автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Разработка полуавтоматических методов сегментации протяженных структур на цифровых аэрокосмических изображениях

Московский ордена трудового Красного Знамени сп Физико-технический институт

О-

^К 528.721.22 : [681.3 : 516]

-з- На правах рукописи

ПАПКОВ СЕРГЕЙ БОРИСОВИЧ

РАЗРАБОТКА ПОЛУАВТОМАТИЧЕСКИХ МЕТОДОВ СЕГМЕНТАЦИИ ПРОТЯЖЕННЫХ СТРУКТУР НА ЦИФРОВЫХ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЯХ

05.13.16 — Применение вычислительной техники, математического

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Долгопрудный — 1998

Работа выполнена в Московском физико-техническом институте Научный руководитель: к.т.н., с.н.с Желтов Сергей Юрьевич

Официальные оппоненты: д. т.н., проф. Инсаров Вильям Викторович

к.т.н., с.н.с. Семин Николай Николаевич

Ведущая организация: Госцентр "Природа"

Защита диссертации состоится О ¿с/^^/л. _ 1998 г. в /Г

часов на заседании диссертационного совета К 063.91.08 при Московском физико — техническом Институте по адресу: 141700, Московская обл., г. Долгопрудный, Институтский пер., д. 9.

С диссертацией можно ознакомиться в библиотеке Московского физико-технического Института.

Автореферат разослан "//5" ^¿ыг^ре, 1998 года.

Ученыйсекретарь диссертационного совета К 063.91.08 к.т.н. ^ -У/Лг&г*-'' Е.П.Дербакова.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ.

Актуальность проблемы.

В последнее время в картографии, строительстве, экологии, муниципальном управлении, в военном деле и других сферах деятельности традиционные бумажные технологии постепенно заменяются цифровыми. Основным источником данных, используемых при составлении и обновлении цифровых карт и иного рода информационных систем, являются авиационные и космические снимки земной поверхности. Для последующего применения в любой из перечисленных областей этих изображений из них должна быть извлечена необходимая информация, и объем ее тем значительнее, чем более крупный масштаб используется. В настоящее время постоянно растет спрос на подобные данные, поэтому в связи с большими объемами процесс их получения должен быть максимально автоматизирован.

Из всех этапов применения аэрокосмической информации для этих целей . одним из наиболее сложных и дорогих с точки зрения временных затрат является процесс распознавания и локализации различных объектов или характерных черт местности естественного и искусственного происхождения, таких, как русла рек, береговые линии, горные хребты и отдельные вершины, здания, дороги и т.п. Из—за больших затрат на обработку данных, автоматизация этого процесса приобретает актуальное значение.

Создание алгоритмов интерпретации космических и авиационных изображений традиционно относилось к тематике машинного зрения. К настоящему времени • выяснилось, что полностью автоматическое \ешифрирование аэрокосмических снимков практически невозможно на :овременном уровне развития этой области, поэтому ведущие научные центры . пира ищут полуавтоматические пути решения данной задачи.

Одним из видов удачной комбинации возможностей человека по Зыстрому распознаванию элементов сцены и машинных методов обработки галяется полуавтоматическое решение задачи векторизации космических и 1эрофотоснимков (КС и АФС). При этом оператор—дешифровщик помечает сдельные объекты, а ЭВМ по заданному начальному приближению выделяет IX, т.е. определяет их точные координаты.

С точки зрения возможности автоматизации дешифрирования большой интерес представляет класс протяженных объектов. Как правило, они не могут быть выделены полностью автоматически, поскольку их характеристики существенно меняются даже на одном и том же снимке, в связи с чем корреляционные или учитывающие текстурные признаки методы не вполне пригодны. В то же время такие объекты слишком сложны для полностью ручной локализации, так как для их достаточно точного описания требуется значительное количество точек.

Таким образом, протяженные объекты представляют собой некоторый промежуточный класс объектов, применительно к которому необходима разработка полуавтоматических методов. К ним относятся столь важные для точной локализации структуры, как береговые линии, дороги, магистральные трубопроводы, линии электропередач, различного рода коммуникационные сооружения, что обусловливает актуальность темы настоящей диссертационной работы.

Целью лиссертапионной работы является разработка эффективных I вычислительном смысле полуавтоматических методов определения координат протяженных структур искусственного и естественного происхождения не цифровых изображениях земной поверхности и нахождение подходящей: способа описания подобных объектов для их последующего представления е различных системах визуализации и хранения информации: системах виртуальной реальности, геоинформационных системах, цифровых трехмерных компьютерных моделях местности.

