Инновационный подход к обработке гиперспектральных спутниковых данных

Одной из тенденций развития современных космических систем дистанционного зондирования Земли (ДЗЗ) является переход к активному использованию многоспектральных данных. Информативность снимков повышается за счет использования системы признаков на основе спектральных характеристик зарегистрированного оптического излучения.
Гиперспектральная съемка (ГСС), являясь продолжением развития мультиспектральных систем, представляет собой относительно новый вид съемки в дистанционном зондировании Земли. По сравнению с традиционными методами, она производится в узких спектральных диапазонах. При этом количество спектральных каналов достигает нескольких десятков и даже сотен, а ширина диапазона составляет единицы нанометров.
Основными проблемами использования данных ГСС является анализ больших массивов информации и информационная избыточность при решении конкретных задач, где извлечение полезной информации – довольно непростая задача.
Традиционные алгоритмы классификации космических снимков оказываются неэффективными в случае анализа 200-полосных изображений по ряду причин: временные затраты на расчеты слишком велики из-за большого объема данных; требуется больше обучающих данных; традиционные классификаторы не используют в полной мере информацию, содержащуюся в гиперспектральных материалах.
Значительный объем гиперспектральных данных (до нескольких гигабайт) и пределы компьютерной памяти требуют применения ряда специальных инструментов классификации. Их конструкция должна быть продиктована не только стремлением к эффективности, но также различными типами распознавания образов, которые стали возможны благодаря спектральным данным высокого разрешения.
Программный комплекс «Image Media Center», полностью разработанный российской компанией «Центр инновационных технологий», позволяет решать вышеназванные проблемы с помощью новейших методов обработки гиперспектральных данных, а именно: корреляции, корреляции с учетом амплитуды сигнала, спектрально-углового картирования, двоичного кодирования и ортогональной проекции подпространства.
Алгоритм спектрально-углового картирования напоминает классификатор метода ближайшего среднего, использующего спектрально-угловое расстояние. Первоначально разработанный для гиперспектральных данных, он не использует никаких специальных характеристики этих данных и может также применяться к многоспектральным данным. Спектрально-угловое расстояние не зависит от модуля спектральных векторов и, следовательно, нечувствительно к изменениям топографии. Поэтому данный классификатор может применяться к материалам ДЗЗ, которые не были скорректированы с учетом топографии, что облегчает их сравнение с лабораторным спектром коэффициента отражения.
Корреляционный анализ является статистическим методом обработки пространственных данных, который основывается на сравнении яркости пикселей с эталоном в каждом спектральном канале. В случае гиперспектрального анализа применение метода спектрально-корреляционного анализа требует больших вычислительных и временных затрат, так как для каждого пикселя изображения необходимо рассчитать средние значения яркости по большому числу спектральных каналов. Поэтому, для увеличения производительности алгоритма в ПК IMC реализован метод упрощенной корреляции, в котором допускается пренебречь средними значениями яркости пикселей.
Алгоритм двоичного кодирования позволяет использовать только один бит в каждой полосе для кодирования всего спектра, что значительно сокращает объем гиперспектральных данных. Закодированный спектр сравнивается побитно на основе расстояния Хемминга.
Метод ортогональной проекции подпространства основан на проецировании неизвестного вектора данных на определенный, представляющий интерес вектор при одновременном «обнулении» других признаков класса.
Разработанные алгоритмы позволяют не только достоверно отождествлять образы объектов на снимках, но и одновременно сжимать данные, что особенно важно в процессе обработки гиперспектральных изображений.