автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Разработка проблемно-ориентированного математического обеспечения систем зондирования поверхности Земли

На правах рукописи

ЕСАКОВ Дмитрий Игоревич

РАЗРАБОТКА ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ СИСТЕМ ЗОНДИРОВАНИЯ ПОВЕРХНОСТИ ЗЕМЛИ

Специальность 05 11.16 Информационно-измерительные и управляющие системы

Автореферат диссертации на соискание ученой степени кандидата технических наук

ргб ОД

2е мгю®

Москва-2008

003445529

Работа выполнена на кафедре информационных технологий Московского авиационного института (государственного технического университета)

Научный руководитель кандидат технических наук,

доцент НА. МАКСИМОВ

Официальные оппоненты: доктор технических наук,

профессор Г И. ВАСИЛЕНКО

кандидат физико-математических наук, АС ВАСИЛЕЙСКИЙ

Ведущая организация: Федеральное государственное унитарное

предприятие «Научно-производственное объединение им. С А.Лавочкина» (ФГУП "НПО им. С.А. Лавочкина")

Защита состоится <#> ОсЗ 2008 года в 15 ч. 00 мин. на заседании диссертационного совета Д308.006.01-05 при Всероссийском научно-исследовательском институте оптико-физических измерений по адресу: 119361, г. Москва, ул. Озерная, 46

С диссертацией можно ознакомиться в библиотеке ФГУП «ВНИИОФИ» Автореферат разослан «_/£<£» ОУ 200^г.

Ученый секретарь диссертационного совета,

доктор технических наук сТфь^^А^^^ Г.Н. ВИШНЯКОВ

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования

В настоящее время дистанционное зондирование земной поверхности является одной из важнейших проблем, решаемых с помощью космических летательных аппаратов Дистанционное зондирование (ДЗ) проводится с целью сбора данных ареального или планетарного масштаба для научных или прикладных целей В системе мониторинга земной поверхности данные дистанционного зондирования с самолетов и космических аппаратов являются эффективным инструментом как для быстрого обновления картографических материалов и создания актуальной пространственной основы для привязки материалов мониторинга, так и непосредственно для решения задач разведки, охраны природы, экологического мониторинга, выявления и учета антропогенного влияния, аномальных явлений, оценки состояния земель и их использования для земельного кадастра, землеустройства, контроля за использованием земель и т д

Возможности применения космической информации, позволяющей проводить обследования больших территорий в оперативном режиме, существенно расширились в последние годы, когда широкому кругу потребителей стали доступны спутниковые данные с пространственным разрешением до 1 м -70 см (1копоБ, <ЗшскВ1гс1), сделавшие возможным переход к крупномасштабным съемкам на больших площадях, составив тем самым конкуренцию материалам аэрофотосъемки Новые возможности открывает запуск в сентябре 2007 г спутника \Уог1с1У1еуг-1, обеспечивающего съемку с разрешением менее 50 см, что позволяет получать более крупномасштабную и детализированную информацию К преимуществам космической съемки следует отнести возможность регулярной съемки с высокой периодичностью одних и тех же участков, что позволяет вести мониторинг территорий, например, участков с интенсивными изменениями в использовании земель, территорий с сильным развитием негативных процессов и др , и синхронное получение одновременно с панхроматической съемкой данных многозональной съемки в различных спектральных диапазонах

Интенсивное развитие средств цифровой обработки, передачи и хранения информации находит все большее применение в цикле съема и обработки данных дистанционного зондирования Земли Это определяет необходимость разработки и внедрения новых более быстродействующих и эффективных алгоритмов и программных средств обработки и автоматизированного анализа результатов дистанционного зондирования

При решении значительной части задач дистанционного зондирования в информационно-измерительных системах используется оперативное наблюдение за состоянием земной поверхности, цель которого - обнаружение резких изменений в структуре наблюдаемых объектов Такими изменениями могут быть возникновение крупных очагов пожаров, крупномасштабные аварии, загрязнения водоемов, техногенные катастрофы, передислокация наблюдаемых объектов и тп Подобные процессы, приводящие к аномальным изменениям топологии наблюдаемой земной поверхности, фиксируются и могут быть обнаружены на изображениях земной поверхности, полученных средствами дистанционного зондирования

Поиск изображений, содержащих такую полезную информацию, как топологические изменения и аномалии, является трудоемкой задачей, так как процент таких изображений из значительного объема поступающих снимков невелик На данный момент для решения этой задачи отбора требуется привлечение большого штата экспертов - операторов, осуществляющих визуальный контроль и поиск информативных фрагментов, а также привлечение значительных технических ресурсов для передачи и хранения большого объема изображений

До настоящего времени цифровой анализ разновременных изображений с целью выявления и определения на них изменений производится с помощью методов, использующих цветовые и яркостные характеристики изображений Однако эти характеристики значительно изменяются при вариации условий съемки, например при изменении освещенности, и могут трактоваться как вариация земной поверхности Поэтому возможности применения этих методов ограничены На практике такие алгоритмы используются при обработке узкого

класса изображений, ограниченного или параметрами снимков или параметрами наблюдаемых объектов

Автоматизация процесса отбора снимков, содержащих топологические аномалии, а также выделение на этих изображениях областей интереса, содержащих изменения, позволит значительно сократить время анализа и обработки, затраты технических и экспертных ресурсов в информационно-измерительных системах и сделать данные оперативного наблюдения более доступными конечным потребителям В данной работе под областями интереса понимаются информативные фрагменты изображения, т е такие, которые содержат необходимую информацию для решаемой задачи анализа изображения и могут быть выделены на изображениях разрабатываемыми методами В зависимости от поставленной задачи области интереса могут быть двух видов выделяемые в целях обзорного мониторинга (обзорная разведка, мониторинг землепользования, градостроительства и т п) и в целях непосредственного поиска изменений (выявление следов крупномасштабных аварий, изменений на наблюдаемых объектах разведки, мониторинг чрезвычайных ситуаций и т п)

Близкие вопросы рассматривались в работах таких авторов как Пытьев Ю П, Парамонов С В , Radke R J, Hord R M, Jensen J R

Таким образом, разработка проблемно-ориентированного математического обеспечения в информационно-измерительных системах обработки данных дистанционного зондирования поверхности Земли является актуальной и ее решению в части оперативного автоматизированного цифрового анализа разновременных изображений с целью поиска областей интереса, выявления и определения на них структурных изменений и посвящается данная диссертационная работа Цель исследования

Основной целью настоящей работы является разработка комбинированного метода и алгоритма поиска областей интереса на изображениях в плане разработки и построения проблемно-ориентированного математического обеспечения информационно-измерительных систем обработки данных дистанционного зондирования поверхности Земли

Методы исследования

Теоретические методы исследования основывались на методах цифровой обработки изображений, а именно методах морфологического анализа и анализа фрактальной размерности изображений Экспериментальная часть исследования базировалась на анализе результатов обработки цифровых синтезированных и реальных изображений с помощью ЭВМ с последующей их численной и визуальной оценкой Для программной реализации разработанных методов и математического обеспечения использовались методы создания программных систем и язык высокого уровня С++ в рамках среды для быстрой разработки приложений Borland С++ Builder

