Разработка методов и алгоритмов тематической обработки детальных спутниковых снимков на основе структурного моделирования | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 6 апреля, печатный экземпляр отправим 10 апреля.

Опубликовать статью в журнале

Авторы: ,

Рубрика: Спецвыпуск

Опубликовано в Молодой учёный №13 (93) июль-1 2015 г.

Дата публикации: 02.07.2015

Статья просмотрена: 424 раза

Библиографическое описание:

Алешко, Р. А. Разработка методов и алгоритмов тематической обработки детальных спутниковых снимков на основе структурного моделирования / Р. А. Алешко, К. В. Шошина. — Текст : непосредственный // Молодой ученый. — 2015. — № 13.1 (93.1). — С. 1-4. — URL: https://moluch.ru/archive/93/20822/ (дата обращения: 29.03.2024).

В работе представлены исследования по разработке методов и алгоритмов, предназначенных для автоматизированной обработки детальных аэрокосмических снимков. Проведено исследование предметной области – лесных ресурсов, рассмотрены основные параметры лесных насаждений. В статье осуществлен выбор наиболее информативных дешифровочных признаков лесных насаждений по детальным спутниковым снимкам. В статье приведены структурные схемы связей параметров лесных ресурсов и свойств снимков, разработаны продукционные правила определения параметров лесов.

Ключевые слова:автоматизация дешифрирования, данные дистанционного зондирования, методы, алгоритмы.

 

В связи с увеличением объемов данных аэрокосмической съемки, а также вычислительной мощности технических средств все чаще возникает потребность в автоматизации обработки значительного объема полученной информации. Анализ существующих методик и алгоритмов автоматизированного дешифрирования лесных территорий показал, что, несмотря на значительные результаты исследований в данной области, применение методик автоматизированной тематической обработки данных дистанционного зондирования в лесопромышленном комплексе весьма ограничено. Это, как правило, связано с недостаточно развитым математическим аппаратом в данной области и сложностью формализации процесса дешифрирования лесов. В частности, существующие методики дешифрирования не обеспечивают достаточного уровня достоверности получаемых данных. Поэтому актуальной является работа, направленная на теоретическое обобщение подходов к тематической обработке спутниковых снимков лесных территорий и решение научно-технической задачи, связанной с созданием методик и алгоритмов тематической обработки спутниковых снимков лесных территорий.

Определим задачу исследования. Пусть даны детальные спутниковые снимки, данные наземного обследования территории, набор характеристик таежных лесных насаждений, набор характеристик спутниковых снимков. Спутниковая съемка проводилась в середине летнего периода времени, полученные снимки прошли необходимую радиометрическую, геометрическую коррекцию, была выполнена привязка снимков к географическим координатам.

Требуется найти наиболее информативные дешифровочные признаки лесных территорий; состав таксационных показателей лесных насаждений, определяемых по снимку; взаимосвязи свойств объектов спутникового снимка и свойств объектов лесных насаждений; разработать методику тематической обработки спутниковых снимков таёжных лесов.

Современная практика лесоустройства основывается на количественной и качественной характеристике древостоя, которая включает следующие таксационные показатели (свойства): преобладающая порода, форма, состав, возраст, класс возраста, средняя высота, средний диаметр, класс бонитета, тип леса, полнота, запас на 1 га, класс товарности. При общей характеристике насаждения определяют его основные параметры: преобладающая порода, класс возраста, класс бонитета, тип леса.

Определим задачу исследования в формальном виде:

Пусть дана модель открытой системы:

S = {Q, F(Q), P, F(P), R}, где Q – множество объектов лесных насаждений, F(Q) – множество свойств объектов лесных насаждений, P – множество объектов съемочных данных, F(P) – множество свойств объектов съемочных данных, R – множество связей свойств лесных насаждений и данных спутниковой съемки.

Множество объектов лесных насаждений и их свойств представлено следующими элементами:

Q = {Q0, Q1,..., Qn},

F(Q) = {F(Q0), F(Q1),..., F(Qn)},

F(Qi) = {FiЛ1, FiЛ2,..., FiЛm}.

