автореферат диссертации по геодезии, 05.24.02, диссертация на тему:Автоматизированная тематическая поконтурная обработка аэрокосмической видеоинформации с использованием непараметрической статистической сегментации изображений в системе "акус-агроресурсы"

ЮСНОВСКИЙ ОРДЕНА ШИНА ИНСТИТУТ ИНШШЭВ ГЕОДЕЗИИ, ЛЭРОСЪЕЗЙИ И КАРТОГРАЗИИ

На правах рукописи

Чабан Людмила Николаевна

УМ628.-85

АВТОМАТИЗИРОВАННАЯ ТЕМАТИЧЕСКАЯ ПОЮНТУРНАЯ ОБРАБОТКА АЭРОЮОЮЧЕСШЙ ЩДШИНЯОРМАЩИ С ИСПОЛЬЗОВАНИЕМ НЕПАРАШТИЧаСЮЙ СГАТИСГИЧЕПЮЙ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ В СИСТЕМЕ "АИУС-АГРОРВСУРСЫ".

05.24.02

Аэрокосмические съемки, фотограмметрия и фототопография

Автореферат диссертации на соискание ученой степей;! кандидата технических наук

Москва - 1992

Работа выполнена во Всесоюзном научна-исследовательском центре по созданию и эксплуатации автоматизированной информационно-управляющей систекы "Агрор^сурсы" (АИУС-"Агроресурсы").

Научный руководитель доктор технических наук,

профессор Й.Г.Журкин

Научный консультант • кандидат технических наук,

с.н.с. Г.Г.Андреев

Официальны® оппоненты: доктор технических наук, профессор А.С.Кучко

кандидат технических наук, доцелт А.Ф.Стеценко

Ведущая организацияг Центр по проблемам экологии и продуктивности лесов РАН.

Защита диссертации состоится " сосЛ/С^^с^ 1993г. часов на заседании специализированного совета К 063.01.02 по присуждению ученых степеней кандидата наук в Московском ордена Ленина институте инженеров геодезии, аэрофотосъемки и картографии по адресу:

103064, Москва, К-64, Гороховский пер.,д.4, МИИГАиК (ауд.321). С диссертацией можно ознакомиться 6 библиотеке МИИГАиК. Автореферат разослан

" рСс^/же^ 1993г.

■ Ученый секретарь .1 Л - у—

специализированного совета Б.Б.Краснопевцев

' "" Обшая характеристика работы.

Актуальность теш. В целях научно и экономически обоснованного планирования развития сельскохозяйственного производства, рационального использования земельных и других природных ресурсов, контроля экологической обстановки в различных регионах страны, органы планирования и управления должны оперативно обеспечиваться объективной и достоверной информацией о состоянии агроресурсов и других природно-хозяйственных объектов на больших территориях. Создание и развитие методов дистанционного зондирования, открыло широкие возможности получения тшсой информации. Для осуществления в производственном режиме сбора, переработки и использования данных дистанционного зондирования при решении задач оценки и контроля состояния сельхозугодий, культур, почв, водоемов и мелиоративных систем, во исполнение постановления Совета Министров СССР в соответствии с целевой .копплексной программой ГКНТ СССР 0.Ц.038, создана автоматизированная информационно-управляющая система "Агроресурсы" ("АИУС-агроресурсы"). Тематическая обработка видеоинформации осуществляется в системе на специализированных вычислительных комплексах с привлечением большого объема справочной, картографической и наземной информации по территории контролируемых регионов. Подсистема автоматизированной комплексной обработки видеоданных (автоматизированного дешифрирования) является одним из основных узлов системы "АИУС-агроресурсн".

С переходом на новую экономическую систем» хозяйствования возникает необходимость расширения возможностей решения в рамках технических средств системы разнообразных тематических задач при рациональном использовании всех имеющихся ресурсов. Это требует создания новых алгоритмических и программных средств анализа видеоданных и технологий автоматизированного дешифрирования с учетом возможностей и ограничений конкретного технического обеспечения подсистемы тематической обработки.

Одним из наиболее трудоемких этапйв автоматизированного дешифрирования является выделение контуров исследуемых объектов и тематическая интерпретация их содержания. Разработка средств автоматизации данного этапа способствует сокращению затрат на полный цикл обработки и существенно облегчает работу специалиста при те-. матическом дешифрировании и оценке достоверности результата решения задачи.

Цель работы. Исследование и разработка методов, алгоритмических, программных средств и технологий автоматизированной обработки*, обеспечивающих выделение и количественный анализ па тоновым признакам однородных областей (контуров) на изображениях сельскохозяйственных угодив и ландшафтных - сцен при решении функциональных задач системы "АИУС-агроресурсы".

Объект исследования. Объектом исследования являются алгоритмы автоматического выделения и анализ а юднородни>: областей на аэрокос-;ееких изображениях, систсщ и технологии автоматизированного тематического анализа и интерпретации данных дистанционного зондировав кия.

