Методы оптимизации числа спектральных каналов в задачах дистанционного зондирования Земли

В последнее десятилетие большое внимание уделяется созданию аэрокосмических систем дистанционного зондирования Земли (ДЗЗ) с повышенным количеством спектральных каналов. Количество каналов выбирается исходя из особенностей решаемой задачи, с учетом технологических возможностей. Уровень технологий сегодня таков, что позволяет создавать системы ДЗЗ с возможностью регистрации излучений объектов в десятках и даже сотнях спектральных каналов, при этом разрешающая способность снимков остается достаточно высокой. При практическом применении подобных систем ДЗЗ в процессе зондирования могут создаваться массивы видовой (иконической) информации таких объемов, обработка которых встречает серьезные вычислительные трудности. Однако обычно каждая тематическая задача ДЗЗ не требует для своего решения всего объема получаемых данных, достаточно информации, содержащейся всего в нескольких спектральных каналах. Поэтому актуальной является задача оптимизации числа спектральных каналов. Целью оптимизации является выбор подмножества спектральных каналов, которые оптимально-информационно представляют объекты наблюдения и обеспечивают их достоверную классификацию.
Процедура оптимизации базируется на следующих предположениях: 1) имеется обучающая выборка, содержащая объекты заданных классов; 2) выбрано правило (алгоритм) классификации.
Изучается два подхода к оптимизации. Первый подход предполагает, что оптимальное подмножество спектральных каналов формируется путем оценивания информативности каждого канала, после чего каналы ранжируются и для решения конкретной тематической задачи привлекается такое их количество, которое обеспечивает заданную достоверность классификации. В работе предлагается простая формула для оценки информативности спектральных каналов и описывается пример ее использования в задаче оценки состояния лесов. При втором подходе исходные спектральные изображения подвергаются совместной обработке, в результате чего синтезируются вторичные изображения, по которым и проводится классификация. Для этого используются методы, основанные на анализе собственных векторов, в частности, метод главных компонент.
Описанные методы оптимизации могут быть полезны при планировании космической съемки, при проведении дешифрирования.