Материалы 18-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 16–20 ноября 2020 г.

(http://conf.rse.geosmis.ru)

XVIII.A.481

Процедура отбора алгоритма идентификации в реальном времени облачных образований из космоса

Втюрин С.А. (1), Князев Н.А. (1)
(1) Институт космических исследований РАН, Москва, Россия
В докладе рассматриваются вопрос выбора алгоритма идентификации в реальном времени облачных образований из космоса.
Облачность является серьезным помеховым фактором при проведении спутниковой съёмки в оптическом диапазоне. Современные способы борьбы с такой помехой требуют специального планирования съёмки с учётом прогноза развития облачности или последующей сшивки безоблачных участков, что уменьшает точность при меняющихся метеоусловиях или оперативность съёмки. Взамен предлагается проект системы предварительного обзора для оперативного автоматического управления, обеспечивающий принятие решения о выполнении съёмки и её целевом участке на основе информации о наличии облачности непосредственно на этапе подлёта КА без участия оператора.
В докладе излагается общая идея предлагаемого метода и общий вид алгоритма его работы. Основная часть доклада посвящена рассмотрению центральной части алгоритма- автоматической идентификации облачных образований с учётом требований автоматической и автономной работы в условиях необходимости принятия решения в реальном времени. Рассмотрены известные подходы к решению такой задачи с учётом баланса между требуемыми затратами вычислительной мощности и скорости решения, требовательности метода к входным данным и применимости к автоматической работе без участия оператора с одной стороны и точности распознавания с другой. Также на основе известных алгоритмов предложен комбинированный метод, позволяющий использовать достаточной недорогую съёмочную систему в качестве источника информации и обеспечивающий приемлемую по скорость обработки.
Работа выполнена по теме Мониторинг.

Ключевые слова: дистанционное зондирование, обнаружение облачности, цифровая обработка изображений, камера предварительного обзора, автоматическое управление, бортовая обработка, планирование съемки, дистанционное зондирования высокого разрешения, классификация, мониторинг
Литература:
  1. Шовенгердт Р.А. - Дистанционное зондирование. Методы и модели обработки изображений
  2. Чернокульский А.ф В., Мохов И. И. Сравнительный анализ характеристик глобальной и зональной облачности по различным спутниковым и наземным наблюдениям. / Исследование Земли из космоса, (3):12–29, 2010.
  3. Скороходов А. В. Нейросетевой классификатор облачности.
  4. Оценки качества для анализа цифровых 046-Monich.pdf
  5. Ю.И. Монич, В.В. Старовойтов Оценки качества для анализа цифровых изображений. «Искусственный интеллект» 4’2008
  6. Королев Е.Е., Кочергин А.M., Кузнецов А.Е., Побаруев В.И. Автоматическая сегментация облачных объектов на снимках земной поверхности высокого пространственного разрешения ФГБОУ ВПО «Рязанский государственный радиотехнический университет»
  7. Пошехонов В.И. Алгоритмы и модели стереофотограмметрической обработки данных от систем спектрозональной съемки Земли
  8. Родионова Н.В. Текстурная сегментация одноканальных изображений: примеры применения. "Современные проблемы дистанционного зондирования Земли из космоса" 2012. Т.9.№3. С.65-69
  9. В.Г. Астафуров и др. Классификация перистой облачности по данным MODIS с помощью нечеткой нейронной сети. Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. №4. С. 265–275
  10. П.П.Гейко. Контроль концентрации отравляющих веществ лидаром дифференциального поглощения на основе CO2-лазера. Доклады ТУСУРа, №2 (24), часть 3, декабрь 2011
  11. Michael E. Webber, Michael Pushkarsky, C. Kumar N. Patel. Optical detection of chemical warfare agents and toxic industrial chemicals: Simulation Journal of applied physics 97, 113101 (2005)
  12. Wylie D.P., Menzel W. Two years of cloud cover statistics using VAS // Journal of Climate. 1989. Vol. 2, № 4. P. 380–392.
  13. А. Часовских. Обзор алгоритмов кластеризации данных habr.com/ru/post/101338/, 11 августа 2010
  14. Farneback, G. “Two-Frame Motion Estimation Based on Polynomial Expansion.” In Proceedings of the 13th Scandinavian Conference on Image Analysis, 363 - 370. Halmstad, Sweden: SCIA, 2003.
  15. Simon Baker and Iain Matthews - Lucas-Kanade 20 Years On: A Unifying Framework: Part 1,The Robotics Institute, Carnegie Mellon University, 5000 Forbes Avenue, Pittsburgh, PA 15213, USA

Презентация доклада



Ссылка для цитирования: Втюрин С.А., Князев Н.А. Процедура отбора алгоритма идентификации в реальном времени облачных образований из космоса // Материалы 18-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2020. C. 17. DOI 10.21046/18DZZconf-2020a

Методы и алгоритмы обработки спутниковых данных

17