автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Алгоритмы структурного восстановления видеоинформации в системах наблюдения Земли в условиях статистической неоднородности получаемых изображений

кандидата технических наук
Зенин, Виктор Алексеевич
город
Рязань
год
2011
специальность ВАК РФ
05.13.01
цена
450 рублей
Диссертация по информатике, вычислительной технике и управлению на тему «Алгоритмы структурного восстановления видеоинформации в системах наблюдения Земли в условиях статистической неоднородности получаемых изображений»

Автореферат диссертации по теме "Алгоритмы структурного восстановления видеоинформации в системах наблюдения Земли в условиях статистической неоднородности получаемых изображений"

На правах рукописи

ЗЕНИН Виктор Алексеевич

алгоритмы структурного восстановления видеоинформации в системах наблюдения земли в условиях статистической неоднородности получаемых изображений

Специальность 05.13.01 - Системный анализ, управление и обработка

информации (технические системы)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Рязань 2011

005001103

Работа выполнена в Рязанском государственном радиотехническом университете

Научный руководитель: доктор технических наук, профессор

Еремеев Виктор Владимирович

Официальные оппоненты: доктор технических наук, профессор

Бехтин Юрий Станиславович

кандидат технических наук Чепайкин Алексей Олегович

Ведущая организация: ФГУП «Государственный научно-

производственный ракетно-космический центр «ЦСКБ-Прогресс», г. Самара

Защита состоится 14 декабря 2011 года в 10 ч на заседании диссертационного совета Д 212.211.01 в Рязанском государственном радиотехническом университете по адресу:

390005, г. Рязань, ул. Гагарина, д. 59/1.

С диссертацией можно ознакомиться в библиотеке Рязанского государственного радиотехнического университета.

Автореферат разослан 10 ноября 2011 года.

Ученый секретарь

диссертационного совета Д 212.211.01 ^sgr—~-у

канд. техн. наук, доцент —К Пржегорлинский В.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В системах дистанционного зондирования Земли (ДЗЗ) широкое применение находят видеодатчики, использующие линейки приборов с зарядовой связью (ПЗС-линейки), которые состоят из тысяч фотоприемных ПЗС-элементов. Линейки устанавливаются с небольшим перекрытием в фокальной плоскости датчика перпендикулярно направлению полета спутника. Кадровая развертка изображения осуществляется за счет движения космического аппарата (КА), а строчная - путем периодического опроса ПЗС-линеек. Использование нескольких ПЗС-линеек позволяет многократно расширить полосу обзора и повысить разрешающую способность систем ДЗЗ.

Видеодатчики на основе ПЗС-линеек обладают высокими техническими параметрами. В то же время для них характерны так называемые структурные искажения. Во-первых, ПЗС-элементы отличаются друг от друга передаточными характеристиками (чувствительностью и уровнем темнового сигнала), в результате чего на изображении появляются искажения в виде характерной «по-лосатости» в кадровом направлении. Более того, некоторые типы фотоприемных элементов в процессе формирования изображения изменяют свою чувствительность, что приводит к изменению интенсивности искажений. Во-вторых, ПЗС-линейки в целом отличаются друг от друга светосигнальными характеристиками. По этой причине возникают искажения в виде яркостных различий так называемых сканов - частей изображения, формируемых вполне определенными ПЗС-линейками. Устранение перечисленных искажений (рис. 1 слева) принято называть структурным восстановлением. Цель такой операции состоит в получении изображения (рис. 1 справа), которое могло бы быть сформировано видеодатчиком с абсолютно идентичными ПЗС-линейками, состоящими из абсолютно идентичных фотоприемных элементов.

Рис. 1. Изображение до и после структурного восстановления

Традиционный подход к решению этой задачи основан на подаче на вход видеодатчика опорных уровней излучения и анализе выходных сигналов с каждого ПЗС-элемента. В результате осуществляется оценка структурных искажений и их коррекция. Такой подход требует наличия высокостабильной бортовой аппаратуры, что представляет собой сложную техническую проблему.

Кроме этого, поскольку характеристики ПЗС-элементов изменяются во времени, необходимо проведение достаточно частых сеансов калибровки, что приводит к снижению эффективности использования системы ДЗЗ.

Другой подход к решению поставленной задачи основан на статистическом анализе структурно искаженного изображения. В рамках этого подхода разработан ряд алгоритмов, позволяющих выполнить структурное восстановление изображений. Однако известные алгоритмы оказываются неработоспособными в условиях статистической неоднородности изображений:

- когда наблюдаемая сцена содержит существенно различные по яркости объекты (чаще всего это суша, водная поверхность и облака);

- когда параметры ПЗС-элементов значимо изменяются в процессе формирования снимков.

Решению задачи структурного восстановления изображений в этих условиях и посвящена настоящая диссертационная работа.

Степень разработанности темы. Значительный вклад в решение проблемы улучшения измерительных свойств изображений внесли отечественные и зарубежные ученые и специалисты: Асмус В.В., Бакланов А.И., Гектин Ю.М., Гомозов O.A., Еремеев В.В., Злобин В.К., Клюшников М.В., Колесников В.И., Кондратьев Ю.М., Мятов Г.Н., Новиков М.В., Новикова H.H., Селиванов A.C., Скирмунт В .К., Сойфер В.А., Урличич Ю.М., Яковлев С.Г., Hijazi L., Huang Т., JardanL., Kaiser J., Kronberg P., Nilson N., Porez F., Pratt W., Rabiner L., Rosenfeld A., Sylvander S. и др. Их работы составляют научную и методическую основу для решения задач, поставленных в диссертации.

Во многих публикациях отечественных и зарубежных авторов, в частности Гектина Ю.М., Кондратьева Ю.М., Porez F., Sylvander S., Thome K.J. и др., делается упор на структурное восстановление изображений путем наземной и бортовой калибровки ПЗС-элементов. Такой подход обеспечивает приемлемое качество радиометрической коррекции только при наличии в составе бортовых систем КА высокостабильного калибровочного оборудования и выполнении условия неизменности характеристик ПЗС-элементов в процессе формирования изображения.

Другим схожим подходом, рассмотренным в работах Бакланова А.И., Клюшникова М.В., Biggar S. F. и др., является калибровка бортовой аппаратуры по опорным наземным полигонам. Основные трудности в его реализации вызваны необходимостью получения нескольких эталонных уровней опорных сигналов. Добиться этого очень сложно, что связано с изменением состояния атмосферы, условий и времени съемки, характеристик полигонов и др.

Поэтому в конце 80-х годов прошлого столетия специалистами Рязанского государственного радиотехнического университета (Еремеев В.В., Злобин В.К., Нелин A.B.) предложен статистический подход к решению задачи структурного восстановления изображений. В его основе лежит предпосылка о том, что при достаточно большом интервале наблюдения статистические характеристики сигналов на входах соседних ПЗС-элементов совпадают, поэтому различие их передаточных характеристик может быть определено на основе со-

поставления параметров выходных сигналов. В дальнейшем статистический подход получил развитие в кандидатских диссертациях сотрудников радиотехнического университета Новоселова В.Г. (1999 г.), Побаруева В.И. (2002 г.), Антонушкиной C.B. (2002 г.), а также в публикациях других авторов: Гектина Ю.М., Гомозова O.A., Колесникова В.И., Новикова М.В., Скирмун-таВ.К., и др. В этих работах предложены и исследованы различные методы и алгоритмы коррекции структурных искажений, основанные на сопоставлении тех или иных характеристик выходных сигналов ПЗС-элементов в сигнальном, частотном и вероятностном пространствах. Однако предложенные подходы обеспечивают качественное решение поставленной задачи лишь в условиях статистической однородности наблюдаемой сцены. В случаях когда изображение содержит существенно неоднородные по яркости объекты и предпосылка о совпадении статистических характеристик сигналов на входах соседних ПЗС-элементов нарушается, известные алгоритмы оказываются неработоспособными.

Вообще отсутствуют публикации по вопросам коррекции времязависи-мых структурных искажений, обусловленных значительным изменением передаточных характеристик ПЗС-элементов в процессе формирования изображения. В то же время это явление обнаружено в ряде систем ДЗЗ (например, в датчиках МСУ-МР КА «Метеор-М» и МСУ-ГС КА «Электро-JI»). В данном случае известные решения не обеспечивают качественного структурного восстановления изображений даже при их статистической однородности.

Целью диссертации является разработка алгоритмов структурного восстановления информации ДЗЗ, обеспечивающих качественное решение этой задачи в условиях существенной статистической неоднородности изображений и значительного изменения передаточных характеристик ПЗС-элементов в течение сеанса съемки.

Для достижения поставленной цели необходимо решить следующие основные задачи:

• провести анализ вопросов структурного восстановления изображений в современных системах ДЗЗ и факторов, снижающих качество этого процесса;

• разработать алгоритмы коррекции структурных искажений на изображениях в условиях их существенной статистической неоднородности;

• разработать алгоритмы коррекции структурных искажений в условиях значительного изменения передаточных характеристик ПЗС-элементов во время сеанса съемки;

• выполнить программную реализацию и апробацию разработанных алгоритмов с привлечением натурной информации от различных систем ДЗЗ.

Научная новизна диссертационной работы определяется тем, что в ней впервые предложены и исследованы алгоритмы структурного восстановления изображений в условиях значительной статистической неоднородности наблюдаемой сцены и изменения характеристик ПЗС-элементов в процессе формирования космических снимков.

Конкретно на защиту выносятся следующие новые научные результаты:

• алгоритм структурного восстановления статистически неоднородных изображений, обеспечивающий для каждого ПЗС-элемента равное представительство данных от различных по яркости объектов;

• алгоритм коррекции структурных искажений на основе нормирования эмпирических функций распределения яркости и обработки данных только от одноименных объектов;

• алгоритм коррекции структурных искажений, основанный на кластерном анализе изображений с целью пространственного разделения видеоданных от разных объектов и их независимой обработки;

• алгоритмы статистической коррекции изменяющихся во времени структурных искажений, основанные на кусочно-детерминированном представлении этого процесса по критерию минимума остаточных структурных различий;

• адаптивный алгоритм коррекции групповых времязависимых искажений, вызванных синхронным изменением передаточных характеристик соседних фотоприемных элементов.