Методы исследования. Ь работе использованы положения и методы теории цифровой обработки изображений, распознавания образов и анализа сцен, математической статистики, системного анализа, структур* ного программирования.

Научная новизна. На.основе анализа критериев однородности, использующихся при оконтуривании объектов-^ сельскохозяйственном де- • 'шифрировании, и особенностей формирования изображений однородных природных образований (в частности, сельхозугодий) введено понятие статистической однородности по функции распределения яркости (тона). Введенный критерий однородности расширяет возможности выделения объектов с пространственно неустойчивыми значениями тонового признака. Разработан метод выделения статистически однородных областей с использованием непараметрических критериев проверки статистических гипотез. Проанализированы особенности использования непараметрических статистических критериев в задаче сегментации изображений и определены основные принципы выбора и адаптации этих критериев к условиям задачи. . <

Разработаны алгоритмы сегментации изображений (выделения статистически однородных областей) для1универсальных ЭВМ средней мощности. Создан многоцелевой программный комплекс поконтурной-обработки изображений,, разработаны и апробрроввны технологии решения с применением данного комплекса рдда задач тематического дешифрирования и анализа изображений.

Практическая значимость результатов работы заключается в том, что1; использование разработанного алгоритма сегментации на технических средствах систе»« "АИУС-агроресурсы" существенно сокращает за-

траты на выделение и анализ контуров исследуемых объектов при интерактивной Обработке данных и тем самым позволяет более эффективно использовать вычислительные ресурсы системы. Затраты времени ^ВМ на процесс сегментации удовлетворяют технико-экономическим требованиям-системы в отличие от других методов автоматического оконтуривания объектов. Экономическая эффективность по затратам времени ЭВМ на интерактивный режим обработки составляет около 300 рублей на стандартный кадр 512x512x8 бит. Оперативность дешифрирования изображений, связанного с выделением контуров сложного компонентного состава по тону при этом повышается в 8-10 раз, а влияние субъективного фактора й'ри достаточной информативности тонового признака сводится к минимуму. Таким образом повышается объективность и достоверность данного этапа автоматизированного дешифрирования. Технология пообластной обработки с использованием разработанного комплекса программ позволяет снизить требования к качеству исходной информации и сократить общйй объем процедур предварительной обработки, а также затраты на формирование обучающих данных и интерпретацию конечного результата.

Внедрение разработанных методов и технологий осуществлено на комплексе технических средств системы "АИУС-агроресурсы", включающем универсальную мини-ЭВМ средней производительности и полутоновую дисплейную систему "Периколор-1000". Алгоритмы и технология поконтурной обработки внедрены в Северокавказсксм филиале ШИЦ "АИУС-агроресурсы". Результаты разработок использ оголись при автоматизированном дешифрировании фотоинформации для составления почвенных карт на факультете почвоведения МГУ, в КИГОс " ?нгеофи-зика при автоматизированном дешифрировании ;'ьа акваторий. Алгоритм непараметрической сегментации и различные варианты технологии, поконтурной обработки использовались при экспериментальной обработке космической информации МСС я5р,1п:;г:г" и в техг:ор=.бочем проекте на задачу оценки'надземной фитомассы по данным аогофзто-съемки.

Апробация •работы. Сонорные.результаты диссертации излоге!^ и обсуздены на >. (1280г.) и. >ДП (1983г,) Гагарикских чтениях, ХШ конференции ШТЛ (1980г.), региональной конференции СИД^-81 (1981г.), Всесоюзной конференции по распознаванию образоз (1Р-32г.), конференции молодых ученых и специалистов' Н^Щ "Л1УС-агрорег.урсы*

(1985г.), И-ы республиканской семинаре по проблемам создания систем обработки и анализа изображений (г.Ташкент, 1989г.).

Публикации. По материалам диссертации опубликовано II печатных работ.

Объем работы. Диссертационная работа изложена на 158 страли. цах машинописного текста, содержит 9 таблиц, 33 рисунка, список литератур], вклвчащий 91 наименование, и приложение.

Структура работы. Диссертационная работа обстоит из введения, четырех глаз, заключения и приложения.

. Во введении обосно.''.¡:а актуальность выбора темы, определен! 'цель работы, сформулированы основные результаты и дано краткое содержание глав.

В первой главе "Получение и использование информации о границах сельхозугодий на аэрокосмических изображениях при решении задач системы агромониторкнга" рассмотрены основные типы функциональных задач, решаеюлс системой "АЙУС-агроресурсы", использование контурной информации при их решении и способы получения' такой информации на технических средствах системы. Показано, что выделение границ вручную неприемлемо при оперативном решении за дач системы. Проанализирована проблема автоматизации выделения контуров исследуемых объектов и явлений на изображениях сельхоз-, угодий в условиях системы "АИУС-агроресурсы". Рассмотрены особенности дешифровочных признаков сельхозугодий, которые необходимо учитывать при формировании критерия однородности оконтури-ваемых объектов. На основании общих требований к алгоритмическому и программному обеспечению йодсистемы тематической обработки и специфики задач выделения однородных образований на изображе-.ниях сельхозугодий сформулированы требования к средствам автомат тизации выделения контуров в методическом и системном аспектах.