Научная новизна полученных результатов

Научная новизна заключается в том, что впервые были предложены и разработаны методы и средства комбинированного многоступенчатого анализа цифровых изображений с целью поиска областей интереса на видеоизображениях земной поверхности К основным результатам относятся

•Комбинированный метод многоступенчатого поиска областей интереса при комплексном применении методов анализа показателя фрактальной размерности (ПФР) и морфологического анализа,

•Метод поиска на изображениях антропогенных фрагментов с помощью анализа ПФР, реализуемый в рамках разработанного комбинированного метода,

•Алгоритм объединения комбинируемых методов при создании экспериментального программного обеспечения,

•Метод поиска разномасштабных изменений с помощью анализа ПФР Практическая значимость полученных результатов 1 Разработанные методы и программное обеспечение позволяют повысить эффективность программно-технических комплексов оперативной обработки данных дистанционного зондирования поверхности Земли и производительность труда операторов-дешифровщиков Полученные в ходе работы результаты были использованы в проектно-конструкторской деятельности Федерального государственного унитарного предприятия «Научно-

исследовательский институт точных приборов» (ФГУП НИИ ТП) при выполнении ОКР «Основатель» и были внедрены в организациях-заказчиках

2 Разработанные комбинированный метод, библиотека функций и экспериментальное программно-алгоритмическое обеспечение могут быть использованы при создании аналогичных по целевому назначению программных и программно-аппаратных комплексов мониторинга чрезвычайных ситуаций, охраны природы, экологического мониторинга, разведки, землепользования и многих других

3 Внедрение разработанных методов и средств комбинированного многоступенчатого анализа цифровых изображений позволят проводить обработку данных дистанционного зондирования с большей эффективностью и меньшими затратами ресурсов, что сократит время на анализ и принятие решения и сделает данные ДЗ более доступными потребителю

На защиту выносятся следующие положения:

•Комбинированный многоступенчатый метод поиска областей интереса на видеоизображениях земной поверхности позволяет значительно сократить количество обрабатываемых изображений, выделять на них области для дальнейшей обработки и сократить пространство поиска не менее чем в 16 раз,

•Комбинированный многоступенчатый метод поиска изменений на видеоизображениях при совместном использовании методов анализа показателя фрактальной размерности и морфологического анализа обеспечивает высокую эффективность обнаружения изменений и устойчивость результатов обработки при изменении условий съемки (более 50% по яркости и контрастности),

•Метод поиска на видеоизображениях антропогенных объектов, основанный на анализе показателя фрактальной размерности, позволяет решать задачу их обнаружения в автоматизированном режиме,

•Метод поиска на видеоизображениях разномасштабных изменений на основе анализа показателя фрактальной размерности повышает эффективность поиска изменений за счет возможности подбора размера области интереса, соизмеримого с размером искомой аномалии

Личный вклад соискателя

Основные результаты и положения, выносимые на защиту, получены автором лично Научный руководитель принимал участие в обсуждении цели и задач исследования, а также анализе результатов проведенных экспериментов

Апробация работы

Основные теоретические положения и результаты диссертационной работы .докладывались и обсуждались на Международной научно-технической конференции «Рязань-2003» (Рязань, 2003 г), 4-ой Международной конференции «Авиация и космонавтика-2005» (Москва, 2005 г.), 3-ей Научно-практической конференции молодых ученых и специалистов «Исследования и перспективные разработки в авиационной промышленности» (Москва, 2005 г), 12-ой Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (Москва, 2006 г.)

Результаты диссертационной работы используются при проведении опытно-конструкторских работ по созданию систем обработки данных ДЗЗ в ФГУП «НИИ ТП»

Публикации

По теме диссертационной работы опубликовано 8 печатных работ, в том числе три из них в изданиях, входящих в перечень ведущих рецензируемых научных журналов и изданий ВАК

Структура и объем диссертации

Диссертация изложена на 160 страницах, состоит из введения (9 стр), четырех глав (121 стр), заключения (2 стр) и библиографического списка и одного приложения

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность и практическая значимость темы диссертационной работы, сформулирована цель и определены положения,

выносимые на защиту, кратко изложено состояние вопроса в исследуемой предметной области

В первой главе дается анализ задачи разработки комбинированного многоступенчатого метода автоматизированного поиска областей интереса и построения проблемно-ориентированного математического обеспечения систем дистанционного зондирования поверхности земли

Представлен обзор состояния проблемы автоматизированного поиска областей интереса на видеоизображениях земной поверхности Эта проблема рассмотрена с позиций решения следующих четырех ключевых задач

- разработка комбинированного многоступенчатого метода поиска областей интереса на видеоизображениях земной поверхности,

разработка алгоритма многоступенчатого поиска изменений на видеоизображениях при комбинированном применении методов анализа ПФР и морфологического анализа,

- разработка метода поиска на изображениях антропогенных изменений,

разработка алгоритма и структуры программного обеспечения автоматизированного поиска изменений на видеоизображениях земной поверхности на основе применения метода многоступенчатого комбинированного поиска

В настоящее время данные дистанционного зондирования земной поверхности находят применение во все больших сферах человеческой деятельности Съемка может производиться различной по своим физическим принципам аппаратурой, с различной периодичностью и пространственным разрешением Эти параметры определяются в зависимости от конкретной задачи, решаемой при помощи данных ДЗЗ Совершенствование применяемой техники, внедрение цифрового способа обработки данных дистанционного зондирования позволяет повысить объем и качество предоставляемой информации ДЗЗ

Значительная часть задач решается с помощью оперативного наблюдения за состоянием земной поверхности, целью которого является обнаружение резких изменений в структуре наблюдаемых объектов Такими изменениями могут быть • возникновение крупных очагов пожаров,

• крупномасштабные аварии,

• загрязнения вод, экологические катастрофы

• техногенные катастрофы,

• незаконная антропогенная деятельность,

• изменения на наблюдаемых объектах разведки.

