RUS  ENG
Полная версия
ЖУРНАЛЫ // Компьютерная оптика // Архив

Компьютерная оптика, 2019, том 43, выпуск 2, страницы 282–295 (Mi co647)

Эта публикация цитируется в 26 статьях

ОБРАБОТКА ИЗОБРАЖЕНИЙ, РАСПОЗНАВАНИЕ ОБРАЗОВ

Комплексный анализ и мониторинг состояния окружающей среды на основе данных ДЗЗ

Л. И. Лебедев, Ю. В. Ясаков, Т. Ш. Утешева, В. П. Громов, А. В. Борусяк, В. Е. Турлапов

Национальный исследовательский государственный университет им. Н.И. Лобачевского, пр. Гагарина 23, Россия, Н. Новгород

Аннотация: Исследуется проблема комплексного анализа и мониторинга окружающей среды на основе прежде всего данных гиперспектральных изображений и вариант ее решения с созданием необходимого алгоритмического обеспечения для обработки и хранения гиперспектральных изображений. Гиперспектральное изображение рассматривается как двумерное поле сигнатур пикселей. Предложены методы оценки сходства сигнатуры пикселя гиперспектрального изображения с эталоном, включающие в себя простые преобразования совмещения пикселя с эталоном: тождественное; масштабирование по амплитуде; смещение по y; сочетание последних двух. Предложен метод кластеризации/распознавания с самообучением, определяющий значения параметров преобразования, обеспечивающего совмещение сигнатуры текущего пикселя с эталоном. Сходство с эталоном устанавливается по величине среднеквадратического отклонения. На этой основе предложен метод сжатия гиперспектральных изображений с контролируемыми потерями путем формирования базиса накоплением эталонов сигнатур и представления остальных сигнатур параметрами совмещения их с распознанным эталоном класса. В эксперименте с данными гиперспектральных изображений f100520t01p00r12 спектрометра AVIRIS, при величине потерь в 2 %, метод обеспечил коэффициенты сжатия исходного гиперспектрального изображения для разных типов преобразований совмещения от 43 до 165 без необходимости архивации, т.е. сохраняя доступ к гиперспектральному изображению и используя список эталонов как аналог палитры гиперспектральных изображений. Предложен алгоритм для формирования плотных групп детектируемых объектов (например, пятен нефти) и их невыпуклого оконтуривания, управляемый 4 параметрами.
Построена и реализована в пилотном варианте концепция геоинформационной системы и ее СУБД, обеспечивающая мониторинг и основанная на приоритете обработки и хранения гиперспектральных изображений, как источнике данных для него. В структуру системы введен лабораторный комплекс с новыми алгоритмами обработки и хранения гиперспектральных изображений, способный формировать на основе данных гиперспектральных изображений объекты цифровой векторной карты и данные о состоянии сформированных объектов.

Ключевые слова: гиперспектральные изображения, обработка изображений, распознавание с самообучением, сжатие с потерями, сжатие без архивации, невыпуклое оконтуривание, цифровые карты, СУБД, мониторинг окружающей среды.

Поступила в редакцию: 06.12.2018
Принята в печать: 05.03.2019

DOI: 10.18287/2412-6179-2019-43-2-282-295



© МИАН, 2024