Во второй глав» "Сегментация аэрокосмических изображений сельхозугодий с использованием непараметрических статистических критериев" рассмотрены методы автоматической сегментации изобра. хений на основе формализованных критериев однородности по тону и текстуре. Показана взаимосвязь тоновых и текстурных признаков с разрешением видеоинформации. На основе анализа формализованно критериев однородности с учетом специфики обрабатываемой .информации сделан вывод о целесообразности статистического подхода с

использованием в качестве дешифровочного признака функции распределения значений яркости (тона) выделяемых объектов. Сформулировав но понятие статистической однородности оконтуриваемых областей по функции распределения, позволяющее использовать в алгоритмах сегментации непараметрические критерии проверки статистических гипотез.

Определены требования к непараметрическим критериям, применяемым при сегментации изображений. Рассмотрены простейшие непараметрические критерии и специфика их использования при анализе дискретной информации. Показано, что способ обработки совпадений существенно влияет на рабочие характеристики применяемого при сегментации критерия. Выбраны критерии, подходящие для ргшения задачи сегментации.

Описаны разработанные алгоритмы непараметрической поблочной сегментации изображений по схеме сравнения "блок-блок" и "блок-область". Предложены способы улучшения качества сегментации с учетом особенностей анализируемой информации.

В третьей главе "Алгоритмическое и программное обеспечение автоматизированного выделения сельскохозяйственных угодий с использованием непараметрической статистической сегментации на изображениях высокого разрешения" описан многоцелевой программный комплекс на базе разработанных алгоритмов непараметрической статистической сегментации. Программное обеспечение реализовано на специализированном вычислительном комплексе, включающем универсальную мини-^БЯ СОЛЯР-16/65 и систему визуализации "Периколор-1000". Описана структура программных модулей, их взаимосвязь, принципы организации, хранения, накопления и представления данных, получаемых в процессе обработки.

Четвертая глава "Применение непараметрической статистической сегментации при тематической обработке видеоданных в системе "АИУС-агроресурсы". Результаты экспериментальной апробации и практического внедрения" посвящена вопросам организации технологического ■процесса поконтурной обработки изображений для решения тематических задач в режиме производственной (массовой) интерпретации материалов аэрокосмической съемки. Исследованы рабочие характеристики основного алгоритма непараметрической статистической сегментации (выделения статистически однородных областей)-и определены основное-типы исходной видеоинформации и классы объектов, гля

которых целесообразно применение разработанного алгоритма. Рассмотрена технология поконтурноГ; обработки на основе разработанных программных средств применительно к аппаратной среде комплекса вычислительных средств системы "АИУб-агроресурсы", базирующегося на универсальных мини-^ВМ средней производительности. Выбраны критерии технико-экономической эффективности технологии автоматизированной обработки и показана технико-экономическая эффективность разработанной технологии при решении ряда задач системы.

Продемонстрирована возможность использования технологии, для выделения контуров сложного компонентного состава по тоновому признаку как средства повышения оперативности и достоверности дешифрирования фотоинформацш: на примерах задач почвенного картирования и геоботанического районирования.

В заключении приведены основные результаты и выводы проведенных исследований.

В приложении приведены документы, подтверждающие внедрение и использование полученных результатов.

Общее содержание работа.

Основную часть поступающей в систему "АИУС-агроресурсы" информации составляют аэрокосмические изображения, полученные с аппаратуры различных типов. При их тематической обработке и анализе на ^ВМ (автоматизированном дешифрировании) во многих случаях требуется выделение границ дешифрируемых объектов и явлений. К таким задачам относятся':

- исследование и отбор спектральных признаков классов природных объектов при тематической классификации и идентификации;

- уточнение результатов поэлементной классификации при перекрытии классов в пространстве спектральных яркостей;

- балльная пополевая оценка состояния сельхозкультур, локализация и контроль распространения аномалий;

- выделение контуров однородных элементов ландшафта в задачах почвенного картирования и геоботанического районирования.

Кроме постоянной картографической основы (карты размещения сельхозкультур) для значительной части тематических задач также необходима информация о реальных границах культур и других сельхозугодий. Выделение таких границ вручную на экране полутонового

диоплея, применяемое в системе в настоящее время, слитком трудоемко для оперативного тематического дешифрирования видеоданных. С другой стороны, автоматизация процесса выделения границ затрудняется многообразием и неустойчивостью дешифровочных признаков, на основании которых выделяется контур объекта. В то же время специфика вычислительной среды и требования по временным нормам обработки в системе "АИУС-агроресурсы" накладывают весьма жесткие ограничения на выбор формализов'анных подходов к автоматическому ана-, лизу изображений. Поэтому при решении задач автоматизации выделения границ на изображениях сельхозугодий на технических средствах системы алгоритмическое и программное обеспечение должно удовлетворить следующим требованиям.