Практическая ценность работы состоит в том, что на базе предложенных алгоритмов созданы программные комплексы структурного восстановления изображений, которые в составе систем OrthoNormScan, GeoScan, NormSat, MeteorSat используются для обработки данных ДЗЗ от космических систем «Ресурс* ДК», «Метеор-М» и «Электро-Л».

Реализация и внедрение. Диссертация выполнена в Рязанском государственном радиотехническом университете в рамках НИР 7-06Г, НИР 11-09, НИР 37-09Г, ОКР 4-10, ОКР 30-06, ОКР 10-07.

Результаты работы в виде программных комплексов и эксплуатационной документации внедрены в ОАО «Российские космические системы» (в рамках космической системы «Метеор-М»), ФГУП «НПО им. С.А. Лавочкина» (в рамках космической системы «Электро-Л»).

Апробация работы. Основные положения диссертации докладывались и обсуждались на 5 международных и 9 всероссийских научно-технических конференциях, а именно: международных конференциях "Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации" (Курск - 2008, 2010), "XXXVI Гагаринские чтения" (Москва - 2010), "Проблемы передачи и обработки информации в сетях и системах телекоммуникаций" (Рязань - 2008, 2010) и всероссийских конференциях «Современные проблемы дистанционного зондирования Земли из космоса» (Москва - 2008, 2009), «Актуальные проблемы ракетно-космической техники и ее роль в устойчивом социально-экономическом развитии общества» (Самара - 2009), «Интеллектуальные и информационные системы» (Тула -2007), «Актуальные проблемы ракетно-космического приборостроения и информационных технологий» (Москва - 2009, 2010), «Новые информационные технологии в научных исследованиях и в образовании» (Рязань - 2007, 2008, 2009).

Публикации. По теме диссертации опубликованы 24 работы: 9 статей (в том числе 7 статей по списку ВАК) и 15 тезисов докладов на международных и всероссийских конференциях.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложения, которое содержит документы о внедрении результатов. Основной текст работы содержит 126 е., 37 рисунков и 5 таблиц. Список литературы включает 119 наименований на 13 с.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

В главе 1 выполнен анализ искажающих факторов, которые приводят к значительным структурным искажениям изображений, формируемых современными системами ДЗЗ. Выявлены узкие места существующих подходов по коррекции структурного шума. Обоснованы направления научных исследований по созданию новых алгоритмов высококачественного структурного восстановления изображений в условиях их статистической неоднородности и изменения характера искажений во времени.

Рассмотрены общие принципы формирования изображений в системах ДЗЗ, представлены математические описания основных звеньев тракта приема и регистрации видеосигнала. Выполнена систематизация радиометрических искажений, возникающих в системах ДЗЗ. В результате выделен класс так называемых структурных искажений, коррекция которых представляет наиболее сложную научно-техническую проблему.

Выполнен сравнительный анализ методов и алгоритмов структурного восстановления, основанных на калибровке видеодатчика и статистическом анализе искаженных изображений. Показано, что статистический подход обладает рядом преимуществ:

- не требует наличия высокостабильной бортовой калибровочной аппаратуры;

- значительно снижает нагрузку на канал связи, так как не требуется передача калибровочной информации;

- потенциально позволяет построить алгоритмы, не критичные к изменению параметров структурных искажений в процессе формирования изображений;

- позволяет выполнить коррекцию существенно нелинейных структурных искажений.

В наиболее общем виде алгоритм статистической коррекции структурных искажений формулируется следующим образом. Рассмотрим изображение В(т,п), т = \,М, п = (тип- номера столбцов и строк), заданное в виде таблицы отсчетов яркости Ьт„. Для определенности будем считать, что от-й столбец Вт формируется т-м фотоприемным элементом ПЗС-матрицы и имеет вполне определенную передаточную характеристику. Из-за неидентичности характеристик ПЗС-элементов возникают структурные искажения в виде вертикальной «полосатости» изображения. Пусть (Ь) - эмпирическая функция

распределения яркости, найденная по данным т -го столбца Вт. Тогда функция коррекции этого столбца определяется как

<pJb)=b'=F;l(Fjb)), т = Ш, (1)

где bub- исходное и скорректированное значения яркости, FM3 - эталонная функция распределения, найденная по апертуре столбцов, симметрично расположенных относительно Вт.

При значительной яркостной неоднородности сюжета функции распределения, входящие в апертуру, описывают различные случайные процессы и в общем случае Fm{b)*Fm3{b). В результате даже при полном отсутствии

структурных искажений не выполняется необходимое равенство b-b". Такое же замечание можно сделать и в отношении времязависимых структурных искажений. Этот факт подтверждается экспериментами с привлечением изображений от систем ДЗЗ «Ресурс-01», «Ресурс-ДК», «Метеор-М», «Электро-Л».

По результатам проведенных исследований определены три направления диссертационного исследования.

Первое направление связано с разработкой алгоритмов статистической коррекции структурных искажений на изображениях, содержащих резко неоднородные по яркости объекты. В данной ситуации традиционные статистические алгоритмы не обеспечивают качественное решение рассматриваемой задачи. Обоснована необходимость разработки новых алгоритмов коррекции мно-госкановых изображений с существенно неоднородным по яркости сюжетом. Предложены алгоритмы решения этой задачи, основанные на анализе одноименных объектов, выравнивании представительства данных от статистически разнородных объектов и кластеризации изображений.

Второе направление касается вопросов построения алгоритмов коррекции времязависимых структурных искажений. Здесь обоснована необходимость построения адекватных моделей подобных искажений и адаптивных алгоритмов их коррекции.

Третье направление связано со структурной организацией и практической реализацией технологий структурного восстановления изображений, оценкой их эксплуатационных характеристик с привлечением натурной информации от систем ДЗЗ «Метеор-М», «Ресурс-ДК» и «Электро-Л».

Все эти вопросы составляют основное содержание диссертации.

В главе 2 разработаны алгоритмы структурного восстановления статистически неоднородных изображений. Алгоритмы основаны на анализе областей гистограмм, соответствующих одноименным объектам, и кластеризации изображений. Выполнены исследования алгоритмов с привлечением натурной информации от различных систем ДЗЗ.

Разработан алгоритм структурного восстановления, основанный на анализе и сопоставлении статистической информации от одноименных объектов наблюдаемой сцены. Снимку, содержащему существенно неоднородные по яр-

кости объекты, соответствуют гистограммы £„, (¿>), т = 1, И, Ь = О, />,„„ , имеющие ярко выраженную многомодальную форму в виде «горбов», разделенных «впадинами» с gm(b)a0. Обычно «горбам» соответствуют участки суши, водной поверхности и облака. Идея алгоритма состоит в том, что на основе анализа гистограмм на изображении выделяются области, соответствующие вполне определенным объектам. После этого выполняется коррекция структурных искажений в пределах выделенных объектов. Для этого для каждого столбца Вт

формируются гистограммы gm (Ь), а затем эмпирические функции распределения Рт{р), ш = 1,А/.Для значений Рт(Ь) = Ртр = р/(Р + \), р = \,Р, в табличной форме находятся обратные функции ->Ьтр, т = \,М, р = \,Р. Принадлежность элемента Ь «впадине» или «горбу» определяется как

2, Атр<АттЫ+Ат\ = + (2)

О, Ат^ +Ат< Атр < Ат тЫ +сс Д„ ,

где гтр е {2,1,0 } - признак принадлежности точки Ьтр соответственно «горбу», «впадине» или переходному участку; Ат тЫ, Д„мпт , А„, тах - соответственно медианное, минимальное и максимальное значения элементов последовательности Атр=Ътр-Ътр_и р = 2,Р\ Ат - Атте(1 - Атт^', а - коэффициент, характеризующий протяженность «впадины». Считается, что последовательность элементов Ьтр принадлежит «впадине», если им соответствуют гтр = 1, а справа и слева обязательно есть элементы Ьтр, для которых гтр = 2, т.е. принадлежащие «горбам». Затем определяется число «впадин» к е {1,2, ...,К} и их центры по точкам Ь,, принадлежащим к -й «впадине»,

Ътк= 0,5

'Ж,-*,)2- (3)

1(6,-ь,)2 -1=1

Далее для группы столбцов с одинаковыми кв{\, 2,...,К) производится нормировка !•'„ (Ь) так, чтобы скорректированные функции Рт (Ь) в точках Ьтк имели бы одинаковые значения ^ (¿„а )= Л • После этого по аналогии с (1) определяются функции коррекции структурных искажений: Ь" = (б)), т = \,М.

Алгоритм обеспечивает высокое качество коррекции, но требует хотя бы приближенных априорных знаний о средней яркости объектов изображения.

Другой алгоритм структурного восстановления рассчитан на коррекцию изображений, содержащих два значительно отличающихся по яркости объекта

(обычно это суша и водная поверхность). В этом случае не требуется априорная информация о средней яркости этих объектов. Алгоритм основан на преобразовании Рт(Ь) в Рт{Ь), т = \,М, таким образом, чтобы последние соответствовали одинаковому представительству данных от первого и второго объектов. Только в этом случае может быть корректно выполнена процедура структурного восстановления. Преобразование выполняется по формуле:

Ш

^'н {ь) (4)

2(ЬРт) тК ' Рт

где рт, (1 - рт) - соответственно доля данных от первого и второго объектов, которые находятся с использованием процедуры обнаружения их границ.

