Повышение эффективности алгоритмов комплексирования цифровых многоспектральных изображений земной поверхности

• Автор: Кисляков, Алексей Николаевич
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Владимир
• Количество страниц: 203 с. : ил.

СОДЕРЖАНИЕ

Введение
1. Алгоритмическая основа современных методов комплексирования цифровых многоспектральных изображений дистанционного

зондирования земной поверхности

1Л. Методы получения многоспектральных изображений

земной поверхности

1.2. Многоспектральные методы исследования

1.3. Совместная обработка данных: возможности, ограничения

и перспективы

1.4. Методы комплексирования многоспектральных изображений

1.4.1. Методы замещения
1.4.2. Методы яркостного преобразования
1.4.3. Методы оптимизации
1.4.4. Методы, основанные на кратномасштабных преобразованиях
2. Разработка эффективного алгоритма комплексирования цифровых многоспектральных изображений для мониторинга объектов
земной поверхности
2.1. Предварительная обработка
2.2. Оценка информационного содержания изображений
2.3. Оптимизация количества информации, используемой
при комплексировании изображений
2.4. Морфологический анализ изображений
2.5. Комплексирование на основе усиления спектрозональных
отличий
2.6. Постобработка с применением методов цветового кодирования
3. Моделирование работы алгоритма комплексирования многоспектральных изображений земной поверхности
3.1. Критерии оценки качества цифровых многоспектральных изображений
3.2. Моделирование работы алгоритма комплексирования в условиях шумового воздействия на изображение
3.3. Моделирование работы алгоритма комплексирования применительно к гиперспектральным снимкам
3.4. Исследование работы алгоритма комплексирования на основе усиления спектрозональных отличий
4. Сравнительный анализ разработанного алгоритма с другими современными алгоритмами комплексирования многоспектральных
изображений
Заключение
Список литературы
Приложение

ВВЕДЕНИЕ
Актуальность темы диссертации. В последнее десятилетие большое значение приобрели дистанционные методы исследования земной поверхности. Основные области применения дистанционного зондирования - получение информации о состоянии окружающей среды и землепользовании, изучение растительных сообществ, оценка урожая сельскохозяйственных культур, оценка последствий стихийных бедствий: наводнений, землетрясений, извержений вулканов, лесных пожаров и т.д.
Данные зондирования поступают в виде изображений, как правило, в цифровой форме, обработка ведется на ЭВМ, поэтому проблематика дистанционного зондирования тесно связана с цифровой обработкой изображений.
Расширение круга задач, решаемых методами дистанционного зондирования, привело к активному развитию многоканальных систем мониторинга земной поверхности, предполагающих совместное использование различных инструментов - приборов и датчиков: оптических, инфракрасных и микроволновых, которые, в итоге, позволяют получать цифровые изображения наблюдаемой сцены в различных диапазонах электромагнитного излучения. При этом информация о характеристиках объектов содержится в пространственном распределении уровней яркости пикселей по площади изображения.
Отличительной особенностью многоканальных систем дистанционного зондирования является обязательное наличие избыточной дублирующей информации от нескольких параллельно работающих измерителей (датчиков). Основные факторы, которые нужно учитывать при выборе измерителей, - это дополняющий характер информации, а также совместимость темпов получения, размерностей и форматов представления данных. Если датчики просто дублируют информацию, то процесс совместного использования данных по существу эквивалентен созданию избыточности для повышения надежности.

визуализации для получения более подробной информации. В идеальном случае необходимо извлечь всю имеющуюся информацию от источника изображения без введения каких-либо искажений. В дистанционном зондировании наиболее часто используются методы комплексирования изображений на пиксельном уровне. Преимущество попиксельного комплексирования изображений состоит в том, что используемые изображения содержат оригинальную исходную информацию об объектах на сцене.
Комплексирование изображений на пиксельном уровне имеет два направления: по яркости и по цвету, поэтому все алгоритмы комплексирования изображений можно разделить на два больших класса: цифровые (яркостные) и цветовые.
Более подробная классификация методов комплексирования изображений на пиксельном уровне с различной степенью детализации, сложности и точности показана на рисунке 1.16.
Многие, разработанные до сих пор, методы и подходы к комплексированию изображений подразделяются на следующие группы [103, 115]:
1. Методы замещения, такие как взвешенное усреднение, анализ главных компонент (РСА), канальное цветовое слияние и переход к цветовому пространству НБ1.
2. Методы яркостного преобразования, которые нормализуют спектральные диапазоны, используемые для визуализации изображений, например, Вгоуеу-преобразование, высокочастотная фильтрация.
3. Оптимизационные подходы, такие как нейронные сети.
4. Методы кратномасштабных преобразований. Например, пирамида Лапласа, Вейвлет-преобразование, , Курвлет-преобразование, Контурлет-преобразование.