1. Алгоритм сегментации (выделения контуров) должен быть достаточно универсален по типам и разрешению исходных видеоданных, но при этом обеспечивать выделение именно тех объектов и явлений, которые представляют интерес для решения конкретной тематической задачи.

2. Программное обеспечение процесса выделения границ должно состоять из совокупности открытых программных модулей, позволяющих формировать различные технологии обработки, как автономно, так и совместно с другими средствами анализа изображений.

Выполнение первого условия может быть обеспечено методически обоснованным выбором критерия однородности, на базе которого реализуется сегментация изображений. Основными.признаками однородности объектов, используемыми в формализованных подходах к гдделениэ контуров, являются тон и текстура. При анализе сельскохозяйственных, сцен использование текстурных признаков оказывается целесообразным только в ограниченном числе случаев, в основном для информации очень высокого разрешения (менее Юм на элемент дискретизации). Кроме того, такие методы не могут обеспечить приемлемую скорость обработки на универсальных ">ЕМ средней мощности, составляющих' вычислительный комплекс системы "АИУС-егроресурсы". В этом аспекте больший интерес представляют методы сегментации изображений, использующие тоновые (яркостные) признаки.

Существует несколько подходов к процессу разбиения изображения на однородные или квазкоднородкые по -тону области. В одних случаях сначала производится выделение граничных элементов по локальному изменению уровня однородности - формирование гранитного

•* Iw

препарата. Затем осуществляется прослеживание и формирование замкнутых контуров» В -других случаях сначала осуществляется выделение элементов областей, например, путем кластеризации, а.затем объединение их в связную область с привлечением дополнительных признаков и критериев (наращивание). Второй, подход более привлекателен с точки зрения интерпретации конечного результата, так как позволяет • сформировать и использовать при решении задачи внутриконтурные интегральные характеристики объекта.

Для значительной части изображений сельхозугодий и других дешифрируемое природных объектов при низком (более 200м на элемент дискретизации) и среднем С200-100м на элемент) под однородностью по тону обычно понимается выполнение условия:

I et, (i)

где значение яркости в i-й точке области,

Clc- некоторое фиксированное значение (обычно среднее по области), •

d- заданное значение порога.

Если такое условие выполняется, основанные на нем методы могуэ обеспечить высокую скорость обработки даже на ЭВМ универсального назначения. Однако когда на элемент разрешения приходится менее Ire площади обследуемой территории, использование только условия (I) часто не. позволяет выделить содержательно интерпретируемые связные объекты.

. Рассмотрим статистическое распределение значений яркости внутри .выделяемого объекта класса УС , представленное гистограммой

.УС

где Л^ число точек внутри объекта, число точек со значением I. При низком и среднем разрешении, благодаря сглаженности, сцены она будет узкодисперсной и унимодальной« что и позволяет успешно использовать условие (I). При более высоком разрешении гистограмма по тому же объекту может оказаться широкодисперсной и иметь нескол ко пиков (мод). Использование условия .(I) приводит тогда к выделе« нию совокупностей точек, не интерпретируемое с точки зрения" решаемой задачи. Объединение их в связную область требует других приз»

ков и, следовательно, других алгоритмов обработки.

Одним из возможных способов решения этой проблемы без привлечения в каждом случае дополнительной информации'^ дополнительных средств анализа изображений является переход от параметрических методов анализа к непараметрическим. В этом случае не требуется никаких предположений о типе статистического распределения значений тона внутри объекта, что позволяет в значительной степени избежать ошибок, связанных со степенью достоверности таких гипотез. С целью перехода к непараметрическому статистическому анализу введем понятие статистической однородности по тоновому признаку.

Пусть исследуемый объект принадлежит некоторому классу Ж,

значения яркости для которого распределены по закону . На

оцифрованном изображении Сх) соответствует эмпирическая ступенчатая функция

F^(x)={FI, хелх:,, } (3)

х

где /Vй3 (2)*

При классификации изображения с целью выделения класса УС с необходимой точность объем обучающей выборки увеличивают до тех пор, пока эта точность' не будет достигнута. Фактически это соответствует выполнению условия: 1

Р(<? СГХСГ), Э^(Х.))7 60)4сС0, (4)

где у(•,■)- некоторая мера близости и 0е) •

В кластерном анализе мера называется мерой группового

расстояния между кластерами, и некоторые ее типы используются для оценки статистической разделимости кластеров в задаче распознавания образов.

Рассмотрим теперь объект &оХ • Назовем его областью (или сегментом) , если он представляет собой совокупность точек изображения ^Ус'^Зу 1 • удовлетворяющую следующим услобиям.

1. Для любой точки (^ц существует хотя бы одна соседняя точка ^Ск : 9'А- £ ^вх.' Соседними считаются все с^, 6=^1,1*^ ,

при этом если -¿-1 , то Ф^ и если к= '}.,

ТО .

