Распознавание и мониторинг природных катастрофических явлений

Важное место в мероприятиях по устранению результатов природных катастрофических явлений занимают вопросы выявления точного месторасположения произошедших катастроф [5]. Для этого используются геоинформационные карты исследуемых территорий и соответствующие системы распознавания.

Предлагается использовать новый подход распознавания природных катастрофических явлений на основе попиксельного сравнения «цветных» геоинформационных образов до и после катастрофического явления. В процессе работы должны были быть разработаны метод и алгоритм распознавания природных катастрофических явлений (пожары, оползни, лавины и.т.д.) по предъявляемым фотоснимкам.

В отличие от существующих [4] предлагается структура действий по распознаванию природных катастрофических явлений, представленная на рисунке 1.

Первичное измерительное устройство

Сканирующее устройство

система)

Двоичный образ

Компьютер

Алгоритм распознавания

Произошло или нет природное явление?

Двоичные образы природных явлений.

База эталонных двоичных образов состояний среды до и после явлений

Двоичный цветной геоинфор-мационный образ

Рис. 1. Общая структура распознавания природных катастрофических явлений

Считывающее устройство переводит зрительный образ в двоичный компьютерный образ. В качестве считывающего устройства могут служить сканер, цифровой фотоаппарат или смартфон. Двоичный образ накладывается на геоинформационную карту исследуемой территории и в итоге получается цветной геоинформационный образ исследуемой территории [1, 2].

Полученный образ сравнивается с геоинформационным образом полученной до катастрофы. При этом, предлагается алгоритм распознавания на основе вычисления эвклидовой близости. Если геоинформационные цветные образы, которые поступают со сканера через компьютер и геоинформационный образ нормального состояния, который хранится в базе данных совпадают, то природного катастрофического явления не произошло. Если же эти геоинформационные образы имеют большое расхождение, то это указывает на факт, что произошло катастрофическое явление. При этом каждое природное явление имеет свои спектральные характеристики (двоичные «цветные» образы). Процедура сравнения осуществляется попиксельно.

Все многообразие красок на экране получается путем смешивания трех базовых цветов – красного, синего и зеленого. В таблице 1 представлены двоичные коды восьми цветной палитры. Каждый пиксель на экране состоит из трех близко расположенных элементов, светящихся этими цветами.

Таблица 1

Коды представления различных цветов

Двоичный код восьми цветной палитры
красный	зеленый	синий	Цвет
0	0	0	Черный
0	0	1	Синий
0	1	0	Зеленый
0	1	1	Голубой
1	0	0	Красный
1	0	1	Розовый
1	1	0	Коричневый
1	1	1	Белый

При предъявлении воспринимающей матрицы образа Х в компьютере образуется числовой образ в виде матрицы (1):

В компьютере в виде соответствующих двоичных матриц хранятся также эталонные

Для определения того к какому классу объектов относится предъявленного образ X производится вычисление эвклидовой разности матрицы Х и А ¹ , … А ^S …, B ¹ , …B ^S ... по формулам:

n,m

WX-A^^^-X^2

4                ,                           (4)

nm

M-B^Y^.j-Xti')2 ч               ,                          (5)

Принадлежность образа X к тому или иному классу определяется путем нахождения минимального значения из (4) и (5). Если например

Ц/ - F*|| = ^(b* - Xitj)2 => min дает минимум среди (A1… AS, B1… BS), то система распознает, что образ X относится к классу В.

Ниже приведен пример сравнения двух фотоснимков катастрофических явлений, произошедших в селе Курбу-Таш Узгенского района Ошской области, который был снят американским космическим агентством NASA в 2017 г.

Были взяты два снимка – до и после схождения оползня (см. рисунок 2).

а )                                                б )

Рис. 2. Фотоснимки: а – до схождения оползня, б – после схождения оползня

Полученные снимки были разделены на пиксели в матрицу размерности 10×10.

□UE

0010 0010

0010 0010

0010 00»

0010 0010

0010 0010

01»

0010 0010

oooo

0010 0010

0100 0010

0110 0010

0100 0010

01»

0010 0010

0100 0100

oioo

01»

00»

OOOO 0000

oooo oioo oooi

01»

0001 0001 0001 0110

00»

oooo

0010 0010

00»

oooo oooo oooo

00»

00»

zz> 0010

0010 0001 0001 0011 0001

00100 oooo

0010 00»

0010 00»

01» 00»

00» 00»

01» 00»

0110 00» 0010

0010 0010 oooo

OOOO 0010

0110 0100

0010 00»

OOOO 0110

0110 01»

OOOO 0010

oooo oooo oooo oooo oooo oooo oooo

01» ooic

0010 oooo oooo oooo ooio oo» oo» oo» oioo

00» 0010 oooo

OOOO 00»

0010 0010 00» Ш OOIO

00» 01»

oiio oiio

0010 OOOO 00»

oooo oooo

0110 QUO

OOIO 01»

00» OOIO 00»

oooo oooo

Рис. 3. Попиксельное нахождение схожих цветов двух снимков

После чего произведено попиксельное сравнение двух снимков на основе эвклидовой разности, которая вычисляется в программе, созданной в пакете MATLAB.

Программа сравнивает два снимка, вычисляет разность и создает третью матрицу, которая показывает наличие произошедшей катастрофы. Если эвклидова разность достаточно мала, то катастрофическое явление не произошло.

На рисунке 4 выделенный контур показывает территорию схождения оползня.

а )                            б )                              в )

a – до схождения оползня;

б – после схождения оползня;

в – геоинформационный контур территории где произошло схождение оползня.

Рис. 4. Результат сравнения снимков

Таким образом, основой исследования является алгоритм, основанный на вычислении эвклидовой разности. По данному алгоритму написано программа, которая сравнивает фотоснимки одной и той же территории до и после катастрофического явления. По итогам сравнения мы можем увидеть, как положительный, так и отрицательный отклик программы.

Есть множество факторов влияющих на распознавание катастрофических явлений, которые необходимо учитывать. Исследования показывают, что для более точного результата необходимо снимать территорию при одинаковых условиях.

Модельный пример демонстрирует правильную и эффективную работу алгоритма распознавания.