Для достижения цели исследования поставлены следующие задачи:

- классификация протяженных объектов на аэрокосмических снимках и выбор признаков, по которым может производиться выделение данного класса;

- построение яркостно—геометрической модели протяженных структур к учет ее искажений на реальных изображениях;

- создание модели полуавтоматической регистрации протяженны» объектов;

- построение базовых алгоритмов точной локализации линейных структур;

- разработка способов описания выделенных структур как трехмерных эбъектов.

Научная новизна работы.

Впервые проведена классификация протяженных объектов и построены IX яркостно — геометрические модели.

Обоснована и разработана оригинальная методика взаимодействия эператора с компьютером при выделении протяженных структур на 13ображениях земной поверхности — части задачи воссоздания объектного :остава сцены.

На основе динамического программирования создан новый эффективный : вычислительной точки зрения метод полуавтоматического выделения фотяженных объектов, обладающий универсальностью по отношению к ¡азличным типам данных структур.

Предложены оригинальные способы описания рассматриваемых структур : помощью различных сплайнов, обладающих свойствами локального либо лобальнош изменения формы кривой в зависимости от типа объекта, которому >на соответствует, а также с помощью составных кубических кривых Безье.

Разработаны новые типы представления протяженных объектов в виде • овокупностей пространственных кривых, которые дают возможность включать ти структуры в трехмерные модели местности, системы виртуальной дальности и геоинформационные системы.

Положения, выносимые на защиту.

1. На современном этапе развития машинного зрения и средств ычислительной техники разработанная в диссертации методика олуавтоматического выделения протяженных структур является елесообразной и эффективной с точки зрения временных затрат и остигаемой точности при решении задачи воссоздания объектного состава цены съемки применительно к практически важному классу объектов.

2. Построенный алгоритм выделения протяженных объектов универсален точки зрения радиометрических и геометрических свойств различных классов аяейных структур и обладает устойчивостью к значительным искажениям их экостно—геометрических свойств.

3. Результаты представления протяженных объектов в в и, пространственных сплайн—кривых (или их совокупностей) и кривых Безь позволяют получать описание исследуемых структур практически в любе масштабе, а также дают возможность удобного редактирования формы кривы)

Практическая значимость диссертапии.

На основе описанного метода разработана программа для персональнс ЭВМ типа 1ВМ РС (или совместимой), которая дает возможность производи эффективное выделение различных протяженных объектов искусственного естественного происхождения на цифровых аэрокосмических снимках. О] является частью разрабатываемой в ГосНИИАС системы "Р15оЙ—ЗБ1 предназначенной для цифровой стереофотограмметрической обрабоп авиационных и космических изображений.

Результаты, полученные при написании диссертации, были неоднократс использованы в рамках НИР "Вертел", "Феникс", Договор N 3 "Информационные технологии — 97", выполнявшихся по заказ; Министерства Обороны РФ, Министерства Экономики РФ, Миннауки РФ, также в совместных работах ГосНИИАС и Межотраслевой Ассоциац] "Совинформспутник".

Программно реализованный полуавтоматический метод выделен: протяженных объектов был использован при создании пространствен» модели местности по стереопаре АФС, работа с которой велась в рамках Н1 "Феникс". При решении подобных задач данный метод позволяет значитель: снизить трудоемкость работ оператора—дешифровщика по сравнению традиционной экранной или планшетной оцифровкой. Кроме то] рекомендуется применять разработанный алгоритм выделения протяженю объектов при обновлении цифровых карт среднего и мелкого масштабов материалам данных дистанционного зондирования. При этом возмож существенное сокращение времени, затрачиваемого на определение координ протяженных структур, и может быть достигнута необходимая точность. П; помощи данного метода также могут быть локализованы протяженные объекта изображениях, возникающих в различных областях машинного зреш медицине, материаловедении и т.д.

Апробация работы и публикапии по теме.

По результатам диссертации опубликовано 8 печатных работ. Основные результаты работы докладывались и обсуждались на XXXIX научной конференции МФТИ "Современные проблемы фундаментальной и прикладной физики и математики", на 3-й международной конференции "Методы дистанционного зондирования и ГИС — технологии для контроля и диагностики состояния окружающей среды", на XV и XVI научно—технических конференциях "Актуальные проблемы электроэнергетики" в Нижегородском государственном техническом университете, на научно—технической конференции "Современное состояние и перспективы развития геодезии, фототопографии, картографии и геоинформационных систем" в ЦНИИ геодезии, аэрофотосъемки и картографии, на III конференции "Распознавание образов и анализ изображений: информационные технологии", проводимой Российской Академией Наук, Министерством общего и профессионального образования РФ и Министерством науки и технологий РФ.