Предложен алгоритм коррекции структурных искажений, основанный на кластерном анализе изображения, в результате чего оно разбивается на различные по яркости объекты. Выделение объектов проводится путем вычисления максимума функции межклассовой дисперсии. Для повышения надежности этой операции введена процедура предварительного снижения влияния структурного шума изображения:

т = Ш,п = \Л, (5)

м ,=1

где Ьт - средняя яркость т-го столбца, Ьт - выделенная из Ът низкочастотная составляющая. Коррекция структурных искажений осуществляется независимо в каждой из выделенных областей на основе (1).

Этот алгоритм позволяет наиболее качественно выполнить структурное восстановление в случае надежной кластеризации объектов. Однако для изображений, на которых границы между объектами «размыты», качество решения поставленной задачи снижается.

Разработан алгоритм коррекции межскановых различий, основанный на анализе перекрывающихся областей соседних сканов. Для этого определяются коэффициенты г, и с1 относительного линейного соответствия яркостей /' -го и

(г'-1)-го сканов, 1 = 2,1. Показано, что коэффициенты функции абсолютной

коррекции сканов можно найти по рекуррентным соотношениям: г, = г,,

с, = п + с,, / = 2,/. Коэффициенты г, и с, вычисляются из условий сохранения средней яркости и дисперсии изображений до и после коррекции:

v- v/' ~ \ 7 ' 2

+с|)' > где В, и £> - средняя яркость и дисперсия

(=1 Ы Ы (=1

/ -го скана. Из этих условий следует

V 1=1

1А / а+Е^Д , (6)

И

где^=По, 1 = 2,1.

I

На рис. 1 в качестве примера представлен фрагмент исходного (слева) и структурного восстановленного изображения от КА «Ресурс-ДК».

В результате экспериментальных исследований алгоритмов с привлечением информации от систем ДЗЗ «Ресурс-ДК», «Метеор-М» и «Электро-Л» установлено, что точность структурного восстановления составляет порядка 0,2 %.

В главе 3 рассмотрены алгоритмы коррещии времязависимых структурных искажений на статистически неоднородных изображениях. Разработаны математические модели таких искажений. Спроектированы алгоритмы их коррекции, реализующие полиномиальные и кусочно-линейные модели. Предложен алгоритм коррещии групповых времязависимых искажений. Выполнена апробация предложенных алгоритмов на натурной информации.

Рассмотренные выше детерминированные модели структурного восстановления изображений не могут быть использованы для коррекции искажений, изменяющихся в процессе формирования изображений. Основная сложность коррекции времязависимых искажений состоит в том, что не известны их математические модели. Более того, различные типы видеодатчиков характеризуются отличающимися по характеру искажениями. Возникает необходимость в разработке различных моделей времязависимых искажений и их исследование для каждой конкретной системы ДЗЗ.

Рассмотрены времязависимые мультипликативная и аддитивная модели структурных искажений, описываемые в виде полинома Рт(п), коэффициенты которого определяются соответственно из условий:

Эти условия приводят к системам линейных уравнений относительно искомых коэффициентов.

Выполнены исследования этих моделей на натурной информации от различных систем ДЗЗ. Определены области применения рассмотренных моделей.

Выполнена оценка точности полиномиальной модели при наличии на изображениях аддитивного некоррелированного шума епт. Для этого рассмотрена более общая аддитивно-мультипликативная полиномиальная модель искажений, в которой полиномом Кт (и) степени Р описывается мультипликативная компонента, а полиномом Ст(п) - аддитивная. В данном случае коэффициенты этих полиномов определяются из условия:

К = 11 [(Ьт +епп)Кт{п) + Ст{п)-Ь:т\2= min. (7)

n=l l=-S

Показано, что ошибка, связанная с наличием на изображении шума £пт, состав-

N _

ляет Д = ]Г е2птКт(п)т1, i = 0, Р. Влияние шума усиливается с повышением степени полинома Кт(п), поскольку резко возрастает член т', а Кт(п)~ 1, поэтому мультипликативная модель, хотя и более адекватно описывающая характер искажений, имеет ограничения в применении. Что касается аддитивной модели, то при большом диапазоне изменения яркости изображения она перестает адекватно описывать характер искажений. Экспериментально установлено, что рассмотренные полиномиальные модели для некоторых типов видеодатчиков при достаточно большой протяженности изображения в кадровом направлении требуют для своего описания использования полиномов высоких степеней, что приводит к снижению качества структурного восстановления. В связи с этим разработаны кусочно-линейные модели времязависимых структурных искажений.

Предложен алгоритм, основанный на кусочно-линейной мультипликативной модели структурных искажений. Он предполагает разбиение столбцов на вполне определенные отрезки, в пределах которых искажение адекватно описывается мультипликативной линейной моделью. Коррекция центрального элемента отрезка выполняется по формуле Ьпт = еп

t{b„mkm +0,5). Мультипликативный коэффициент кпт определяется как

(8)

где //ч - автокорреляционная функция (АКФ) q -го столбца апертуры q = -S, S (для центрального корректируемого столбца q = 0). То есть кпт определяется отношением среднего по апертуре значения АКФ к АКФ центрального коррек-

1 s /

тируемого отрезка. В известных алгоритмах кпт = —— XV^/VÄi~' гДе А,

25 + 1 /

дисперсия. При наличии аддитивного шума на изображении

j s _ / _

к„т=-£ л/Dq + Dcq Д/D0 + DeM , т.е. возникает ошибка в определении

25 + 1 ' /

кпт. В отличие от этого, использование АКФ вместо дисперсии не приводит к ошибке. Достоинством рассмотренной модели является независимость коэффициентов коррекции от величины темнового тока ПЗС-элемента. В то же время экспериментально установлено, что небольшие ошибки в определении /лq приводят к значимым ошибкам в нахождении к„т.

Предложена модификация последнего алгоритма, основанная на сопоставлении не АКФ, а средних яркостей Ъя, так как визуально структурные искажения воспринимаются именно как неоднородности средней яркости. В данном случае мультипликативный коэффициент находится как

Несмотря на качественные результаты коррекции с использованием (9), в некоторых случаях данный алгоритм имеет методическую ошибку, прямо пропорциональную темновому сигналу ПЗС-элемента.

Разработан алгоритм коррекции времязависимых структурных искажений, основанный на кусочно-аддитивном представлении искажений вдоль столбца. Для центрального (корректируемого) столбца апертуры и всей апертуры, состоящей из 28 + 1 соседних столбцов, формируются эмпирические функции распределения кодов яркости Р0(Ь) и Р{Ь). Далее вычисляются обратные функции в виде таблиц Гь„(Ь)->Ь0/> и Рр(Ь) Ьр, где Г0р(Ь) = Рр(Ь) = р/(Р + \),

р= 1, Р. Аддитивный коэффициент коррекции для каждого пикселя определяется как 4™ = - Ь0р), а изображение корректируется по соотношению:

Кт=еп1(Ьпт + Апт+0,5), т = 1М, п = (10)

На рис. 2 представлен пример коррекции фрагмента изображения инфракрасного диапазона от космической системы «Метеор-М» с использованием кусочно-линейной аддитивной модели.

Рис. 2. Пример коррекции времязависимых структурных искажений

Выбор размера апертуры (25 +1) выполняется эмпирически для каждой конкретной системы ДЗЗ. Экспериментально подтверждено, что чрезмерное увеличение 5 приводит к тому, что некоторые объекты воспринимаются как

искажения, а при малых 5 структурные искажения корректируются не полностью.

Для некоторых типов датчиков инфракрасного диапазона обнаружены времязависимые групповые искажения, которые проявляются в синхронном изменении яркостных характеристик в целой группе столбцов. Для этого случая предложен адаптивный алгоритм, основанный на динамическом изменении параметра апертуры 5 в зависимости от характеристик наблюдаемой сцены. Исходное изображение Вт„ корректируется следующим образом:

- с использованием кусочно-линейной аддитивной модели формируется матрица поправок Нтп, т = \,М, п ~ 1, N, при малом количестве столбцов в апертуре; _

- аналогичным образом формируется матрица поправок Ьтп, т — 1, М,

п = 1, N, но уже при числе столбцов в апертуре, в несколько раз превышающем ширину групповых искажений;

- для каждого пикселя Ьт изображения вычисляется значение дисперсии

кодов яркости окружающих его пикселей а ж«, и для всего изображения находится <7^ = тах(<т2т„, т = 1,М, п = 1, Л^);

- коррекция изображения выполняется согласно формуле:

На большом статистическом материале от КА «Электро-JI» показана высокая эффективность рассмотренного алгоритма в части устранения групповых времязависимых искажений.

В главе 4 рассматриваются принципы алгоритмической и программной реализации предложенных подходов. Разработана методика оценки уровня остаточных структурных искажений. Предложены организационные, системные и алгоритмические решения по повышению быстродействия разработанных программ и результаты их испытаний на натурной информации.

Представлена методика оценки качества коррекции структурных искажений, основанная на внесении в незашумленное изображение структурного шума с заданными характеристиками, коррекции этого изображения и сопоставления результата обработки с исходным изображением. В качестве меры сходства выступает дисперсия высокочастотной компоненты разностного изображения, что обусловлено высокочастотной природой структурного шума.

Для программной реализации алгоритмов структурного восстановления обоснованы среда Microsoft Visual Studio 2010 и язык программирования Visual С++. Спроектированный программный комплекс обеспечивает:

- чтение видеоданных из оперативного архива и вычисление необходимых статистических характеристик;

- определение корректирующих функций;

max

( Л

Lnrl, т = \,М, n = l,N.

(И)

- коррекцию изображений с записью результатов на жесткий диск.

Предложено несколько подходов по высокоскоростной коррекции структурных искажений:

- хэш-тейловая организация памяти;

- многопроцессорная обработка с эффективным применением различных способов распараллеливания вычислений на каждом этапе структурного восстановления изображений;

- эффективное использование кэш-памяти процессора.