До настоящего времени был разработан ряд методов, на основе которых производят анализ видеоизображений с целью определения изменений на них Как правило, они базируются на преобразовании видеоизображения в иное координатное пространство Так, для видеоизображения можно получить двумерный спектр и определять изменения по изменению спектра (Marple S L // Proc IEEE - 1981; 69) Также изображение после соответствующего преобразования может быть представлено как множество групп пикселей, соотнесенных вместе по принципу близости в многокомпонентном пространстве (метод анализа основной компоненты) (Hord RM Remote Sensing Methods and Applications, 1986) Решающее правило во многих алгоритмах обнаружения изменений сводится к проверке статистической гипотезы (Н V. Poor, An Introduction to Signal Detection and Estimation, 1994)

Наиболее простым и традиционно широко используемым в целях обнаружения изменений является метод разностей изображений (Jensen J R Introduction Digital Image Processing, 1977) В этом случае прризводят поэлементное вычитание значений пикселей сравниваемых изображений

Разработка и развитие традиционных методов, несмотря на их широкое использование в информационно-измерительных системах, не привели к решению задачи поиска изменений на земной поверхности в автоматическом режиме и не позволили отказаться от значительного участия оператора в процессе отбора и анализа снимков Основная трудность в процедуре сравнения между собой космических видеоизображений с использованием традиционных методов заключена в том, что каждое новое поступающее видеоизображение одного и того же участка земли всегда отличается от предыдущего вследствие изменения условий съемки Традиционно применяемые методы основаны только на

сравнении интенсивности и цвета отдельных элементов (пикселей) сравниваемых видеоизображений земной поверхности, не учитывают топологических связей между отдельными элементами видеоизображения и не используют интегральных характеристик, описывающих земную поверхность как объект в целом Поэтому такие методы не способны отличать изменения, связанные с вариациями условий съемки, от изменений, вызванных вариациями самой снимаемой поверхности (сцены)

Из сказанного следует, что информативным параметром должна служить характеристика изображения, наиболее чувствительная именно к изменению топологии земной поверхности на космическом видеоизображении и инвариантная к условиям съемки - изменениям освещенности земной поверхности Это позволит максимизировать вероятность обнаружения при прочих равных условиях по сравнению с известными методами

В главе приводится обзор методов и подходов, применяемых с целью поиска изменений на видеоизображениях Проведен сравнительный анализ методов с точки зрения решения основных задач диссертационного исследования, показано, что для их решения наиболее подходящими являются метод анализа показателя фрактальной размерности и метод морфологического анализа Отмечено, что в последнее время намечается тенденция разработки комбинированных алгоритмов, позволяющих интегрировать преимущества существующих подходов (R J Radke, et al // IEEE Trans Image Processing - 2005 vol 14 no 3)

В диссертации предложен новый комбинированный метод автоматизированного поиска изменений на видеоизображениях земной поверхности, инвариантный к изменениям условий съемки вновь поступающего на обработку изображения по сравнению с предыдущим В основу этого комбинированного метода положены метод анализа ПФР и метод морфологического анализа

Вторая глава посвящена исследованию и разработке методов поиска на видеоизображениях областей интереса, информативных для решения поставленных задач анализа изображений Изучение методов направлено на

решение задач диссертационного исследования и обеспечивает рассмотрение таких вопросов, связанных с методами поиска, как

1) разработка механизма взаимодействия методов при комбинированной обработке видеоизображений земной поверхности,

2) исследование влияния условий съемки на результаты работы методов Рассмотрены выбранные методы поиска топологических изменений на

изображениях, их теоретические основы и специфика реализации

Как оказалось, большое число природных образований - земной рельеф, русла рек, океанские течения, растительный покров — являются фрактальным объектами, т е нерегулярными, но самоподобными структурами Главной отличительной характеристикой этих структур является их размерность Соответствующие изображения этих природных образований также обладают свойством фрактальности Так, еще Б Мандельброт, который ввел понятие фрактала, обнаружил на снимке из космоса, что береговая линия материков и островов является близкой к фрактальной (Mandelbrot В , Fractals, Forms, Chance and Dimensions, 1977) В работе (Burrough PA // Nature - 1981 - 294 - N 19) описан целый ряд природных объектов, обладающих фрактальными свойствами Таким образом, существующие данные убеждают нас в том, что фрактальная размерность может быть информативным параметром, характеризующим структуру многих природных образований на земной поверхности как сложных объектов Также установлено, что участки поверхности Земли с качественно различной топологией имеют различные фрактальные размерности, поэтому изменение оценки показателя фрактальной размерности (ПФР) свидетельствует о существенном изменении топологии данной поверхности В то же время нечувствительность ПФР к аффинным преобразованиям обуславливает его инвариантность к изменению условий съемки

Для вычисления фрактальной размерности поверхности предлагается расчет методом вариаций, предложенный в (Dubuc В et al //Proc R Soc Lond - 1989 -A 425), который имеет высокую скорость и точность расчета При практической реализации этого метода предлагается использовать в качестве оценки отдельного изображения матрицу ПФР размерностью i на j элементов, каждый элемент

которой £>/«;/) является характеристикой определенного сегмента изображения Размерность этой матрицы может варьироваться в зависимости от размеров искомых аномалий При появлении аномалии на изображении, ПФР соответствующего сегмента по сравнению с другими показателями изменится существенно в отличие от ПФР всего изображения При сравнении разницы оценок ПФР q{lJ) для соответствующих сегментов на базовом и текущем изображениях с заданной пороговой величиной для дальнейшей детальной обработки отбираются те сегменты, у которых превышает заданный порог

{наличие аномалии, 9(1,7) > ¿7 отсутствие аномалии, <?(;,„/) < <?пор

Для решения прикладных задач анализа и интерпретации изображений реальных сцен, в которых решение не должно зависеть от условий регистрации изображений, были разработаны методы морфологического анализа изображений, оказавшиеся достаточно эффективными (Пытьев Ю П Докл АН СССР. 1983 т 269, N 5, Пытьев ЮП Сб Математические методы исследования природных ресурсов Земли из космоса 1984)

Основную идею этих методов поясним на следующем примере Рассмотрим изображение некоторой сцены, сформированное в видимом диапазоне спектра Как правило, оно несет достаточно подробную информацию о геометрической форме изображаемых объектов сцены, так как области изображения, все точки которых имеют одинаковые яркости, отображают части поверхности объектов, обладающие одинаковыми геометрическими и оптическими свойствами Можно считать, что эти свойства сохраняются, если изменить условия освещения, диапазон и природу регистрируемого излучения В таких ситуациях различная природа устройств формирования или изменившиеся условия освещения и тп могут моделироваться путем различных преобразований яркости исходного видеоизображения, отражающих все возможные ситуации

Формой называется сущность изображения, обусловленная геометрическими свойствами объектов сцены, выраженная в одинаковой яркости областей изображения Это содержание изображения, является общим у всех

изображений данной сцены, независимо от условий регистрации Поскольку мы работаем не с самой сценой, а с ее изображением, то далее будем оперировать формой изображения сцены Отличия формы одного изображения от формы другого характеризуют изменения данной сцены - структурные изменения изображаемой сцены, выраженные в изменении геометрии областей одинаковой яркости, не связанные с условиями регистрации, и могут отражать изменения в содержании изображаемого - например, наличие новых объектов или отсутствие старых (Пытьев Ю П Докл АН СССР. 1983 т 269, N 5).