Структура и объем диссертации. Диссертация состоит из введения, трех глав, заключения и списка литературы, включающего 66 наименований. Общий объем работы составляет 116 страниц машинописного текста, 33 рисунка и 5 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ.

Во введении и в первом разделе диссертации "Анализ задачи извлечения информации о протяженных объектах на изображениях" рассмотрена проблема описания объектного состава местности по данным космической или аэрофотосъемки. Обработка подобной информации может вестись вручную или автоматически. Первый путь является весьма трудоемким и часто приводит к получению недостаточно точных результатов. Полностью автоматическая обработка требует решения сложнейших алгоритмических проблем и привлечения значительных вычислительных ресурсов. В связи с этим на современном уровне развития машинного зрения и средств вычислительной техники большое значение приобретают полуавтоматические методы интерпретации изображений. Они выгодно используют как преимущества оператора—дешифровщика перед ЭВМ по быстрому распознаванию элементов

сцены и его опыт, так и возможность точной локализации интересующи. частей изображения с помощью компьютерной обработки. Важной частьн сложной задачи по восстановлению объектного состава сцены являете: выделение протяженных структур, поскольку многие естественные i искусственные объекты, координаты которых бывает необходимо определить относятся к этому классу.

Таким образом, необходимость построения алгоритмо] полуавтоматического выделения протяженных объектов на цифровы: аэрокосмических изображениях определяет цель проводимого исследования.

В первом разделе работы поставлены задачи, которые следует решить дл достижения поставленной цели, а именно:

1) построение яркостно—геометрических моделей протяженных объектов i исследование их свойств;

2) построение модели регистрации протяженных объектов.

При этом должны быть сформированы следующие исходные данные:

- фрагмент изображения, на котором задается двумерное потенциально поле V(x,y), где точкам объекта соответствуют точки минимума потенциала;

- локализуемые оператором концы участка выделяемого объекта А(х,у) = f(0] B(x,y) = f(l) (полуавтоматическая регистрация);

3) учет искажений протяженных объектов на реальных изображениях.

В этих условиях требуется: для данных V(x,y), {А(х,у), В(х,у)} найти такув непрерывно дифференцируемую кривую f(t), что: f(0) = А(х,у), f(l) = В(х,у);

Ф(0 = {J[aV(x,y) +bC(x,y)]dt} -> min,

где: (D(t) — штрафной функционал, С — геометрическая составляющая штраф (например, длина кривой), а и b — весовые коэффициенты, уравнивающи вклад яркостной и геометрической составляющих; интеграл берется вдол кривой f(t). При этом построение функций V(x,y), С(х,у) и весовы: коэффициентов а и b является сложной задачей, также решаемой в данно] диссертационной работе.

Задаче построения алгоритмов полностью посвящен второй разле лиссертадии "Разработка и описание алгоритмов полуавтоматическое выделения протяженных объектов на цифровых изображениях местности"

Протяженным объектом на изображении земной поверхности назовем любую длинномерную криволинейную (в общем случае) структуру, т.е. общая длина которой значительно превышает ширину. Поперечный размер подобных объектов может составлять от одного до порядка десяти пикселов и изменяться вдоль данной структуры. В соответствии с таким определением в этот класс можно отнести следующие важные для точной локализации структуры: береговые линии рек, озер, морей, водохранилищ; автодорожную сеть; железные дорога; магистральные нефте— и газопроводы; линии электропередач.

В разделе проведен анализ автоматических и полуавтоматических методов выделения подобных структур, до недавнего времени разрабатывавшихся, в основном, для локализации автомобильных дорог. Перечисляются основные характеристики, положенные в основу алгоритмов: физические, радиометрические, геометрические, топологические, контекстные и функциональные.

На основании этого рассмотрения сделан вывод о перспективности использования концепции снэйков, получившей развитие в последнее время. Снэйк — это эластичный и упругий шнур, помещенный во внешнее поле, которое задается различными чертами изображения. Полная энергия деформированного снэйка определяется его внутренними силами и потенциалом этого поля. В алгоритмах выделения, где применяется данная концепция, прослеживание или иначе тренинг протяженного объекта производится путем минимизации полной энергии снэйка.

Для разработки путей построения эффективных и универсальных алгоритмов выделения протяженных объектов проведена классификация последних, выбраны общие и конкретные свойства, присущие каждой из проанализированных групп, и с помощью совокупностей этих характеристик произведена формализация исследуемых структур.

