Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)
Будущая конференция
Архив конференций
2025 2024 2023 2022 2021 2020 2019 2018 2017 2016 2015 2014 2013 2012 2011 2010 2009 2008 2007 2006 2005 2004 2003
Личный кабинет
Зарегистрироваться на сайте Войти на сайт Забыли пароль?
Электронный сборник статей
«Информационные технологии в дистанционном зондировании Земли - RORSE 2018»
Журнал
«Современные проблемы дистанционного зондирования Земли из космоса»
Дополнительная информация
Контакты Полезная информация
Подписка/отписка
на рассылку новостей
Ваш e-mail:

XXIV.A.580

Первичная автоматическая оценка радиометрических качеств спутниковых изображений Земли на борту КА многоспутниковой космической системы

Геча В.Я. (1), Жиленев М.Ю. (1), Крейнин Р.Г. (1), Новосёлов С.А. (1)
(1) АО "Корпорация ВНИИЭМ", Москва, Россия
Современное космическое дистанционное зондирование Земли (ДЗЗ) позволяет производить съемку миллионов квадратных километров земной поверхности в сутки средствами одного космического аппарата (КА), который может входить в состав многоспутниковой космической системы (МСКС).
Вместе с тем, часто случаются ситуации, когда, приняв из наземного комплекса управления (НКУ) маршрутное полетное задание (МПЗ) к заявке на съемку и проведя съемку, КА прилетит в зону связи с антеннами наземного комплекса приёма обработки и распространения информации (НКПОР) только через часы или дни. Когда полученная целевая информация (ЦИ) на пунктах приема информации (ППИ) НКПОР будет обработана, то может оказаться, что изображение не соответствует требованиям пользователей. Например, может иметься неудовлетворительное разрешение изображения области интереса (ОИ), а также некомпенсируемый «смаз», перезасвечивание, алеасинг (полосатость), геометрические искажения и т.д. Все это в итоге, может приводить к «несшиваемости» в единый кадр продукта ДЗЗ, к не полной дешифрируемости, или к частичной или полной потере детальности изображения заданной ОИ. Причем, например, некомпенсируемый «смаз», «перезасвечивание» и некоторые другие артефакты часто приводят к полной негодности растра для дальнейшего преобразования в продукт ДЗЗ и использования.
Соответственно, возникает необходимость повторения съемки той же ОИ. Это приводит к тому, что между получением заказа на съемку и предоставлением готового продукта ДЗЗ (ЦИ) проходит значительно больше времени, чем допустимо при чрезвычайных ситуациях (например, лесных пожарах, наводнениях, техногенных катастрофах), а также в целом заметно снижает полезную производительность КС.
Для решения данной проблемы, путем повышения координации, оперативности реализации съемки заданных ОИ, а вместе с ними – полезной производительности КС и уменьшения времени доставки ЦИ пользователю целесообразно производить первичную автоматическую комплексную оценку качеств изображения на борту КА. В таком случае численные результаты предложенной оценки могут направляться на ближайший ППИ или на спутник-ретранслятор сразу же после съемки. Это позволит более оперативно формировать МПЗ для повторной съемки ОИ с какого-либо из КА МСКС, причем, до того, как на предусмотренный по МПЗ конкретный ППИ с КА будет передан результат неудачной съемки. В результате, появится возможность высвободить время и ресурсы КА и НКПОР, которые служат для хранения, передачи по линиям связи и стандартных преобразований ЦИ неподходящего качества, а также её обработку до уровней производного продукта ДЗЗ в НКПОР.
Предлагаемая первичная автоматическая оценка на настоящем этапе включает восстановление на борту КА растров одного или нескольких фрагментов изображения ОИ, метрики качества которых можно относительно точно прогнозировать, зная из предыдущей эксплуатации шумы ОЭА, а также экстраполируя скорость движения изображения (СДИ), сигнал/шум (С/Ш), функцию передачи модуляции (ФПМ) изображения при съемке той или иной ОИ соответствующим КА.
