Некоторые теоретические вопросы обработки информации, получаемой по многоспектральным космическим снимкам высокого разрешения, для мониторинга лесных массивов

Методы и алгоритмы дешифрирования космические снимков высокого и сверхвысокого разрешения принципиально отличаются от дешифрирования космических снимков среднего (уровня LANDSAT, SPOT, IRS) и низкого разрешения (уровня MODIS и т.п.). Для эффективного решения задачи автоматизированного дешифрирования снимков высокого разрешения требуется разработать принципиально новый подход.
В докладе рассматриваются особенности как яркостной так и пространственной структуры снимков высокого разрешения. Выполнен анализ современных алгоритмов обработки космических снимков высокого разрешения при решении задачи мониторинга территорий.
Отмечаются особенности яркостных преобразований изображений – методами главных компонент (PCA), независимых компонент (ICA) и модифицированным методом TC при мониторинга лесных массивов. Показана эффективность применения модифицированного метода ТС на примере оперативной классификации лесных массивов по многоспетральным космическим снимкам высокого и среднего разрешения. Анализируются структурные алгоритмы распознавания образов на снимках, в том числе методы Фурье и вейвлет анализа.
Разработан эффективный метод выделения границ леса, основанный на применении вейвлетов Добеши. Метод позволяет выделить перепады яркостей на изображении и локализовать эти перепады, что позволяет с высокой степенью достоверности выделить границы леса. Предложенную методику можно использовать при выделении мест рубок леса, при мониторинге состояния леса, при оценки распределения леса по породному составу, выявлении гарей, заболоченности, изменении границы однородных лесных массивов и т.д.
Рассматривается возможность применения статистического подхода к распознаванию образов для дешифрирования многоспектральных снимков высокого разрешения. Оцениваются различные статистические характеристики изображений различных классов объектов.
В работе предлагается новый метод дешифрирования снимков на основе применения статистических эталонов и структурных методов сегментации изображений. В качестве основного дешифровочного признака используется функция плотности распределения яркостей изображений природных образований. Приводятся результаты практических исследований подтверждающих эффективность применения метода.
Предлагается методика формирования пространства дешифровочных признаков, путем выбора наиболее информативных признаков. При этом выделяют поэлементные признаки: векторы спектральных яркостей, векторы преобразованных спектральных яркостей; и площадные (структурные) признаки: текстурные признаки, собственно структурные признаки, статистические характеристики участков изображения, контекстуальные признаки. Приводятся некоторые критерии оценки эффективности дешифровочных признаков.
Отмечаются основные тенденции развития методов дешифрирования многоспектральных снимков высокого разрешения.