Объекты всех перечисленных групп можно описать набором гладких кривых. Необходимо определить критерии оптимальности, которые позволят поставить в соответствие тому или иному протяженному объекту оптимальную кривую (совокупность кривых), автоматически проводимую между последовательно обозначаемыми оператором узловыми точками объекта

(маркерами). Для этого введено понятие потенциальной энергии кривой н изображении, состоящей из двух частей: радиометрической и геометрической.

Радиометрическая энергия определяется через величины яркосп пикселов, принадлежащих кривой, описывающей конкретный объект Например, автомобильные и железные дороги на АФС видны как существен» более светлые по сравнению с окружением полосы, реки — как более темные береговые линии представляются как границы между светлыми и темным! участками. Важной характеристикой точки изображения является вводимая : работе величина, называемая яркостным потенциалом пиксела:

У(х,у) = ±1(х,у) + С(х,у), (1

где 1(х,у) — яркость данного пиксела, знак " + " или " —" определяется знаки контраста прослеживаемого объекта; С(х,у) — значение поля модуля градиент изображения в этой точке. Соответствующие значения для й точки кривой координатами (х^у^), используемые далее, имеют вид: I, = Цх^у^); = С(х[,ук У;=У(Х1,у]1); 1= 1,...,]МТ; ГЧХ — общее число точек кривой.

Сумма значений яркостных потенциалов точек растра вдоль кривой ест радиометрическая часть энергии:

Еу = 2^,1,. (2

1-1

где 1} — евклидово расстояние (в пикселах) между соседними точками кривой.

Геометрическая часть потенциала С(х,у) учитывает гладкость криво! соответствующей объекту. Она определяется через разность направлена отрезков, проведенных из данного пиксела к начальной и конечной точка! кривой. Для достаточно гладкой кривой сумма таких разностей направлений гг всем точкам должна быть малой. В соответствии с конкретными значениям: С(х,у) и У(х,у) полный потенциал точки кривой вводится как взвешенная сумма

Р(х1,ук) = Р\ = аУх + ЪС{ = а(±Г; + + ЬСи (3

ыт

а полная энергия кривой есть сумма по всем ее точкам: ^ГР^. Эта величин

¡=1

минимизируется для получения оптимальной кривой с точки зрени соответствия свойствам определенной группы протяженных объектов.

Ю

В качестве метода решения поставленной оптимизационной задачи применено динамическое программирование. В соответствии с этим подходом рассматривается так называемый процесс распределения, заключающийся в эффективном использовании ресурсов разных типов. В интересующем нас случае построения кривой, обладающей минимальной энергией, в качестве "ресурсов" выступают координаты пикселов (х,, yj); роль целевых функций gk(xnYj) Для каждой из точек изображения играют величины P(Xj.yj) • 1ц, где P(xi.yj) ~~ полный потенциал, 1у — расстояние от текущего до предыдущего пиксела траектории. Тогда общая целевая функция примет вид:

R(xi.....xN; yi.....ум) = £pij • ly (4)

где (N x M) — размер прямоугольного фрагмента изображения, определяемого двумя последовательно проставленными оператором маркерами и содержащего выделяемый участок объекта, а суммирование производится по таким (i,j), что: l<Xj<N, 1<у}<М.

После введения для точек траектории (x;,yj) последовательности функций fi,j = f(Xi.yj) = min [R(Xl.....Xj,- yi.....yj)],

{ХЛ>

(минимум берется по всем возможным последовательностям пикселов с координатами (xi,yk); l<l<i, l<k<j) основное функциональное уравнение динамического программирования, устанавливающее рекуррентную связь между последующими решениями, которые оптимизируют путь по фрагменту, запишется в виде:

f{x,y) = f(xi,yj) = minlPy • ly + i(xi,yk)]. (5)

<W

где: le{i; i-1}, ke{j; j-1}, l*k.

Процесс нахождения оптимального пути состоит в следующем. Сначала вычисляются значения функций f(x,y) для всех точек фрагмента. Затем от конечной точки к начальной прослеживается последовательность пикселов, обладающих наименьшими величинами f(x,y), которая и принимается за предварительное описание кривой, соответствующей данному объекту.

Очередным этапом является выбор наиболее полного и точного представления выделенной кривой (совокупности кривых), которое давало бы возможность получения координат точек объекта, расположенных более плотно, чем размер элемента изображения. Кроме того, полуавтоматическая

интерпретация подразумевает, что оператор способен исправлять ошибки автоматического выделителя, поэтому окончательное описание структуры должно предусматривать удобство такого редактирования. Решение данного вопроса дает использование сплайнов.

Аналитически сплайн степени rem узлами ti<t2<...<tm записывается в виде функции

S(x) = 2 apt1 + 2 b,(x-yr+. (6)

W> >1

где ti — узлы, или опорные точки, сплайна S(x); хг+ = {0 при х<0; хг при х20}.