Оценка качества указанных фрагментов покажет выполнение или невыполнение заявки на съемку данной ОИ с требуемыми метриками. Подробное описание оценки численных метрик автоматической оценки качества изображения и разработанного для этого программно-математического обеспечения представлены в докладе и презентации к нему.
Положительным эффектом предложенного способа автоматической оценки качества изображения будет передача с КА на ППИ таблицы численных значений оцененных метрик, допусков на них, а также метаданных в виде координатной и сопроводительной информации. Причем, результаты такой первичной автоматической оценки можно будет передавать с борта КА на ППИ, используя не только малочисленные станции приема с большими антеннами 5-9 метров, но и на ППИ с малыми антеннами 2,5-4 метра, которые имеются в почти каждом субъекте Российской Федерации или могут быть установлены на подвижном средстве, а также – через КА-ретрансляторы типа «Луч» или «Рассвет».

Ключевые слова: Координация, космическая система, автоматическая оценка качества, полезная эффективность, метрика, полетное задание, НКПОР, функция передачи модуляции
Литература:
  1. [1] – А.С. Молчанов, Е.В. Методика оценивания линейного разрешения на местности на пиксель оптико-электронной системы при проведении летных испытаний Информация и космос №2– 2019. – Вып. 2. – С. 93–97.
  2. [2] – Jensen, J. R. Introductory Digital Image Processing: A Remote Sensing Perspective J. R. Jensen. – 4th ed. – Glenview: Pearson Education, 2015. – 656p.
  3. [3] – Robert D. Fiete, Theodore Tantalo. Comparison of SNR image quality metrics for remote sensing systems. Optical Engineering, Vol. 40 No. 4, April 2001.P.p 574–585.
  4. [4] – Трекин, А.Н. Методы математического моделирования и алгоритмы автоматической обработки аэрокосмических изображений при распознавании природных и антропогенных объектов: дис. канд. техн. наук А. Н. Трекин. МФТИ – Москва, 2015. – 180с.
  5. [5] – Батраков А.С., Анатольев А.Ю. Математическая модель для прогнозирования линейного разрешения космических оптико-электронных систем дистанционного зондирования Оптический журнал. 2000. т. 67, No 7. C. 92–97.
  6. [6] – G.D. Boreman. Modulation Transfer Function in Optical and Electro-Optical Systems. Tutorial Texts Series Related Titles. 2-nd Edition. SPIE Press, Bellingham, Washington USA. 2021. 140p.
  7. [7] – Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений: пер. с англ. Р. А. Шовенгердт. – Москва: Техносфера, 2010. – 560 с.
  8. [8] – Pléiades Imagery User Guide [Электронный ресурс]: руководство пользователя : отчет № USRPHR-DT-125-SPOT-2.0 сост. L. Coeurdevey, C. Gabriel-Robez ; Astrium GEO-Information Services, Centre National d Etudes Spatiales (CNES). – Toulouse: Astrium GEO-Information Services, 2012. – 118 с.: https: content.satimagingcorp.com media pdf User_Guide_Pleiades.pdf (дата обращения: 16.03.2026).
  9. [9] – Crisp N.H., Roberts P.C. E., Livadiotti S. D5.2 – Literature Review of the Benefits and Applications of Very Low Earth Orbits for Earth Observation. European Commission, 2018. 32p. URL: https: discoverer.space wp-content uploads 2020 05 D5_2_Literature_Review.pdf (дата обращения: 07.04.2026).
  10. [10] – ISO 12233:2017. [Электронный ресурс]. https: www.iso.org obp ui #iso: std: iso:12233:ed-3: v1: en (дата обращения: 16.03.2026)
  11. [11] – Божко А.Н., Жук Д.М., Маничев В.Б. Компьютерная графика: Учеб. пособие для вузов. – М: МГТУ им. Н.Э. Баумана, 2007. – 392 с: ил. – (Информатика в технич. университете.)
  12. [12] – Bandara R. A Music Keyboard with Gesture Controlled Effects Based on Computer Vision [Electronic r.] R. Bandara; advisor G. S. Makalanda. – University of Sri Jayewardenepura, 2011.