Формально каждое изображение можно задать как функцию

определенную на поле зрения X и принимающую значение С, на его подмножестве А„ % (•) - индикаторная функция

причем множества А, не пересекаются

Для сравнения изображений по форме вводится изображение Р/.р - это проекция изображения ф на форму изображения / Оно является самым лучшим приближением изображения <р изображениями, форма которых не сложнее, чем форма изображения/ и вычисляется по следующей формуле

Таким образом, изображение Р/р получается как результат усреднения изображения (р по областям А, изображения/ Изображение ср-Р/р представляет все то, что отличает ср по форме от / При указанном вычитании яркость на областях изображения <р-Р/р, не содержащих изменений, будет близка к нулю, а на области с изменениями - отличаться от нуля тем сильнее, чем меньше область изменений и чем больше яркость области изменений отличается от яркостей остальных областей А,

n

Я*. >0 = £ с,х, (х, у), (х, у)еХ

N

Рассмотренные методы обладают для решения задачи диссертационного исследования следующими недостатками

1) при обработке методом анализа ПФР необходимы дополнительные затраты на точное выделение контуров изменений;

2) при обработке методом морфологического анализа невозможно дифференцировать степень изменений

Однако, комбинируя эти два метода, можно устранить отмеченный недостаток метода ПФР, за счет последующей обработки выделенных областей изображения методом морфологического анализа Ожидается, что комбинированный метод будет обладать возможностью дифференцировать степень изменений, что обусловлено применением в его составе метода анализа ПФР При этом созданный комбинированный метод должен быть также нечувствителен к изменениям условий съемки, так как оба применяемых метода обладают указанным свойством Таким образом, комбинация этих двух методов позволит компенсировать их недостатки и эффективно применить их достоинства Таким образом, предлагается проводить комбинированную обработку изображения в 2 этапа более грубый предварительный поиск и затем уточняющий детальный поиск В связи с этим метод анализа показателя фрактальной размерности, где ПФР выступает в роли информативного параметра К/, предлагается использовать на предварительном этапе поиска областей, а метод морфологического анализа, где форма изображения выступает в качестве информативного параметра К2, - на последующем этапе поиска и уточнения конкретных изменений в найденных на предыдущем этапе областях Структура предлагаемого комбинированного метода представлена на рис 1

В этой главе описана разработанная технология поиска областей интереса, реализующая комбинированный алгоритм поиска

1) Осуществляется точное совмещение координат базового и текущего изображений с помощью распространенного площадного метода, использующего концепцию опорных точек (Ehlers М Integration of geographic information systems and remote sensing- Cambridge Cambridge University Press, 1997), для обеспечения их дальнейшей совместной обработки Для совмещения необходимо

' ••• Исходные изображения ;Л-:

-<г—

Сравнение;на;оснрве,информативна^ ~ со кра ще н и е п ростра н ства по иска - \ ^ -

сГ О ь

\ ¿й^ "Выделены .области с изменениями ^ ш

о Л X X

Сравнение на основе;инфрр"матйвн6го параметра ... ^ ^ ,^окалиШция кбнкрет ; •;. • л' р о ю 03

# о. п 03

Вы дел ён 6 м естопо пожени е конкретн ыхизм ёнени й IX

Рис 1 Структура комбинированного метода рассчитать функцию преобразования, которая описывает взаимные геометрические соотношения между совмещаемым и базовым изображениями В качестве такой функции могут использоваться степенные полиномы некоторого порядка, параметры которых оцениваются на основе координат ОТ, например, с использованием МНК Оценка координат точки исходного изображения, соответствующей очередному пикселю результирующего изображения, осуществляется с использованием функции трансформирования Значение яркости отдельного пикселя результирующего изображения вычисляется на основе значений окружающих найденную точку пикселей исходного изображения с использованием одного из известных методов интерполяции

2) При помощи метода анализа ПФР в автоматизированном режиме производится предварительный поиск областей интереса с целью сузить пространство поиска для сокращения временных и вычислительных затрат Результатом работы метода предварительного поиска должен быть набор областей текущего изображения (областей интереса), содержащих изменения по сравнению

с базовым изображением Пользователю может быть предоставлена возможность устанавливать размеры областей интереса в зависимости от размеров обнаруживаемых аномалий и степень изменений

3) Затем при помощи метода морфологического анализа выполняется, также в автоматизированном режиме, выделение изменений с целью локализации конкретных изменений в ранее выделенных областях интереса В результате решения данной задачи оператор должен обладать точной и локализованной информацией о произошедших изменениях

На основе блока, реализующего метод анализа ПФР, разработан метод поиска антропогенных объектов (ландшафтов) на видеоизображениях земной поверхности, используя для анализа всего одно изображение В аэрокосмической разведке существует подход, при котором осуществляется компьютерное обнаружение искусственных объектов, используя меру нефрактальности изображения в качестве характеристики искусственности сфотографированного объекта (Carlotto M J // Journal of the British Interplanetary Society - 1990, vol 43, N5) Фракталы хорошо имитируют естественные ландшафты, но не годятся для моделирования искусственных объектов В связи с этим значительная разница между значениями ПФР для областей, содержащих антропогенные ландшафты, и областей, содержащих лишь природные образования, может быть использована при решении задачи обнаружения

Таким образом, сфера применения разработанного метода расширяется А именно, если для текущего предъявляемого для обработки изображения мы не располагаем базовым изображением, то возможно решение задачи обнаружения искусственных, антропогенных объектов

В третьей главе приводятся результаты экспериментальной проверки исследуемых методов

Для проведения экспериментов по оценке работоспособности метода анализа ПФР были использованы изображения математических моделей поверхностей, комбинированных поверхностей и натурных видеоизображений земной поверхности В качестве математической модели фрактальной поверхности использовалась поверхность Такаги (Dubuc В et al // Proc R Soc Lond - 1989 -

А 425). На рис. 2 представлена аксонометрическая проекция поверхности Такаги. Фрактальная размерность поверхности Такаги задается при генерации поверхности.

Рис. 2. Проекция поверхности Такаги на плоскость хОу (значение уровня в каждой точке определено уровнем серого цвета)

Оценка величины погрешности при вычислении ПФР по методу вариаций производилась тестированием ряда поверхностей Такаги с известными, то есть заданными при генерации, значениями фрактальной размерности. В работе показано, что погрешность при вычислении оценки ПФР обусловлена квантованием оцениваемой поверхности. Указанная погрешность может быть скомпенсирована поскольку, характеристика зависимости вычисляемого значения ПФР от фактического значения является линейной.

Скорректированное значение ПФР будет определяться как

¿г = Ыг + с

Здесь ёг - вычисленное значение, к,с - средние значения, полученные при вычислении ПФР для ряда поверхностей Такаги с различными ПФР в диапазоне от 2 до 3.