Множество объектов съемочных данных и их свойств представлено следующими элементами:

P = {P0, P1,..., Pk},

F(P) = {F(P0), F(P1),..., F(Pk)},

F(Pi) = {FiC1, FiC2,..., FiCl}.

Множество взаимосвязей свойств объектов съемочных данных и свойств объектов лесных насаждений представим следующим образом:

R={R1,R2,...,Rp}, где p = l × m

R⊂F(Q)×F(P)

Требуется найти:

1) F’(Pi) ⊂ F(Pi)

F’(Pi) = {FiC1, FiC2,..., FiCr}, где F’(Pi) – множество наиболее информативных свойств спутникового снимка.

2) F’(Qi) ⊂ F(Qi)

F’(Qi) = {FiЛ1, FiЛ2,..., FiЛt}, где F’(Qi) – набор определяемых по снимку параметров лесных насаждений.

3) R’⊂ R

R’= {R’1,R’2,...,R’u},

R’⊂ F’(Qi)×F’(Pi), где R’ – множество взаимосвязей наиболее информативных дешифровочных признаков и определяемых параметров лесных насаждений, u = r × t.

Представим дешифровочные признаки детальных снимков в виде множества. Состав свойств объектов детального снимка характеризуется совокупностью признаков рисунка изображения и формами ландшафта. На примере объекта снимка рассмотрим подмножество характеристик свойства F(P0):

F(P)0= (F0С1, F0С2, F0С3, F0С4, F0С5, F0С6, F0С7, F0С8, F0С9, F0С10 ),

где F0С1 – яркость крон; F0С2 – тон крон; F0С3 – протяженность крон; F0С4 – варьиро­вание; F0С5 – вид крон в пологе; F0С6 – Форма крон; F0С7 – форма проекций крон; F0С8 – собственная тень на кроне; F0С9 – ландшафтные признаки; F0С10 – обособленность крон (свойства, связанные со снимком имеют подстрочные индексы вида Сn, где n – порядковый номер свойства).

Построим булеву матрицу [F(Q0)×F(P0)] для детальных спутниковых снимков, в которой укажем, какие элементы множества снимка являются главными для определения свойств лесотаксационного выдела (Таб. 1).

Таб. 1 – Булева матрица

[F(Q0) ×F(P0)] для детальных

снимков

 

F0Л1

F0Л2

F0Л3,

F0Л4

F0С1

 

 

 

F0С2

 

 

 

F0С3

 

 

 

F0С4

 

 

 

F0С5

 

 

 

F0С6

 

 

 

F0С7

 

 

 

F0С8

 

 

 

F0С9

 

 

F0С20

 

 

 

Рис. 1. Структурные связи свойств «преобладающая порода» и «собственная тень»

 

С использованием представленной выше таблицы соответствий дешифровочных признаков и таксационных показателей построим структурные схемы. На рис. 1 изображен вариант схемы для таксационного показателя «Преобладающая порода» и дешифровочного признака «Собственная тень».

Аналогичным образом есть возможность построить структурные схемы для выделенных ранее основных таксационных показателей и всех дешифровочных признаков. Затем разработанные схемы можно представить в виде продукционных правил. Введем следующие обозначения для определяемых дешифровочных признаков: яркость крон – CB, тон крон – CH, протяженность крон – CL; варьирование - VAR, вид крон в пологе – CV, форма крон – CF, форма проекций крон – CFP; собственная тень – OS.

Для таксационного параметра «Преобладающая порода» = «сосна» (FS) правило на основе продукционной модели будут выглядеть следующим образом:

IF

OS = «полумесяц»(0,2) & CFP = «округлая»(0,125) & CF = «параболоид»(0,1) &

CV = «выпуклые»(0,083) & VAR = «1:3»(0,25) & CL = «1/3-1/5»(0,2) &

CH = «зеленый»(0,2) & CB = «светло-серые»(0,083)

THEN FS = «сосна».

