Сегментация многоспектральных спутниковых изображений для выявления изменений в лесах

Сегментация изображений является одним из ключевых этапов объектно-ориентированного подхода к анализу данных дистанционного зондирования. Под сегментацией понимается разбиение изображения на различающиеся по некоторому признаку области таким образом, что они соответствуют реальным объектам или их частям, а границы объектов совпадают с границами выделяемых областей. В работе на примере задачи выявления сильных изменений в лесах, таких как вырубки и гари, исследуются четыре алгоритма, использующие разные стратегии сегментации, такие как кластеризация многомерного спектрального пространства, дробление-объединение областей, выделение краев и другие. В качестве входных данных используются фрагменты данных SPOT-HRVIR (20 м) и маски изменений, построенные по этим изображениям экспертами. Работа каждого алгоритма оценивалась с помощью нескольких критериев качества, а именно обратное к среднему количеству областей, покрывающих эталонный контур, отношение площади эталонного контура к суммарной площади областей, ее покрывающих, критерии FOM, Хаусдорфа, Баделли, среднее расстояние между контурами, стандартное отклонение расстояния между контурами. По полученным оценкам подбираются оптимальные значения параметров для каждого из алгоритмов, и делается вывод о целесообразности использования данного алгоритма для сегментации многоспектральных спутниковых изображений. Кроме того, проводятся эксперименты по сравнению результатов использования цветовых пространств L*a*b* и RGB, а также использования одномоментных и разновременных данных. Анализ полученных результатов позволяет наметить пути дальнейшего развития и перспективы использования алгоритмов сегментации при построении технологий мониторинга лесов по спутниковым данным высокого пространственного разрешения.