Даны рекомендации по адаптации процесса чтения видеоданных для каждой конкретной системы ДЗЗ с учетом механизма хэш-тейловой организации памяти. За счет этого достигнуто ускорение процесса чтения видеоданных в среднем на 46 %. При комбинированном чтении видеоданных, когда один поток программы выполняет чтение изображения, а другие потоки обрабатывают прочитанные данные, скорость структурного восстановления изображения увеличена на 11 % по сравнению с параллельным чтением несколькими потоками. На этапе коррекции изображения максимальную производительность получила параллельная коррекция одной строки несколькими потоками за счет повышения эффективности использования кэш-памяти процессора.

Выполнены исследования производительности программ структурного восстановления при различном числе процессоров. Установлено, что применение более 4 процессоров не дает пропорционального повышения производительности. Так, уже при 4 процессорах достигается повышение производительности лишь в 1,9 раза по сравнению с обработкой на одном процессоре. Это связано с ограниченной скоростью работы внешних накопителей.

В заключительной части диссертации представлены результаты апробации спроектированных алгоритмов и программ структурного восстановления на реальных данных от различных систем ДЗЗ.

Разработанный комплекс программ внедрен в составе изделий «Ог-ШоЫогшБсап», «веоБсап», «К^еогёаМЧ», «Е1ес1го8аЬ>, которые используются в Научном центре оперативного мониторинга Земли, Научно-исследовательском центре космической гидрометеорологии «Планета» для структурного восстановления данных от систем ДЗЗ «Ресурс-ДК», «Метеор-М», «Электро-Л».

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

На основе проведенньгх исследований решена важная научно-техническая задача, связанная с созданием алгоритмического и программного обеспечения систем структурного восстановления космических изображений в условиях неоднородности наблюдаемого сюжета и изменения характеристик фотоприемных элементов во времени. К основным научным и практическим результатам диссертационной работы относятся:

1. Представлены математические описания основных искажающих факторов, действующих в процессе съемки земной поверхности, и выполнена их систематизация. Выделен класс так называемых структурных искажений, выявле-

ны недостатки известных алгоритмов их коррекции. Определены направления научных исследований по созданию новых алгоритмов высококачественного структурного восстановления видеоинформации в условиях статистической неоднородности наблюдаемой сцены и изменения характера структурных искажений в процессе формирования изображений.

2. Разработаны алгоритмы коррекции неизменных во времени структурных искажений на изображениях с резко неоднородным по яркости сюжетом. В данном направлении решены следующие задачи.

• Спроектирован алгоритм структурного восстановления статистически неоднородных изображений, основанный на идентификации одноименных объектов и независимой коррекции видеоданных, относящихся к вполне определенным объектам. Алгоритм позволяет качественно выполнить структурное восстановление изображений при наличии хотя бы приближенных априорных знаний о средней яркости объектов изображения.

• Предложен и исследован алгоритм коррекции структурных искажений, ориентированный на обработку изображений, содержащих два класса объектов, резко отличающихся по яркости. Он основан на преобразовании для каждого столбца эмпирических функций распределения яркости так, чтобы они соответствовали одинаковому представительству данных от первого и второго объектов. Алгоритм не требует априорных сведений о средней яркости объектов и обеспечивает точность коррекции порядка 1 градации яркости.

• Разработан алгоритм структурного восстановления снимков, основанный на сегментации изображения на объекты и их раздельной обработке. Этот алгоритм обеспечивает более высокую точность коррекции порядка 0,5 градации яркости, при достаточно высоком уровне различимости объектов.

• Спроектирован алгоритм яркостного выравнивания сканов, основанный на статистическом анализе данных, принадлежащих области перекрытия сканов. В результате отработки алгоритма на натурной информации установлено, что он обеспечивает визуально незаметную границу совмещения сканов.

3. Разработаны алгоритмы коррекции структурных искажений, характер которых изменяется в процессе формирования изображения. Эти алгоритмы основаны на разделении изображения на достаточно малые фрагменты и выполнении процедуры структурного восстановления в пределах каждого из фрагментов. В связи с этим решены следующие задачи.

• Выполнена разработка алгоритмов коррекции, основанных на полиномиальных моделях представления различных по природе времязависимых структурных искажений. Даны рекомендации по выбору той или иной модели искажений (аддитивной, мультипликативной, аддитивно-мультипликативной) в зависимости от конкретной конструкции видеодатчика.

• Спроектированы алгоритмы коррекции времязависимых структурных искажений, которые носят случайный характер и быстро изменяются во времени. Алгоритмы основаны на кусочно-линейном описании искажений, учитывающем характер поведения последних.

• Разработан и исследован алгоритм коррекции групповых структурных искажений в виде синхронного изменения яркости в группе столбцов. Алгоритм основан на адаптации размеров анализируемых фрагментов к характеристикам наблюдаемой сцены и обеспечивает коррекцию групповых искажений до уровня визуальной незаметности.

4. Сформулированы принципы создания программных комплексов структурного восстановления космических изображений. Предложены организационные, системные и алгоритмические подходы для повышения быстродействия и надежности разработанных программных средств. Проведены их натурные испытания на реальных изображениях от космических систем «Ресурс-ДК», «Электро-JI» и «Метеор-М». Разработанные программы в настоящее время эксплуатируются в составе программных комплексов «OrthoNormScan», «GeoScan», «MeteorSat-N», «ElectroSat» в Научном центре оперативного мониторинга Земли и Научно-исследовательском центре космической гидрометеорологии «Планета».

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Зенин В.А. Исследование алгоритмов радиометрической коррекции изображений неоднородных сюжетов // Тез. докл. XII всерос. конф. «Новые информационные технологии в научных исследованиях и в образовании». Рязань: РГРТУ, 2007. С. 68-69.

2. Зенин В.А. Оценка уровня шума на изображении при коррекции структурных искажений // Тез. докл. XIII всерос. конф. «Новые информационные технологии в научных исследованиях и в образовании». Рязань- РГРТУ 2008. С. 59.

3. Еремеев В.В., Зенин В.А., Князьков П.А. Статистическая оценка степени зашумленности космических изображений земной поверхности // Вестник РГРТУ. Рязань, 2008. №24. С. 3-7.

4. Еремеев В.В., Зенин В.А. Оценка соотношения сигнал/шум систем формирования изображений на основе статистического анализа видеоданных // Тез. докл. VIII междунар. конф. «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации». Курск: КГТУ, 2008. С. 148-150.

5. Зенин В.А., Князьков П.А. Оценка отношения «сигнал/шум» оптико-электронных приборов по изображениям земной поверхности // Тез. докл. 6-й всерос. конф. «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2008. С. 211-212.

6. Еремеев В.В., Зенин В.А., Князьков П.А. Оценка степени зашумленности изображений. Рязань: РГРТУ, 2008. 7 с. Деп. в ВИМИ 10.04.08, № ДО-9042.

7. Зенин В.А., Князьков П.А. Оценка отношения «сигнал/шум» оптико-электронных приборов по изображениям земной поверхности // Современные проблемы дистанционного зондирования Земли из космоса: сб. науч. статей. Выпуск 6. Том I. М.: ИКИ РАН, 2009. С. 160-166.

8. Еремеев В.В., Зенин В.А. Радиометрическая нормализация изображений от многоматричных сканирующих устройств // Цифровая обработка сигналов. 2009. №3. С. 31-35. . .„ ,. .

9. Еремеев В.В., Зенин В.А. Статистические модели коррекции структурных искажений на спутниковых изображениях земной поверхности // Цифровая обработка сигналов. 2010. №3. С. 30-36. , .. г ■

10. Зенин В.А. Радиометрическая нормализация многоскановых спутниковых изображений // Тез. докл. XIV всерос. конф. «Новые информационные технологии в научных исследованиях и в образовании». Рязань: РГРТУ, 2009. С. 306-307.

11. Еремеев В.В., Зенин В.А. Статистическая коррекция структурных искажений на изображениях, содержащих существенно неоднородные по яркости объекты // Информатика и прикладная математика: межвуз. сб. научн. тр. РГУ им. С.А. Есенина. Рязань, 2008. С. 60-63.

12. Еремеев В.В., Зенин В.А., Мятов Г.П Радиометрическая коррекция космических изображений от многоматричных сканирующих устройств // Тез. всерос. науч.-техн. конф. «Актуальные проблемы ракетно-космической техники и ее роль в устойчивом социально-экономическом развитии общества». Самара: ЦСКБ - «Прогресс», 2009. С 185-186.

13. Зенин В.А. Фильтрация неоднородностей сюжета при радиометрической коррекции спутниковых изображений // Тез. докл. XIV всерос. конф. «Новые информационные технологии в научных исследованиях и в образовании». Рязань: РГРТУ, 2009. С. 307-308.

14. Еремеев В.В., Зенин В.А. Технология высококачественной радиометрической коррекции структурных искажений на спутниковых изображениях // Тез. докл. 7-й всерос. конф. «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН, 2009. С. 314-315. ' •

15. Зенин В.А., Кузнецов А.Е., Побаруев В.И.' Алгоритм радиометрической коррекции изображений с неоднородным сюжетом, полученных от космического аппарата «Ресурс-ДК» // Вестник РГРТУ. Рязань, 2008. № 23. С. 43-48.

16. Зенин В.А. Алгоритм автоматической классификации объектов водной поверхности и суши на космических снимках земной поверхности // Тез. всерос. науч.-техн. конф. «Актуальные проблемы ракетно-космического приборостроения и информационных технологий». М.: РНИИКП, 2009. С. 156.

17. Зенин В.А. Кластерный алгоритм радиометрической коррекции космических снимков Земли с неоднородным сюжетом // Тез. докл. всерос. науч.-техн. конф. «Интеллектуальные и информационные системы». Тула: ТГУ, 2007. С. 21-24.

