Скачать учебники

Тикунов В. С. Геоинформатика. Дешифрирование изображений Дешифровочные признаки. Преобразования исходных признаков.

Скачать полную версию учебника (с рисунками, формулами, картами, схемами и таблицами) одним файлом в формате MS Office Word Скачать книгу

Дешифрирование изображений — основная задача при использовании снимков для исследований геосистем. Оно включает распознавание объектов (выявление объектов на снимке) и отнесение их к некоторому типу; измерение — определение размеров, расстояний между объектами, количества объектов на единицу площади и т. п.
Географическое дешифрирование основывается обычно на систематическом обследовании объектов, на изображении в сочетании с разнообразными дополнительными данными.

Дешифровочными признаками пространственных объектов служат тон, цвет, размер, форма, текстура, рисунок, тень, местоположение, связь с другими элементами. При автоматизированном дешифрировании учитывают обычно лишь несколько признаков: тон, цвет, размер, подразделяя их при этом на яркостные, геометрические и комплексные.
Яркостные признаки являются основными и в большинстве случаев единственными. При обработке многозональных снимков они наиболее удобны, так как каждая точка просматриваемого изображения получает многомерную числовую характеристику — набор спектральных признаков. Известно, что разные природные объекты обладают специфическими спектральными характеристиками, связанными с их отражательной способностью. Однако эти признаки не вполне надежны. Яркость искажается при фотообработке, зависит от освещенности объекта, т.е. высоты Солнца, времени суток и года, состояния атмосферы, угла поля зрения съемочной системы, рельефа местности и т. п. Это ведет к неоднозначному соответствию объекта и его яркостных признаков, что в конечном счете снижает достоверность дешифрирования. Кроме того, спектральные признаки разных объектов могут частично совпадать и перекрываться.
Геометрические признаки — это форма (линейная, плоская, объемная), размер, топологические свойства объектов (например, связность, число промежутков). Геометрические признаки используют значительно реже яркостных, так как их довольно трудно формализовать.
Комплексные признаки — это специфическое сочетание яркостных и геометрических признаков, определяющее структуру (текстуру) изображенных на снимке объектов. Они наиболее эффективны и устойчивы, хотя и трудно формализуемы. Косвенно их используют в алгоритмах классификации с обучением, осуществляемой по эталонам (тестовым участкам).
К дополнительным источникам данных относятся карты, фенологические справочники, информация о деятельности человека на исследуемой территории. Такая информация может содержаться в различных слоях БД ГИС. Специалисты используют все эти элементы, а также свои навыки и знания в смежных областях.

Преобразования исходных признаков.
Синтезирование цветного изображения. Для выполнения этой процедуры выбирают три зональных изображения, каждое из которых рассматривают как красную, зеленую и синюю составляющую палитры RGB. В общем виде эту процедуру (во многих ГИС-пакетах она носит название COMPOSIT) можно выразить соотношением

Формула (доступно при скачивании полной версии книги)

Коэффициенты иногда определяют экспериментально, с тем чтобы учесть параметры съемки и характерные особенности объектов дешифрирования. Но чаще пользуются стандартными процедурами, предоставляемыми программными пакетами. В тех из них, которые работают с 8-битовыми изображениями (например, IDRISI), каждое из изображений-компонент квантуется на 6 градаций, при этом диапазон изменения яркости на них сокращается До 32 значений, с тем чтобы в синтезированном изображении значение пиксела не превысило 255 (в одном байте каждой компоненте отводят 6 бит и в результате получают 6x6x6 = 216 значений цвета). В пакетах, работающих с 24-битовыми изображениями, для каждой компоненты отводится байт.
Для отображения многозональных снимков используют различные комбинации зон, позволяющие создавать цветные изображения, подчеркивающие те или иные особенности объектов. Поскольку такие изображения предназначены в основном для визуализации на экране дисплея (в палитре RGB), комбинации строят с Использованием трех зон, порядок которых соответствует красной, зеленой и синей цветовым пушкам монитора.

Обычно используют следующие три стандартные комбинации зон.
1. Красная, зеленая и синяя зоны создают композицию истинного цвета. Истинный цвет означает, что объекты выглядят так как они должны были бы восприниматься невооруженным глазом (рис. 20 цв. вкл.).
2. Ближняя ИК, красная и зеленая зоны создают композицию ложного цвета. Композиции ложного цвета выглядят аналогично фотоснимку в ИК области спектра, в которой, например, растительность представляется красной, вода — темно-синей или черной и т.д. (рис. 21 цв. вкл.).
3. Средняя ИК, ближняя ИК и зеленая зоны создают композицию псевдоцвета. В ней цвет объектов не соответствует естественному: например, дороги могут быть красными, вода — желтой, растительность — синей, т.е. изображаться в произвольной палитре. Такая композиция часто позволяет подчеркнуть цветом различия объектов, что удобно для визуального дешифрирования снимка.

