Комплексный анализ и мониторинг состояния окружающей среды на основе данных ДЗЗ

Лебедев Леонид Иванович Ясаков Юрий Васильевич Утешева Тамара Шатовна Громов Владимир Петрович Борусяк Александр Владимирович Турлапов Вадим Евгеньевич

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 2 т.43, 2019 года.

Бесплатный доступ

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...

гиперспектральные изображения \ обработка изображений \ распознавание с самообучением \ сжатие с потерями \ сжатие без архивации \ невыпуклое оконтуривание \ цифровые карты \ субд \ мониторинг окружающей среды

Похожие статьи в разделе Oтрасли промышленности и ремесла для изготовления и обработки различных изделий

Моделирование формирования изображения космическим гиперспектрометром по схеме Оффнера
Моделирование формирования изображения космическим гиперспектрометром по схеме Оффнера

Расторгуев Андрей Алексеевич, Харитонов Сергей Иванович, Казанский Николай Львович

Обнаружение аномалий на гиперспектральных изображениях
Обнаружение аномалий на гиперспектральных изображениях

Денисова Анна Юрьевна, Мясников Владислав Валерьевич

Пространственная классификация гиперспектральных изображений с использованием метода кластеризации k-means++
Пространственная классификация гиперспектральных изображений с использованием метода кластеризации k-means++

Зимичев Евгений Андреевич, Казанский Николай Львович, Серафимович Павел Григорьевич

Тематическая классификация гиперспектральных изображений по показателю сопряжённости
Тематическая классификация гиперспектральных изображений по показателю сопряжённости

Фурсов Владимир Алексеевич, Бибиков Сергей Алексеевич, Байда Оксана Александровна

Иерархическая компрессия в задаче хранения гиперспектральных изображений
Иерархическая компрессия в задаче хранения гиперспектральных изображений

Гашников Михаил Валерьевич, Глумов Николай Иванович

Короткий адрес: https://sciup.org/140243291

IDS: 140243291   |   DOI: 10.18287/2412-6179-2019-43-2-282-295

Complex analysis and monitoring of the environment based on earth sensing data

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...

Список литературы Комплексный анализ и мониторинг состояния окружающей среды на основе данных ДЗЗ