  13. [13] – Alicia Fernández-Oliveras, Antonio M. Pozo and Manuel Rubiño. Analysis of the Modulation Transfer Function Spectral Variation in Different Detector Arrays by Means of Speckle Patterns. Journal of Imaging Science and Technology® 53(3): 031101–031101-6, 2009.
  14. [14] – Andrew B. Watson. A formula for the mean human optical modulation transfer function as a function of pupil size. Journal of Vision (2013) 13(6):18, 1–11.
  15. [15] – Л.Б. Кочин. Методы и средства отображения цветовой информации. Балт. гос. техн. ун-т. – СПб., 2012. 268 с;
  16. [16] – Rodrigues, T.L. Accuracy Improvements in the Orientation of ALOS PRISM Images Using IOP Estimation and UCL Kepler Platform Model T. L. Rodrigues, E. Mitishita, L. Ferreira, A. M. G. Tommaselli Remote Sensing. – 2017. – Vol. 9, № 7. – Art. 634. – DOI: 10.3390 rs9070634.
  17. [17] – Jacobsen K. Radiometric and Geometric Characteristics of Pleiades Images K. Jacobsen The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2014. – Vol. XL-1. – P. 595–601. – ISPRS Technical Commission I Symposium – URL: https: www.int-arch-photogramm-remote-sens-spatial-info-sci.net XL-1 595 2014 (дата обращения: 16.03.2026).
  18. [18] – Гонта, А. Резкость изображения и оборудование CCTV А. Гонта, Е. Седов Алгоритм безопасности. – 2012. – № 4. – С. 74–77.
  19. [19] – Zwillinger, D. CRC Standard Probability and Statistics Tables and Formulae D. Zwillinger, S. Kokoska. – New York: Chapman & Hall, 2000. – 554 p.
  20. [20] – Kudela R.M. Expanded Signal to Noise Ratio Estimates for Validating Next-Generation Satellite Sensors in Oceanic, Coastal, & Inland Waters R. M. Kudela, S. B. Hooker, L. S. Guild [и др.] Remote Sensing. – 2017. – Vol. 9, № 7. – Art. 634.
  21. [21] – Tisse C.-L. Does resolution really increase image quality? C.-L. Tisse, F. Guichard, F. Cao DxO Labs White Paper. – 2004. – 12 p.
  22. [22] – Liang Q. Communications, Signal Processing, and Systems: Proceedings of the 2018 CSPS Q. Liang, X. Liu. – Vol. II: Signal Processing. – Singapore: Springer, 2019. – 1020 p.
  23. [23] – Винтаев В.Н., Жиленев М.Ю., Ушакова Н.Н. Учет текущего прогноза снижения апертуры функции рассеяния точки на изображениях, формируемых бортовой оптико-электронной аппаратурой космического аппарата. Доклад. IX Всероссийская Открытая конференция «Современные проблемы дистанционного зондирования Земли из космоса. Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов», ИКИ РАН. 12–16 ноября 2011 года. Москва. 2011.
  24. [24] – В.Я. Геча, М.Ю. Жиленев, С.А. Новоселов. Обзор средств оценки составляющих качества изображения на выходе спутниковой оптико-электронной аппаратуры дистанционного зондирования Земли в целях обеспечения бортовой обработки снимков на борту космического аппарата. Вопросы электромеханики. Труды ВНИИЭМ. Т.185, №6, 2021. С. 38-48.
  25. [25] –Wertz J.R. Space Mission Analisis and Design W.J. Larson, J.R.Wertz – 3rd ed. – El Segunto: Microcosm Press; Boston: Kulwer Academic Publishers, 1999. – 994p.
  26. [26] – Dematteis, N. Comparison of Digital Image Correlation Methods and the Impact of Noise in Geoscience Applications N. Dematteis, D. Giordan Remote Sensing. – 2021. – Vol. 13, № 2. – P.327. – DOI 10.3390 rs13020327.
  27. [27] – Kääb, A. Surface Geometry, Thickness Changes and Flow Fields on Creeping Mountain Permafrost: Automatic Extraction by Digital Image Analysis A. Kääb, M. Vollmer Permafrost and Periglacial Processes. – 2000. – Vol. 11, № 4. – P. 315–326. – DOI 10.1002 1099-1530(200012)11:4<315:AID-PPP365>3.0.CO;2-J.
