Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Тринадцатая Всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса"

XIII.A.95

Программно-аппаратный комплекс тематической обработки данных авиакосмического гиперспектрального зондирования

Кондранин Т.В. 1, Козодеров В.В. 2, Дмитриев Е.В. 3,1, Казанцев О.Ю.4,1,
Николенко А.А. 1
1 Московский физико-технический институт (государственный университет)
2 Московский государственный университет имени М.В.Ломоносова
3 Институт вычислительной математики РАН
4 ЗАО НПО Лептон
Программно-аппаратный комплекс (ПАК) обработки данных гиперспектрального аэрокосмического зондирования создается на основе анализа современных тенденций в существующих пакетах программного обеспечения (ПО). Одним из наиболее важных этапов тематической обработки аэрокосмических изображений является классификация наземных объектов на основе спектральных характеристик отражательной способности. Качество получаемого результата определяется многими факторами, такими как состояние атмосферы, качество и разрешающая способность измерительной аппаратуры, качество коррекции и предварительной обработки, точность геопривязки и наземных данных.
В докладе обсуждается эффективность методов спектральной классификации в задаче гиперспектрального дистанционного зондирования почвенно-растительного покрова. Показаны особенности реализации метрических классификаторов, параметрических байесовских классификаторов и многоклассового метода опорных векторов. Приводятся результаты классификации гиперспектральных аэроизображений указанными методами и приводятся данные сравнительного анализа. Показаны преимущества использования нелинейных классификаторов. Демонстрируются близость результатов некоторых модификаций метода опорных векторов и байесовской классификации.
Проводится анализ известных методов сокращения размерности гиперспектральных данных в машинно-обучающих алгоритмах обработки получаемых изображений с разработкой критериев автоматизации отбора информативных каналов. Необходимость сокращения размерности признакового пространства возникает в связи с тем, что соответствующий классификатор (вычислительная процедура) в процессе его обучения теряет способность к обобщению, т.е. реализации, выбранные для обучения, классифицируются с высокой или даже 100% точностью, в то время как на независимой выборке возникают существенные ошибки.
Также проводится анализ влияния точности энергетической и спектральной калибровки гиперспектральной аппаратуры на результаты тематической обработки изображений с демонстрацией способов учета факторов, вызывающих смещение калибровочных характеристик.
Для отработки программно-алгоритмических решений и верификации разрабатываемых алгоритмов выполнен большой объем тематической обработки с использованием гиперспектральных изображений, полученных аппаратурой разработки ЗАО НПО Лептон и результатов наземных обследований зондируемых объектов в ходе летных авиационных экспериментов по тестовым полигонам средней полосы России в различные сезоны.
Исследования проводятся при финансовой поддержке ФЦП "Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 -2020 годы" (Соглашение №14.575.21.0028 о предоставлении субсидии) и проектов Российского Фонда Фундаментальных Исследований (гранты 13-01-00185, 14-05-00598, 14-07-00141).

Методы и алгоритмы обработки спутниковых данных

41