Аннотация:
Ряд задач обработки разновременных изображений дистанционного зондирования Земли одной и той же территории требует выявления на изображении объектов, не характерных для территории и представляющих собой случайные искажения в составе сцены. К таким искажениям можно отнести облака, тени и другие объекты или результаты воздействия природных явлений, которые перекрывают часть наблюдаемой сцены или существенно меняют регистрируемую яркость объектов в её составе. Случайный характер искажений проявляется в том, что их наличие, расположение, размеры и форма зависят от времени регистрации изображений, т.е. проявляются не на всех снимках из анализируемой серии. В настоящей статье предлагается алгоритм детектирования искажений в составе сцены по серии разновременных изображений дистанционного зондирования Земли. Алгоритм основан на суперпиксельной сегментации изображений и обнаружении аномалий в многомерных потоках данных. Результатом являются маски случайных искажений в составе сцены для каждого из изображений в серии, что позволяет впоследствии в методах комплексирования данных учитывать только релевантные для сцены участки каждого из изображений. Предлагаемый подход отличается универсальностью с точки зрения спектрального и пространственного разрешения анализируемых данных дистанционного зондирования Земли и допускает использование изображений с различной спектральной и пространственной дискретизацией в одном наборе. Качество работы алгоритма оценивалось путём моделирования серии разновременных мультиспектральных изображений с различными параметрами спектральной и пространственной дискретизации при различных условиях облачности и теней от облаков в качестве примера случайных искажений в составе сцены. В результате экспериментальных исследований было показано, что при оптимальном подборе параметров алгоритм обеспечивает точность обнаружения порядка 90 % при ошибке ложного обнаружения порядка 10 %.
Ключевые слова:детектирование случайных искажений в составе сцены, комплексирование изображений дистанционного зондирования Земли, суперпиксельная сегментация изображений, обнаружение аномалий в многомерных потоках данных.
Поступила в редакцию: 09.07.2019 Принята в печать: 20.09.2019