Для оценки работоспособности алгоритма в качестве модели земной поверхности с топологической аномалией используется комбинация из двух поверхностей Такаги На изображение поверхности Такаги накладывается модель аномалии - фрагмент, вырезанный из изображения поверхности Такаги с ПФР, отличным от первой поверхности При обработке реализуемый метод надежно обнаруживал внесенные аномалии

В этой же главе предложен метод поиска разномасштабных изменений на основе сегментации изображения при вычислении локальных ПФР Dj(ij) Изменения определенного размера могут быть пропущены при одном размере сегментов изображения, но, в то же время, найдены при другом размере сегментов То есть, варьируя размеры сегмента, а значит и размерность матрицы ПФР для всего изображения, становится возможным находить изменения различного размера Результаты проведенных экспериментов, как на модельных комбинированных поверхностях Такаги, так и на реальных изображениях земной поверхности, подтвердили работоспособность предложенного метода

Также в данной главе представлены результаты анализа видеоизображений земной поверхности с целью поиска изменений, произведенного при помощи метода разностей (Hord RM Remote Sensing Methods and Applications, 1986), поскольку этот метод достаточно широко распространен Полученные результаты были использованы для проверки работоспособности метода морфологического анализа В данном эксперименте было использовано изображение простой сцены, содержащей четыре предмета, в качестве базового. Сравнение производилось с изображением той же сцены, на котором изменения моделировались путем удаления одного из предметов При проведении эксперимента метод морфологического анализа продемонстрировал результаты, не уступающие методу разностей, а в части наличия паразитных элементов, ложных срабатываний даже превосходящих его

Метод разностей был использован при анализе совокупности изображений, в которые были внесены незначительные изменения, имитирующие изменения условий съемки Сравнение результатов данного анализа с результатами, полученными при анализе этой же совокупности изображений как методом

анализа ПФР, так и методом морфологического анализа, показало, что предлагаемые методы значительно менее чувствительны к изменению таких характеристик изображения как яркость и контрастность, чем метод разностей, который, вследствие этого, имеет более низкую эффективность.

в г

Рис. 3. Этапы обработки изображения: а - базовое изображение (до пожара), б -обрабатываемое изображение (во время пожара) с результатами анализа ПФР, в - обрабатываемое изображение с выделенными областями для дальнейшего анализа, г - обрабатываемое изображение с локализованными и выделенными изменениями в ранее отобранных областях.

Наиболее значительные результаты были получены при анализе реальных изображений земной поверхности. Проиллюстрируем этапы процесса комбинированного поиска изменений (рис 3) на паре изображений, взятых из каталога снимков земной поверхности NASA (visibleearth nasa gov) После проведения предварительного поиска (рис 3, б) метод анализа ПФР светлой рамкой выделил те, области, в которых зафиксированы изменения по сравнению с базовым изображением (рис 3, а) Численные значения в рамках являются разностями q(ij) соответствующих значений ПФР Как можно видеть, в ходе обработки выделены именно те области изображения, которые содержат признаки деятельности пожара По результатам проведенного предварительного поиска области изображения, признанные неинформативными, закрыты маской (рис 3,

в) В областях, отобранных для дальнейшего анализа, локализуются и выделяются произошедшие изменения при помощи метода морфологического анализа (рис 3,

г) Из рисунка видно, что выделенные фрагменты (отмечены оттенками серого цвета) представляют собой именно признаки деятельности пожара

Также в данной главе представлены результаты экспериментов, направленных на проверку способности созданного метода обнаруживать на изображениях антропогенные объекты В качестве модели таких изображений использовались комбинированные изображения поверхностей Такаги с врезанными в них заведомо нефрактальными фрагментами Результаты анализа данных изображений, а также натурных изображений, содержащих антропогенные объекты, показали работоспособность метода при решении данной задачи

В главе приведены результаты экспериментов по оценке эффективности разработанного комбинированного метода В связи со сложностью оценки качественных характеристик методов поиска изменений на изображениях (R J Radke, et al // IEEE Trans Image Processing - 2005 vol 14 no 3) оценка эффективности разработанного метода проводилась методами экспертной оценки.

Оценка проводилась следующим образом Были взяты 2 исходных изображения для сравнения - текущее и базовое Затем было сформировано 4 изображения - результаты обработки этой пары исходных изображений 4-мя методами, использованными в работе - методом простых разностей, методом

анализа ПФР, методом морфологического анализа и комбинированным методом Этот набор из шести был представлен 10 экспертам из числа сотрудников ФГУП «НИИ точных приборов» и в/ч 54023, работающих в области обработки изображений Они должны были визуально произвести сравнение двух исходных изображений и, основываясь на собственном заключении, оценить результат обработки для каждого метода по 10-ранговой шкале Для усреднения оценок использовался метод медиан Ранжирование по медианам дает следующий результат

Разность < ПФР < Морфология < Комбинированный

Тем самым подтверждается эффективность разработанного комбинированного метода как по сравнению с традиционными методами, так и с методами, входящими в его состав, но примененными по отдельности

Четвертая глава посвящена вопросам разработки и реализации экспериментального программного средства «тщЛЯ'» Данное средство является программной реализацией разработанного комбинированного алгоритма Оно предоставляет возможность экспериментального исследования и отработки взаимодействия методов поиска областей интереса на видеоизображениях земной поверхности, представленных в цифровой форме Определены требования, предъявляемые к экспериментальному программному средству, и описана блок-схема общего алгоритма поиска областей интереса на видеоизображениях

Программное средство состоит из двух основных компонент

- библиотеки функций, реализующих методы поиска областей интереса на изображениях и необходимые сервисные функции, библиотека создана в виде стандартных модулей на языке С++,

- пользовательский интерфейс, позволяющий получить удобный доступ к функционалу программного средства с целью организации ввода данных, их обработки и получения результатов в желаемом виде

Приводится описание созданной библиотеки функций, а также состава и возможностей пользовательского интерфейса

Библиотека функций и созданное на ее основе экспериментальное программно-алгоритмическое обеспечение для оперативной обработки данных дистанционного зондирования поверхности Земли могут быть использованы в дальнейшем при создании аналогичных по целевому назначению программных и программно-аппаратных комплексов.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

На основе проведенных исследований можно сделать следующие выводы

1. Проведен анализ актуальной прикладной задачи обработки данных дистанционного зондирования земной поверхности в информационно-измерительных системах, позволивший сформулировать проблему поиска областей интереса на видеоизображениях земной поверхности

2 Разработан новый комбинированный метод решения задачи оперативного анализа видеоизображений, основанный на комплексном многоступенчатом применении различных методов обработки изображений, состоящий из двух этапов - предварительного и детального поиска областей интереса

3. Для предварительной обработки видеоизображений земной поверхности предложен метод, характеризующий изменения изображений земной поверхности численной характеристикой - показателем фрактальной размерности

4 Для последующего детального поиска изменений на видеоизображениях предложен метод морфологического анализа, оперирующий понятием формы изображения для нахождения изменений

5 Предложен метод решения задачи поиска антропогенных объектов, основанный на анализе ПФР и показавший эффективные результаты в ходе вычислительных экспериментов

6 Для поиска на изображениях разномасштабных изменений предложен метод на основе анализа ПФР, эффективность которого подтверждена экспериментально

7 Проведено тестирование вышеуказанных методов, как на модельных видеоизображениях, так и на натурных видеоизображениях земной поверхности,

которое показало высокую эффективность обнаружения изменений и устойчивость результатов обработки к изменению условий съемки Эффективность разработанного комбинированного метода подтверждена результатами проведенной экспертной оценки

8 Для отработки взаимодействия методов и их тестирования разработано экспериментальное программное средство «шщсЬЯ» Модули с реализациями методов обработки видеоизображений, созданные при разработке данного программного средства, могут быть использованы в дальнейшем при создании аналогичных по целевому назначению программных и программно-аппаратных комплексов информационно-измерительных систем

