Применение модели пространственно-иерархического квадродерева с усеченными ветвями для повышения точности классификации изображений

Широкий спектр задач народного хозяйства, требующий анализа спутниковых данных о состоянии Земной поверхности, может быть сведен к задаче классификации изображений. Пиксели спутниковых изображений можно считать независимыми [1]. При этом обычно на них наблюдается множество областей, отсчеты которых близки по отражающим свойствам. Поэтому повысить точность классификации отсчетов можно, проведя дополнительную обработку изображения с учетом неявных пространственных зависимостей между пикселями. Подобная обработка реализуются с помощью модели пространственно-иерархического квадродерева [2]. Однако недостатком этой модели является низкая эффективность при работе с большими и зашумленными изображениями. Для повышения эффективности в данной работе предложена ее модификация – пространственно-иерархическое квадродерево с усеченными ветвями. В отличие от обычного квадродерева, при использовании которого классификация отсчетов изображения в конечном итоге идет попиксельно, в модифицированной модели при обходе дерева выделяются априори однородные участки изображений. Их классификация проводится в соответствии с результатами обработки накопленных изображений того же региона, характеризующихся более высоким значением отношения сигнал-шум, берущихся с расположенных выше слоев дерева. Выделение однородных участков также позволяет повысить скорость обработки больших изображений за счет уменьшения числа обрабатываемых отсчетов на нижних слоях квадродерева.
Для исходной и модифицированной моделей проведено сравнение результатов классификации радиолокационного изображения сельской местности, полученного авиационным радиолокатором с пространственным разрешением порядка 1 м, характеризующегося высоким уровнем шумов. Набор изображений для построения квадродерева формировался с помощью некогерентного накопления отсчетов. На первом этапе отсчеты изображения классифицировались с помощью сеточного метода разделения смесей, использующего усеченный EM-алгоритм. На втором этапе результаты обработки использовались при «обходе» квадродеревьев. Точность классификации оценивалась как доля верно классифицированных пикселей внутри выделенных на изображении однородных областей.
Установлено, что в сравнении с результатом, полученным методом смесей обработка с помощью квадродеревьев позволяет повысить точность классификации изображения на 4-8% в зависимости от типа подстилающей поверхности. Скорость обработки при этом для модифицированной модели возросла в 19 раз в сравнении с исходной. Модифицированная модель позволяет получить результат классификации более высокой точности, нежели исходная при обработке зашумленных изображений, при этом обладая меньшей ресурсоемкостью.