2. Существует хотя бы одна внутренняя точка б то есть такая, у которой все соседние точки £ • точки» не

удовлетворяющие этоцу условия, считаются граничными.

Пусть некоторый сегмент (^является подобластью к .

Очеввдно, что о принадлежности &ск классу Ж с функцией распределения i^fö)можно говорить только в том случае, когда начиная с некоторого размера сегмента Mix эмпирические функции по всем таким сегментам удовлетворяют условию (4). Поэтому назовем G-0Jt статистически однородной областью, если существует Л^5(ялг такое j что для любого п>т условие

* (5)

выполняется с уровнем значимости Ы.0 для всех

Если рассмотреть пару непересекающихся сегментов, принадлежащих статистически однородной области CroK : G-£3f и. • &jx размерами tX-^т и соответственно, то для них найдутся такие

<5чт0 вариации между парой ^(х) и ^ (ос) в(1-Мц) •I0G? случаев будут находиться в пределах 6ц . Значения oL-j (¿0,60) и их связь .зависят от выбора меры ^ .

Таким образом, сравнивая пары смежных сегментов и GjK по некоторой групповой мере расстояния, можно объединить их в область, однородную по некоторой функции распределения и с какой-то степенью точности сформировать саму эту функцию. Шаг процесса сегментации в этом случае сводится к решению задачи проверки для пары выборок 0^0*1?Х^ ...,ХП1) и 02=CXia5:r2iV jrni) непараметрической статистической гипотезы

={ %(Х) = TZ (х) = JcoO] (б)

против альтернативы

НД

В качестве непараметрического теста для проверки гипотезы (6) используется значение ц некоторой непараыетрической статистики £ , характеризующей взаимоотношение частот и Рд(эс) . В ряде случаев такие статистики коррелируют или полностью совпадают с некоторыми мерами группового расстояния. Правило принятия решения задается условием:

где /\ - событие.; А = (п1>Пг,Ы.)}

Понятие статистической однородности шире понятия однородности в смысле (I), однако, уже понятия текстурной однородности, так как пространственная взаимосвязь значений оедедьных элементов выборок здесь не учитывается. 1то ограничение, как уже было сказано, для значительной части задач несущественно.

Следует также отметить, что использование в процессе сегментации выборочного (поблочного) анализа затрудняет.обработку спектрально совмещенных многозональных изображений. Поэтому перед выделением статистически однородных областей целесообразно сводить задачу к одномерному случаю путем соответствующего преобразования пространства спектральных яркостей методом главных компонент или использования комбинаций наиболее информативных каналов.

' Класс функций относительно которых сегментируемые

объекты оказываются статистически однородными, определяется типом непараметрического критерия, который применяется в процессе сегментации. Поэтому при разработке сегментатора для определенного класса задач прежде всего необходимо выбрать подходярю непараметрическую статистику. При этом наиболее общими являются требования, обусловленные спецификой анализа оцифрованных изображений на ЭВМ. Сюда относятся:

1) простота подсчета статистики;

2) устойчивость размера критической области критерия на малых выборках, что позволяет обеспечить необходимую локальную точность границы и варьировать размер выборки без дополнительной настройки;

3) возможность эффективного учета влияния дискретизации сигнала на характеристики критерия (способ обработки совпадений).

Из наиболее простых и универсальных статистик для тестирования выборок на сдвиг и масштаб рассматривались критерии со статистиками:

I) Колмогороваг-Сыирнова

_ ГО, х < X, ,

ь* (8)

I ¡, х>хп с критической областьюР^а.р^Л-^Тх + ~п ^) »

2) ju.„ - количество пустых блоков из flt+i, образованных элементами выборки 0L , в которые не попало ни одного из элементов выборки 02 , с критической областью Çl(°Q:

(9)

где J^o,^ устанавливается из асимптотического распределения

3) и - общее число серий элементов каждой выборки (тип А 0t. тип В - 02 )из цепочки АА...ВВВАА..., полученной при совместной упорядочении элементов выборок в вариационный ряд, с критической областью

(10)

где устанавливается из асимптотического распределения

р (и (п,, п2>?)) - ,

п» ,<\ — 00 , п,/пл —" о.

Несмотря на то, что первый из критериев является асимптотически наиболее мощным, с точки зрения предъявляемых требований он обладает, рядом недостатков. Б частности, недостаточно устойчив при обработке дискретной информации в тех диапазонах значений яркости, которые наиболее характерны для изображений природных образований. На основании численных экспериментов на модельной информации различных типов установлено, что для сегментации сельскохозяйственных и других однородных и квазиоднородных по тону объектов наиболее ■ приемлем критерий серий (10) со статистикой, представленной в вида

Ли ,

где г/, - число серий без учета совпадений, р - число серий, образовавшихся в результате поэлементного чередования совпавших значений, п - размер выборки. Считается, что п=>п.1 = л_а } так как при этом достигается максимальная мощность критерия. Стеъ •тистика (II) положительно коррелирует с площадью перекрытия функ-

ций плотности распределения яркости по сегментируемым объектам, что позвЬляет рассматривать качество сегментации во взаимосвязи со статистической разделимостью классов и полной вероятностью ошибки поэлементной классификации.