Таким образом, решена важная научно-техническая задача автоматизированного поиска областей интереса на видеоизображениях земной поверхности, имеющая существенное значение для развития систем дистанционного зондирования поверхности Земли

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Есаков Д И Комбинированный метод автоматизированной обработки видеоизображений земной поверхности // Радиотехника - 2007, № 5. - с 2528

2 Есаков Д И. Мониторинг застройки на основе автоматизированной обработки видеоизображений земной поверхности // САПР и графика - 2007, № 8 Градостроительство-с 18-19

3 Есаков Д И Мониторинг чрезвычайных ситуаций на основе автоматизированной обработки изображений земной поверхности II Безопасность жизнедеятельности - 2007, № 11 - с. 32 - 34

4 Белоконь А М, Долгов С В , Есаков Д И, Журавлев Ю А, Максимов Н А Разработка технологии комплексного анализа и дешифрирования аэрокосмических снимков, полученных в разных диапазонах электромагнитного спектра Аннотир сб по результатам работ в 2003 г. по программе 209 «Информационно-телекоммуникационные технологии». -Рязань 2003

5 Есаков ДИ, Максимов НА Программные средства для автоматического определения изменений на местности по космическим снимкам // Космонавтика Радиоэлектроника Геоинформатика Сб тр 4-й Международной научно-технической конференции - Рязань, 2003

6 Есаков Д И Комплекс автоматического поиска изменений на изображениях II Авиация и космонавтика-2005 Тез докл 4-ой Международной конференции -М Изд-во МАИ, 2005

7 Есаков Д И Методика автоматизированного поиска изменений на изображениях // Исследования и перспективные разработки в авиационной промышленности Статьи и материалы 3-ей Научно-практической конференции молодых ученых и специалистов - М ОАО «ОКБ Сухого», 2005

8 Есаков Д И Автоматизированный многоступенчатый метод поиска изменений на изображениях // Радиоэлектроника, электротехника и

энергетика Тез докл 12-ой Международной научно-технической конференции студентов и аспирантов - М • МЭИ, 2006

ВВЕДЕНИЕ.

1. АВТОМАТИЗИРОВАННЫЙ ПОИСК ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ.

1.1. Постановка задачи.

1.2. Задача поиска областей интереса на изображениях.

1.3. Основные классы решаемых задач.

1.3.1. Задача поиска областей интереса по критерию наличия в них изменений по сравнению с базовым изображением.

1.3.2. Задача поиска областей интереса по критерию наличия в них следов антропогенной деятельности.

1.4. Методы поиска изменений на изображениях. Сравнительный обзор.

1.4.1. Методы предварительной обработки.

1.4.2. Метод простого дифференцирования.

1.4.3. Методы, использующие критерии значимости и критерий гипотезы

1.4.4. Методы, использующие прогнозирующие модели.

1.4.5. Методы, оперирующие моделью затенения.

1.4.6. Методы моделирования фона.

1.4.7. Методы обеспечения целостности маски изменений.

1.4.8. Методы, использующие интегральные характеристики изображений

1.4.9. Принципы сравнения и ог{енки функционирования.

1.4.10. Итоги обзора методов поиска изменений.

1.5. Задачи диссертационных исследований.i-.

1.6. Выводы.

2. МЕТОД ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ.

2.1. Необходимость исследования метода поиска областей интереса на изображениях.

2.2. Метод комбинированного поиска областей интереса.

2.2.1. Этапы комбинированной обработки.

2.2.2. Обоснование применения комбинированной обработки.

2.3. поиск областей интереса на изображениях.

2.4. Метод совмещения изображений.

2.4.1. Оценка функции преобразования.

2.4.2. Трансформирование.

2.5. Фрактальный метод поиска областей интереса.

2.5.1. Описание метода вариаций.

2.5.2. Применение метода анализа ПФР для выделения антропогенных ландшафтов.

2.6. Морфологический метод поиска областей интереса.

2.6.1. Введение в морфологию.

2.6.2. Форма изображения объекта.

2.6.3. Сравнение изобраэ/сений по форме.

2.7. Комбинированный метод поиска.

2.8. Выводы.

3. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА КОМБИНИРОВАННОГО МЕТОДА ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ.

3.1. Вычислительные эксперименты по применению фрактального метода для поиска областей интереса.

3.1.1. Поверхность Такаги.

3.1.2. Учет погрешностей квантования при практической реализации метода.

3.1.3. Оценка устойчивости метода к изменению условий съемки и масштаба.

3.1.4. Методика принятия решения о наличии или отсутствии аномалии.

3.1.5. Применение локальных ПФР при практической реализации метода анализа ПФР.

3.1.6. Исследование и тестирование метода на различных типах объектов

3.1.7. Сравнение разработанного метода с методом разности изображений.

3.2. Вычислительные эксперименты по применению фрактального метода для поиска антропогенных объектов.

3.3. Вычислительные эксперименты по применению морфологического метода для поиска областей интереса.

3.3.1. Методика принятия решения о наличии или отсутствии аномалии

3.3.2. Оценка устойчивости метода к изменению условий съемки.

3.3.3. Тестирование работы метода на реальных изображениях.

3.4. Общее тестирование комбинированного метода.

3.4.1. Оценка вычислительных затрат на реализацию.

3.4.2. Ог{енка сокращения числа обрабатываемых кадров.

3.5. Определение эффективности комбинированного метода с помощью методов экспертной оценки.

3.5.1. Основные этапы процедуры экспертного оценивания.

3.5.2. Методы экспертного оценивания альтернатив.

3.5.3. Основные типы шкал.

3.5.4. Обработка экспертных оценок.

3.5.5. Описание эксперимента по оценке эффективности разработанного метода.

3.6. Выводы.

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ КОМПЛЕКСНОГО МЕТОДА ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ.

4.1. Блок-схема организации вычислительного процесса.

4.2. Средства разработки и тестирования.

4.3. Библиотека функций обработки изображений.

4.4. Программная реализация.

4.5. Выводы.

Актуальность исследования

В настоящее время дистанционное зондирование земной поверхности является одной из важнейших проблем, решаемых с помощью космических летательных аппаратов. Дистанционное зондирование (ДЗ) проводится с целью сбора данных ареального или планетарного масштаба для научных или прикладных целей. В системе мониторинга земной поверхности данные дистанционного зондирования с самолетов и космических аппаратов являются эффективным инструментом как для быстрого обновления картографических материалов и создания актуальной пространственной основы для привязки материалов мониторинга, так и непосредственно для решения задач разведки, охраны природы, экологического мониторинга, выявления и учета антропогенного влияния, аномальных явлений, оценки состояния земель и их использования для земельного кадастра, землеустройства, контроля за использованием земель и т.д.