В выборе состава дешифровочных признаков при тематической обработке спутниковых снимков лесных территорий важным фактором являются характеристики исходного съемочного материала. В частности, наибольшее значение имеют спектральное и пространственное разрешения снимков.

Таким образом, в исследовании получены следующие научные результаты:

- На основе анализа структурных характеристик спутниковых снимков определен состав дешифровочных признаков отдельных таксационных параметров лесных насаждений и детальных спутниковых снимков.

- Установлены взаимосвязи основных дешифровочных признаков и таксационных показателей лесных территорий. Разработаны продукционные правила и структурные модели процесса тематической обработки спутниковых снимков лесных территорий, позволяющие автоматизировать процесс дешифрирования таежных лесов.

- На базе проведенных исследований были разработаны методика и алгоритм автоматизированного дешифрирования спутниковых снимков лесных территорий для решения практических задач лесного хозяйства.

Исследование проводится при поддержке грантов Российского фонда фундаментальных исследований, проекты № 14-07-31076, 14-07-98801.

 

Литература:

1.      Абрамова Л.В., Алешко Р.А., Батраков Н.М., Гурьев А.Т., Шошина К.В., Щеников В.С. Разработка методов и алгоритмов тематической обработки спутниковых снимков на основе структурного моделирования // Международный студенческий научный вестник. – 2014. – № 4; URL: www.eduherald.ru/121-11929 (дата обращения: 19.12.2014).

2.      Алешко Р.А., Гурьев А.Т. Структурное моделирование взаимосвязей дешифровочных признаков спутниковых снимков и таксационных параметров лесных насаждений // Труды СПИИРАН. Вып. 29 (2013). С. 180–189.

3.      Алешко Р.А., Гурьев А.Т. Методика тематического дешифрирования спутниковых снимков лесных территорий на основе структурных моделей // Известия Вузов. Приборостроение. 2013. Т.56. №7. С. 76–77.

4.      Алешко Р.А. Система мониторинга и управления пространственными гетерогенными объектами (на примере Соловецкого архипелага) / Бекмешев А.Ю., Васендина И.С., Гурьев А.Т., Карлова Т.В., Шошина К.В., Щеников В.С. // Вестник БГТУ. - 2014. - №3(43). - С.104-108.

5.      Гурьев А.Т. Разработка геоинформационной системы на базе программного обеспечения с открытым исходным кодом / Алешко Р.А., Васендина И.С., Шошина К.В., Щеников В.С. // Вестник БГТУ. - 2014. - №3(43). - С.114-118.

6.      Абрамова Л.В., Алешко Р.А., Батраков Н.М., Гурьев А.Т., Шошина К.В., Щеников В.С. Разработка геопортала как сервиса публикации картографических данных // Международный студенческий научный вестник. – 2014. – № 4; URL: www.eduherald.ru/121-11930 (дата обращения: 19.12.2014).

7.      Варфоломеев Ю.А., Гурьев А.Т., Алешко Р.А. Методические и технические аспекты космического мониторинга биоповреждения и усыхания еловых лесов // Лесн. журн.-2010. -№5. -С. 149-156. - (Изв. высш. учеб.заведений).

8.      Варфоломеев Ю.А., Гурьев А.Т., Плехов О.Г., Алешко Р.А. Высокотехнологичное проектирование строительства и реконструкции дорог с непрерывным жизненным циклом в лесах с биоповреждениями // Лесн. журн. - 2011. -№ 2. - С. 145-152. - (Изв. высш. учеб.заведений).

Основные термины (генерируются автоматически): снимок, тематическая обработка, CFP, VAR, насаждение, признак, данные, свойство, территория, Булева матрица.


Похожие статьи

Особенности применения фильтров обработки изображений...

Тематические журналы.

Рис. 2. Пример работы детектора Кенни: а) сглаженное изображение (матрица 3×3); б) границы, обнаруженные детектором Кенни.

Обработка изображений и анализ данных.

Обработка и сегментация тепловизионных изображений

Тематические журналы. Издание книг.