  28. [28] – Jawak, S.D. A Comprehensive Evaluation of PAN-Sharpening Algorithms Coupled with Resampling Methods for Image Synthesis of Very High Resolution Remotely Sensed Satellite Data S. D. Jawak, A. J. Luis. – [S. l.: s. n.], 2014. – 336p.
  29. [29] – Huang, F. Meteorological Satellite Images Prediction Based on Deep Multi-scales Extrapolation Fusion F. Huang, W. Cheng, P. Wang [et al.] IOP Conference Series: Materials Science and Engineering. – 2018. – Vol. 394, № 4. P.042079.
  30. [30] – Wang, Z. A Universal Image Quality Index Z. Wang, A. C. Bovik IEEE Transactions on Image Processing. – 2002. – Vol. 11, № 4. – P. 625–629.
  31. [31] – Pearson, K. Notes on regression and inheritance in the case of two parents K. Pearson Proceedings of the Royal Society of London. – 1895. – Vol. 58. – P. 240–242.
  32. [32] – Kendall, M.G. The Advanced Theory of Statistics. Volume 2: Inference and Relationship M. G. Kendall, A. Stuart. – London: Griffin, 1973. – 723p.
  33. [33] – Spearman, C. The Proof and Measurement of Association between Two Things C. Spearman The American Journal of Psychology. – 1904. – Vol. 15, № 1. – P. 72–101.
  34. [34] – Chan, J. C.-W. A comparison of superresolution reconstruction methods for multiangle CHRIS Proba images J. C.-W. Chan Proc. of SPIE. – 2008. – Vol. 7109 : Image and Signal Processing for Remote Sensing XIV. – P. 710904-1–710904-11. – DOI: 10.1117 12.800267.
  35. [35] – Кузнецов А.Е., Пресняков О.А. Организация процесса формирования мозаичных изображений земной поверхности Цифровая обработка сигналов. 2011. № 3. С. 47-52.
  36. [36] – Кузнецов А.Е., Побаруев В.И., Пошехонов, О.А. Пресняков. Программный комплекс обработки информации от сканерно-кадровых съемочных систем КА «Канопус-В» и «БКА». Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 1. С. 287-300.
  37. [37] – И.А. Бессмертный. Основы компьютерной графики. Санкт-Петербург 2010.
  38. [38] – А.С. Молчанов, Е.В. Чаусов. Методика синтеза функции передачи модуляции цифровых оптико-электронных систем дистанционного зондирования земли по результатам летных испытаний. Серия: Научные ведомости. Инфокоммуникационные технологии. Экономика. Информатика. 2019. Том 46, № 1. Стр. 138 -143. DOI 10.18413 2411-3808-2019-46-1-138-147.
  39. [39] – Norman L. Koren, Correcting Misleading Image Quality Measurements. https: doi.org 10.2352 ISSN.2470-1173.2020.9.IQSP-242. © 2020, Society for Imaging Science and Technology.
  40. [40] – ГОСТ Р 59481-2021. Данные дистанционного зондирования Земли из космоса. Требования к данным дистанционного зондирования Земли из космоса. Основные требования к данным дистанционного зондирования Земли из космоса, используемым для обновления цифровых топографических карт масштабов 1:10 000, 1:25 000, 1:50 000.
  41. [41] – ГОСТ Р 59475-2021 Данные дистанционного зондирования Земли из космоса. Качество данных ДЗЗ из космоса. Перечень показателей качества данных ДЗЗ из космоса, получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазоне. (определение ЛРМ и требований к нему);
  42. [42] – Молчанов А.С. Иконические системы воздушной разведки. Основы построения, оценка качества и их применение в комплексах с БЛА [Текст]: [учебник] Молчанов А.С.; [Редкол. Д.В. Абрамов и др.]. Волгоград: Панорама, 2017. – 216с.

Презентация доклада

Методы и алгоритмы обработки спутниковых данных