18. Еремеев В.В., Зенин В.А. Модели коррекции динамических структурных искажений на космических изображениях // Вестник РГРТУ. Рязань, 2010. №33. С. 3-7.

19. Зенин В.А. Алгоритм яркостного совмещения изображений, полученных от датчиков сканового типа // Тез. докл. междунар. науч.-техн. конф. «Про-

блемы передачи и обработки информации в сетях и системах телекоммуникаций». Рязань: РГРТУ, 2008. С. 111-112.

20. Еремеев'В.В., Зенин В.А. Методика оценки интенсивности структурных искажений в оптико-электронных системах формирования изображений // Тез. докл. IX междунар. конф. «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации». Курск: КГТУ, 2010. С. 38-39.

21. Зенин В.А. Информационная технология устранения структурных искажений на космических снимках земной поверхности // Тез. докл. междунар. науч. конф. «XXXVI Гагаринские чтения». Москва: МАТИ, 2010. Т. 8. С. 208.

22. Зенин В.А. Информационная технология коррекции структурных искажений на многоскановых изображениях // Тез. всерос. науч.-техн. конф. «Актуальные проблемы ракетно-космического приборостроения и информационных технологий». Москва: РНИИ КП, 2010. С. 149-150.

23. Зенин В.А. Коррекция динамических структурных искажений на космических изображениях // Тез. докл. междунар. науч.-техн. конф. «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций». Рязань: РГРТУ, 2010. С. 78-79.

24. Гектин Ю.М., Егошкин H.A., Еремеев В.В., Зенин В.А., Москатиньев И.В. Нормализация изображений от геостационарной космической системы наблюдения Земли // Цифровая обработка сигналов. 2011. №3. С. 30-36.

Зенин Виктор Алексеевич

АЛГОРИТМЫ СТРУКТУРНОГО ВОССТАНОВЛЕНИЯ ВИДЕОИНФОРМАЦИИ В СИСТЕМАХ НАБЛЮДЕНИЯ ЗЕМЛИ В УСЛОВИЯХ СТАТИСТИЧЕСКОЙ НЕОДНОРОДНОСТИ ПОЛУЧАЕМЫХ ИЗОБРАЖЕНИЙ

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Бумага офисная. Печать цифровая. Тираж 100 экз.

Рязанский государственный радиотехнический университет. 390005, г. Рязань, ул. Гагарина, 59/1.

Оглавление автор диссертации — кандидата технических наук Зенин, Виктор Алексеевич

Введение.

1. Анализ методов структурного восстановления изображений земной поверхности.

1.1. Принципы формирования изображений земной поверхности.

1.2. Основные задачи и методы радиометрической нормализации данных дистанционного зондирования Земли.

1.3. Анализ существующих алгоритмов статистической коррекции структурных искажений на изображениях.

1.4. Основные направления исследований по созданию алгоритмов высококачественного структурного восстановления изображений в условиях их статистической неоднородности.

Основные результаты.

2. Алгоритмы структурного восстановления статистически неоднородных изображений.

2.1. Алгоритм коррекции структурного шума на основе нормирования функций распределения (алгоритм НФР).

2.2. Алгоритм радиометрической коррекции, основанный на выравнивании представительства видеоданных от статистически разных объектов (алгоритм ВПВ).

2.3. Алгоритм структурного восстановления видеоинформации на основе кластеризации объектов изображения (алгоритм КОИ).

2.4. Алгоритм радиометрического совмещения видеоданных от различных сканов.

2.5. Алгоритм уточнения параметров структурного восстановления на основе оценки уровня шума на изображении.

Основные результаты.

3. Алгоритмы коррекции времязависимых структурных искажений на статистически неоднородных изображениях.

3.1. Алгоритм коррекции структурного шума, основанный на фильтрации неоднородностей сюжета (алгоритм ФНС).

3.2. Математические модели времязависимых структурных искажений.

3.3. Кусочно-линейные модели коррекции динамических структурных искажений на космических изображениях.

3.4. Алгоритм структурного восстановления времязависимых межскановых искажений на изображениях.

Основные результаты.

4. Программная реализация алгоритмов структурного восстановления видеоинформации в системах дистанционного зондирования Земли.

4.1. Оценка уровня структурных искажений изображения на основе его статистического анализа.

4.2. Программная реализация алгоритмов радиометрической коррекции изображений.

4.3. Результаты структурного восстановления натурной видеоинформации.

Основные результаты.

Введение 2011 год, диссертация по информатике, вычислительной технике и управлению, Зенин, Виктор Алексеевич

Актуальность работы. В системах дистанционного зондирования Земли (ДЗЗ) широкое применение находят сканирующие устройства на основе линеек приборов с зарядовой связью (ПЗС-линеек), включающих тысячи и десятки тысяч фотоприемных элементов. Конструктивно ПЗС-линейки устанавливаются в фокальной плоскости оптической системы датчика перпендикулярно направлению полета спутника с небольшим продольным перекрытием. Кадровая развертка изображения осуществляется за счет орбитального движения космического аппарата (КА), а строчная - путем периодического опроса ПЗС-линеек [1-12].

Датчики на основе ПЗС обладают высокими техническими параметрами. В то же время для них характерны следующие структурные искажения. Во-первых, ПЗС-элементы отличаются друг от друга передаточными характеристиками (чувствительностью и уровнем темнового сигнала), в результате на изображении появляются искажения в виде характерной «полосатости» в кадровом направлении. Более того, некоторые типы фотоприемных элементов в процессе формирования изображения изменяют свою чувствительность, что приводит к изменению интенсивности искажений. Во-вторых, используемые в датчике перекрывающиеся ПЗС-линейки в целом отличаются светосигнальными характеристиками. В результате возникают искажения в виде перепадов яркости на границах так называемых сканов, каждый из которых формируется вполне определенной ПЗС-линейкой. Устранение перечисленных искажений принято называть структурным восстановлением изображения [14].

Традиционный подход к решению этой задачи основан на подаче на вход съемочной аппаратуры опорных уровней излучения и анализе выходных сигналов с каждого ПЗС-элемента. В результате осуществляются оценка структурных искажений и их коррекция. Такой подход требует установки дополнительной высокостабильной бортовой аппаратуры, что представляет сложную тех4 ническую проблему. Кроме этого, поскольку характеристики ПЗС-элементов изменяются во времени, необходимо проведение достаточно частых сеансов калибровки, что приводит к снижению эффективности использования системы ДЗЗ [32, 34].

Другой подход к решению поставленной задачи основан на статистическом анализе структурно искаженного изображения [14, 42]. В рамках подхода разработан ряд алгоритмов, позволяющих выполнить структурное восстановление изображений. Однако известные алгоритмы не обеспечивают необходимого качества функционирования в условиях, когда изображение содержит существенно различные по яркости объекты (чаще всего это суша, водная поверхность и облака), что часто встречается на практике.

Настоящая диссертация посвящена развитию второго подхода - в ней предложены и исследованы алгоритмы коррекции структурных искажений в условиях значительной статистической неоднородности изображений, когда известные алгоритмы оказываются неработоспособными.

Степень разработанности проблемы. Значительный вклад в решение проблемы улучшения измерительных свойств изображений внесли отечественные и зарубежные ученые и специалисты: Асмус В.В., Бакланов А.И., Гектин Ю.М., Гомозов O.A., Еремеев В.В., Злобин В.К., Клюшников М.В., Колесников В.И., Кондратьев Ю.М., Мятов Г.Н., Новикова H.H., Селиванов A.C., Скирмунт В.К., Сойфер В.А., Урличич Ю.М., Яковлев С.Г., Hijazi L., Huang Т., JardanL., Kaiser J., Kronberg P., Nilson N., Porez F., Pratt W., Rabiner L., Rosenfeld A., Sylvander S. и др. Их работы составляют научную и методическую основу для решения задач, поставленных в диссертации.

Во многих публикациях отечественных и зарубежных авторов [7, 12, 13, 30, 34, 35, 46, 51, 52, 93, 96] делается упор на структурное восстановление изображений путем наземной и бортовой калибровки ПЗС-элементов. Такой подход обеспечивает приемлемое качество радиометрической коррекции только при наличии в составе бортовых систем КА высокостабильного калибровочно5 го оборудования, что является сложной технической проблемой. Кроме того, при архивации данных ДЗЗ необходимо хранить также калибровочные данные, актуальные для времени получения каждого снимка.

Другим схожим подходом является калибровка бортовой аппаратуры по опорным наземным полигонам [35, 39, 51, 52]. Основные трудности в его реализации связаны с необходимостью получения нескольких уровней опорных сигналов, их непостоянством в зависимости от состояния атмосферы, условий наблюдения, времени суток и др.

Поэтому в конце 80-х годов прошлого столетия специалистами Рязанского государственного радиотехнического университета (РГРТУ) был предложен статистический подход к решению задачи структурного восстановления изображений [36-38, 44]. В его основе лежит предпосылка о том, что при достаточно большом интервале наблюдения статистические характеристики сигналов на входах соседних ПЗС-элементов совпадают, поэтому различие их передаточных функций может быть определено на основе сопоставления параметров выходных сигналов. В дальнейшем статистический подход получил развитие в кандидатских диссертациях сотрудников РГРТУ Новоселова В.Г. (1999 г.), По-баруева В.И. (2002 г.), Антонушкиной C.B. (2002 г.), а также в публикациях других авторов: Гектина Ю.М., Гомозова O.A., Колесникова В.И., Новикова М.В., Скирмунта В.К. и др. В этих работах предложены и исследованы различные методы и алгоритмы коррекции структурных искажений, основанные на сопоставлении тех или иных характеристик выходных сигналов ПЗС-элементов в сигнальном, частотном и вероятностном пространствах [16, 17, 18, 28, 44]. Однако предложенные подходы обеспечивают качественное решение поставленной задачи лишь в условиях статистической однородности наблюдаемой сцены. В случаях, когда изображение содержит существенно неоднородные по яркости объекты, и предпосылка о совпадении статистических характеристик сигналов на входах соседних ПЗС-элементов нарушается, известные алгоритмы оказываются неработоспособными.

