Комплексный анализ и мониторинг состояния окружающей среды на основе данных ДЗЗ

Abstract

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.

We study a problem of complex analysis and monitoring of the environment based on Earth Sensing Data, with the emphasis on the use of hyperspectral images (HSI), and propose a solution based on developing algorithmic procedures for HSI processing and storage. HSI is considered as a two-dimensional field of pixel signatures. Methods are proposed for evaluating the similarity of a HSI pixel signature with a reference signature, via simple alignment transformations: identical; amplitude scaling; shift along y-axis; and a combination of the last two. A clustering / recognition method with self-learning is proposed, which determines values of the transformation parameters that ensure the alignment of the current pixel signature with the reference signature. Similarity with the reference is determined by a standard deviation value. A HSI compression method with controlled losses has been proposed. The method forms a basis via accumulating reference signatures and represents the rest of the signatures by parameters matching them with the already detected class-reference signature. In an experiment with the GSI f100520t01p00-12 data of the AVIRIS spectrometer, the method provided a 2 % loss and compression coefficients of the original HSI ranging from 43 to 165 for various types of alignment transformation, while not requiring archiving and thus maintaining active access to the HSI and using the list of references as an analogue of the HSI palette. An algorithm for the formation of dense groups of detectable objects (for example, oil spots) and their nonconvex contouring, controlled by 4 parameters, is proposed. A pilot version of the concept of geographic information system (GIS) and an appropriate database management system (DBMS) was built and implemented, which provides monitoring and is based on the prioritized processing and storage of the HSI, which serve as a data source for the system. A laboratory complex with new algorithms for processing and storing the GSE is introduced into the structure of the system .