Автоматический метод субпиксельной географической привязки спутниковых изображений КМСС-М на основе актуализируемого эталона низкого пространственного разрешения

Автор: Плотников Дмитрий Евгеньевич, Колбудаев Павел Алексеевич, Лупян Евгений Аркадьевич

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 5 т.46, 2022 года.

Бесплатный доступ

В настоящей работе описан разработанный метод автоматической субпиксельной географической привязки изображений, получаемых прибором КМСС-М с пространственным разрешением 60 метров, основанный на использовании восстановленного безоблачного и ежедневно актуализируемого эталонного изображения коэффициентов спектральной яркости низкого пространственного разрешения MODIS. Описываемый метод основан на максимизации значения корреляции Пирсона при поиске оптимального локального смещения участка корректируемого изображения путём сравнения с эталонным низкодетальным изображением. Для оценки эффективности метода при использовании на неоднородных территориях континентального охвата были проведены три эксперимента, позволяющие получить численные оценки ошибок привязки: эксперимент с использованием модельных наборов данных, эксперимент по оценке абсолютной ошибки привязки эталонных изображений MODIS и эксперимент по оценке ошибки привязки автоматически скорректированных данных КМСС-М. Экспериментальная оценка метода на основе модельных данных декаметрового разрешения Sentinel-2 (MSI) продемонстрировала его высокую устойчивость при работе в широком диапазоне физико-географических условий и сезона наблюдений. Средняя ошибка географической привязки эталона низкого пространственного разрешения MODIS, полученная во втором эксперименте для территории зернового пояса РФ за 2020 год наблюдений, оказалась менее 20 метров как в красном, так и в ближнем ИК-каналах. Результаты автоматической коррекции изображений КМСС-М на указанную территорию и год наблюдений, полученные в третьем эксперименте с помощью описанного метода, продемонстрировали в среднем субпиксельную точность привязки скорректированных изображений в красном и ближнем ИК-каналах, в то время как средняя абсолютная ошибка привязки исходных изображений КМСС-М составила 3 километра. Достигнутая в работе точность привязки скорректированных по данным низкого пространственного разрешения изображений КМСС-М обеспечивает возможность построения и анализа временных серий мультиспектральных измерений спектральной яркости земной поверхности для решения широкого спектра научных и практических задач дистанционного мониторинга растительного покрова. Технологическая гибкость разработанного метода обеспечивает его применимость к данным и других спутниковых систем для оптического дистанционного зондирования Земли.

Еще

Кмсс-м, метеор-м №2, географическая привязка, modis, sentinel-2, loess

Короткий адрес: https://sciup.org/140296228

IDR: 140296228   |   DOI: 10.18287/2412-6179-CO-1098

Список литературы Автоматический метод субпиксельной географической привязки спутниковых изображений КМСС-М на основе актуализируемого эталона низкого пространственного разрешения