Обработка изображения данным фильтром 11×11 предполагает большое число операций умножения, а в данной матрице присутствуют и двузначные числа, что приведёт к увеличению времени на вычисление значения одного отклика.

Методы распознавания образов | Статья в журнале...

Тематические журналы.

С математической точки зрения изображение является двумерной матрицей значений яркости.

Поле фильтрации на выходе получается набор данных поддающихся обработке.

Формирование методов и задач компьютерного зрения...

Применение нечеткой логики в задачах обработки визуальной информации обосновывается также свойством обучаемости или

- создание базы данных по обрабатываемому изображению и проведение экспериментальных исследований в целях оценки качества...

Разработка методики автоматизированной идентификации крон...

Эксперименты, представленные в статье, проводились на снимках сомкнутых лесов севера европейской части России. Ключевые слова: визуализация геопространственных данных, обработка изображений, алгоритм тематической обработки...

Уплотнение структуры данных префиксного дерева на основе...

В статье предложен алгоритм уплотнения структуры данных префиксного дерева, представленной в виде разреженной матрицы, которая используется при обработке

Научный журнал. Международные конференции. Тематические журналы. Издание книг.

Метод согласованной идентификации в задаче ректификации...

Тематические журналы. Издание книг.

Для построения преобразований используется так называемая фундаментальная матрица [1][2], формируемая по небольшому числу заданных соответственных точек.

Тем не менее, построение модели лишь на одном наборе данных...

Матричный способ представления алгоритма | Статья в журнале...

Тематические журналы.

Квадратная матрица алгоритма МA, заданная в матрично-предикатном виде, обладает неизменностью свойств описываемого объекта при одновременной замене строки и столбца с одинаковыми номерами на соответствующую пару с...

Особенности применения фильтров обработки изображений...

Тематические журналы.

Рис. 2. Пример работы детектора Кенни: а) сглаженное изображение (матрица 3×3); б) границы, обнаруженные детектором Кенни.

Обработка изображений и анализ данных.

Обработка и сегментация тепловизионных изображений

Тематические журналы. Издание книг.

Обработка изображения данным фильтром 11×11 предполагает большое число операций умножения, а в данной матрице присутствуют и двузначные числа, что приведёт к увеличению времени на вычисление значения одного отклика.

Методы распознавания образов | Статья в журнале...

Тематические журналы.

С математической точки зрения изображение является двумерной матрицей значений яркости.

Поле фильтрации на выходе получается набор данных поддающихся обработке.

Формирование методов и задач компьютерного зрения...

Применение нечеткой логики в задачах обработки визуальной информации обосновывается также свойством обучаемости или

- создание базы данных по обрабатываемому изображению и проведение экспериментальных исследований в целях оценки качества...

Разработка методики автоматизированной идентификации крон...

Эксперименты, представленные в статье, проводились на снимках сомкнутых лесов севера европейской части России. Ключевые слова: визуализация геопространственных данных, обработка изображений, алгоритм тематической обработки...

Уплотнение структуры данных префиксного дерева на основе...

В статье предложен алгоритм уплотнения структуры данных префиксного дерева, представленной в виде разреженной матрицы, которая используется при обработке

Научный журнал. Международные конференции. Тематические журналы. Издание книг.

Метод согласованной идентификации в задаче ректификации...

Тематические журналы. Издание книг.

Для построения преобразований используется так называемая фундаментальная матрица [1][2], формируемая по небольшому числу заданных соответственных точек.

Тем не менее, построение модели лишь на одном наборе данных...

Матричный способ представления алгоритма | Статья в журнале...

Тематические журналы.

Квадратная матрица алгоритма МA, заданная в матрично-предикатном виде, обладает неизменностью свойств описываемого объекта при одновременной замене строки и столбца с одинаковыми номерами на соответствующую пару с...

Похожие статьи

Особенности применения фильтров обработки изображений...

Тематические журналы.

Рис. 2. Пример работы детектора Кенни: а) сглаженное изображение (матрица 3×3); б) границы, обнаруженные детектором Кенни.

