймы, заболоченных земель и сельскохозяйственных земель. Блок-схема описанного процесса многоуровневого дешифрирования почв показана на рис. 18. На рис. 19. приведен результат тематической обработки.

На основе анализа полученных результатов можно утверждать, что при условии детального полевого обследования эталонных участков типичных классов почв многоуровневое дешифрирование с использованием масок, относящихся к различным ландшафтным единицам, позволяет получать достаточно достоверные почвенные карты по данным многозональной съёмки.

 Блок-схема процесса многоуровневого дешифрирования почв. а) RGB-22

Рис. 18. Блок-схема процесса многоуровневого дешифрирования почв.

Рис. 19. а) RGB представление исходных данных; б) результат дешифрирования почв.

Глава 4. Автоматизированная технология оценки динамики растительного покрова и других типов наземных экосистем по временным сериям данных дистанционных наблюдений.

В четвёртой главе представлены разработанные основы технологии оценки динамики растительного покрова и других типов наземных экосистем описана архитектура и общие принципы функционирования.

Описаны разработанные методы автоматизированного формирования временных серий тематических карт растительных покровов и грунтов по данным дистанционного мониторинга, автоматического определения замещений объектов, автоматического определения изменений границ экосистем.

Приведены результаты экспериментального исследования работы разработанных методов на примерах участков территории Московской и Вологодской областей.

Базовые основы технологии оценки динамики растительного покрова и других типов наземных экосистем по данным дистанционного зондирования.

Технология оценки динамики по данным ДЗЗ состоит из следующих этапов:

- сбор и первичная обработка исходной информации;

- тематическая обработка данных ДЗЗ;

- формирование качественных и количественных характеристик объектов;

- формирование качественных и количественных характеристик состояния и динамики объектов. Генерализация тематических карт. Генерализация качественных и количественных характеристик объектов;

- хранение исходных данных, результатов их обработки и обеспечение регламентированного доступа к ним;

- обеспечения интерактивного доступа пользователей к спутниковым и картографическим базам данных непосредственно в окне web-браузера, с предоставлением возможностей пространственного анализа.

Общая блок-схема технологии оценки динамики показана на рис. 20.

Метод автоматизированного формирования временных серий тематических карт растительного покрова и грунтов по данным дистанционного мониторинга.

Широко распространенным и эффективным путём выявления тенденций динамики структуры растительного покрова и грунтов является сопоставление разновременных тематических карт одного и того же участка местности. В разработанном методе автоматизированного формирования временных серий тематических карт растительных покровов и грунтов по данным дистанционного мониторинга для повышения достоверности результатов автоматизированного дешифрирования применяется многоуровневая тематическая классификация. Общая блок-схема дешифрирования элемента временного ряда с использованием многоуровневой классификации показана на рис. 21.

 Блок-схема технологии оценки динамики наземных экосистем по данным ДЗЗ. Рис.-24

Рис. 20. Блок-схема технологии оценки динамики наземных экосистем по данным ДЗЗ.

 Общая блок-схема дешифрирования изображений временного ряда. На первом этапе-25

Рис. 21. Общая блок-схема дешифрирования изображений временного ряда.

На первом этапе осуществляется выбор и формирование геометрически идентичных фрагментов разновременных аэрокосмических снимков. Исходные разновременные аэрокосмические снимки могут иметь разный масштаб и быть представлены в различных проекциях. Поэтому на первом этапе осуществляется геометрическая коррекция исходных аэрокосмических снимков временного ряда с целью их представления в определённой единой проекции, системе координат и масштабе.

На втором этапе осуществляется определение набора подлежащих дешифрированию классов объектов растительного покрова и грунтов, присутствующих на изображении. После определения набора классов объектов на втором этапе производится формирование эталонных участков для каждого класса, относящихся к одному классу на всех исходных изображениях временной серии.

В рамках решаемой задачи необходимо выявлять объекты, которые относятся к типу протяжённых (площадных). Поэтому на третьем этапе дешифрирования осуществляется преобразование исходных изображений с целью устранения ошибок классификации, возникающих вследствие присутствия на изображении точечных, малоразмерных, граничных и линейных объектов. Блок-схема предварительной обработки исходных изображений на основе структурно-пространственной модели показана на рис. 22.

Итогом обработки третьего этапа является набор зональных изображений, в которых значения спектральных интенсивностей пикселей точечных, малоразмерных, линейных и граничных объектов замещены медианой значений спектральных интенсивностей протяжённых объектов в некоторой локальной окрестности.

На четвёртом этапе выделяются участки лесной растительности. Блок-схема алгоритма выделения лесной растительности показана на рис. 23.

