Данные дистанционного зондирования Земли являются достоверным источником информации для актуализации базы данных, обновлению тематических карт типов и состояния растительных покровов. Эффективное использование космических многоспектральных снимков возможно только тогда, когда применяются автоматизированные методы дешифрирования снимков. Поэтому востребованы исследования по разработке и совершенствованию автоматизированных методов дешифрирования многоспектральных изображений, в частности, лесных массивов. Цель работы состояла в повышения достоверности работы алгоритма последовательного анализа многоспектральных космических снимков высокого пространственного разрешения на основе использования структурно - статистического подхода при дешифрировании лесных массивов [1, 2]. Главная задача - исследовать вариативность спектральных яркостей в различных спектральных каналах для многоспектральных съемочных систем высокого пространственного разрешения с целью определения информативности каналов съемочной системы для распознавания древесных насаждений при применении метода на основе статистических эталонов.
В качестве исходных материалов ДЗЗ для выполнения исследования использовались многоспектральные изображения, полученные съемочной системой Ikonos и WorldView-3. В качестве априорного источника о качественных и количественных характеристиках древостоев использовалась электронная карта породного состава леса, построенная по материалам лесоустройства и результаты полевого дешифрирования на исследуемую территорию.
Для анализа типов лесных насаждений применялась методика дешифрирования по статистическим эталонам. Предлагаемый в данной работе вариант отличается тем, что сравниваются не отдельные априорные вероятности, а функции, построенные по совокупности измерений по всем точкам исследуемого объекта [1, 2]. Для этого были получены функции распределения и плотности распределения, построенных по исходным и преобразованным изображениям с помощью различных алгоритмов. Таким образом, основным дешифровочным признаком использовался – функция плотности распределения вероятностей яркостей в пределах области, занимаемой образом. Образ объекта – совокупность, необходимых и достаточных дешифровочных признаков для описания объекта. Эти функции полностью характеризуют вероятностную структуру объекта и затем используются как статистические эталоны. Все характеристики образа являются статистической оценкой и получены в результате анализа статистически значимой выборки с достоверностью 0.05. Затем выполнялось сравнение функции эталона и оцениваемого участка. Объект относится к классу эталона, для которого достигается максимум соответствия в смысле заданного критерия. В качестве критерия использовались локальные максимумы коэффициента корреляции объекта и эталона и частный случай критерия Колмогорова [1, 3]. Экспериментальные исследования показали, что при использовании функции плотности распределения как дешифровочного признака наиболее эффективно применять изображение в красном, так как кривые плотностей вероятностей существенно отличаются. Таким, образом, применение алгоритма последовательного анализа многоспектральных космических снимков высокого пространственного разрешения на основе использования структурно - статистического подхода способно значительно повысить результаты распознавания различных типов лесных массивов.