Для представления анализируемых кривых рассматривают« параметрические сплайны 2—го и 3 —го порядков, т.е. отдельно описывает«; каждая координата: x = x(t); y=y(t). Это позволяет включить в рассмотрение такие линии, которые невозможно однозначно представить в явной форме у =

ад-

Коэффициенты сплайна (6) находятся из системы линейных уравнений вытекающей из условий, накладываемых на значения сплайна в его узлах Интерполяция с помощью обыкновенных параболических и кубически? сплайнов имеет ряд особенностей. В частности, эти кривые не обладают свойством локальности в следующем смысле: изменение местоположеню одного из узлов или добавление нового отражается на форме кривой на в сел отрезке интерполирования [а,Ь]. Это обусловлено тем, что коэффициенте сплайна зависимы между собой, т.к. получаются в результате решения системь линейных уравнений, элементы матрицы которой выражаются чере; координаты узлов. Изменение любой из них: tj, Xj, или yj, сказывается на всез коэффициентах. Добавление узла увеличивает размерность системы, i компоненты вектора коэффициентов, представляющего ее решение, могу; заметно измениться. Кроме того, при определенных условия} интерполяционная кривая может пройти качественно иным образом, че;. подразумевает исходный набор узлов сплайна.

В диссертации для описания протяженных объектов выбран другой мето/ построения непрерывно дифференцируемой кривой, называемой кусочны* параболическим сплайном и проходящей через заданные точки. Данньн

алгоритм отличается высоким быстродействием, а получаемые в результате кривые обладают свойством локальности в упоминаемом выше смысле. На каждом из отрезков интерполирования [tj.ti+i] строится кривая, состоящая из двух парабол: одной на участке [tj,t*j], а другой — на [t*i,ti+i]i где точка С; лежит в пределах tj<t*j<ti+i- Задание конкретных значений параметра t*; и производных в узлах сплайна x'(t), y'(t) однозначно определяет значение производной в точке сшивки этих парабол, которое вычисляется из условий непрерывной дифференцируемости кривой. Изменение координат какого-либо из узлов сплайна сказывается на форме интерполируемой кривой только на предыдущем и последующем отрезках. Добавление новой опорной точки также имеет локальный характер, т.е. форма линии изменяется лишь на одном участке. Таким образом, явное преимущество этих сплайнов перед обычными кубическими и параболическими заключается в возможности удобного исправления формы линии, и их применение позволяет быть уверенным, что редактируемая кривая изменит форму только на одном интервале.

В диссертации описан еще один вариант представления протяженных структур — с использованием кривых Безье. Предложенный способ их построения позволяет учитывать яркостные характеристики рассматриваемых объектов не только при предварительном прослеживании.

По заданному массиву вершин Р= {Pj(Xi,yi), i = 0,l,...,m} элементарная кривая Безье степени m определяется следующим образом:

m

R(t) =£вГЮРр где (7)

/=о

B?(t) = C{nti(l-t)m"i -

_ „ _m ш!

многочлены Бершнтеина; С: =-; интервал изменения параметра t:

i!(m-i)!

В подразделе 2.3.6 диссертации "Возможность описания протяженных структур с помощью кривых Безье" обоснована целесообразность применения для этого составных кубических кривых Безье, являющихся объединением элементарных. Как показано в этом подразделе, семейство таких кривых плотно заполняет угол, образованный касательными к объекту, проведенными в его соседних точках. Этот факт дает возможность учесть яркостные

характеристики на этапе построения аналитического описания кривой. Выбор оптимальной кривой Безье производится методом градиентного спуска (см. блок —схему рис. 1), причем в качестве целевой функции (стоимости пути или штрафа) используется сумма потенциалов пикселов кривой Уц.

В разделе 2.4 "Описание основной процедуры выделения протяженных структур" рассматривается реализация полуавтоматического метода выделения протяженных структур с учетом особенностей, о которых шла речь выше.

Рис. 1. Блок—схема построения составной кривой Безье 3 —го порядка.

Алгоритм состоит из двух частей:

1) с помощью динамического программирования производится предварительный поиск точек дороги;

2) найденные точки используются в качестве узлов сплайна или составной кубической кривой Безье.

Процесс выделения инициализируется расстаг; сякой оператором на изображении сцены, содержащем дорожную сеть или другие протяженные структуры, маркеров, или так называемых узловых точек. Из изображения последовательно вырезаются фрагменты так, что участок объекта в данном фрагменте является продолжением ее части, выделенной ранее. При расчете поля функции стоимости очередного фрагмента за основу берется полный потенциал его точек (3).