На пятом этапе тематической сегментации производится выделение видов лесной растительности, присутствующих на исследуемой территории. Блок-схема алгоритма выделения видов лесной растительности показана на рис. 24.

На шестом этапе тематической сегментации производится выделение растительных покровов и грунтов соответствующей территориально-географической зоны, не отнесённых к лесной растительности. Блок-схема алгоритма выделения объектов растительных покровов и грунтов, не отнесённых к лесной растительности, показана на рис. 25.

На седьмом этапе формируется конечный продукт тематической обработки путём сложения бинарных и многоуровневых изображений, полученных в результате выполнения пятого и шестого этапов.

 Блок-схема предварительной обработки исходных изображений на основе-26

Рис. 22. Блок-схема предварительной обработки исходных изображений на основе структурно - пространственной модели.

 Блок-схема алгоритма выделения лесной растительности. Блок-схема-27

Рис. 23. Блок-схема алгоритма выделения лесной растительности.

 Блок-схема алгоритма выделения видов лесной растительности. -28

Рис. 24. Блок-схема алгоритма выделения видов лесной растительности.

 Блок-схема алгоритма выделения объектов растительных покровов и грунтов, не-29

Рис. 25. Блок-схема алгоритма выделения объектов растительных покровов и грунтов, не отнесённых к лесной растительности.

Методы автоматического определения пространственного распределения изменений растительного покрова и грунтов по данным дистанционного мониторинга.

В настоящее время активно развиваются приёмы отражения динамики явлений и процессов на одной карте. Карты динамики заменяют серии разновременных карт, показывают состояние явления в разные моменты времени. Широкие возможности получения качественных и количественных оценок открывает представление результатов сравнения разновременных аэрокосмических материалов на картах:

- отображающих пространственное распределение участков замещений объектов за определённый период;

- совмещающих контуры объектов на разные даты.

Для решения этих задач были разработаны методы интерпретации временных рядов аэрокосмических снимков, обеспечивающие выявление изменившихся и вновь появившихся объектов. Исходными данными являются взаимосогласованные результаты тематического дешифрирования аэрокосмических изображений одного и того же участка территории на две разные даты. Взаимосогласованность исходных тематических изображений предполагает их пространственную (геометрическую) совмещённость, идентичный набор представленных классов объектов, полученных по единой методике дешифрирования и обозначенных одинаковыми цифровыми кодами.

Блок-схема алгоритма разработанного метода автоматического определения замещений объектов показана на рис. 26.

 Блок-схема алгоритма автоматического определения замещений объектов. -30

Рис. 26. Блок-схема алгоритма автоматического определения замещений объектов.

Блок-схема алгоритма автоматического выявления определения изменений границ растительного и почвенного покрова показана на рис. 27.

 Блок-схема алгоритма автоматического определения изменений границ экосистем. -31

Рис. 27. Блок-схема алгоритма автоматического определения изменений границ экосистем.

Глава 5. Тематическая обработка радиолокационных и тепловых изображений земной поверхности.

Пятая глава посвящена вопросам тематической обработки радиолокационных снимков и изображений земной поверхности, полученных в тепловом ИК диапазоне. Показано, что автоматизированная тематическая сегментация радиолокационных изображений сопряжена со значительными трудностями, вследствие чего далеко не все объекты видимые на снимке могут быть выделены в автоматизированном режиме. Представлена методика тематической обработки радиолокационных изображений, сочетающая на разных этапах визуальные и автоматизированные методы.

Описана разработанная технология автоматизированного определения состояния теплотрасс по данным тепловизионной аэросъёмки.

Автоматизированная тематическая обработка радиолокационных снимков.

На рис. 28 представлен радиолокационный снимок, полученный радиолокатором с синтезированной апертурой, участка территории Раменского района Московской области в районе деревни Фенино. Разрешающая способность на местности 3м. Значительная часть исследуемой территории занята лесом, лугами и сельскохозяйственными полями. На снимке также представлены следующие объекты: озеро, автомобильные дороги, агропромышленный объект, деревня и дачные участки. На рис. 29 представлены гистограммы распределений отмеченных классов объектов. Анализ гистограмм тестовых участков объектов, присутствующих на радиолокационном снимке, позволяет сделать следующие выводы. Значения яркости лесной растительности расположены практически во всем динамическом диапазоне и пересекаются со значениями яркости

всех других классов объектов, представленных на снимке. Выделение лесной растительности по значениям яркости невозможно.

Рис. 28. Исходное радиолокационное изображение.

 Гистограммы распределения яркостей объектов. Значения яркости лугов-33

Рис. 29. Гистограммы распределения яркостей объектов.



Pages:     | 1 | 2 || 4 | 5 |
 





 
© 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.