  • Воробьёва, Н.С. Информационная технология раннего распознавания видов сельскохозяйственных культур по космическим снимкам/Н.С. Воробьёва, В.В. Сергеев, А.В. Чернов//Компьютерная оптика. -2016. -Т. 40, № 6. -С. 929-938. - DOI: 10.18287/2412-6179-2016-40-6-929-938
  • Жуков, Д.В. Методика тематической обработки гиперспектральных данных в задаче оценки экологического состояния акваторий портов/Д.В. Жуков//Исследование Земли из космоса. -2014. -№ 1. -C. 66-71. - DOI: 10.7868/S0205961414010084
  • Пат. 2616716 Российская Федерация G 01 N 21/55. Способ оценки уровня загрязнения акваторий по гиперспектральным данным аэрокосмического зондирования/Григорьева О.В., Жуков Д.В., Марков А.В., Саидов А.Г.; № 2015102402, заявл. 26.01.2015, опубл. 18.04.2017, Бюл. № 11. -13 с.,
  • Воздушное наблюдение морских разливов нефти. Методическое руководство для персонала, осуществляющего контроль происшествий и ликвидацию чрезвычайных ситуаций: Отчет IOGP № 518 . -URL: http://www.oilspillresponseproject.org/wp-content/uploads/2017/04/Aerial-Observation_Russian_V2.pdf (дата обращения 28.12.2018).
  • Раменская, Е.В. Получение опорных спектральных сигнатур при гиперспектральной съемке/Е.В. Раменская, А.О. Гурьянова, А.Г. Мандра, В.В. Ермаков//Экология и промышленность России. -2014. -№ 10. -С. 44-47. - DOI: 10.18412/1816-0395-2014-10-44-47
  • Раменская, Е.В. Классификация гиперспектральных изображений с использованием кластерной структуры данных/Е.В. Раменская, М.П. Кузнецов, В.В. Ермаков, О.Р. Баркова, А.А. Бран//Современные проблемы дистанционного зондирования Земли из космоса. -2017. -Т. 14, № 7. -С. 9-19.-
  • DOI: 10.21046/2070-7401-2017-14-7-9-19
  • Myasnikov, E.V. Hyperspectral image segmentation using dimensionality reduction and classical segmentation approaches/E.V. Myasnikov//Computer Optics. -2017.-Vol. 41(4). -P. 564-572. -
  • DOI: 10.18287/2412-6179-2017-41-4-564-572
  • Sirota, A.A. Generalized image compression algorithms for arbitrarily-shaped fragments and their implementation using artificial neural networks/A.A. Sirota, M.A. Dryuchenko//Computer Optics. -2015. -Vol. 39(5). -P. 751-761. -
  • DOI: 10.18287/0134-2452-2015-39-5-751-761
  • Zamyatin, A.V. An algorithm for compressing hyperspectral aerospace images with the account of inter-band correlation/A.V. Zamyatin, A.Zh. Sarinova//Applied Informatics. -2013. -Vol. 47, Issue 5. -P. 35-42.
  • Kopenkov, V.N. Development of an algorithm for automatic construction of a computational procedure of local image processing, based on the hierarchical regression./V.N. Kopenkov, V.V. Myasnikov//Computer Optics.-2016. -Vol. 40(5). -P. 713-720. -
  • DOI: 10.18287/2412-6179-2016-40-5-713-720
  • Гашников, М.В. Интерполяция на основе контекстного моделирования при иерархической компрессии многомерных сигналов/М.В. Гашников//Компьютерная оптика. -2018. -Т. 42, № 3. -С. 468-475. -
  • DOI: 10.18287/2412-6179-2018-42-3-468-475
  • Кухарев, Г.А. Методы двумерной проекции цифровых изображений в собственные подпространства: особенности реализации и применение/Г.А. Кухарев, Н.Л. Щеголева//Компьютерная оптика. -2018. -Т. 42, № 4. -С. 637-656. -
  • DOI: 10.18287/2412-6159-2018-42-4-637-656
  • Lee, C. Feature extraction based on decision boundaries/C. Lee, D.A. Langrebe//IEEE Transactions on Pattern Analysis and Machine Intelligence. -1993. -Vol. 4, Issue 15. -P. 388-400. -
  • DOI: 10.1109/34.206958
  • Vasin, Yu.G. GIS Terra: A graphic database management system/Yu.G. Vasin, Yu.V. Yasakov//Pattern Recognition and Image Analysis. -2004. -Vol. 14, Issue 4. -P. 579-586.
  • Васин, Ю.Г. Распределённая СУБД для интегрированной обработки пространственных данных в ГИС/Ю.Г. Васин, Ю.В. Ясаков//Компьютерная оптика. -2016. -Т. 40, № 6. -С. 919-928. -
  • DOI: 10.18287/2412-6179-2016-40-6-919-928
  • Pakhomov, P.A. Investigation of hyperspectral image pixel signatures by the empirical mode decomposition method/P.A. Pakhomov, A.V. Borusyak, V.E. Turlapov//CEUR Workshop Proceedings. -2018 -Vol. 2210. -P. 352-364.
  • Лебедев, Л.И. Пространственный анализ гиперспектральных изображений/Л.И. Лебедев, А.О. Шахлан,//Труды 28-й Международной научной конференции по компьютерной графике и машинному зрению (Томск, ТПУ). -2018. -С. 315-318.
  • Лебедев, Л.И. Распознавание и классификация объектов ГСИ/Л.И. Лебедев//Материалы V Международной научной конференции «Региональные проблемы дистанционного зондирования Земли» (Красноярск, СФУ). -2018. -С. 138-143.
Еще