На основе понятия статистической однородности (5) и выбранной непараметрической статистики, с учетом ограничений конкретной вычислительной системы, разработаны алгоритмы выделения границ по непара-ьятрической оценке соседних выборок и выделения связных замкнутых статистически однородных областей. Сегментация производится поблочно: изображение разбивается на сеть ячеек (блоков) прямоугольной (чаще всего квадратной) формы. Решение на каждом шаге принимается с точностью до максимального линейного размера этого блока.

Правило принятия решения для алгоритма-выделения границ по оценке соседних выборок имеет вид:

г•

Я,

- множество граничных блоков, - используемый не-

параметрический тест, со статистикой 6 -и уровнем "Значимости оС . Качество выделения границ таким алгоритмом (их связность и ширина) зависят от сегмантационной мощности критерия и характера самой границы. Повышения связности можно добиться, учитывая поведение ста-, тистики -5 в окрестности каждого тестируемого . Тем не ленее, даже с учетом простоты алгоритма и -высокой скорости обработки на ^Ш, область применения его ограничена, так как никакой информации о внутренних характеристиках объекта без предварительного прослеживания его границы получить невозможно» Алгорртм выделения связных областей в этом смысле обладает значительными преимуществами, так как в процессе сегментации формируются гистограммы по всем выделяемым Объектам. Процесс тестирования текущего в данном,алгоритме реализуется следующим образом. По всем областям Сгн /уже выделенным на предыдущих шагах и примыкающих к " , формируются выборки размера П , Удовлетворяющие условию:

Правило принятия решения имеет вид:

£ I ЬЭнрит.) 1X4)

В условии (14(6))" статистика 6 используется как мера группового расстояния. Классы функций, которые могут быть выделены сег-ментатором с конкретной статистикой 5 , определяются в совокупности особенностями статистики 5 и точностью аппроксимации текущей эмпирической функцией f(x) функции по всей сегментируемой области. Поблочный анализ изображения, наряду с неоднородностью и размытостью границ, могут ухудшить точность такой аппроксимации. Для компенсации этих факторов в алгоритм, в зависимости от характера информации, используются два дополнительных условия.

1. Минимизация размаха обобщенной выборки по области на каждом шаге принятия решения. Значения статистик из (14), начиная е некоторого значения -5 "^АмияГ^Г^ домножаются на коэффициент взаимного разброса:

4 - Хп )

где Хи... X - выборка по >ха—хпг тестируемая выборка.

Решемие принимается по значениям модифицированных статистик •3 '= ^ . Применение условия (15) целесообразно для широкодисперс-Ных^л? > когда визуально области-различаются по изменению тона в среднем. ■

2. Для узкодисперсных З^х), когда ошибка обусловлена в осно! ном попаданием блоков на границу областей, целесообразно проводи' периодическое цензурирование обобщенных выборок по (отсечен» нижней части гистограммы при ограничении:

К

(к)

мш

где число точек в гистограмме по £к , М (&)- число точек

в усеченной гистограмме, 1Л- заданный параметру^Ь

Область применения условия (16) в;целом уже, чем (15), и тр< бует наличия априорной информации о средни*'размерах выделяемых

объектов.

На основе предложенного подхода разработан программный комплекс поконтурной обработки одноканальных изображений ■ Программное обеспечение реализовано на экспериментальном вычислительном комплексе, включающем шни-^ВМ С0ЛЯР-Т6/65 и цветную полутоновую дисплейную систему "Периколор-ГООО". Язык программирования Ф0РГРАН-1У. Комплекс 2)Р$&Н включает:

1) пакет процедур подготовки изображения к обработке;

2) программы непараметрической статистической сегментации (комплексный вариант для исследовательского режима и программу выделения статистически однородных областей для "оперативной обра/-ботки);

3) программу внутриконтурного статистического анализа яркост-ных признаков;

4) программу визуализации и оформления выходных видеоданных;

. 5). программу анализа и вывода интегральных яркостных характеристик контуров;

6) программу поконтурной непараметрической классификации с использованием гистограксяшх эталонов.

Выходные материалы представляются в виде контурных и цветоко-дированных карт всех сегментированных объектов или объектов с заданными характеристиками, карт поконтурной классификации, табличных и графических данных. Последние выводятся на АЦПУ в различных конфигурациях, Еыбранных оператором.