  • Pan H, Tao C, Zou Z. Precise georeferencing using the rigorous sensor model and rational function model for Zi-Yuan-3 strip scenes with minimum control. ISPRS J Photogramm Remote Sens 2016; 119: 259-266. DOI: 10.1016/j.isprsjprs.2016.06.005.
  • Hariyanto T, Kurniawan A, Pribadi CB, Al Amin R. Optimization of ground control point (GCP) and independent control point (ICP) on orthorectification of high resolution satellite imagery. Int Symposium on Global Navigation Satellite System 2018 (ISGNSS 2018) 2018: 02008. DOI: 10.1051/e3sconf/20199402008.
  • Seo JH, Jeong S, Kim KO. Smart rectification on satellite images. Proc KSRS Conf 2002; 2002.10a: 75-80.
  • Eugenio F, Marques F, Marcello J. Pixel and sub-pixel accuracy in satellite image georeferencing using an automatic contour matching approach. Proc 2001 Int Conf on Image Processing 2001; 1: 822-825. DOI: 10.1109/ICIP.2001.959172.
  • Müller R, Krauß T, Schneider M, Reinartz P. Automated georeferencing of optical satellite data with integrated sensor model improvement. Photogramm Eng Remote Sensing 2012; 78(1): 61-74. DOI: 10.14358/PERS.78.1.61.
  • Leprince S, Barbot S, Ayoub F, Avouac J.-P. Automatic and precise orthorectification, coregistration, and subpixel correlation of satellite images, application to ground deformation measurements. IEEE Trans Geosci Remote Sens 2007; 45(6): 1529-1558. DOI: 10.1109/TGRS.2006.888937.
  • Ye Z, Kang J, Yao J, Song W, Liu S, Luo X, Tong X. Robust fine registration of multisensor remote sensing images based on enhanced subpixel phase correlation. Sensors 2020; 20(15): 4338. DOI: 10.3390/s20154338.
  • Wolfe RE, Nishihama M, Fleig AJ, Kuyper JA, Roy DP, Storey JC, Patt FS. Achieving sub-pixel geolocation accuracy in support of MODIS land science. Remote Sens Environ 2002; 83(1-2): 31-49. DOI: 10.1016/S0034-4257(02)00085-8.
  • Lowe DG. Distinctive image features from scale-invariant keypoints. Int J Comput Vis 2004; 60: 91-110. DOI: 10.1023/B:VISI.0000029664.99615.94
  • Alganci U, Sertel E. Automated orthorectification of VHR satellite images by SIFT-based RPC refinement. ISPRS Int J Geoinf 2018; 7: 229. DOI: 10.3390/ijgi7060229.
  • Long T, Jiao W, He G, Zhang Z. A fast and reliable matching method for automated georeferencing of remotely-sensed imagery. Remote Sens 2016; 8(1): 56. DOI: 10.3390/rs8010056.
  • Zhukov BS, Grishantseva LA, Kondratieva TV, Nikitin AV, Permitina LI, Polyanskiy IV. In-flight geometric calibration of KMSS-2 multispectral satellite imaging system on board Meteor-M No.2-2 satellite [In Russian]. Sov-remennye Problemy Distantsionnogo Zondirovaniya Zemli iz Kosmosa 2019; 16(6): 93-100. DOI: 10.21046/20707401-2019-16-6-93-100.
  • Zhukov BS, Zhukov SB, Kondratieva TV, Nikitin AV. Automation of in-flight geometric calibration of multispectral satellite imaging system KMSS-M on board Meteor-M No.2 satellite [in Russian]. Sovremennye Problemy Dis-tantsionnogo Zondirovaniya Zemli iz Kosmosa 2018; 15(6): 201-212. DOI: 10.21046/2070-7401-2018-15-6201-212.
  • Alecu C, Chrysoulakis N, Oancea S, Stancalie G. The georeferencing errors of satellite data in remote sensing applications. Proc SPIE 2007; 6748: 67481Q. DOI: 10.1117/12.747001.
  • Polyanskiy IV, Zhukov BS, Kondratieva TV, Prokhorova SA, Smetanin PS. Medium-resolution multispectral satellite imaging system for hygrometeorological spacecraft [In Russian]. Sovremennye Problemy Distantsionnogo Zondi-rovaniya Zemli iz Kosmosa 2019; 16(6): 83-92. DOI: 10.21046/2070-7401-2019-16-6-83-92.
  • Egorov VA, Bartalev SA, Kolbudaev PA, Plotnikov DE, Khvostikov SA. Land cover map of Russia derived from Proba-V satellite data [In Russian]. Sovremennye Prob-lemy Distantsionnogo Zondirovaniya Zemli iz Kosmosa 2018; 15(2): 282-286. DOI: 10.21046/2070-7401-2018-152-282-286.
  • Plotnikov DE, Bartalev SA, Loupian EA, Tolpin VA. Accuracy assessment for winter crops mapping in springsummer growing season with MODIS data [In Russian]. Sovremennye Problemy Distantsionnogo Zondirovaniya Zemli iz Kosmosa 2017; 14(4); 132-148. DOI: 10.21046/2070-7401-2017-14-4-132-145.
  • Plotnikov D, Elkina E, Dunaeva E, Khvostikov S, Loupian E, Bartalev S. Development of the method for automatic winter crops mapping by means of remote sensing aimed at crops state assessment over the republic of Crimea [in Russian]. Taurida Herald of the Agrarian Sciences 2020; 1(21), 64-83. DOI: 10.33952/2542-0720-2020-1-21-64-83.
  • Plotnikov DE, Kolbudaev PA, Zhukov BS, Matveev AM, Bartalev SА, Egorov VA, Kashnitskii AV, Proshin AA. The collection of multispectral KMSS-M (Meteor-M No. 2) satellite data aimed at quantitative assessment of the Earth surface [In Russian]. Sovremennye Problemy Distantsionnogo Zondi-rovaniya Zemli iz Kosmosa 2020; 17(7): 276-282. DOI: 10.21046/2070-7401-2020-17-7-276-282.
  • Plotnikov D, Kolbudaev P, Matveev A, Loupian E, Proshin A. Daily surface reflectance reconstruction using LOWESS on the example of various satellite systems. 2022 VIII International Conference on Information Technology and Nanotechnology (ITNT-2022). 18 August 2022. DOI: 10.1109/ITNT55410.2022.9848630.
  • Cleveland WS. Robust locally weighted regression and smoothing scatterplots. J Am Stat Assoc 1979; 74(368): 829-836.
  • Elkina ES, Egorov VA, Plotnikov DE, Samofal EV, Bartalev SA, Patil VC, Sunil JK., Chavan VS. Developent of satellite monitoring methods for sugarcane crop condition assessment in Peninsular India. Sovremennye Prob-lemy Distantsionnogo Zondirovaniya Zemli iz Kosmosa 2019; 16(5): 159-173. DOI: 10.21046/2070-7401-2019-165-159-173.
  • Kolbudaev P, Plotnikov D, Loupian E, Proshin A, Matveev A. The methods and automatic technology aimed at imagery georeferencing, cloud screening, atmospheric and radi-ometric correction of KMSS-M satellite data. E3S Web of Conferences 2021; 333(2021): 01006. DOI: 10.1051/e3sconf/202133301006.
  • The European Space Agency. Sentinel online. Radiometric performance. Source: (https:// sentinels.copernicus. eu/web/sentinel/technical-guides/sentinel-2-msi/performance).
  • Loupian EA, Proshin AA, Bourtsev MA, Balashov IV, Bartalev SA, Efremov VYu, Kashnitskiy AV, Mazurov AA, Matveev AM, Sydneva OA, Sychugov IG, Tolpin VA, Uvarov IA. IKI center for collective use of satellite data archiving, processing and analysis systems aimed at solving the problems of environmental study and monitoring. Sovremennye Problemy Distantsionnogo Zondi-rovaniya Zemli iz Kosmosa 2015; 12(5): 263-284.
Еще
Статья научная