Обработка изображений и анализ данных.

Обработка и сегментация тепловизионных изображений

Тематические журналы. Издание книг.

Обработка изображения данным фильтром 11×11 предполагает большое число операций умножения, а в данной матрице присутствуют и двузначные числа, что приведёт к увеличению времени на вычисление значения одного отклика.

Методы распознавания образов | Статья в журнале...

Тематические журналы.

С математической точки зрения изображение является двумерной матрицей значений яркости.

Поле фильтрации на выходе получается набор данных поддающихся обработке.

Формирование методов и задач компьютерного зрения...

Применение нечеткой логики в задачах обработки визуальной информации обосновывается также свойством обучаемости или

- создание базы данных по обрабатываемому изображению и проведение экспериментальных исследований в целях оценки качества...

Разработка методики автоматизированной идентификации крон...

Эксперименты, представленные в статье, проводились на снимках сомкнутых лесов севера европейской части России. Ключевые слова: визуализация геопространственных данных, обработка изображений, алгоритм тематической обработки...

Уплотнение структуры данных префиксного дерева на основе...

В статье предложен алгоритм уплотнения структуры данных префиксного дерева, представленной в виде разреженной матрицы, которая используется при обработке

Научный журнал. Международные конференции. Тематические журналы. Издание книг.

Метод согласованной идентификации в задаче ректификации...

Тематические журналы. Издание книг.

Для построения преобразований используется так называемая фундаментальная матрица [1][2], формируемая по небольшому числу заданных соответственных точек.

Тем не менее, построение модели лишь на одном наборе данных...

Матричный способ представления алгоритма | Статья в журнале...

Тематические журналы.

Квадратная матрица алгоритма МA, заданная в матрично-предикатном виде, обладает неизменностью свойств описываемого объекта при одновременной замене строки и столбца с одинаковыми номерами на соответствующую пару с...

Особенности применения фильтров обработки изображений...

Тематические журналы.

Рис. 2. Пример работы детектора Кенни: а) сглаженное изображение (матрица 3×3); б) границы, обнаруженные детектором Кенни.

Обработка изображений и анализ данных.

Обработка и сегментация тепловизионных изображений

Тематические журналы. Издание книг.

Обработка изображения данным фильтром 11×11 предполагает большое число операций умножения, а в данной матрице присутствуют и двузначные числа, что приведёт к увеличению времени на вычисление значения одного отклика.

Методы распознавания образов | Статья в журнале...

Тематические журналы.

С математической точки зрения изображение является двумерной матрицей значений яркости.

Поле фильтрации на выходе получается набор данных поддающихся обработке.

Формирование методов и задач компьютерного зрения...

Применение нечеткой логики в задачах обработки визуальной информации обосновывается также свойством обучаемости или

- создание базы данных по обрабатываемому изображению и проведение экспериментальных исследований в целях оценки качества...

Разработка методики автоматизированной идентификации крон...

Эксперименты, представленные в статье, проводились на снимках сомкнутых лесов севера европейской части России. Ключевые слова: визуализация геопространственных данных, обработка изображений, алгоритм тематической обработки...

Уплотнение структуры данных префиксного дерева на основе...

В статье предложен алгоритм уплотнения структуры данных префиксного дерева, представленной в виде разреженной матрицы, которая используется при обработке

Научный журнал. Международные конференции. Тематические журналы. Издание книг.

Метод согласованной идентификации в задаче ректификации...

Тематические журналы. Издание книг.

Для построения преобразований используется так называемая фундаментальная матрица [1][2], формируемая по небольшому числу заданных соответственных точек.

Тем не менее, построение модели лишь на одном наборе данных...

Матричный способ представления алгоритма | Статья в журнале...

Тематические журналы.

Квадратная матрица алгоритма МA, заданная в матрично-предикатном виде, обладает неизменностью свойств описываемого объекта при одновременной замене строки и столбца с одинаковыми номерами на соответствующую пару с...

Задать вопрос