Технология распознавания облачных объектов на спутниковых изображениях от КА "Канопус-В"

Одним из основных параметров, определяющих качество данных дистанционного зондирования Земли (ДЗЗ) высокого пространственного разрешения является степень покрытия наблюдаемой сцены облаками. В процессе формирования выходной продукции для потребителей помимо самого изображения должна выдаваться и маска облачности. Элементы этой маски определяют принадлежность пикселей снимка облачным объектам или земной поверхности.

Системы ДЗЗ высокого пространственного разрешения имеют ряд особенностей, связанных принципом наблюдения подстилающей поверхности (пространственное разделение светового потока по светочувствительным элементам), сверхбольшим объемом массивов формируемых видеоданных и отсутствием информации в дальнем инфракрасном спектральном диапазоне. Эти особенности не позволяют применять для распознавания облачных образований известных решений, основанных на вегетационных индексах, нейронных сетях и др. [1,2,3]. Применение алгоритма колорометрического выделения облаков позволяет достичь высокой скорости обработки, однако, в ряде случаев, возможны ложные срабатывания на таких объектах как снег, песок, крыши домов и других участках изображений, содержащих пиксели серого цвета [4].

В докладе представляется технология распознавания облачных объектов на спутниковых изображениях от КА "Канопус-В", вобравшая в себя целый комплекс алгоритмов, использование которых позволяет достичь высокой скорости и надежности сегментации облачных объектов. Представляемая технология выполняется в 4 этапа:
1) предварительное выделение ядер облачных объектов при помощи колорометрического алгоритма;
2) расширение ядер облачности путем включения в них прилегающих пикселей, принадлежащих облачной дымке;
3) уточнение маски облачных объектов посредством Байесовского классификатора;
4) отбраковка ложно-выделенных облачных объектов на основе оценки межканальной диспарантности пикселей, принадлежащих выделенным на предыдущих этапах облачным объектам.

В докладе приведены оценки эффективности предложенной технологии, полученные путем анализа результатов ее работы на изображениях с различной сюжетной составляющей (растительность, песок, снег, лед, городская местность и т.д.).

Литература
1. Астафуров В.Г., Скороходов А.В. Классификация облаков по спутниковым снимкам на основе технологии нейронных сетей // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 65-73.
2. Huete A., Justice C., van Leeuwen W. MODIS VEGETATION INDEX (MOD13). Algorithm theoretical basis document. Version 3. April, 1999.
3. Steve Ackerman, Kathleen Strabala, Paul Menzel e.t.c. Discriminating clear-sky from cloud with MODIS // Algorithm theoretical basis document (Mod35)/NASA/LaRC, Hampton, VA, http://modistmos.gsfc.nasa.gov/_docs/atbd_mod06.pdf, 2002.
4. Кочергин А.М. Алгоритмы и технологии предварительной обработки изображений в системах каталогизации данных дистанционного зондирования Земли – Дис. канд. техн. наук. Рязань, 2008. 116 с.