Математические методы и алгоритмы обработки данных аэрокосмического зондирования земных покровов : Информационно-статистический подход

• Автор: Протасов, Константин Тихонович
• Шифр специальности: 05.13.18
• Научная степень: Докторская
• Год защиты: 2005
• Место защиты: Томск
• Количество страниц: 350 с. : ил.

ОГЛАВЛЕНИЕ

КЛЮЧЕВЫЕ СЛОВА, СЛОВОСОЧЕТАНИЯ И ИСПОЛЬЗУЕМЫЕ

СОКРАЩЕНИЯ. ,

ВВЕДЕНИЕ

ГЛАВА 1. ЗАДАЧИ ПРЕДОБРАБОТКИ ИЗОБРАЖЕНИЙ В УСЛОВИЯХ

ОБЛАЧНОЙ И АРОЗОЛЬНОЙ АТМОСФЕРЫ

1 ..Комплексная нормализация изображений приборов АУНБЛ

спутников серии ИОАА для мониторинга поверхности Земли

1.2. Линейные модели функций рассеяния точки в собственных базисах и критерий качества систем видения изображений
1.3. Адаптивное восстановление и масштабирование космических снимков ППЗ с использованием априорной информации.

1.4. Статистическое восстановление участков видеоданных,

закрытых фрагментами облаков экранов
1.5. Восстановление космических снимков на участках затенения дымкой и фрагментами облаков
1.6. Основные результаты и выводы главы 1.
ГЛАВА 2. СИНТЕЗ ИНФОРМАЦИОННЫХ СИСТЕМ В УСЛОВИЯХ СТАТИСТИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ
2.1. Введение в проблему распознавания образов в условиях априорной неопределенности разных уровней
2.2. Непараметрические оценки неизвестных распределений
и проблема оценивания параметров сглаживания.
2.3. Адаптивный байесов подход построения решающих правил
на основе технологии синтеза информационных систем.
2.4. Параметрические методы восстановления распределений
с использованием нормализующих преобразований.
2.5. Синтез решающих правил распознавания ситуаций
в пространствах информативных признаков.
2.6. Синтез решающих правил распознавания образов
в пространствах агрегированных наблюдений.
2.7. Основные результаты и выводы главы 2.
ГЛАВА 3. АЛГОРИТМЫ КЛАССИФИКАЦИИ, КОНТУРНОГО АНАЛИЗА, ОБНАРУЖЕНИЯ РАЗЛАДКИ, КОНТЕКСТНОГО РАСПОЗНАВАНИЯ.
3.1. Кластерный анализ данных непараметрическим
алгоритмом сегментации
3.2. Сегментация изображений алгоритмом кластеризации,
основанным на двустороннем критерии однородности.
3.3. Алгоритмы выделения контуров на аэрокосмических
снимках ППЗ пространственным дифференцированием.
3.4. Космический мониторинг аномалий подстилающей
поверхности Земли адаптивным алгоритмом разладки
3.5. Использование непараметрических оценок распределений в решающих правилах распознавания процессов и полей.
3.6. Основные результаты и выводы главы 3.
ГЛАВА 4. ПРАКТИЧЕСКИЕ ЗАДАЧИ АНАЛИЗА АЭРОКОСМИЧЕСКИХ
ИЗОБРАЖЕНИЙ
г 4.1. Кластерный анализ облачных полей методом
декомпозиции гистограмм.
4.2. Обнаружение тепловых аномалий пожаров по данным
приборов V.I и метеослужб.

