Выбор информативных дешифровочных признаков антропогенных объектов на много- и гиперспектральных изображениях

В докладе рассматривается алгоритм выбора совокупности информативных дешифровочных признаков объектов на аэрокосмических изображениях, основанный на использовании различных критериев разделимости объекта и фона в пространстве признаков. При этом реализована возможность оценивания как отдельных спектрально-яркостных и геометрических признаков, так и их комбинаций, что является особенно важным при обнаружении объектов на разнородном фоне.
При разработке алгоритма были проанализированы различные оценки разделимости объекта с фоном по выбранному признаку (или совокупности признаков), такие как меры расстояний между функциями плотности распределения признаков (нормализованное расстояние, расстояние Евклидова, угловая мера, городской квартал, расстояние Махаланобиса, дивергенция, расстояние Бхаттачариа, Джеффриса-Матусита, метрика Теребижа), энтропия и яркостной контраст. Если функции плотности распределения признака отлична от нормальной, она рассчитывается методом Парзена-Розенблатта. В результате алгоритм позволяет выбрать ту меру, которая наилучшим образом подходит для имеющихся исходных данных, а также типа объекта и фона. В свою очередь выбранная мера разделимости для анализа подмножества признаков согласовывается с мерой, используемой при дешифрировании. Например, евклидово расстояние при использовании алгоритма ближайшего соседа или расстояние Махаланобиса – при алгоритме максимального правдоподобия.
Для определения в среднем наилучшей комбинации признаков при различении объекта на разных фонах рассмотренные меры рассчитываются для всех пар объект-фон и всех комбинаций признаков из общего числа. Далее рассчитывается средняя разделимость по всем парам и находится такое подмножество признаков, которое обеспечивает наивысшую среднюю разделимость.
Результаты работы алгоритма выражаются в виде конкретного значения вероятности ошибки при заданной совокупности признака, а также пороговой величины выбранного признака с помощью критерия Неймана-Пирсона, когда априорная информация о вероятности появления объекта и наличии того или иного фона отсутствует.
Рассматриваемый подход хорошо зарекомендовал себя во многих тематических задачах, связных с поиском на много- и гиперспектральных изображениях различных видов загрязнений окружающей среды, выявлением фактов нарушений охранных зон объектов и др.