Разработка методики использования вейвлет-преобразования для обработки космических снимков высокого и среднего разрешения при мониторинге лесных массивов

• Автор: Гордиенко, Антонина Сергеевна
• Шифр специальности: 25.00.34
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Новосибирск
• Количество страниц: 123 с. : ил.

СОДЕРЖАНИЕ
Введение

1 Обзор существующих методов и средств мониторинга лесных массивов

1.1 Современные технологии мониторинга леса и мониторинга территорий

1.2 Обзор современных спутниковых данных, используемых при мониторинге леса

1.3 Спектральные свойства растений

1.4 Факторы, влияющие на яркость изображений объектов местности

1.5 Предварительная обработка космических снимков

1.6 Методы выявления изменений при мониторинге территорий

2 Разработка методики выявления изменений на основе структурных признаков изображений объектов

2.1 Теоретические основы Фурье-анализа изображений

2.2 Теоретические основы вейвлет-анализа изображений
2.3 Разработка методики локализации изменений в лесных массивах по космическим снимкам высокого и среднего разрешения
2.4 Разработка методики выявления изменений в лесных массивах по разновременным космическим снимкам высокого и среднего разрешения
3 Экспериментальные исследования
3.1 Исходные данные
3.2 Исследование методики локализации изменений в лесных массивах по аэрокосмическим снимкам
3.3 Обоснование выбора вейвлет-функции для выявления

изменений по разновременным космическим снимкам на основе вейвлет-анал иза
3.4 Исследование методики выявления изменений по разновременным космическим снимкам на основе вейвлет-анализа
3.5 Исследование технологической схемы выявления изменений по разновременным космическим снимкам для мониторинга лесных массивов с использованием вейвлет-анализа
3.6 Исследование эффективности методики выявления изменений, в лесных массивах, основанной на вейвлет-анализе
Заключение
Список использованных источников
Приложение А Характеристики космических систем дистанционного зондирования, используемых в лесном хозяйстве
Приложение Б Изображения уровней разложения фрагментов снимка полученного со спутника QuickBird
Приложение В Фрагменты разновременных снимков и таблицы коэффициентов корреляции между соответственными уровнями вейвлет-разложения разновременных снимков
Приложение Г Примеры выявления изменений на основе вейвлет-анализа
Приложение Д Отчеты о достоверности автоматизированной классификации снимков, полученных со спутника Landsat7
Приложение Е Отчеты о достоверности автоматизированной классификации снимков, полученных со спутника QuickBird
Приложение Ж Отчеты о достоверности автоматизированной классификации снимков, полученных со спутника 1RS и SPOT2

Введение
Актуальность темы. Дистанционное зондирование позволяет осуществлять мониторинг и контроль за различными природными и антропогенными
объектами.
Мониторинг леса играет важную роль в управлении лесами. Он позволяет решать следующие задачи: охрана лесов от пожаров; контроль лесопатологического состояния лесов; наблюдения за территориями, загрязненными радионуклидами; оценка состояния лесных экосистем и лесного покрова; актуализация данных изученности лесов.
Одна из основных проблем лесоустройства — контроль незаконной рубки леса. В соответствии с лесным законодательством лесопользователям при заготовке древесины необходимо выполнять мероприятия по восстановлению ценных пород и защитных функций леса. Вырубка должна выполняться в соответствии с Правилами заготовки древесины (приказ МПР России от 16.07.2007 г. № 184) и Правилами санитарной безопасности в лесах (постановление Правительства Российской Федерации от 29.06.2007 г. №414). Но они нередко нарушаются. Таким образом, возникает острая проблема оперативного выявления незаконных рубок леса.
В России леса занимают огромную площадь (около 70 %), для обеспечения эффективного управления и контроля которой требуются большие материальные затраты. Решить эту проблему может использование данных дистанционного зондирования. В настоящее время состояние рынка данных дистанционного зондирования Земли позволяет получать снимки различного разрешения с высокой периодичностью (до двух раз в день), а также по стоимости данные уже доступны широкому кругу пользователей.
Как известно, на аэрокосмические данные влияет большое количество внешних факторов: атмосфера, сезонность, освещенность и др. Это воздействие в первую очередь отражается на значениях спектральных яркостей элементов изображения, а спектральная яркость элемента изображения — это основной
(23)
vk ~ ph y и

p.k у’-
Ц У[1
v.nV" и У

(24)
В результате преобразования Gramm-Schmidt получают три компоненты, подобные Tasselled cap, и компоненту изменений.
Метод Chi-square преобразует многоспектральное изображение в единое изображение изменений в соответствии с формулой:
Vij = Й/* " Арср J (щк - дР& ). <251
где Уц - цифровое значение пикселя в изображении изменений; к
АРу- - вектор разностей разновременных изображений для каждого
из к спектральных каналов; к
АРСр — вектор средних разностей каждого из спектральных каналов исходного изображения;
X-1 - обратная ковариационная матрица к спектральных каналов
разновременных изображений.
Преимуществом данного метода является то, что можно одновременно анализировать все каналы многоспектрального изображения, но если большая часть изображения местности подверглась изменениям, то значения У = 0 не будут означать, что пиксель не изменен.
Несмотря на все преимущества, рассмотренные выше алгоритмы не обеспечивают получение детальной матрицы изменений и нуждаются в выборе критерия для выявления измененных участков, а результаты обработки трудно