Вообще отсутствуют публикации по вопросам коррекции времязависи-мых структурных искажений, обусловленных значительным изменением передаточных характеристик ПЗС-элементов в процессе формирования изображения. В то же время это явление обнаружено в ряде систем ДЗЗ (например, датчик МСУ-МР КА «Метеор-М №1»). В данном случае известные решения не обеспечивают качественной структурной коррекции данных ДЗЗ.

Целью диссертации является разработка алгоритмов структурного восстановления данных ДЗЗ, обеспечивающих качественное решение этой задачи в условиях существенной статистической неоднородности изображений и значительного изменения передаточных характеристик ПЗС-элементов в течение сеанса съемки.

Задачи исследований. Поставленная цель достигается путем решения следующих основных задач:

• анализа вопросов структурного восстановления изображений в современных системах ДЗЗ и факторов, снижающих качество этого процесса;

• разработки алгоритмов коррекции структурных искажений на изображениях в условиях их существенной статистической неоднородности;

• разработки алгоритмов коррекции структурных искажений в условиях значительного изменения передаточных характеристик ПЗС-элементов во время сеанса съемки;

• программной реализации и апробации разработанных алгоритмов с привлечением натурной информации от различных систем ДЗЗ.

Научная новизна работы определяется тем, что в ней впервые предложены и исследованы алгоритмы структурного восстановления изображений в условиях значительной статистической неоднородности наблюдаемой сцены и изменения чувствительностей ПЗС-элементов в процессе формирования данных ДЗЗ.

Конкретно на защиту выносятся следующие новые научные результаты:

• алгоритм структурного восстановления статистически неоднородных изображений, обеспечивающий для каждого ПЗС-элемента равное представительство данных от различных по яркости объектов;

• алгоритм коррекции структурных искажений на основе фильтрации статистически неоднородных по яркости областей изображения;

• алгоритм коррекции структурных искажений, основанный на кластерном анализе изображения с целью пространственного разделения видеоданных от разных объектов;

• алгоритмы статистической коррекции изменяющихся во времени структурных искажений, основанные на кусочно-постоянной интерполяции этого процесса и минимизации остаточных структурных различий;

• адаптивный алгоритм коррекции групповых времязависимых искажений, вызванных синхронным изменением передаточных характеристик соседних фотоприемных элементов.

Практическая ценность работы состоит в том, что на базе предложенных алгоритмов созданы программные комплексы структурного восстановления изображений, которые в составе систем ОйЬоКогш8сап, ОеоБсап, КогшБа!, Ме1еог8а1 используются для обработки данных ДЗЗ от космических систем «Ресурс-ДК», «Метеор-М» и «Электро-Л».

Реализация и внедрение. Диссертация выполнена в Рязанском государственном радиотехническом университете в рамках НИР 7-06Г, НИР 11-09, НИР 37-09Г, ОКР 4-10, ОКР 30-06, ОКР 10-07.

Результаты работы в виде программных комплексов и эксплуатационной документации внедрены в ОАО «Российские космические системы» (в рамках космической системы «Метеор-М»), ФГУП «НПО им. С.А. Лавочкина» (в рамках космической системы «Электро-Л»).

Апробация работы. Основные положения диссертации докладывались и обсуждались на 5 международных и 9 всероссийских научно-технических конференциях, а именно: международных конференциях "Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации" (Курск, 2008, 2010), "XXXVI Гагаринские чтения" (Москва, 2010), "Проблемы передачи и обработки информации в сетях и системах телекоммуникаций" (Рязань, 2008, 2010) и всероссийских конференциях «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2008, 2009), «Актуальные проблемы ракетно-космической техники и ее роль в устойчивом социально-экономическом развитии общества» (Самара, 2009), «Интеллектуальные и информационные системы» (Тула-2007), «Актуальные проблемы ракетно-космического приборостроения и информационных технологий» (Москва, 2009, 2010), «Новые информационные технологии в научных исследованиях и в образовании» (Рязань, 2007, 2008, 2009).

Публикации. По теме диссертации опубликованы 24 работы: 9 статей (в том числе 7 статей по списку ВАК), 15 тезисов докладов на международных и всероссийских конференциях.

Личный вклад автора по опубликованным работам состоит в следующем:

• в работах [53, 78, 80] соискателем предложен алгоритм коррекции структурных искажений, основанный на кластеризации изображения и раздельной обработке кластеров;

• в работах [54, 58-62] соискателем исследованы вопросы оценки интенсивности аддитивного шума и его влияния на процесс структурного восстановления изображений;

• в работах [64-66, 84] соискателем представлены алгоритмы яркостной нормализации сканов;

• в работах [72-74, 85-87] соискателем предложены алгоритмы структурного восстановления, основанные на фильтрации неоднородностей сюжета;

• в работе [68] соискателем разработан алгоритм радиометрической коррекции изображений с существенно неоднородным сюжетом на основе выравнивания представительства данных от разных объектов; в работе [79] соискателем предложен алгоритм автоматической классификации столбцов изображения по признаку присутствия данных от водной поверхности и суши;

• в работах [65, 81, 88, 89] соискателем разработаны модели времязави-симых структурных искажений и построены алгоритмы их коррекции;

• работы [53, 54, 66, 73, 79, 80, 84, 86, 87, 88] выполнены соискателем без соавторов.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложения, которое содержит документы о внедрении результатов. Основной текст работы содержит 126 е., 37 рисунков и 5 таблиц. Список литературы содержит 119 наименований на 13 с.

Заключение диссертация на тему "Алгоритмы структурного восстановления видеоинформации в системах наблюдения Земли в условиях статистической неоднородности получаемых изображений"

Основные результаты

1. Рассмотрена методика оценки интенсивности структурных искажений, позволяющая численно оценить уровень остаточных искажений и, следовательно, качество алгоритмов структурного восстановления. Эта методика базируется на внесении в изображение дополнительного структурного шума с известными статистическими характеристиками, оценке с помощью аттестуемых программ этих характеристик и нахождении методической погрешности программ радиометрической коррекции видеоданных.

2. Предложены принципы и описаны особенности структуры программной реализации алгоритмов структурного восстановления. Показано, что быстродействие разработанного программного обеспечения улучшается за счет параллельного выполнения обработки на нескольких процессорах, организации конвейерной обработки и повышения эффективности использования кэшпамяти процессора примерно в 1,5 раза. При обработке на 8-ми процессорах достигнуто увеличение быстродействия в 3 раза по сравнению с однопроцессорной. Критичным фактором, ограничивающим рост быстродействия, является скорость считывания данных с жесткого диска.

3. Приведены результаты апробации программного обеспечения структурного восстановления видеоданных на примере обработки фрагментов изображений от КА «Ресурс-ДК», «Электро-Л» и «Метеор-М», содержащих существенно неоднородный сюжет.

ЗАКЛЮЧЕНИЕ

На основе проведенных исследований решена важная научно-техническая задача, связанная с созданием алгоритмического и программного обеспечения систем коррекции структурных искажений на космических изображениях в условиях неоднородности наблюдаемого сюжета и изменения характеристик фотоприемных элементов во времени. К основным научным и практическим результатам диссертационной работы относятся:

1. Анализ искажающих факторов процесса структурного восстановления космических изображений земной поверхности. В основном это неоднородность наблюдаемого сюжета, зашумленность исходного изображения и изменение передаточных характеристик фоточувствительных элементов во время формирования изображения.

2. Алгоритмы коррекции структурных искажений на изображениях с неоднородным сюжетом, основанные на предположении о неизменности передаточных характеристик фотоприемных элементов в процессе формирования изображения. В рамках этой группы вопросов решены следующие задачи:

• Разработка алгоритма структурного восстановления статистически неоднородных видеоданных, основанного на идентификации одноименных объектов изображения на гистограмме и сопоставлении данных только от одноименных объектов. Алгоритм позволяет корректировать структурные искажения, когда на гистограмме кодов яркости возможна идентификация «горбов», соответствующих определенным объектам (водной поверхности, суше и облакам).

• Создание алгоритма коррекции структурных искажений, основанного на выравнивании представительства данных от водной поверхности и суши. Это позволяет использовать подходы, применимые для устранения структурных на однородных снимках, для коррекции искажений на изображениях с существенно неоднородным сюжетом. Таким образом достигается точность кор

125 рекции порядка 1 кванта яркости при увеличении вычислительных затрат на 9-12 %, в то время как ранее погрешность коррекции подобных снимков измерялась десятками квантов яркости.

• Создание алгоритма структурного восстановления, основанного на кластерном анализе, разделении изображения на объекты, значительно отличающиеся по яркости, и раздельной обработке выделенных объектов. Это позволяет получить высокую точность (порядка 0,5 кванта яркости) коррекции при обработке изображений с хорошо различимыми объектами водной поверхности и суши.

• Разработка алгоритма яркостного выравнивания сканов, основанного на анализе областей их перекрытия. Это позволяет скановое изображение представлять как непрерывное при дальнейшей обработке.

3. Алгоритмы коррекции времязависимых структурных искажений, в основе которых лежит разделение исходного изображения на фрагменты и проведение коррекции в пределах этих фрагментов. В связи с этим решены следующие задачи:

• Создание алгоритма коррекции структурных искажений, основанного на фильтрации неоднородностей сюжета. Среди набора корректирующих коэффициентов, вычисленных по фрагментам изображения, выбираются только те, которые сформированы по фрагментам с однородным сюжетом. Причем критерием отбора выступают сами значения корректирующих функций, что базируется на предположении об аномальности коэффициентов коррекции, если они найдены по фрагменту с неоднородным сюжетом.