После вычисления величин Р(х,у), фактически определяющих правила нахождения значений целевых функций Щх^.-.х^; у1,.-.,ум), рассчитываются значения функций ^х.у), введенных выражением (5). Из трех возможных способов попадания в данный пиксел (слева, сверху или слева—сверху) выбирается тот, стоимость которого минимальна. Таким образом, функция Дх,у)=^ для элементов рассматриваемого фрагмента запишется в рекуррентном виде (для удобства записи совершен обратный переход от координат х,у к индексам 1,]): = 0;

= тт

VI +(±1У)+ +Су.1) + Су;

А-у + (±1у) + + °М.З) + <8>

+ (±1у) + + Ом>>1) + С-

Второй этап предварительного выделения дороги методом динамического программирования состоит в прослеживании оптимального пути, которое производится в обратную сторону. Координаты отобранных в результате пикселов представляют оптимальный путь наименьшей стоимости от одного угла фрагмента до другого с шагом в один элемент изображения. Однако набор этих точек неудобен для представления кривой, поэтому из них выбираются только те, расстояние между которыми превышает заранее заданный параметр

— пиксельный шаг в процедуре выделения. Если локализуемая структура — полоса, то очередным этапом является поиск ее краевых точек как пикселов с наибольшими перепадами яркости в перпендикулярных направлениях.

Окончательное представление протяженной структуры производится в виде обыкновенного кубического сплайна или кусочного параболического сплайна (если для описания объекта необходимо несколько кривых, то строится несколько сплайнов). Сначала из выделенных точек отбираются узлы. Это совершается с использованием двух параметров: критического угла ркр, и минимального расстояния в пикселах Опос;е между соседними узлами, т.е. в качестве узлов сплайна выбираются такие точки, расстояние между которыми не превышает Бпойс, а изменение направления линии не более фкр. Аналогичным образом производится выбор узлов при построении составной кубической кривой Безье.

В третьем разлеле диссертации "Практическая реализация и анализ работы предложенного метода" приводится описание практической реализации предложенного метода в системе цифровой стереофотограмметрии "Р18ой— ЗБ1.". Раздел посвящен анализу применения алгоритма в случаях локализации протяженных объектов различных типов и особенностям их прослеживания на аэрокосмических изображениях. Геометрическая и радиометрическая модели интересующих структур могут в разной степени нарушаться. Протяженные объекты даже одного и того же класса часто имеют разный контраст пс отношению к прилегающим участкам и разную яркость. Например, яркостные свойства автомобильных дорог искажаются автомобилями, тенями от зданий и деревьев, на перекрестках и т.д. Кроме того, результат их выделения зависит 01 ширины дорожного полотна.

В этой части работы приведены примеры выделения автодорог — объектов, с учетом свойств которых начиналось создание данного метода. Рассмотрены случаи различных параметров дорог (ширина полотна, окружающие объекты) и их изображений (яркость, контраст).

При наличии резких поперечных перепадов яркости и других радиометрических аномалий (например, дороги, затененные лесом на большом протяжении, городские улицы), мешающих прослеживанию центральной линии и надежному определению обочин, оператор имеет возможность варьировап

спрямляющий коэффициент Ь в формуле (3). Кроме того, предварительное • задание ширины дороги при подобных искажениях яркостных характеристик позволяет избежать неточного определения точек обочины, хотя это ослабляет автоматическую часть алгоритма.

В разделе также рассмотрена возможность выделения автомобильных дорог по черно —белым изображениям, полученным из спектрозональных КС двумя способами: по изображению в одном из цветовых каналов и по общей интенсивности интересующего участка. Во втором случае используется разложение спектрозонального изображения на компоненты {тон -. насыщенность — яркость}.

Использование предложенного алгоритма при выделении протяженных структур других классов подтверждают его универсальность по отношению к разным типам объектов. В частности, рассмотрены результаты локализации железных дорог как на авиационных, так и на космических изображениях. Эти структуры обладают более сложными с точки зрения формализации радиометрическими свойствами, однако приводимые примеры доказывают применимость метода в данных случаях без каких—либо изменений.

Проанализирована способность данного прослеживателя успешно выделять береговые линии, реки, края лесных массивов и магистральные трубопроводы в соответствии с присущими данным типам протяженных объектов яркостно—геометрическими особенностями: отрицательный контраст, нарушения радиометрической модели, специфика геометрической формы краев и т.п. (табл. 1, с. 18).

На рис. 2 (с. 19) приведены примеры работы прослеживателя с изображениями протяженных объектов нескольких классов на КС и АФС.