Возможности применения космической информации, позволяющей проводить обследования больших территорий в оперативном режиме, существенно расширились в последние годы, когда широкому кругу потребителей стали доступны спутниковые данные с пространственным разрешением до 1 м - 70 см (Ikonos, QuickBird), сделавшие возможным переход к крупномасштабным съемкам на больших площадях, составив тем самым конкуренцию материалам аэрофотосъемки. Новые возможности открывает запуск в сентябре 2007 г. спутника WorldView-1, обеспечивающего съемку с разрешением менее 50 см, что позволяет получать более крупномасштабную и детализированную информацию. К преимуществам космической съемки следует отнести возможность регулярной съемки с высокой периодичностью одних и тех же участков, что позволяет вести мониторинг территорий, например, участков с интенсивными изменениями в использовании земель, территорий с сильным развитием негативных процессов и др., и синхронное получение одновременно с панхроматической съемкой данных многозональной съемки в различных спектральных диапазонах.

Интенсивное развитие средств цифровой обработки, передачи и хранения информации находит все большее применение в цикле съема и обработки данных дистанционного зондирования Земли. Это определяет необходимость разработки и внедрения новых более быстродействующих и эффективных алгоритмов и программных средств обработки и автоматизированного анализа результатов дистанционного зондирования.

При решении значительной части задач дистанционного зондирования в информационно-измерительных системах используется оперативное наблюдение за состоянием земной поверхности, цель которого - обнаружение резких изменений в структуре наблюдаемых объектов. Такими изменениями могут быть возникновение крупных очагов пожаров, крупномасштабные аварии, загрязнения водоемов, техногенные катастрофы, передислокация наблюдаемых объектов и т.п. Подобные процессы, приводящие к аномальным изменениям топологии наблюдаемой земной поверхности, фиксируются и могут быть обнаружены на изображениях земной поверхности, полученных средствами дистанционного зондирования.

Поиск изображений, содержащих такую полезную информацию, как топологические изменения и аномалии, является трудоемкой задачей, так как процент таких изображений из значительного объема поступающих снимков невелик. На данный момент для решения этой задачи отбора требуется привлечение большого штата экспертов - операторов, осуществляющих визуальный контроль и поиск информативных фрагментов, а также привлечение значительных технических ресурсов для передачи и хранения большого объема изображений.

До настоящего времени цифровой анализ разновременных изображений с целью выявления и определения на них изменений производится с помощью методов, использующих цветовые и яркостные характеристики изображений. Однако эти характеристики значительно изменяются при вариации условий съемки, например при изменении освещенности, и могут трактоваться как вариация земной поверхности. Поэтому возможности применения этих методов ограничены. На практике такие алгоритмы используются при обработке узкого класса изображений, ограниченного или параметрами снимков или параметрами наблюдаемых объектов.

Автоматизация процесса отбора снимков, содержащих топологические аномалии, а также выделение на этих изображениях областей интереса, содержащих изменения, позволит значительно сократить время анализа и обработки, затраты технических и экспертных ресурсов в информационно-измерительных системах и сделать данные оперативного наблюдения более доступными конечным потребителям. В данной работе под областями интереса понимаются информативные фрагменты изображения, т.е. такие, которые содержат необходимую информацию для решаемой задачи анализа изображения и могут быть выделены на изображениях разрабатываемыми методами. В зависимости от поставленной задачи области интереса могут быть двух видов: выделяемые в целях обзорного мониторинга (обзорная разведка, мониторинг землепользования, градостроительства и т.п.) и в целях непосредственного поиска изменений (выявление следов крупномасштабных аварий, изменений на наблюдаемых объектах разведки, мониторинг чрезвычайных ситуаций и т.п.).

Таким образом, разработка проблемно-ориентированного математического обеспечения в информационно-измерительных системах обработки данных дистанционного зондирования поверхности Земли является актуальной и ее решению в части оперативного автоматизированного цифрового анализа разновременных изображений с целью поиска областей интереса, выявления и определения на них структурных изменений и посвящается данная диссертационная работа.

Цель исследования

Основной целью настоящей работы является разработка комбинированного метода и алгоритма поиска областей интереса на изображениях в плане разработки и построения проблемно-ориентированного математического обеспечения информационно-измерительных систем обработки данных дистанционного зондирования поверхности Земли.

Методы исследования

Теоретические методы исследования основывались на методах цифровой обработки изображений, а именно методах морфологического анализа и анализа фрактальной размерности изображений. Экспериментальная часть исследования базировалась на анализе результатов обработки цифровых синтезированных и реальных изображений с помощью ЭВМ с последующей их численной и визуальной оценкой. Для программной реализации разработанных методов и математического обеспечения использовались методы создания программных систем и язык высокого уровня С++ в рамках среды для быстрой разработки приложений Borland С++ Builder.

Научная новизна полученных результатов

Научная новизна заключается в том, что впервые были предложены и разработаны методы и средства комбинированного многоступенчатого анализа цифровых изображений с целью поиска областей интереса на видеоизображениях земной поверхности. К основным результатам относятся:

1. Комбинированный метод многоступенчатого поиска областей интереса при комплексном применении методов анализа показателя фрактальной размерности (ПФР) и морфологического анализа;

2. Метод поиска на изображениях антропогенных фрагментов с помощью анализа ПФР, реализуемый в рамках разработанного комбинированного метода;

3. Алгоритм объединения комбинируемых методов при создании экспериментального программного обеспечения;

4. Метод поиска разномасштабных изменений с помощью анализа ПФР.

Практическая значимость полученных результатов

1. Разработанные методы и программное обеспечение позволяют повысить эффективность программно-технических комплексов оперативной обработки данных дистанционного зондирования поверхности Земли и производительность труда операторов-дешифровщиков. Полученные в ходе работы результаты были использованы в проектно-конструкторской деятельности Федерального государственного унитарного предприятия «Научно-исследовательский институт точных приборов» (ФГУП НИИ ТП) при выполнении ОКР «Основатель» и были внедрены в организациях-заказчиках.

2. Разработанные комбинированный метод, библиотека функций и экспериментальное программно-алгоритмическое обеспечение могут быть использованы при создании аналогичных по целевому назначению программных и программно-аппаратных комплексов мониторинга чрезвычайных ситуаций, охраны природы, экологического мониторинга, разведки, землепользования и многих других.

3. Внедрение разработанных методов и средств комбинированного многоступенчатого анализа цифровых изображений позволят проводить обработку данных дистанционного зондирования с большей эффективностью и меньшими затратами ресурсов, что сократит время на анализ и принятие решения и сделает данные ДЗ более доступными потребителю.

На защиту выносятся следующие положения:

1. Комбинированный многоступенчатый метод поиска областей интереса на видеоизображениях земной поверхности позволяет значительно сократить количество обрабатываемых изображений, выделять на них области для дальнейшей обработки и сократить пространство поиска не менее чем в 16 раз;

2. Комбинированный многоступенчатый метод поиска изменений на видеоизображениях при совместном использовании методов анализа показателя фрактальной размерности и морфологического анализа обеспечивает высокую эффективность обнаружения изменений и устойчивость результатов обработки при изменении условий съемки (более 50% по яркости и контрастности);

3. Метод поиска на видеоизображениях антропогенных объектов, основанный на анализе показателя фрактальной размерности, позволяет решать задачу их обнаружения в автоматизированном режиме;

4. Метод поиска на видеоизображениях разномасштабных изменений на основе анализа показателя фрактальной размерности повышает эффективность поиска изменений за счет возможности подбора размера области интереса, соизмеримого с размером искомой аномалии.