Разработанный комплекс представляет собой совокупность открытых программных модулей, позволяющих формировать различные схемы обработки и использовать их вместе с другими процедурами темати- ■ ческого анализа изображений. Комплекс может использоваться *е* для оперативной тематической обработки по заданной схеме, так и для методологической проработки решения новых задач. С этой целью в пакет подготовительна процедур включены процедуры формирования и ввода тематической карты эталонных областей с экрана дисплейной Системы "Периколор". Сформированная дешифровщиком карта таких эталонных объектов может быть обработана как результат сегментации,-а такие использована при непараметрической классификации контурЬв.

Алгоритмические и программные средства, входящие в пакет .ЭГ^Э-К» апробированы на различных типах смоделированных и реальных видеоданных. Проведенные на модельной информации исследо-

вания рабочих характеристик алгоритма выделения статистически однородных областей позволили установить, что для конкретного типа используемой непараметричеокой статистики (II) наилучший результат удается получить при размере окна (блока) 4x4 элемента. При этом граница между объектами А и Б размерами не менее 100 элементов дискретизации регистрируется при площади перекрытия функций плотности распределения 8ДВ^ 60£,с точностью не хуже 95$ при £ ^ 30% и не хуже 75% в остальных случаях. Данные условия одинаково выполняются как для областей, , разделяемых по тону (различные средние), так и по уровню однородности (одинаковые средние, различная ширина интервалов значений яркости). Причем по крайней мере при £дв =0 30% на положение гпаницы между А и Б практически не влияет порядок просмотра изображения. .

Оценки технико-экономической эффективности технологий покон-турной обработки изображений на базе разработанного комплекса алгоритмических и программных средств в сравнении с действующей технологией тематической обработки и временными нормами, принятыми в системе "АИУС-агроресурсы", показали, что при удовлетворяющих требованиям затратах на время работы ЭВМ разработанная технология позволяет значительно сократить, вплоть до полного исключения, ряд этапов полного цикла обработки. В частности, снижаются требования к качеству исходной информации, что позволяет для ряда задач исключить или сократить этап коррекции. Затраты на интерактивный режим в процессе получения и анализа статистических яркост-ных характеристик исследуемых классов объектов сокращаются в 8-10 раз, что .вставляет около 300 рублей на стандартный кадр 512x512 элементам дискретизации. При решении задач, связанных с получением контуров однородных природных образований на изображениях высокого разрадения (менее 30м на элемент дискретизации) ожидаемая экономическая эффективность составлеет около 100 тыс. рублей в год.

Использование технологий поконтурной обработки позволяет так. же в ряде случаев существенно повысить объективность и достоверность результата тематической классификации и интерпретации изображений. Так при оценке площадей под различны:,л типами сельхозугодий с применением поэлементной классификации происходит накопление ошибки из-за учета элементов, не принадлежащих сельскохо-. эяйственным объектам. На примере обработки космической сканерной

информации с аппаратуры "Фрагмент" показано, что выделение и поко*л-турная классификация однородных участков полей и их совокупностей позволяет повысить точность оценки площадей на 10-15?. Получение в процессе сегментации статистических тоновых характеристик контуров и их последующий-автоматизированный компонентный анализ обеспечивают объективную основу для построения систем автоматизированного Дешифрирования сложных природно-ландшафтных сцен при решении задач тематического картирования. Обработка крупномасштабных аэрофотсиьо-бра^ений труднодоступных территорий, используемых при решении 'задач почвенного картирования, показала, что разработанные метод и технология позволяют выделять и классифицировать контуры'сложного компонентного состава, полностью или частично совпадающие с контурами, выделяемыми при визуально-полевом дешифрировании* На основании проведенных наземных обследований уртановлено, что в ряде случаев результат автоматизированной обработки позволяет получить-'более высокую точность выделения контуров и достоверность их классификации, чем результат йизуальчого г.ешифрирования. Предполагается дальнейшее совершенствование процедур и технологии поконтурной обработки с использованием непараметрической статистической сегментации на базе новейших типов "-ВМ с целью создания проблемно-ориентированных экспертных систем и автоматизированных рабочих мест для решения задач тематического анализа аэрокосмической видеоинформации.

Основные выводы и результаты работы.

Основным итогом диссертационной работы является методическое и программное обеспечение тематического поконтурного анализа изображений сельскохозяйственных угодий и ландшафтных сцен, базирующееся на алгоритме выделения статистически однородных областей -'непараметрической статистической сегментации.

В ходе проведенных в работе теоретических и экспериментальных исследований получены следующие основные результаты.

I. Показало, что использование поконтурной обработки при анализе сельскохозяйственных и ландшафтных сцен на изображениях высокого разрешения имеет важное, значение для повышения эффективности процесса автоматизированного дешифрирования, объективности и достоверности конечного результата. При этом 'особенности яркостньпс (тоновых) признаков ксследуенвс объектов и Явлений при высоком раз ре-

шении информации требуют использования более слабых условий однородности, чем традиционно применяемые при автоматической обработке изображений.

2. Установлено, что функция распределения значений яркости (тона) в пределах локального участка изображения является наиболее приемлемым признаком однородности для широкого класса сельскохозяйственных и ландшафтных объектов на изображениях высокого разрешения. Введено понятие статистической однородности по функции распределения, позволяющее использовать при сегментации изображения непараметрические статистические. критерии".