Предложенный в диссертации метод предоставляет возможность . получения пространственного описания трехмерных протяженных структур. При работе со стереопарой фотоизображений сначала производится предварительное выделение точек объекта на левом снимке. Корреляционная привязка позволяет затем найти соответственные точки На правом изображении, а знание параметров ориентации дает возможность восстановить геодезические координаты каждой из точек локализуемого объекта. Для их вычисления может использоваться также рассчитанная заранее карта параллаксов (диспаратностей) данной стереопары. В этом случае пиксельные

координаты каждой из точек справа определяются с помощью билинейной интерполяции по узлам сетки карты параллаксов. Такой метод восстановления трехмерных геодезических координат дает надежные результаты и обладает значительными преимуществами по сравнению с корреляционным: расчет производится на порядок быстрее, и отсутствуют какие—либо несоответствия между построенным до этого рельефом и высотами точек объекта.

Краткая характ—ка объекта Колич — во точек, проставленных оператором Общее колич—во точек объекта Время, затрач. на оцифровк У Результ, точность на местности (среднеквадратич. отклонение)

широкое (15 м) шоссе, средн. контр., затенения. 12 106 21 с 1 м

железная дорога 9 90 13 с 0.8 м

береговая линия канала 7 160 17 с 0.7 м

край лесного массива (замки. Контур)* 32 108 32 с (1 м)

магистральный трубопровод* 27 286 28 с (Зм)

Таблица 1. Точностные и временные характеристики результатов работы программы полуавтоматического выделения разных типов протяженных объектов на мелкомасштабных АФС.

* — выделение производилось по краям объекта.

Для окончательного представления интересующей структуры в виде пространственной кривой (совокупности пространственных кривых) из набора полученных после предварительного выделения точек отбираются узлы, через которые проводится пространственная сплайн — кривая. Она отличается от плоской только тем, что описывается тремя параметрическими уравнениями: х— х(У; у=у(1); г=2(Ц — каждое из которых определяется своим набором коэффициентов сплайна.

В диссертации даны рекомендации по практическому использованию алгоритма, реализованного в системе цифровой стереофотограмметрии "Р15оЛ—301.", сводящиеся к уточнению последовательности действий оператора в различных случаях. Сначала рассмотрено выделение плоских протяженных структур как начальный этап определения трехмерных объектов, а затем приводится ряд пояснений по дальнейшей работе со стереопарами.

г"- >

с":*' г -

'К.' с с. гл.*

{^ - .л"

а. Результат выделения центральной линии шоссе областного значения

42». А-

у ¿¿»'г %

*' ■ '.¿й- ' лгча

в. Результат выделения городской улицы на ЛФС

Т*- ч. - 1 '"Ч^" " ,. —^Г4 г-»»** ».. «

-г

" > 4

1

и. -

штшш

1

Р ' , * * 1

-^п}- -» / , ,

б. Результат выделения автодороги, изображение которой обладает яркостными аномалиями

г. Результат прослеживания шоссе на космическом снимке. Изображение дороги обладает Значительными нарушениями яркостнои модели

Л7 Г-

4 ч

^лЛ «Г

"* "1

д. Результат прослеживания прямолинейного участка железной дороги на АФС

- ^'л V«

-Г* (■ ¡Г . ^ А/^Ч»

■

• ^■'•Сг

е. Результат прослеживания реки на АФС

Рис. 2 Примеры работы прослеживателя с изображениями протяженных объектов нескольких классов на КС и АФС.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

В диссертации рассмотрена проблема выбора между автоматическими и полуавтоматическими методами обработки аэрокосмических изображений. На основании проведенного критического анализа литературы показано, что существующие на данный момент методы машинной классификации в общем случае непригодны для полностью автоматической интерпретации КС и АФС, так как последние содержат в себе много чрезвычайно сложной информации. Сделан вывод о необходимости разработки и применения алгоритмов полуавтоматической обработки подобных изображений, использующих внешние данные, в частности, предоставляемые программе оператором — дешифровщиком.

В работе поставлена задача построения эффективных универсальных алгоритмов полуавтоматического выделения протяженных структур на аэрокосмических снимках как важного класса объектов, характерных практически для любой местности. Проведенные в ходе ее решения исследования доказали возможность точного определения трехмерных геодезических координат протяженных структур разных типов с помощью созданного алгоритма их локализации. При этом получены следующие результаты.

1. Произведена классификация протяженных объектов и проанализированы их яркостно—геометрические свойства. На основании этих характеристик введены определения потенциала точек кривых, а также "радиометрической" и "геометрической" энергий кривых, соответствующих протяженным структурам.

