Поиск мелкоразмерной изменчивости спутниковых изображений по спектру матриц перепадов яркости изображений

На примере решения задачи выявления локальных (одиночных) рубок ценных древесных пород в лесах Приморского края рассматривается эффективность нового алгоритма для обнаружения мелкоразмерных изменений изображений со спутников высокого пространственного разрешения. Создание устойчивого к вариациям условий съемки алгоритма для обнаружения мелкоразмерных изменений изображений базируется на анализе матриц смежности перепадов яркости (Алексанина, Храмцова, 2024). В отличие от классических подходов, фокусирующихся на абсолютных значениях яркости, предлагаемый подход исследует изменения перепадов яркости изображений, что позволяет выделять редкие мелкоразмерные изменения, в нашем случае связанные с одиночными рубками. В ходе исследования предлагаемого подхода была выявлена характерная особенность в структуре матриц изменений перепадов яркости для участков с рубками – ненулевые значения матрицы расположены далеко и несимметрично от главной диагонали матрицы. На основании этой особенности предложен алгоритм идентификации ассиметрично расположенных относительно главной диагонали элементов матрицы. По выявленным ассиметричным элементам матрицы изменений перепадов яркости, соответствующих аномальным переходам перепадов яркости на рассматриваемых изображениях, формализуется правило определения местоположения выявленных мелкоразмерных аномальных яркостных изменений на изображениях. Предложен оригинальный подход на основе разложения матрицы изменений перепадов яркости (МИПЯ) в спектр по уровням яркости конечного изображения. Локализация рубок проводится на основе анализа изменений перепадов яркости на определенных уровнях яркости и применения статистических критериев для анализа гистограмм изменений перепадов яркости. Апробация алгоритма проводилась на изображениях с российского спутника Ресурс–П (панхроматический диапазон, пространственное разрешение 0,7м) участков лесного полога в Красноармейском районе Приморского края, сделанных в августе-сентябре 2015 года. Результаты тестирования подхода показали, что предложенный алгоритм автоматически находит редкие мелкоразмерные изменения на текстурных изображениях, кроме того, сокращает область и время поиска, а также минимизирует ложные срабатывания типа шума. Результаты тестирования на изображениях БПЛА (беспилотный летальный аппарат) острова Русский показали, что предложенный подход уверенно выделяет движущиеся объекты типа автомобилей на изображениях БПЛА.