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)

Семнадцатая Всероссийская Открытая конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

XVII.A.281

Апробация критерия объективной оценки качества изображения на основе расчета геометрической концентрации

Мальцев Е.А. (1), Маглинец Ю.А. (2), Брежнев Р.В. (2)
(1) Сколковский институт науки и технологий, Москва, Россия
(2) Сибирский федеральный университет, институт космических и информационных технологий, Красноярск, Россия
В работе предложен критерий объективной оценки качества изображения на основе вычисления геометрической концентрации дефектов, искажающих изображение. В качестве дефектов рассматриваются объекты облачности, которые зачастую являются зашумляющим фактором. Проведена апробация предложенного критерия на случайной выборке снимков ДЗЗ, получены количественные результаты, объективно характеризующие зашумлённость снимков облаками.

На сегодняшний день алгоритмы выделения облачности на снимке ДЗЗ представлены широко (Мальцев Е.,2017). В работе таких алгоритмов рассчитывается процент облачности, характеризующий общую площадь, занимаемую облаками на снимке. Однако, при возрастающих объемах накапливаемых спутниковых данных, задачи отбора и фильтрации требуемых снимков требуют ввода новых количественных метрик, учитывающих не только процент облачности, но и характеризующих её локальное расположение на изображении.
К объективным оценкам качества изображений можно отнести Structural SIMilarity (SSIM) (Wang, Bovik, Sheikh, & Simoncelli, 2004), Peak Signal to Noise Ratio (PSNR) (Гонсалес & Вудс, 2006) и другие.
В текущей работе оценка качества изображения строится на основе алгоритма выделения облачности, рассматриваемой в качестве дефектов, искажающих спутниковые снимки, с использованием геометрической концентрации (Мальцев, Сиротин, Перфильев, & Цибульский, 2011) и (Мальцев, Перфильев, Сиротин, & Цибульский, 2011). На базе разработанного алгоритма возможно построение критерия объективной оценки изображений в задачах поиска и фильтрации в каталогах спутниковых снимков и в системах геомониторинга (Брежнев & Мальцев, 2015).
Оценка характера расположения дефектов в виде облачности на спутниковом снимке основана на расчёте коэффициента геометрической концентрации объектов на плоскости (Перфильев, Маглинец, & Цибульский, 2009), (Перфильев & Цибульский, 2007 ). Концепция выделения геометрической концентрации и плотности объектов основывается на использовании триангуляция Делоне. Аналогично может быть применена диаграмма Вороного.
Измерение элементов триангуляции позволяет выделить области изображения, где наблюдается высокая, средняя или низкая (фоновая) геометрическая концентрация объектов.
Для вычисления критерия объективной оценки качества изображений в задачах поиска снимков ДЗЗ рассматривался процент занимаемой площади средней и высокой концентрации облачности на изображении к общей площади всего изображения.
Расчет данного критерия реализован в виде отдельного программного модуля и апробирован на наборе случайно выбранных снимков ДЗЗ. Полученные оценки качества снимков коррелируют с человеческим восприятием изображения и могут служить метрикой при выборе изображений для дальнейшей тематической обработки.

Ключевые слова: обработка изображений, дистанционное зондирование, объективная оценка, геометрическая концентрация, облачность.
Литература:
  1. Wang, Z., Bovik, A., Sheikh, H., & Simoncelli, E. (2004). Image quality assessment: from error visibility to structural similarity. IEEE Transactions on Image Processing. Т.2,вып.4. , 600 – 612.
  2. Брежнев, Р., & Мальцев, Е. (2015). Ontological system of geospatial object monitoring . Pattern Recognition and Image Analysis, Vol. 25, No. 2, , 201–208 .
  3. Гонсалес, Р., & Вудс, Р. (2006). Цифровая обработка изображений. Москва: Техносфера.
  4. Мальцев, Е. (2017). Разработка алгоритмов обработки данных дистанционного зондирования Земли для распознавания пространственных объектов сельскохозяйственного назначения с линейной геометрической структурой. Красноярск: дис. … канд. техн. наук : 05.13.17.
  5. Мальцев, Е., Перфильев, Д., Сиротин, Э., & Цибульский, Г. (2011). Измерение облачности на снимках, полученных со спутника SPOT-4 . Journal of Siberian Federal University. Engineering & Technologies. Т.2,вып.5, 229-242 .
  6. Мальцев, Е., Сиротин, Э., Перфильев, Д., & Цибульский, Г. (2011). Extracting a Cluster of Clouds in the SPOT 4 Satellite Images . Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications", 501-504.
  7. Перфильев, Д., & Цибульский, Г. (2007 ). Область концентрации сегментов металлографических изображений деформируемых алюминиевых сплавов . Вестник Сибирской аэрокосмической академии имени академика М. Ф. Решетнева. Вып. 6. , 30 – 32.
  8. Перфильев, Д., Маглинец, Ю., & Цибульский, Г. (2009). Family of Models for Describing One Class of Metallographic Images . Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. Т.19, вып.2. , 334-341.

Методы и алгоритмы обработки спутниковых данных

44