2. Показано, что с учетом этих величин протяженный объект на изображении можно рассматривать как путь наименьшей стоимости. С использованием метода динамического программирования решена задача предварительного пофрагментного выделения рассматриваемых структур

3. Предложен метод описания протяженных объектов при помощи различных сплайнов и кривых Безье. Выявлены преимущества и недостатки использования обыкновенных кубических и параболических сплайнов. Сделан вывод о наибольшем удобстве и эффективности применения с этой целью кусочных параболических сплайнов, обладающих важным свойством локального

изменения формы кривой. Показана целесообразность использования для этого составных кубических кривых Безье, так как их построение позволяет в большей мере учесть яркосгные характеристики исследуемых объектов. Приведено описание основной процедуры выделения протяженных структур, состоящей из предварительного прослеживания и этапа получения полного описания кривых с помощью сплайнов или составных кубических кривых Безье. Рассмотрены основные параметры, используемые в построенном методе.

4. На большом количестве примеров проанализированы особенности работы алгоритма прослеживания в зависимости от радиометрических и геометрических характеристик протяженных объектов. В соответствии с проведенным анализом даны методические рекомендации по практическому использованию представленного алгоритма, описывающие последовательность действий оператора—дешифровщика при работе с программой.

5. Обоснована возможность применения предложенного в диссертации метода для восстановления трехмерных геодезических координат протяженных объектов и границ компактных объектов по стереопарам снимков.

Основные результаты диссертации реализованы ГосНИИАС в системе цифровой стереофотограмметрии "PiSoft—3DL".

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ.

1. Папков С,Б. Полуавтоматическое выделение длинномерных криволинейных структур на снимках земной поверхности для трехмерных компьютерных моделей местности // Тезисы докладов XXXIX юбилейной научной конференции МФТИ "Современные проблемы фундаментальной и прикладной физики и математики", вып. 1. Физика и математика. — Долгопрудный, 29 — 30 ноября 1996 г. - с. 79.

2. Папков С.Б., Желтов С.Ю. Применение полуавтоматических методов выделения сложных линейных структур на цифровых аэрофотоснимках на примере локализации дорожной сети // 3-я международная конференция "Методы дистанционного зондирования и ГИС—технологии для контроля и диагностики состояния окружающей среды. Тезисы докладов. — Москва, 20 — 23 ноября 1996 г.

3. Андреев Г.Г., Папков С.Б. Геоинформационные системы — путь решения задачи обобщения и использования информации при сооружении и мониторинге

объектов электроэнергетики // XV научно—техническая конференции "Актуальные проблемы электроэнергетики". Тезисы докладов. — Нижни* Новгород, декабрь 1996 г. — с. 35— 37.

4. Желтов С.Ю., Папков С.Б. Полуавтоматические методы цифровой обработки аэрофотоснимков мя выделения протяженных структур // Геодезия i картография. - 1997.- N 2- с. 34 - 38.

5. Лукин А.А., Папков С.Б. Редактирование пространственных кривых i стереорежиме при создании пространственных моделей местности пс аэрокосмическим снимкам // Юбилейная научно—техническая конференцш "Современное состояние и перспективы развития геодезии, фототопографии картографии и геоинформационных систем". Тезисы докладов. — Москва, 24—2! сентября 1997. - с. 83-84.

6. Папков С.Б. Полуавтоматическое выделение протяженных объектов н. аэрокосмических снимках и их описание с помощью сплайнов для представлена: в пространственных моделях местности // Там же. с. 84 — 85.

7. Желтов С.Ю., Папков С.Б. Полуавтоматическое выделение протяженны: объектов на аэрокосмических снимках и их описание с помощью различные кривых для представления в пространственных моделях местности // II конференция "Распознавание образов и анализ изображений: информационны« технологии". Тезисы докладов. — Нижний Новгород, 1 — 7 декабря 1997. — Част: II, с. 51-54.

8. Папков С.Б. Полуавтоматическое выделение протяженных структур н< фотоизображениях земной поверхности в целях информационного обеспечени: энергетических отраслей // XVI научно—техническая конференция "Актуальны! проблемы электроэнергетики". Тезисы докладов. — Нижний Новгород, декабр: 1997 г. - с. 29 - 30.

Личный вклал автора. В работах, опубликованных в соавторстве, соискатели принадлежит анализ радиометрических и геометрических характеристик доро [2,7] и протяженных структур другого рода [4], разработка методов из полуавтоматического выделения [2,4] и редактирования [5,7], подбор примеро] работы алгоритма [4], анализ учета характеристик ландшафта и пространственны: отношений между объектами [3].