Машинно-визуальное и автоматизированное дешифрированиематериалов аэрокосмических съемок

1.Преобразование исходных изображений при машино-визуальном и автоматизированном дешифрирование

В машинно-визуальном методе дешифрирования информация предварительно преобразуется с целью облегчения последующего визуального анализа полученного изображения.Предварительная обработка изображения проводится практически всегда, независимо от того, какие снимки (сканерные, фотографические) подвергаются обработке. Это обусловлено наличием во входном изображении шумов и искажений. Искажение яркости объектов может быть обусловлено условиями фотосъемки, обработки фотоматериалов и условиями сканирования. Кроме того, на снимках могут иметь место локальные искажения плотности изображения, которые проявляются в виде точек и др. Так могут изображаться объекты, которых нет в действительности: например, солнечные блики, тень облаков и т. д. Часто при предварительной обработке изображения сталкиваются с информационным шумом. В роли подобного шума выступают объекты, которые присутствуют как на снимке, так и в действительности. Но их наличие не существенно для поставленной задачи, а лишь затрудняет дешифрирование.Например, при составлении карты растительности несущественную роль играют линии электропередач, мелиоративная сеть и др.

Наиболее распространенными видами предварительного преобразования информации являются:

1.Преобразование контрастности

Основано на регулировании соотношения между яркостью пикселов цифрового снимка в файле и на экране компьютера, которое задается специальной функцией- кривой воспроизведения яркости. По горизонтальной оси кривой откладывают значения яркости в файле я. а по вертикали – значение яркости на экране.программы обработки снимков позволяют вручную задавать произвольную форму кривой. При этом исключают значения яркостей, не входящие в реальной диапазон яркостей снимка. Кроме того, чтобы наиболее важные для дешифрирования объекты отобразились с хорошей проработкой, диапазон яркостей этих объектов необходимо отобразить более широким диапазоном яркостей на экране.

Для цветного изображения, функция передачи яркости задается для каждой спектральной зоны.

При наличии на изображении больших по площади однотонных объектов (заснеженные участки, пустыня) применяют алгоритм адаптивного преобразования. Алгоритм адаптивного преобразования предусматривает анализ малой окрестности каждого пиксела в пределах которого меняется контраст. Этот метод эффективен также для устранения шумов сглаживанием контрастов.

На данном этапе обработки изображения осуществляется коррекция гистограммы, фильтрация и устранение шума, что позволяет повысить контрастность изображения, устранить мелкие детали. Яркостные преобразования изображения выполняются главным образом с помощью аналоговых устройств и позволяют проводить синтезирование цветных изображений, квантование по уровням оптической плотности, изменение контраста, подчеркивание границ контуров.

2. Квантование.

Непрерывное полутоновое изображение заменяется дискретным, яркость которого разделена на несколько ступеней. Используют 2 способа квантования:

1. равномерное квантование- диапазон яркостей снимков делится на равные ступени. Используется для дискредитации изображения объектов с плавно изменяющимися характеристиками

2.неравномерное квантование- для выделения определенных видов объектов, которым соответствуют ступени яркости различной величины. Простейший случай –бинарное квантование на два уровня яркости (белый и черный).

5.Фитьтрация-

Преобразование в процессе которого для решения определенной задачи информация отсеивается, а необходимая приводится к виду упрощающему ее использование. Этот вид преобразования применяют для подчеркивания контуров, выделения линейных объектов определенной ориентации, для ликвидации различного рода точек( атмосферная дымка). Наиьольшее распространения получили2 способа фильтрации:

1.изменения яркости в скользящем окне;

2. преобразование Фурье.

6. Синтезирование цветных изображений

Синтезирование цветных изображений осуществляется аддутивным способом, путем смешивание светов зеленого, синего и красного элементов люминофоров. Для обозначения этого способа применяют аббревиатуру RGB (Red, Green, Blue).

Обычно сущность объектов по снимкам с натуральной цветопередачей, а разделение объектов и выделение контуров по снимкам с «ложной» цветопередачей.

Например, широко применяют синтез с окрашиванием изображения, полученного в зеленой зоне спектра- синим цветом, в красной – зеленым, а в ближней инфракрасной – красным. В этом случае растительность изображается красным цветом, водные поверхности, синим, открытые почвы - серо-голубым.

Иногда применят обратный прием, расщепление сканированных цветных изображений на компоненты RGB. При этом для каждого снимка получают 3 изображентя.

7.Синергизм снимков.

Это слияние различных изображений приведенной к единой системе координат.

Например, сканерных снимков в видимом диапазоне и радиолокационных снимков. Наиболее часто применяют синергизм панхроматического изображения высокого разрешения с цветным синтезированным ( многозональным) более низкого. При этом создается новый снимок с высоким разрешением и цветным синтезированным изображением.