3. Проанализированы особенности использования непараметрических статистических критериев в задаче сегментации оцифрованных изображений (при ограниченной дискретной шкале уровней.яркости). Еыделены основные требования к характеристикам критерия и выбраны критерии, подходящие для использования в алгоритмах сегментации.

4. Разрабс-тг-ну и исследованы алгоритмы непараметрической ста^-тисткчгекой сегментации с учетом требований, налагаемых системой.на алгоритмическое'и программное обеспечение процедур тематической обработки.

5. Разработан, апробирован и вкгдрен многоцелевой программный комплекс поконтурной обработки изображений по тоновому признаку, включающий непараметрическую статистическую сегментацию. Разработав кы технологии решения ряда зрдач с использованием программного комплекса ,;око:: . „-рной обработки.

6. Про: :?.;н:зироваш вопросы технико-скономической эффективности технологи- : -магической обработки. Покачаны пути повышения эффективности процесса, автематизировгашого дешифрирования при использовав нии-технологий поконтурной обработки изображений высокого разрешения/

7. Выполнена экспериментальная тематичзская обработка аэрокос-!,г.;чзских изображений высокого разрешения с применением .разработанных технологий. Продемонстрированы возможности использования непарамет- , рячсской статистической сегментации и поконтурной обработки при автоматизированной дешифрировании сложных ландаат^гск сцен' в задачах текет-дческого картирования.

■ S. Созданные в результате настоящей рабсгв программные средства, благодаря своей модульгий структуре, достаточно легко адаптируемы к рьаличной програъгинс-алпаратной среде вычислительных средств, исполь-зуеикх для обработки аэрокосмической информации, что позволяет осу-.

ществить их тиражирование и массовое использование в организациях, связанных с обработкой видеоданных.

По материалам диссертации опубликованы следующие работы.

1. Андреев Г.Г.,Чабан Л.Н. Практическое применение метода пустых блоков для выделения границ сельскохозяйственных объектов с помощью ЯВМ. - Труда ГосНИВДПР,1980,вып.10,с.86-92.

2. Андреев Г .Г.,Чабан Л.Н. Выделение статистически однородных • областей на аэрокосмических снимках. - Сб.научкзх трупов Ш1И.1981, с.87-89.

3. Андреев Г.Г.,Чабан Л.Н. Об одном методе сегментации аэрокос-мических1 изображений сельскохозяйственных угодий. - Сб.трудов ШИПТИК МСХ СССР, 1982,с.91-98.

4. Андреев Г.Г.,Чабан Л.Н. Сегментация аэрокосыических изображений по непараметрической оценке соседних выборок. - Сб.трудов ВЦ АН СССР,Новосибирск,1983,с.I02-II2.

5. Андреев Г.Г.,Сазонов Н.Б.,Чабан'Л.Н. Выделение границ сельскохозяйственных угодий при тематической обработке аэрокосмических изображений. - Сб.трудов ВНИТИК МСХ СССР, 1983,с.60-67.

6. Андреев Г.Г.,Бочаров В.П.,Сазонов Н.В.,Чабан Л.Н. Построение системы распознавания при обработке аэрокоемическйх изображений. - Тезисы Всесоюзной конференции "Математические методы распоэ-' навалил образов",Звенигород,1983,с.9Q.-9I,

7. Чабан Л.Н. О возможности выделения сельхозугодий на сканер-ных изображениях с использованием критериев статистической однородности. - Сб.научных трудов ЕНИЦ "АИУС-агроресурсы", 1986, с.75-93.

• 8. Андреев Г.Г..Сазонов Н.В..Бочаров В.П.^Чабан Л.Н. Автоматизация тематической обработки космических изображений при оценке состояния сельскохозяйственных культур. - Исследования Земли и* космоса, М, 1986, с. 95-Л 02.

9. Чабан Л.Н. Пакет программ поконтурной обработки крупномасштабных аэрокосмических изображений по статистическим тоновым признакам. - Тезисы докладов 2-го республиканского семинара "Проблемы создания систем обработки, анализа и распознавания изобретений", Ташкент,1989,с.7-8.

10. Андреев Г.Г..Бочаров В.П.,'Чабан Л.Й. Сельскохозяйственные культур». Автоматизированное дешифрирование. - Атлас "Использование

и-,,

космической информации с аппаратуры "Фрагмент",М. .Наука, 1988,с.80.

II. Андреев Г.Г.,Чабан Л.Н. Об особенностях автоматизированной работки крупномасштабных фотоизображений для целей почвенного и гес ботанического картографирования. - Сб.научных трудов ЕНЩ "АИУС-аг] ресурсы",1989,с.79-88.

Подписано в печать II.0I.93r. Тирам 100 экз. Зак.Ю

УПП " РЕПРОГРАФИЯ'