Автоматизированная классификация спутниковых РСА-изображений для целей мониторинга ледового покрова арктических морей

• Автор: Богданов, Андрей Владимирович
• Шифр специальности: 11.00.11, 11.00.08
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Санкт-Петербург
• Количество страниц: 176 с. : ил.

Последнее преимущество является особенно важным при решении оперативных задач, связанных с предотвращением и устранением последствий аварий, разливов нефти, а также при выборе курса судна в ледовых условиях. В настоящее время, когда прекратилась авиационная ледовая разведка, спутниковые РСА изображения и информация, получаемая на их основе, позволяют заменить традиционные источники информации о состоянии ледяного покрова. Использование РСА данных оказывается экономически более выгодным, чем использование авиационных методов ДЗ. Шагом вперд можно считать попытки использования РЛизображений высокого разрешения для оперативного выбора курса судна в тяжелых ледовых условиях В настоящее время для таких целей используется вертолетная ледовая разведка с борта ледокола, которая сопряжена с большим риском для жизни пилотов и гидрологов, е эффективность часто ограничивается погодными условиями. В настоящем диссертационном исследовании использовались методы многомерного статистического анализа линейный дискриминантный анализ, пошаговый дискриминантный анализ и канонический корреляционный анализ в виде модулей пакета программ ii В процессе предварительной обработки РСА изображений использовались как традиционные методы улучшения качества изображений фильтрация, улучшение контраста изображений, так и специфичные для спутниковых РСА изображений процедуры обработки нормировка на дальность и диаграмму антенны. При этом использовалось программное обеспечение, разработанное в Центре но окружающей среде и дистанционному зондированию им Нансена г Берген, Норвегия. Географическая привязка РСА изображений, их трансформация в географическую проекцию, наложение на изображение контура береговой черты, координатной сетки, линий отмечающих маршрут экспедиции, границ полигонов и другие операции выполнялись с использованием специализированного пакета обработки данных дистанционного зондирования версия 5. Разработанный алгоритм классификации ледяного покрова использует технологии искусственного интеллекта, в частности, модель многослойной НС. Обучение и реализация НС выполнялись на основе пакета программ версия 4. Штутгартском и Тюбингенском университетах Результаты применения нейросетевого алгоритма сравнивались с результатами работы алгоритма автоматизированной классификации, основанного на линейном дискриминантном анализе ЛДЛ, разработанного К Ваккерманом и Д. Миллером в Мичиганском институте исследования окружающей среды США. При написании диссертации автор придерживался принятой стандартизированной ледовой терминологии и условных обозначений в соответствии с действующей номенклатурой Всемирной метеорологической организации ВМО. Настоящая работа продолжает цикл ледовых исследований, проводимых в НансенЦентрах в Бергене Норвегия и СанктПетербурге. Основные этапы исследования, выполненные автором, включали многомерный статистический анализ выборок данных, обучение автоматических ЛДА и НС алгоритмов классификации, автоматическую классификацию серий РСА изображений спутников РЛОАРБАТ и РЯЯ, включая синхронно полученные РСА изображения одного и того же района, визуальное дешифрирование спутниковых РСА изображений, сравнительный анализ результатов классификации. Для валидации результатов автоматической классификации и сбора подспутниковых данных автор принял участие в научной экспедиции па борту атомного ледокола Советский Союз в Баренцевом и Карском морях в апрелемае г. Достоверность полученных результатов подтверждается проведнными подспутниковыми наблюдениями и соответствием результатов автоматической классификации результатам независимой экспертной классификации, выполненной в Арктическом и Антарктическом научноисследовательском институте. Впервые применительно к задачам классификации морских льдов по спутниковым РСА изображениям проведено сравнение и анализ эффективности работы нейросетевого алгоритма классификации и алгоритма, основанного на линейном дискриминантном анализе. Впервые выполнена автоматическая классификация РСЛ изображений спутников РЛГЛК5ЛТ, покрывающих западную часть трассы Северного Морского Пути СМП.