Алгоритм двухэтапной классификации гиперспектральных данных в пространстве коэффициентов спектральной яркости по результатам авиационной съемки

В настоящее время в РФ возрастает интерес к дистанционному зондированию с использованием аппаратуры гиперспектральной съемки. Такого рода данные находят свое применение в различных отраслях народного хозяйства, таких как детектирование очагов лесных пожаров, областей загрязнения окружающей среды, зараженных вредителями сельскохозяйственных угодий и многих других.
В докладе рассматривается проблема классификации данных гиперспектральной съемки в пространстве коэффициентов спектральной яркости. При этом предполагается, что каждый объект на гиперспектральном снимке принадлежит какому-либо спектральному классу, содержащемуся в базе данных, сформированной посредством наземных измерений спектральных характеристик объектов.
Входными данными для алгоритма являются гиперспектральные снимки, прошедшие предварительную обработку (калибровка, фильтрация регулярного и случайного шумов, геометрическая коррекция), а также база данных коэффициентов спектральной яркости объектов. Классификация осуществляется в два этапа. На первом этапе производится отсев тех классов, к которым заведомо не может принадлежать объект, с использованием достаточно «грубой» метрики близости. Процедура позволяет существенно снизить объем обрабатываемых данных, что положительно влияет на скорость работы алгоритма. На втором этапе из множества классов, «оставшихся» после предварительной классификации, производится селекция самых близких к объекту элементов базы с учетом более чувствительной к спектральным различиям метрики (например, метрики Теребижа, декартовой метрики, метрики Кульбака - Лейблера).
Алгоритм опробован на данных гиперспектральной съемки, полученных с авиационного носителя при различных условиях наблюдения. Выявлена робастность алгоритма в широком диапазоне отношений сигнала к шуму. Проведено сравнение результатов классификации по реальным снимкам.