Специальное программное обеспечение распределенной адаптивной обработки временных серий данных дистанционного зондирования

• Автор: Селиванов, Павел Юрьевич
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Воронеж
• Количество страниц: 174 с. : ил.

Введение
Глава 1. Анализ математического и программного обеспечения систем распределенной обработки данных, получаемых в результате накопления аэрокосмических снимков и точек лазерного сканирования
1.1. Анализ математического и программного обеспечения распределенной обработки аэрокосмических снимков

1.1.1. Аэрокосмические снимки в работе ситуационных центров.

1.1.2. Анализ особенностей данных, полученных в результате проведения аэрокосмической съемки. Анализ математического и программного обеспечения атмосферной коррекции снимков.
1.1.3. Анализ математического обеспечения определения нолей облачности на аэрокосмических снимках.
1.2. Анализ математического и программного обеспечения распределенной обработки данных лазерного сканирования

1.2.1. Трехмерные модели местности. Лазерная съемка.

1.2.2. Анализ математического и программного обеспечения обработки данных лазерного сканирования.
1.3. Ситуацион1ые задачи, решаемые при совместном использовании лазерного сканирования и аэрокосмической съемки.

1.3.1. Прогнозирование и мониторинг развития ситуации в условиях паводка.

1.3.2. Выявление мест и времени незаконного ввоза наркотических веществ на территорию России
1.3.3. Прогнозирование и мониторинг изменения состояния железнодорожной инфраструктуры
1.4. Структура распределенной обработки пространственных данных в целях пространственюго мониторинга.
1.5. Выводы но главе
Глава 2. Распределенные методы обработки аэрокосмических снимков сверхвысокого пространственного разрешения на основе модифицированных методов определения нолей облачности.
2.1. Параметрическая модель цифрового изобраэсения, предназначенная для имитации полупрозрачной облачности на снимках сверхвысокого пространственного разрешения
2.2. Алгоритм построения растровой карты минимальной облачности
2.4.1. Постановка задачи
2.4.2. Алгоритм построения растровой карты минимальной облачности
2.3. Распределенный метод адаптивного определения полей облачности на снимках сверхвысокого пространственного разрешения.
2.3.1. Формальное описание задачи.
2.3.2. Описание области интересов.
2.3.3. Распределенный метод адаптивного выделения полей облачности
2.3.4. Анализ эффективности методов сегментации для снимков сверхвысокого пространственного разрешения, полученных при полупрозрачной облачности.
2.3.5. Лабораторные испытания метода адаптивного определения полей облачности
2.4. Выводы по главе
Глава 3. Метод и технология автоматизированной ускоренной обработки данных дистанционного зондирования для построения цифровых моделей местности.
3.1. Анализ особенностей данных, полученных в результате проведения лазерной съемки. Существующие методы классификации точек
3.2. Технология совместного использования точек наземного и воздушного лазерного сканирования.
3.3. Метод автоматизированного построения ЦММ на основе данных лазерного сканирования. Построение изометрической модели рельефа
3.3.1. Постановка задачи
3.3.2. Метод автоматизированного построения ЦММ на основе данных лазерного сканирования
3.3.3. Оценка эффективности метода.
3.3.4. Построение изометрической модели рельефа на основе данных лазерного сканирования.
3.3.5. Технология построения цифровой модели местности на основе данных лазерного сканирования
3.4. Позиционирование трехмерных объектов. Оценка точности моделирования по результатам проведения лазерного сканирования
3.4.1. Оценка точности моделирования по результатам проведения лазерного сканирования.
3.4.2. Задача планирования лазерной съемки при заданной точности моделирования
3.5. Выводы по главе 3.
Глава 4. Специальное программное обеспечение распределенной адаптивной обработки временных серий данных дистанционного зондирования.
4.1 Архитектура программного комплекса, в рамках которого реализованы разработанные методы.
4.2 Реализация клиентского программного обеспечения
4.3 Реализация программного обеспечения на стороне сервера.
4.4 Выводы по главе
Заключение.
Литература


Предложенное решение отличается использованием априорной информации об объектах на снимках, что позволяет повысить точность определения полей облачности на изображениях. В третьей главе предлагается ускоренный автоматизированный метод распределенного построения ЦММ на основе данных лазерного зондирования, отличающийся дополнительным использованием номера отражения и интенсивности отраженного импульса для классификации точек лазерного сканирования. Анализируются результаты проведенного исследования эффективности разработанного метода, делается вывод об увеличении скорости обработки данных лазерного сканирования по сравнению с известными методами, сохраняя точность обработки. Приводится специальное математическое обеспечение реализации необходимой точности визуализации, отличающееся учетом отклонений от средней плотности лазерного сканирования при планировании и проведении съемки. Кроме того, дается оценка точности построенных ТММ на основе данных лазерного сканирования. В четвертой главе предлагается программная инфраструктура адаптивной распределенной обработки изображений, отличающаяся принятием решения о выполнении вычислений на клиентской стороне по признаку наличия пересечения бинарных масок статических объектов и поля облачности, полученного методом Протасова, позволяющая снизить нагрузку на сервер и повысить скорость обработки. Приводится описание реализация как клиентской, так и серверной частей программного обеспечения набор их основных функций, рассматриваются некоторые части исходного кода. В приложении 1 приведены графики изменения математического ожидания ошибок первого и второго рода в зависимости от изменения плотности облаков на снимках, полученные при проведении исследований эффективности алгоритмов фильтрации и сегментации. В приложении 2 приведен фрагмент блоксхемы реализации преобразовании облака точек ЛС в полигональный объект, используя объекты библиотеки АгсОЬе Е8Ш. Глава 1. В зависимости от конкретной задачи для сбора данных могут использоваться системы как воздушного, так и космического базирования. Привести универсальный критерий, позволяющий сделать выбор между азро и космическими снимками, невозможно, так как информационные характеристики изображений зависят от большого количества параметров технических характеристик аппаратуры, метеорологических условий, особенностей местности, для которой проводится съемка и др. Если говорить о пространственном разрешении как о ключевом факторе, определяющем возможность распознавания объектов на подстилающей поверхности, то первенство, несомненно, принадлежит аэроснимкам. Vx , i , i. К тому же использование аэросъемочной аппаратуры может быть сопряжено с применением лазерного сканера, что делает возможным построение цифровой модели рельефа ЦМПР На качество снимков, полученных с систем воздушного базирования, меньшее воздействие оказывает атмосфера, хотя наличие сильного тумана, дыма или смога также может затруднить или сделать невозможным распознавание объектов па них. Более того, для проведения космической съемки критическим фактором является высота солнца над горизонтом. Например, в северных районах России изза низкого стояния солнца очень сильно увеличиваются тени от объектов. В условиях городской застройки эго может вызвать серьезные проблемы при распознавании. Однако у аппаратуры, базирующийся в космосе, есть свои преимущества, и первый из них это, конечно, цена. Стоимость данных за один квадратный километр космической съемки как минимум в три раза меньше, чем при применении аэросъемки. Кроме того, предобработка космических снимков менее сложна и не требует специалистов по фотограмметрии. Еще одним очень важным преимуществом космических систем является их трансграничность возможность получения данных о любой точке земного шара. Кроме того, на сегодняшний день космоснимки имеют достаточно высокое пространственное разрешение, позволяющее решать большой класс задач. Например, данные, полученные с системы vi, имеют пространственное разрешение до 0,5 м, а точность их привязки достигает значений в ,2 м. Если рассмотреть технические характеристики аппаратуры, установленной на современных спутниках см. Табл.