• Разработка математических моделей описания времязависимых структурных искажений и основанных на них алгоритмов структурного восстановления. Выбор той или иной модели определяется типом конкретного датчика, используемого в системе дистанционного зондирования Земли.

• Создание алгоритма коррекции времязависимых структурных искажений для случая групповых изменений характеристик фотоприемных элементов. В данном случае ключевым моментом выступает автоматическая настройка алгоритма в зависимости от степени динамичности сюжета. Таким образом, достигается визуальная незаметность структурных искажений на однородных областях (поверхности моря, поля) и не вносятся значительные изменения в динамичный сюжет (облака, населенные пункты).

4. Сформулированы принципы создания программных комплексов структурного восстановления космических изображений. С использованием организационных, системных и алгоритмических подходов значительно повышены быстродействие и надежность этих программ. Проведены натурные испытания на реальных изображениях от космических систем «Ресурс-ДК», «Электро-Л» и «Метеор-М». Разработанные программы введены в опытную эксплуатацию.

В заключение автор выражает благодарность руководству НИИ «Фотон» за поддержку, коллегам из НИИ «Фотон» РГРТУ за ценные замечания в ходе исследований и совместную отладку разрабатываемого программного обеспечения, O.A. Преснякову и H.A. Егошкину - за ценные советы по разработке алгоритмов и программного обеспечения в ходе выполнения научных исследований.

Отдельную благодарность выражаю научному руководителю Еремееву Виктору Владимировичу.

Библиография Зенин, Виктор Алексеевич, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)

1. Федеральная космическая программа России на 2006 2015 годы.

2. ФЦП «Использование результатов космической деятельности в интересах социально-экономического развития Российской Федерации и ее регионов на 2010-2015 гг.»

3. Бакланов А.И. Системы наблюдения и мониторинга: учеб. пособие. М.: БИНОМ. Лаборатория знаний, 2009. 234 с.

4. Гарбук С.В., Гершензон В.Е. Космические системы дистанционного зондирования Земли. М.: Издательство А и Б, 1997. 296 с.

5. Кронберг П. Дистанционное изучение Земли. М.: Мир, 1988. 350 с.

6. Dr. Joseph George. Fundamentals Of Remote Sensing. Universities Press, 2005. 488 p.

7. Porez F., Sylvander S. Spot quality performances. Centre National d'Etudes Spatiales, 2007. 35 p.

8. Schott J. Remote sensing. The image chain approach. Oxford University Press Inc., 2007. 701 p.

9. Shalkoff R.J. Digital image processing and computer vision. New York-Chichester-Brisbane-Toronto-Singapore: John Wiley & Sons, Inc., 1989. - 489 p.

10. Новикова H.H. Вопросы использования данных ДЗЗ для решения социально-экономических задач // Вопросы электромеханики, труды HI 111 ВНИИЭМ. 2008. Т.105. С. 58-62.

11. Schowengerdt R. Remote Sensing. Models and Methods for Image Processing. Elsevier Inc., 2007. 558 p.

12. Samer L. Hijazi. A One-Year Radiometric Evaluation of the Advanced Land Imager (ALI). South Dakota State University, 2003. 200 p.

13. Злобин B.K., Еремеев B.B. Обработка аэрокосмических изображений. М.: Физматлит. 2006. 288 с.

14. Обработка изображений в геоинформационных системах: учеб. пособие / В.К. Злобин, В.В. Еремеев, А.Е. Кузнецов. Рязан. гос. радиотехн. ун-т. Рязань, 2006. 264 с.

15. Кузнецов А.Е., Гектин Ю.М., Антонушкина C.B. Фотометрическое выравнивание спутниковых изображений // Исследование Земли из космоса. 2002. № 5. С. 66-70.

16. Еремеев В.В., Кузнецов А.Е., Новиков М.В., Шишкин Г.В. Современные системы и технологии обработки данных ДЗЗ // Труды научно-технической конференции ФГУП «РНИИ КП». М.: Физматлит, 2007. С.256-263.

17. Зуев В.Е., Банах В.А., Покасов В.В. Оптика турбулентной атмосферы. Л.: Гидрометеоиздат, 1988. С. 270.

18. Шовенгердт P.A. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 560 с.

19. Канев Ф.Ю., Лукин В.П., Фортес Б.В., Коняев П.А. Численная модель атмосферной адаптивной оптической системы. Часть II. Датчики волнового фронта и исполнительные элементы // Оптика атмосферы и океана. 1995. Т. 8, No. 3. С. 419-427.

20. Fraser R.S., Ferrare R.A., Kaufman Y.J., Mattoo S. Algorithm for atmospheric corrections of aircraft and satellite imagery. NASA Technical Memorandum 100751. 1989. 166 p.

21. Побаруев В.И., Горшков Ю.А. Устранение одиночных и пакетных импульсных помех на спутниковых снимках // Тез. докл. 2-й междунар. научн.-техн. конф. "Космонавтика. Радиоэлектроника. Геоинформатика". Рязань, 1998. С. 202-203.

22. Побаруев В.И., Горшков Ю.А. Фильтрация импульсных помех на космических изображениях земной поверхности // Вычислительные машины, комплексы и сети: межвуз. сб. науч. тр. Рязань: РГРТА, 1999. С. 43-47.

23. Ярославский Л.П. Введение в цифровую обработку изображений. М.: Советское радио, 1979. 312 с.

24. Френке Л. Теория сигналов. М.: Советское радио. 1974. 344 с.

25. Радиотехнические системы: учеб. для вузов по спец. "Радиотехника"/ Ю.П. Гришин, В.П. Ипатов, Ю.М. Казаринов и др.; под ред. , Ю.М. Казаринова. М.: Высш. шк., 1990. 496 с.

26. Гомозов O.A. Разработка программного обеспечения обработки материалов космической съемки высокого пространственного разрешения. Рязань: РГРТА, 2004. 14 с. Деп. в ВИМИ 03.03.04, № ДО-8945.

27. Гончаров А. К., Кондратьев Ю. М., Стожкова В. Н. и др. Методы и средства контроля характеристик бортовой информационно-измерительной аппаратуры для изучения природных ресурсов Земли // Обзорная информация ВНИИГМИ-МЦД. 1989. С. 68.

28. Кибардин В. М., Кондратьев Ю. М., Стожкова В. Н., Яковлев С. Г. О результатах калибровки в полете аппаратуры МСУ-Э КА «Pecypc-Ol» №3 // Тез. докл. 3-й междунар. науч.-техн. конф. "Космонавтика. Радиоэлектроника. Геоинформатика". Рязань, 2000. С. 194.

29. Нелин A.B. Алгоритмы статистической коррекции измерительной информации в однородной мультипроцессорной системе // Проектирование вычислительных машин и систем: межвуз. сб.- Рязань: РРТИ, 1987. С.17-23.

30. Нелин A.B. Статистические методы радиометрической обработки видеоинформации для систем дистанционного зондирования Земли: дис. на соиск. уч. степени канд. техн. наук. Рязань., 1990. 160 с.

31. Кондратьев Ю.М., Стожкова В.Н., Яковлев С.Г. и др. Анализ и оценка качества данных КА «Ресурс-ДК1» // Проектирование радиоэлектронной аппаратуры и информационных систем в НИИ точных приборов. М., 2009. С. 115124.

32. Tsushiya К., Araik К., Ota Н. Experiments on resampling of locally unequally spaced RS data and relative radiometric correction / Seventeenth International Symposium on Remote Sensing of Environment, Ann Arbon, Michigan, 1983. -P. 1437-1446.

33. Злобин В. К., Еремеев В. В., Новоселов В. Г. Алгоритм высокоточного радиометрического совмещения разновременных космических изображений // Автометрия. 2000. №3. С. 48-56.

34. Антонушкина С. В., Еремеев В. В., Кузнецов А. Е. Статистическаякоррекция структурных искажений на изображениях от многоэлементных ска132нирующих устройств // Новые информационные технологии: межвуз. сб. науч. тр. Рязань: РГРТА, 2002.

35. Антонушкина С. В. Модели бортовой калибровки многозональных сканирующих устройств // Информационно-измерительная и биомедицинская техника: сб. науч. тр. Рязань: РГРТА, 2001. С. 84-89.

36. Злобин В.К., Еремеев В.В. Статистические алгоритмы радиометрической коррекции видеоинформации от многоэлементных сканирующих систем // Автометрия. 1995. №2. С. 78-83.

37. Системный анализ вопросов радиометрического обеспечения данных дистанционного зондирования Земли: отчет о НИР (заключительный) / РГРТА; Рук. Злобин В. К. Тема № 23-99; № ГР 01200201700, Инв. № 02200200933. Рязань, 2002. 85 с.

38. Пресс Ф. П. Фоточувствительные приборы с зарядовой связью. М.: Радио и связь, 1991. 260 с.

39. Thome К. J., Growther В. G., Biggar S. F. Reflectance and irradiance -based calibration of LandSat-5 thematic mapper // Canadian journal of remote sensing, 1997, volume 23, No 4. P. 108-115.

40. Biggar S. F., Dinguirard M. C., Henry P., Jackson R. D., Moran M. S., Slater P. N. Radiometric calibration for SPOT-2 HRV a comparison of three methods //Proc. Spie, 1991, vol. 1493. P. 155-162.

41. Кобзарь А. И. Прикладная математическая статистика. — М.: Физ-матлит, 2006. — 816 с.

42. Liu С., Freeman W., Szeliski R., Kang S. Noise estimation from a single image. In Proc. IEEE Conf. Computer Vision and Patter Recognition. 2001. P. 901— 908.

43. Schreiber W. Fundamentals of electronic imaging systems. SpringerVerlag. 1986.-268 p.

44. Еремеев В.В., Зенин В.А., Князьков П.А. Статистическая оценка степени зашумленности космических изображений земной поверхности // Вестник РГРТУ. 2008. №2 (выпуск 24). С. 3-7.

