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)

Одиннадцатая Всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса"

XI.A.30

Обработка гиперcпектральных аэрокосмических изображений лесной растительности

Кондранин Т.В. (1), Козодеров В.В. (2), Дмитриев Е.В. (3)
(1) Московский физико-технический институт (государственный университет);
(2) Московский государственный университет им. М.В.Ломоносова;
(3) Институт вычислительной математики РАН
Основу обработки гиперспектральных изображений составляют вычислительные процедуры распознавания природно-техногенных объектов и оценки параметров, характеризующих состояние лесной растительности. Обосновываются принципы оптимизации наиболее информативных спектральных каналов гиперспектрального самолетного зондирования с целью повышения вычислительной эффективности используемых средств обработки данных. Рассмотрена проблема построения классификаторов (вычислительных процедур) обработки гиперспектральных изображений в рамках создаваемой аппаратно-программной системы. Система функционирует на основе данных отечественной гиперспектральной камеры (ГСК) разработки базовой кафедры «Системы, устройства и методы геокосмической физики» (СУМГФ) МФТИ и НПО «Лептон» и создаваемых оригинальных вычислительных процедур обработки данных. Аппаратура устанавливалась на самолетную гиростабилизированную платформу для проведения ее летных испытаний, программное обеспечение обработки данных отрабатывается на основе современных байесовских методов распознавания лесной растительности разного породного состава и возраста.
Построены оптимальные алгоритмы распознавания соответствующих объектов с использованием принципа максимального правдоподобия в процессе минимизации вероятности неправильного распознавания заданного классификатора. Ошибка классификации является целевой функцией оценки точности разрабатываемых алгоритмов при использовании известного метода кросс-валидации при удалении отдельных наборов исходных данных в процессе обучения классификатора и повторении процесса разделения исходных ансамблей на обучающие и тестируемые данные.
Показаны результаты оптимизации спектральных каналов ГСК при обработке полученных изображений с учетом радиометрических искажений, уменьшающих точность классификации объектов. Обоснован выбор спектральных каналов на основе предлагаемых усовершенствований метода кросс-валидации, и построены матрицы ошибок, которые характеризуют результаты классификации хвойных и лиственных пород «чистых выделов» для пикселей, соответствующих полностью освещенным элементам крон соответствующих древостоев.
Исследования проводятся при финансовой поддержке грантов РФФИ 11-07-00382, 13-01-00185 и ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы.

Методы и алгоритмы обработки спутниковых данных

40