Разработка проблемно-ориентированного математического обеспечения систем зондирования поверхности Земли

• Автор: Есаков, Дмитрий Игоревич
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Москва
• Количество страниц: 160 с. : ил.

Оглавление
ВВЕДЕНИЕ

1. АВТОМАТИЗИРОВАННЫЙ ПОИСК ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ

1.1. Постановка задачи

1.2. Задача поиска областей интереса на изображениях

1.3. Основные классы решаемых задач

1.3.1. Задача поиска областей интереса по критерию наличия в тсс изменений по сравнению с базовым изображением
1.3.2. Задача поиска областей интереса по критерию наличия в них следов антропогенной деятельности

1.4. Методы поиска изменений на изображениях. Сравнительный обзор

1.4.1. Методы предварительной обработки

1.4.2. Метод простого дифференцирования
1.4.3. Методы, использующие критерии значимости и критерий гипотезы
1.4.4. Методы, использующие прогнозирующие модели
1.4.5. Методы, оперирующие моделью затенения
1.4.6. Методы моделирования фона
1.4.7. Методы обеспечения целостности маски изменений
1.4.8. Методы, использующие интегральные характеристики изображений
1.4.9. Принципы сравнения и оценки функционирования
1.4.10. Итоги обзора методов поиска изменений
1.5. Задачи диссертационных исследований
1.6. Выводы
2. МЕТОД ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ
2.1. Необходимость исследования метода поиска областей интереса на изображениях
2.2. Метод комбинированного поиска областей интереса
2.2.1. Этапы комбинированной обработки
2.2.2. Обоснование применения комбинированной обработки
2.3. Поиск областей интереса на изображениях
2.4. Метод совмещения изображений
2.4.1. Оценка функции преобразования
2.4.2. Трансформирование
2.5. Фрактальный метод поиска областей интереса
2.5.1. Описание метода вариаций
2.5.2. Применение метода анализа ПФР для выделения антропогенных ландшафтов
2.6. Морфологический метод поиска областей интереса
2.6.1. Введение в морфологию
2.6.2. Форма изображения объекта
2.6.3. Сравнение изобраэюений по форме
2.7. Комбинированный метод поиска
2.8. Выводы
3. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА КОМБИНИРОВАННОГО МЕТОДА ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ
3.1. Вычислительные эксперименты по применению фрактального метода ДЛЯ ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА
3.1.1. Поверхность Такаги
3.1.2. Учет погрешностей квантования при практической реализации метода
3.1.3. Оценка устойчивости метода к изменению условий съемки и масштаба
3.1.4. Методика принятия решения о наличии или отсутствии аномалии
3.1.5. Применение локальных ПФР при практической реализации метода анализа ПФР
3.1.6. Исследование и тестирование метода на различных типах объектов
3.1.7. Сравнение разработанного метода с методом разности изображений
3.2. Вычислительные эксперименты по применению фрактального метода ДЛЯ ПОИСКА АНТРОПОГЕННЫХ ОБЪЕКТОВ
3.3. Вычислительные эксперименты по применению морфологического
МЕТОДА ДЛЯ ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА
3.3.1. Методика принятия решения о наличии или отсутствии аномалии
3.3.2. Оценка устойчивости метода к изменению условий съемки
3.3.3. Тестирование работы метода на реальных изображениях
3.4. Общее тестирование комбинированного метода
3.4.1. Оценка вычислительных затрат на реализацию
3.4.2. Оценка сокращения числа обрабатываемых кадров
3.5. Определение эффективности комбинированного метода с помощью методов экспертной оценки
3.5.1. Основные этапы процедуры экспертного оценивания
3.5.2. Методы экспертного оценивания альтернатив
3.5.3. Основные типы шкал
3.5.4. Обработка экспертных оценок
3.5.5. Описание эксперимента по оценке эффективности разработанного метода
3.6. Выводы
4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ КОМПЛЕКСНОГО МЕТОДА ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ

4.1. Блок-схема организации вычислительного процесса
4.2. Средства разработки и тестирования
4.3. Библиотека функций обработки изображений
4.4. Программная реализация
4.5. Выводы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ
ПРИЛОЖЕНИЕ

Так как интересующие изменения часто связаны с ограниченными группами пикселей, то обычно решение о наличии изменения в данном пикселе (х,у) выносится, исходя из анализа небольшого блока пикселей в окрестности {х,у) на каждом из двух изображений (такие подходы также называются “гео-пиксельными” методами). В свою очередь, решения о наличии изменения могут быть сделаны независимо в каждом пикселе, и затем результаты обрабатываются для того, чтобы включить в маску изменений сглаженные области.
Критерии значимости. Характеристика нуль-гипотезы Н0 обычно достаточно проста, так как при отсутствии любых изменений, можно принять, что различие между интенсивностями изображений возникает только из-за шума. К разности изображений может быть применен критерий значимости для того, чтобы оценить, насколько хорошо нуль-гипотеза описывает наблюдения, и эта гипотеза, соответственно, принимается или отклоняется. Проверка производится по правилу
Порог т может быть вычислен для того, чтобы обеспечить желательную частоту ложных обнаружений а.
Критерии отношения правдоподобия. Описание альтернативной гипотезы (гипотезы изменений) Н является более трудоемким, так как наблюдения, состоят из измененных компонентов, которые не известны априорно или не могут быть легко описаны параметрическими распределениями. Когда обе условных ФПВ известны, отношение правдоподобия может быть сформировано в виде
Б(х,у)>т
5(х,у)<г