Алгоритм тематической классификации спутниковых изображений и его программная реализация в среде ArcGIS Desktop

В рамках научно-исследовательских работ по фундаментальным программам отделения биологических наук Российской академии наук (ОБН РАН), направленных на изучение динамики и биологического разнообразия лесов, проводятся разработки методов и алгоритмов тематического картографирования наземных экосистем с использованием спутниковых данных. Это позволит заложить основу для создания информационной системы космического мониторинга лесных и других наземных экосистем под будущие фундаментальные и прикладные научно-исследовательские программы ОБН РАН.
Накопленный многолетний архив спутниковых изображений высокого пространственного разрешения Landsat (Лупян и др., 2007) и разработанные методы их предварительной обработки (Белова, Ершов 2011; Гаврилюк, Ершов 2012) использовались для создания сезонных спутниковых изображений высокого пространственного разрешения лесных регионов России. В результате была поставлена задача по разработке автоматизированного алгоритма, предназначенного для подготовки спектральных сигнатур основных типов лесных экосистем с последующей тематической классификацией сезонных спутниковых изображений с учетом локальных условий местопроизрастания древесной растительности.
Алгоритм формирования спектральных сигнатур базируется на пространственном и спектральном анализе опорных эталонных пикселей типов экосистем, заранее подготовленных и сохраненных в виде архивов информационной системы. Первоначальным шагом работы алгоритма является определение перечня типов наземных экосистем посредством предварительной пространственной локализации эталонных пикселей относительно узлов регулярной сети. На следующем этапе для сформированного набора классов типов экосистем, обнаруженных в окрестности узлов сетки посредством последовательного расширения окна производится расчет статистических показателей, который заключается, главным образом, в вычислении среднего значения спектральной яркости класса в канале сезонных изображений, а также дополнительных характеристик, включая среднеквадратическое отклонение, дисперсию, медиану и другие. Дополнительные характеристики используются для оценки гистограммы распределения спектральных яркостей эталонных сигнатур и устранения аномальных значений.
Полученная база данных спектральных сигнатур типов лесных экосистем в узлах сетки используется для тематической классификации сезонных безоблачных композитных изображений. В процессе сопоставления эталонных статистических характеристик класса с яркостью пикселя спутникового изображения происходит определение конкретного типа растительности в точке растра. Основным критерием присвоения класса пикселю- кандидату является сравнительная оценка минимального значения параметра между четырьмя соседними узлами регулярной сети. В качестве такого параметра рассматривается произведение спектрального расстояния и весового коэффициента каждой узловой точки, обратно пропорционального пространственному расстоянию конкретного пикселя от узловой точки.
Изложенный выше алгоритм тематической классификации реализован в виде самостоятельной панели инструментов приложения ArcGIS ArcMap 9.x. Модуль имеет в своём составе интерфейс, содержащий набор кнопок и инструментов. Интерфейс позволяет пользователю задавать необходимые настройки параметров расчёта статистики (максимальный размер окна, минимальный размер выборки в классе, шаг сетки и др.) тематических классов, параметров классификации, а также возможности сохранения в текстовом файле результаты статистической оценки спектральных сигнатур эталонных классов в узловых точках.
Обработка может выполняться в многопоточном режиме; количество одновременно выполняющихся потоков зависит от характеристик оборудования и конфигурации операционной системы, на которой выполняется процедура классифицирования. Благодаря использованию многопоточного режима и правильно подобранному числу потоков, производительность работы программы может быть существенно увеличена. Имеется также возможность запуска программы из командной строки в пакетном режиме, например, с использованием процедурных batch-файлов, что позволяет в значительной мере осуществить автоматизацию процесса тематической классификации изображений.