Систематизация методов обработки гиперспектральных данных ДЗЗ с позиции решения прикладных задач

Главным отличием гиперспектральных данных от других видов данных ДЗЗ является высокое спектральное разрешение, то есть наличие большого числа спектральных каналов, что позволяет учитывать тонкие различия спектральных характеристик подстилающей поверхности. Гиперспектральные данные часто называют гиперкубом гиперспектральных данных, который описывает распределение энергетических характеристик объектов подстилающей поверхности в функции от пространственного положения и длинны волн регистрируемого излучения, является наиболее рациональным с точки зрения решения совокупности целевых задач.
В настоящее время гиперспектральные данные могут использоваться для решения тематических задач экологии, геологии, природо- и землепользования, картографии, градостроительства, мониторинга различных объектов инфраструктуры и целого ряда других задач социально-экономической сферы в интересах государственных и коммерческих потребителей, в том числе для:
а) обнаружения инвазивных и наркосодержащих видов растений;
б) различных задач классификации;
в) оценки содержания веществ в подстилающей поверхности;
г) определения состояния растительности.
С целью качественного, достоверного решения указанных выше задач необходимо провести стандартную обработку данных, продукты которой являются исходными данными для дальнейших работ, в том числе для решения научных, тематических и других задач.
Стандартная обработка гиперспектральных данных подразумевает получение стандартных продуктов различных уровней обработки, сопровождаемых файлом паспорта. При этом на различных этапах выполняется радиометрическая калибровка и геометрическая коррекция в заданную картографическую проекцию, ортотрансформирование с привлечением топогеодезических данных и другие преобразования, выполняемые по различным алгоритмам, использование снимков с различной аппаратуры для создания цифровых многозональных композитных изображений.
Типизация методов стандартной обработки гиперспектральных данных может быть введена в части, определяющей наличие или отсутствие смайл-эффекта в ГСА. При этом при отсутствии смайл-эффекта набор коэффициентов абсолютной калибровки одномерный, а при наличии – двумерный.
Особенностями обработки гиперспектральных данных является проведение спектральной калибровки и атмосферной коррекции. Выполнение спектральной калибровки заключается в определении средней длины волны и ширины каждого канала. Выполнение атмосферной коррекции на этапе стандартной обработки предполагает использование программ, моделирующих прохождение сигнала через атмосферу, с учетом ее параметров.
Типизация методов тематической обработки гиперспектральных данных может быть введена в части выполнения расчета вегетационных индексов и классификации космических изображений. Расчет вегетационных индексов базируется на нескольких наиболее стабильных участках кривой спектральной отражательной способности, при этом существует множество различных индексов, кроме того, они могут быть получены самостоятельно в каждой конкретной задаче.
Различают методы классификации с предварительным обучением (контролируемая классификация), и без предварительного обучения (неконтролируемая классификация). В первой группе методов различают интенсиональные методы (нацеленные на общие свойства классов), экстенсиональные методы (нацеленные на свойства отдельных классов), и смешанные, являющиеся наиболее эффективными. Классификация гиперспектральных данных может выполняться несколькими путями, такими как алгоритм идентификации гиперспектральной характеристики объекта на основе меры подобия евклидова расстояния; алгоритм классификации, основанный на измерении спектральных углов; классификация методов
k-средних; классификация по максимуму правдоподобия; метод главных компонент и другими.
Отметим, что при изучении изменений, происходящих на местности, используют снимки, полученные в разное время. Различают раздельную обработку разновременных снимков для их последующего сравнения и совместную обработку совокупности снимков за разные даты, которые геометрически совмещаются и обрабатываются вместе. Преобразование временных снимков подразумевает под собой:
а) вычитание разновременных данных;
б) получение многовременных индексов;
в) цветовой синтез разновременных данных.
Вычитание разновременных снимков применяется, когда они получены одной и той же съемочными системами, после проведения радиометрической калибровки и атмосферной коррекции. На неизменившихся участках разность значений яркости близка к нулю, а на изменившихся имеет положительные или отрицательные значения, в зависимости от характера изменений.