4.3. Спутниковый мониторинг пожаров непараметрическим алгоритмом распознавания образов с обучением
4.4. Алгоритм выделения кластеров путем оценивания локальных
мод смешивающего распределения.
4.5. Идентификация породного состава древесных сообществ
в задаче углеродного контроля бореальных лесов.
ч 4.6. Непараметрический алгоритм распознавания объектов ППЗ
по данным аэрокосмической съемки.
4.7. Основные результаты и выводы главы 4.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Международная конференция «Вычислительные технологии и математические модели в науке, технике и образовании». Алма-Ата. Казахстан. X Joint International Symposium “Atmospheric and Ocean Optics. Atmospheric Physics”. Tomsk. XI Joint International Symposium “Atmospheric and Ocean Optics. Atmospheric Physics”. Tomsk. Международная конференция ENVIROMIS- «Измерения, моделирование и информационные системы как средства снижения загрязнений на городском и региональном уровне». Томск. IV Международный симпозиум «Контроль и реабилитация окружающей * среды». Томск. ИОМ СО РАН. Международная конференция «Вычислительные и информационные технологии в науке, технике и образовании». Алма-Ата. Казахстан. Вторая Всероссийская научная конференция «Дистанционное зондирование земных покровов и атмосферы аэрокосмическими средствами». Санкт-Петербург. По результатам выполненных исследований опубликовано печатных работ. Общий список работ автора содержит публикаций. ГЛАВА 1. Комплексная нормализация изображений приборов АУНББ. Параграф написан по материалам работ автора [3,5,7, 0, 7, 0]. Широкое распространение видеоданных прибора АУШШ спутников ЫОАА и высокая временная повторяемость снимков изучаемого участка поверхности Земли, стимулирует попытки решения задач ресурсноэкологического мониторинга. К сожалению, скудная разрешающая способность, существенные геометрические и радиояркостные искажения этих изображений затрудняют их анализ алгоритмами тематической обработки. Так как ресурсно-экологический мониторинг предполагает прежде всего временной анализ согласованных видеоданных, возникает задача автоматического взаимного совмещения разновитковых изображений изучаемого региона с переходом к равноточному разрешению снимков. Предлагаемая нами комплексная нормализация включает калибровку данных с переходом к альбедо (в 1-ом и 2-ом каналах) и термодинамическим температурам (в 3-ем, 4-ом и 5-ом каналах), фрагментацию и архивацию данных. Устранение геометрических искажений учитывает вариации проекции на цилиндр сканирующего пятна прибора АУЛИЛ, пересчет радиояркости к фиксированному диаметру пятна. Осуществляется картографическая привязка данных и взаимное согласование разновитковых изображений из условий минимума квадратичного критерия невязки контурных градиентов этих снимков. Земли (ППЗ). Так как в своих исследованиях мы ориентировались на данные прибора AVHRR серии спутников NOAA, естественно привести некоторые характеристики этих данных. Радиометр высокого разрешения (AVHRR). Прибор AVHRR (Advanced Very High Resolution Radiometer), установленный на спутниках серии NOAA, представляет собой космическую цифровую многозональную систему, обеспечивающую получение изображения поверхности Земли в 5 спектральных каналах (0. Общая схема регистратора AVHRR спутников NOAA приведена на рис. Для решения задачи комплексной нормализации спутниковых видеоданных рассмотрим процесс построения изображения сканером AVHRR [, , , ]. Принимая во внимание, что диапазон сканирования по углу обзора прибора составляет ±. Таблица 1. Рис. Для описания процесса сканирования введем систему координат с началом в «центре» Земли (мы рассматриваем проекцию пространственной картины на плоскость). Ось Оу направим вверх на спутник, находящийся в точке Б, а ось Ох направим вправо, дополняя систему до правой, рис. Когда угол сканирования прибора принимает максимальное значение а = . Земли (имеющей форму сферы) в точке В, которая видна из центра О под углом ср. Если принять, что средняя высота этих спутников Л5 = // = 3 кт, то полоса обзора земной поверхности иЛВ отобразится на цилиндр иЛС. Скорость спутника на орбите равна 7. Земле - 6. Учитывая, что зеркало сканера АУРГОЛ делает 6 об/с, за время одного скана проекция пятна на Земле перемещается на величину / = 6. Математически процесс сканирования, в координатной системе, совмещенной с центром Земли, иллюстрируемый рис. Л = кт - радиус Земли, Н - высота спутника, / = (° -а)- угол наклона луча визирования к оси Ох. Исключая у в выражении (1. H + R) + H(2R + H) = 0.