Наиболее сложным этапом компьютерной обработки изображения является автоматизированное дешифрирование, т. е. выделение границ объектов или сегментация. Дешифровщику при работе со снимками постоянно приходится, основываясь на дешифровочных признаках, опознавать и выделять однородные

объекты. При компьютерном дешифрировании космических снимков одним из распространенных является подход на основе спектральных признаков. Он базируется на том, что яркость хроматических объектов (имеющих определенную окраску) в разных спектральных зонах не одинакова и характеризуется коэффициентом спектральной яркости. Таким образом, каждый элемент растра — пиксел соответствует яркости объекта для определенной области электромагнитного спектра. Каждый пиксел растра записывается как числовой элемент матрицы в файле данных. На этапе сегментации основная задача заключается в дифференциации изображения на области (сегменты) по определенному критерию. В качестве критерия могут служить текстура и тон изображения. После того как изображение будет разбито на однородные области (контуры), приступают к их классификации. В настоящее время разработаны десятки алгоритмов машинного

дешифрирования, подразделяемые на алгоритмы с обучением и без обучения, которые осуществляют, соответственно, контролируемую и неконтролируемую классификации. Среди алгоритмов классификации с обучением наиболее распространены алгоритмы, учитывающие вероятность присутствия на снимке объектов, относящихся к определенному классу. Для разработки таких алгоритмов используются опытные данные о взаимосвязи спектральной яркости объектов с их свойствами. Например, при дешифрировании почв их спектральная яркость четко коррелирует с гранулометрическим составом почв и содержанием в них гумуса и влаги. Используются и алгоритмы классификации без обучения — кластеризации, позволяющие формально расчленить изображение на отдельные классы, не используя обучающих данных. В этом случае элементы изображения объединяются в группы (кластеры) по формальным признакам без учета их содержательного значения. Выделенные автоматически кластеры в результате группировки пикселов дешифровщик соотносит с определенными объектами.

Численное значение одномерного признака( в одной зоне спектра) для объекта известного класса А можно определить вектором V_A_1. Для того же объекта в другой зоне спектра получим вектор V_A_2.Суммарный векторV_Aвыражает количественно спектральный двумерный признак для объекта класса А.

Так поверхность большинства объектов не является однородной, то для других объектов тоже класса получим несколько другое значение. Концы векторов образуют двумерное пространство рассеяния значений спектрального признака всех объектов класса А. Аналогично для объектов других классов В и С, получаем пространство рассеяния признаков.

Лекция 4

. Дешифрированиеаэрофотоснимков для составления сельскохозяйственных планов и карт. Топографическое дешифрирование.

1. Задачи и содержание с/х дешифрирования.

2. Объекты с/х дешифрирования и их признаки.

3.. Подготовительные работы при дешифрировании. Требование к качеству дешифрирования, нормы генерализации и информации.

4. Топографическое дешифрирование для создания карт масштаба 1: 10000 и 1: 25000.

5. Особенности дешифрирования для целей земельного кадастра.

6. Дешифрирование сельских населенных пунктов для крупномасштабного картографирования.

7. Расчет параметров аэрофотосъемки для с/х дешифрирования.

Литература:

1.Инструкция по дешифрированию аэроснимков и фотопланов в масштабах 1: 10000 и 1: 25000 для целей землеустройства, государственного учета земельи земельного кадастра. М. 1978 г.

1.Задачи и содержание с/х дешифрирования.

Сельскохозяйственное дешифрирование выполняется в целях создания планов и карт, используемых для районной планировки, организации территории сельскохозяйственных предприятий – межхозяйственного и внутрихозяйственного землеустройства, составления схем землеустройства районов и областей, учета земельного фонда; для проектирования мелиоративных систем; для реконструкции имеющихся и проектирования новых населенных пунктов и др. С помощью сельскохозяйственных планов и карт решаются задачи управления земельными ресурсами и сельскохозяйственным производством, отвода земель под жилищное, промышленное и другие вида строительства. Сельскохозяйственные планы и карты служат топографической основой для создания почвенных и геоботанических планов и карт. Дешифрирование выполняют для создания планов и карт в масштабах 1: 10000 и 1: 25000.

Основные требования к контурно- информационной нагрузке при сельскохозяйственном дешифрировании:

объем топографической информации должен обеспечить достаточно точную пространственную привязку специальной сельскохозяйственной информации; свободное ориентирование на местности при выполнении полевых обследований; возможность принятия правильных проектных решений.

объем специальной информации должен обеспечивать правильное решение любой из перечисленных задач. На сельскохозяйственные планы наносят подробные сведения о границах землепользований и характеристиках сельскохозяйственных угодий.

Содержание специальной информационной нагрузки, ее полнота и точность показа могут изменяться в зависимости от конкретного назначения создаваемых планов и карт. Например, на аэрофотоснимках при правильном выборе параметров съемочной системы и условий съемки, по изменению фототона можно получить сведения о микропонижениях на пашне (западинах и блюдцах). Учет таких элементов при проектировании регулирующей осушительной сети повышает эффективность ее действия. В таких случаях переходят к созданию фотокарт. детальность дешифрирования в таких случаях изменяется.

Создание в РБ земельно- информационной системы потребовало создание картогафической основы ЗИС. Одним из этапов ее создания и обновления является выполнение дешифрирования материалов аэрофотосъемки. Его содержание во многом определяется составом слоев ЗИС и содержанием атрибутивных таблиц баз данных. Поэтому при выполнение этих работ сельскохозяйственное дешифрирование дополняется топографическим. Такое дешифрированиеназывают земельно-кадастровым или «дешифрированием для создания ЗИС». В настоящее время сельскохозяйственное дешифрирование с задачами и содержания определенными выше в РБ не выполняется, а сам термин «сельскохозяйственное дешифрирование» не применяется.

⇐ Предыдущая 1 2 3 4 567 8 9 10 Следующая ⇒