45. Еремеев В.В., Зенин В.А. Оценка соотношения сигнал/шум систем формирования изображений на основе статистического анализа видеоданных // Тез. докл. VIII междунар. конф. «Распознавание -2008», Курск, 2008. С. HS-ISO.

46. Еремеев В.В., Зенин В.А., Князьков П.А. Оценка степени зашумленности изображений. РГРТУ, Рязань, 2008. 7 с. Деп. в ВИМИ 10.04.2008, № ДО-9042.

47. Пугачев B.C. Теория вероятностей и математическая статистика. М.: Наука, 1979.-496 с.

48. Еремеев В.В., Зенин В.А. Радиометрическая нормализация изображений от многоматричных сканирующих устройств // Цифровая обработка сигналов. 2009. №3. С. 31-35.

49. Еремеев В.В., Зенин В.А. Статистические модели коррекции структурных искажений на спутниковых изображениях земной поверхности // Цифровая обработка сигналов. 2010. №3.

50. Справочник по теории вероятности и математической статистике / Под ред. B.C. Королюка. Киев: Наукова думка, 1978. 582 с.

51. Еремеев В.В., Зенин В.А. Статистическая коррекция структурных искажений на изображениях, содержащих существенно неоднородные по яркости объекты // Информатика и прикладная математика: межвуз. сб. науч. тр. РГУ им. С.А. Есенина. Рязань, 2008. С. 60-63.

52. Минченков М.В., Юрин Д.В., Хельвас A.B. Алгоритм автоматической сегментации изображений на основе релеевского детектора границ двумерных объектов, ЦОС и ВТ МФТИ, Москва, 2002.

53. Плеханов С.С., Минченков М.В., Юрин Д.В. Релеевский детектор границ текстурных объектов //В сб. Современные проблемы фундаментальных и прикладных наук: тезисы XLIV научной конференции МФТИ. Часть V, Долгопрудный, 2001.

54. Хуанг Т.С., Эклунд Дж.-О., Нуссбаумер Г.Дж. и др. Быстрые алгоритмы в цифровой обработке изображений: пер. с англ. -М.: Радио и связь, 1984. -224 с.

55. Цифровая обработка изображений в информационных системах: учеб. пособие / И.С. Грузман, B.C. Киричук и др. Новосибирск: Изд-во НГТУ, 2002. 352 с.

56. Пылькин А.Н., Тишкин Р.В. Методы и алгоритмы сегментации изображений. М.: Горячая линия - Телеком, 2010. 92 с.

57. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.511 с.

58. Зенин В.А., Кузнецов А.Е., Побаруев В.И. Алгоритм радиометрической коррекции изображений с неоднородным сюжетом, полученных от космического аппарата «Ресурс-ДК» // Вестник РГРТУ. 2008. №1 (выпуск 23). С. 4348.

59. Зенин В.А. Кластерный алгоритм радиометрической коррекции космических снимков Земли с неоднородным сюжетом // Тез. докл. всероссийской науч.-техн. конф. «Интеллектуальные и информационные системы», Тула, 2007. С. 21-24.

60. Еремеев В.В., Зенин В.А. Модели коррекции динамических структурных искажений на космических изображениях // Вестник РГРТУ. 2010. №3 (выпуск 33). С. 3-7.

61. JieBing Yu, David J. De Witt. Processing Satellite Images on Tertiary Storage: A Study of the Impact of Tile Size on Performance. Proceedings of the 1996 NASA Conference on Mass Storage Systems, College Park, Maryland, September 1996.

62. ERDAS Field Guide. Fifth Edition, Revised and Expanded. 1999.

63. Зенин В.А. Алгоритм яркостного совмещения изображений, полученных от датчиков сканового типа // Тез. докл. междунар. науч.-техн. конф. «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций», Рязань, 2008. С. 111-112.

64. Еремеев В.В., Зенин В.А. Методика оценки интенсивности структурных искажений в оптико-электронных системах формирования изображений // Тез. докл. IX междунар. конф. «Распознавание -2010», Курск, 2010. С. 38-39.

65. Зенин В.А. Информационная технология устранения структурных искажений на космических снимках земной поверхности // Тез. докл. международной молодежной научной конференции «XXXVI Гагаринские чтения», Москва, МАТИ. 2010. Т. 8. С. 208.

66. Зенин В.А. Информационная технология коррекции структурных искажений на многоскановых изображениях // Тез. всеросс. науч.-техн. конф.137

67. Актуальные проблемы ракетно-космического приборостроения и информационных технологий», Москва, 2010.

68. Зенин В.А. Коррекция динамических структурных искажений на космических изображениях // Тез. докл. междунар. науч.-техн. конф. «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций», Рязань, 2010. С. 78-79.

69. Гектин Ю.М., Егошкин Н.А., Еремеев В.В., Зенин В.А., Москатиньев И.В. Нормализация изображений от геостационарной космической системы наблюдения Земли // Цифровая обработка сигналов. 2011. №3. С. 30-36.

70. Еремеев В.В., Злобин В.К., Кондратьев Ю.М. и др. Межотраслевая обработка изображений датчика МСУ-В ИСЗ «Океан-О» // Исследование Земли из космоса. 2002. №1. С. 24-31.

71. Cory Mettler. Radiometric Characterization and Calibration of the Landsat 4 Thematic Mapper. South Dakota State University, 2004. 235 p.

72. QuickBird Imagery Products. Product Guide. Revision 4.5. Release date: 16 March 2005. - Digital Globe.

73. Singh A. Postlaunch Correction for Thematic Mapper 5 (TM-5) Radiome-try in the Thematic Mapper Image Processing System (TIPS) // Photogrammetric Engineering and Remote Sensing. 1985. № 9. P. 1385 1390.

74. Thome K.J., Gustafson-Bold C.L., Slater P.N., Farrand W.H. In-flight radiometric calibration of HYDICE using a reflectance-based approach // Proc. SPIE Conf. 2821, Denver, Colorado, 1996. P. 38-54.

75. Hajj M. El, Begue A., Lafrance В., Hagolle O., Dedieu G., Rumeau M. Relative Radiometric Normalization and Atmospheric Correction of a SPOT 5 Time Series // Sensors, 2008. №8. P. 2774-2791.

76. Deng, Xiaolian Wang, Changyao Lei, Bangjun. Automatic Relative Radiometric Normalization Algorithm Based on Pseudo-Invariant Neighborhood // Image and Signal Processing, 2008. №4. P. 550-554.

77. Ding Y., Elvidge C.D. Comparison of relative radiometric normalization techniques // ISPRS Journal of Photogrammetry and Remote Sensing, 1996. №3. P. 117-126.

78. Корн. Г., Корн Т. Справочник по математике для научных работников и инженеров. М.: Наука, 1968. 720 с.

79. Гиммельфарб Г.Л. Автоматизированная межотраслевая обработка снимков земной поверхности, получаемых с ИСЗ серии Landsat // Зарубежная радиоэлектроника. 1983. № 8. С. 56-84.

80. Арманд Н.А., Воронков В.Н., Никитский В.П. и др. Перспективы исследований в области дистанционного зондирования Земли и экологического мониторинга // Радиотехника и электроника. 1998. Т. 43, № 9. С. 1061-1069.

81. Коршунов Ю.М. Математические основы кибернетики. М.: Энер-гоатомиздат, 1987. 496 с.

82. Макконел С. Совершенный код. Мастер-класс: пер. с англ. М.: Из-дательско-торговый дом «Русская редакция», 2005. 896 с.

83. Круглински Д., Уингоу С., Шеферд Дж. Программирование на Microsoft Visual С++ 6.0 для профессионалов. М.: Издательско-торговый дом «Русская редакция», 2002. 864 с.

84. Разработка приложений на Microsoft Visual С++ 6.0: учебный курс / пер. с англ. 2-е изд. М.: Издательско-торговый дом «Русская редакция», 2001. 704 с.

85. Ласло М. Вычислительная геометрия и компьютерная графика на С++: пер. с англ. М.: Издательство БИНОМ, 1997. 307 с.

86. Космический аппарат «Ресурс ДК1» №1 / URL: http://www.samspace.ru/S DZZ/ResurdDK 1 .htm.

87. Инженерный справочник по космической технике / под общ. ред. проф., д.т.н. A.B. Солодова. M.: Воениздат, 1969. 696 с.

88. Цифровое преобразование изображений: учеб. пособие для вузов / P.E. Быков, Р. Фрайер, К.В. Иванов, A.A. Манцветов; под ред. проф. P.E. Быкова. М.: Горячая линия-Телеком, 2003. 228 с.

89. Крис Паппас, Уильям Мюррей. Visual С++. Руководство для профессионалов: пер. с англ. СПб.: BHV - Санкт-Петербург, 1996. - 912 с.

90. Ярославский Л .П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. М.: Радио и связь, 1987. - 296 с.

91. Усиков Д. А. Наземное обеспечение автоматизированной обработки аэрокосмической видеоинформации. -М., 1983. 153 с.

92. Markham В. L., Barker J. L. Radiometric properties of U.S. processed Landsat MSS data // Remote Sensing of Environment, 1987. № 22. P. 39-71.

93. Hall F.G., Strebel D.E., Nickelson J.E., Goetz S.J. Radiometric rectification: toward a common radiometric response among multidate, multisensor images // Remote Sensing of Environment, 1991. №35. P. 11-27.

94. Эккель Б., Эллисон Ч. Философия С++. Практическое программирование. СПб.: Питер, 2004. - 608 е.: ил.

95. Дегтярев C.B., Орлов A.A., Садынов С.С. и др. Методы цифровой обработки изображений: учеб. пособие. Курск, гос. техн. ун-т, 2004. -216 с.

96. Климов A.C. Форматы графических файлов К.: НИПФ «ДиаСофт», 1995.480 с.

97. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ. 2-е изд. М.: Издательский дом «Вильяме», 2007. 1296 с.