Простое зональное отношение ВИК/Вк (Вк и ВИК — яркости в красной и ближней инфракрасной зонах) наиболее чувствительно к присутствию растительности, учитывает различия в яркости между растительными и нерастительными объектами, представляет индикатор сомкнутости растительного покрова, но является функцией времени.

Вегетационный индекс. Для его вычисления строят разные эмпирические соотношения этих зон, но чаще используют нормализованный вегетационный индекс

Формула (доступно при скачивании полной версии книги)

Он подчеркивает контраст обнаженных пород и почв с зеленой растительностью, позволяет разделить разные типы растительности. Так, для водных объектов он принимает отрицательные значения; для почв, грунтов, сухой растительности близок к нулю; максимальные значения характерны для вегетирующей растительности и разные — для различных состояний растительного покрова. Значения индекса возрастают с развитием зеленой биомассы и уменьшаются с ее усыханием. В то же время одни и те же значения вегетационного индекса могут соответствовать экологически различным категориям естественной и культурной растительности.

Метод главных компонент. Для определения статистически независимых производных признаков классификации, связанных с повышением спектрального контраста изображения, служит преобразование исходных спектральных признаков методом компонентного анализа (см. 2.2.2).
В применении к снимкам процедуру легко пояснить графически на примере двух спектральных зон, демонстрирующих соотношение их значений яркости (рис. 39). Если распределение значений яркости в каждой зоне нормальное или близкое к нормальному, то при отображении на плоскости двух зон это распределение имеет вид облака, называемого эллипсом рассеяния.

Рис. 39. Преобразование спектрального пространства методом главных компонент: а — эллипс рассеяния для двух зон В1 и В2; б — положение осей, соответствующее двум главным компонентам ГК1 и ГК2 (доступно при скачивании полной версии книги)

При выполнении преобразования методом главных компонент оси спектрального пространства поворачивают так, чтобы новые оси стали параллельны осям эллипса рассеяния. Поэтому первая главная компонента (ГК1 — principal component, PCI) соответствует наибольшей оси эллипса — направлению наибольшего разброса значений яркости. Направление ГК1 задается собственным вектором преобразования, а его длина — первым собственным значением (собственные значения преобразования ранжируются по убыванию). Вторая главная компонента ГК2 соответствует наибольшему поперечному сечению эллипса, ортогональному к первой главной компоненте (в двухмерном случае — малой оси эллипса рассеяния). Она отражает значения вариаций данных, которые еще не охвачены первой главной компонентой.
Так как в спектральном пространстве координаты точек являются значениями яркости пикселов в цифровой записи снимка, то в процессе преобразования определяются их новые значения, которые хранятся в создаваемых файлах главных компонент.
Такой метод позволяет получить, например, по четырем исходным зонам снимка четыре новых изображения, ранжированных по убыванию дисперсии яркости (спектрального контраста). При этом в первом изображении (первой главной компоненте) такой контраст максимально подчеркнут, во втором отображаются контуры, на которых происходит смена контраста, а изображения, соответствующие остальным компонентам, содержат, в основном, информацию о различных шумах и систематических погрешностях съемочной системы. Метод главных компонент позво ляет уменьшить число анализируемых снимков до трех и подчеркнуть яркостной контраст, что увеличивает различия между объектами в системе новых признаков.
Часто изображения первых трех главных компонент применяют для получения синтезированного изображения. Известно, что такое изображение содержит больше информации, чем любая комбинация трех исходных спектральных зон.

< Координатная привязка и трансформирование изображений. Геокодирование. Ректификация и регистрация.

Содержание книги "Тикунов В. С. Геоинформатика."

Классификация объектов >

Скачать полную версию учебника (с рисунками, формулами, картами, схемами и таблицами) одним файлом в формате MS Office Word Скачать книгу

При копировании информации обязательны прямые ссылки на сайт, а также на авторов книг.
Все книги являются собственностью их авторов и служат исключительно для ознакомления.
© Edu-Knigi.ru, 2011. © Дизайн и программирование от студии "ПСГ".