Апробации

Основные теоретические положения и результаты диссертационной работы докладывались и обсуждались на 4-й Международной научно-технической конференции «Космонавтика. Радиоэлектроника. Геоинформатика» (Рязань, 2003 г.), 4-ой Международной конференции «Авиация и космонавтика-2005» (Москва, 2005 г.), 3-ей Научно-практической конференции молодых ученых и специалистов «Исследования и перспективные разработки в авиационной промышленности» (Москва, 2005 г.), Двенадцатой Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (Москва, 2006 г.).

Публикации

По теме диссертационной работы опубликовано 8 печатных работ.

Структура и объем диссертации

Диссертация изложена на 160 страницах, состоит из введения (9 стр.), четырех глав (121 стр.), заключения (2 стр.), библиографического списка и двух приложений.

4.5. Выводы

В рамках главы получены следующие результаты:

- определены требования к экспериментальному программному средству;

- разработана и описана блок-схема алгоритма поиска областей интереса на изображениях;

- разработана и описана библиотека функций, реализующих методы поиска областей интереса на изображениях; библиотека создана в виде стандартных модулей на языке С++;

- создано экспериментальное программное средство «imgdiff», дано описание его состава и функций.

Заключение

1. Проведен анализ актуальной прикладной задачи обработки данных дистанционного зондирования земной поверхности в информационно-измерительных системах, позволивший сформулировать проблему поиска областей интереса на видеоизображениях земной поверхности.

2. Разработан новый комбинированный метод решения задачи оперативного анализа видеоизображений, основанный на комплексном многоступенчатом применении различных методов обработки изображений, состоящий из двух этапов -предварительного и детального поиска областей интереса.

3. Для предварительной обработки видеоизображений земной поверхности предложен метод, характеризующий изменения изображений земной поверхности численной характеристикой -показателем фрактальной размерности.

4. Для последующего детального поиска изменений на видеоизображениях предложен метод морфологического анализа, оперирующий понятием формы изображения для нахождения изменений.

5. Предложен метод решения задачи поиска антропогенных объектов, основанный на анализе ПФР и показавший эффективные результаты в ходе вычислительных экспериментов.

6. Для поиска на изображениях разномасштабных изменений предложен метод на основе анализа ПФР, эффективность которого подтверждена экспериментально.

7. Проведено тестирование вышеуказанных методов, как на модельных видеоизображениях, так и на натурных видеоизображениях земной поверхности, которое показало высокую эффективность обнаружения изменений и устойчивость результатов обработки к изменению условий съемки. Эффективность разработанного комбинированного метода подтверждена результатами проведенной экспертной оценки. 8. Для отработки взаимодействия методов и их тестирования разработано экспериментальное программное средство «imgdiff». Модули с реализациями методов обработки видеоизображений, созданные при разработке данного программного средства, могут быть использованы в дальнейшем при создании аналогичных по целевому назначению программных и программно-аппаратных комплексов информационно-измерительных систем. Таким образом, решена важная научно-техническая задача автоматизированного поиска областей интереса на видеоизображениях земной поверхности, имеющая существенное значение для развития систем дистанционного зондирования поверхности Земли.

1. Hord R.M. Remote Sensing: Methods and Applications. N.Y.:Wiley, 1986. -420p.

2. Матиясевич JI.M. Космическая фотография. М.:Наука, 1989. -262 с.

3. Гонин Г.Б. Космическая фотография для изучения природных ресурсов. М.: Недра, 1980.

4. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. - 288 с.

5. Jensen J.R. Introduction Digital Image Processing. -Berlin: Springer-Verlag, 1977.- 322p.

6. Пайтен X.-O., Рихтер П.Х. Красота фракталов. Образы комплексных динамических систем: пер. с англ. М.Мир, 1993

7. Mandelbrot В.В. The Fractal Geometry of Nature.- N.Y.: Freerman, 1982

8. Дуда JI., Харт П. Распознавание образов и анализ сцен: пер. с англ. -.М.:Мир, 1984-382с.

9. Прэтт У. Цифровая обработка изображений: пер. с англ. -. М.Мир, 1982.-266 с.

10. Фукунага К. Введение в статистическую теорию распознавания образов: пер. с англ. М.: Наука, 1979. - 368 с.

11. L. G. Brown, "A survey of image registration techniques," ACM Computer Surv., vol. 24, no. 4, 1992.

12. S. Lavallee, Registration for computer-integrated surgery: methodology, state of the art. MIT Press, 1995.

13. J. B. A. Maintz and M. A. Viergever, "A survey of medical image registration," Medical Image Analysis, vol. 2, no. 1, pp. 1-36, 1998.

14. B. Zitov'a and J. Flusser, "Image registration methods: a survey," Image and Vision Computing, vol. 21, pp. 977-1000, 2003.

15. L. Ibanez, W. Schroeder, L. Ng, and J. Cates, The ITK Software Guide: The Insight Segmentation and Registration Toolkit (version 1.4). Kitware Inc., 2003.

16. D. A. Stow, "Reducing the effects of misregistration on pixel-level change detection," Int. J. Remote sensing, vol. 20, no. 12, pp. 24772483, 1999.

17. J. Townshend, C. Justice, C. Gurney, and J. McManus, "The impact of misregistration on change detection," IEEE Trans. Geosci. Remote Sensing, vol. 30, pp. 1054-1060, September 1992.

18. X. Dai and S. Khorram, "The effects of image misregistration on the accuracy of remotely sensed change detection," IEEE Trans. Geoscience and Remote Sensing, vol. 36, no. 5, pp. 1566-1577, September 1998.

19. R. Lillestrand, "Techniques for change detection," IEEE Trans, on Computers, vol. 21, no. 7, pp. 654-659, 1972.

20. M. S. Ulstad, "An algorithm for estimating small scale differences between two digital images," Pattern Recognition, vol. 5, pp. 323333, 1973.

21. B. Phong, "Illumination for computer generated pictures," Commun. ACM, vol. 18, pp. 311-317, 1975.

22. T. A. D. Toth and V. Metzler, "Illumination-invariant change detection," in The 4th IEEE Southwest Symposium on Image Analysis and Interpretation, April 2000.

23. Т. Aach, L. Diimbgen, R. Mester, and D. Toth, "Bayesian illumination-invariant motion detection," in Proc. IEEE International Conference on Image Processing, October 2001, pp. 640-643.

24. B. Xie, V. Ramesh, and T. Boult, "Sudden illumination change detection using order consistency," Image and Vision Computing, vol. 22, no. 2, pp. 117-125, February 2004.

25. O. Pizarro and H. Singh, "Toward large-area mosaicing for underwater scientific applications," IEEE Journal of Oceanic Engineering, vol. 28, no. 4, pp. 651-672, October 2003.

26. A. Can and H. Singh, "Methods for correcting lighting pattern and attenuation in underwater imagery," IEEE Journal of Oceanic Engineering, April 2004, in review.

27. S. Negahdaripour, "Revised definition of optical flow: integration of radiometric and geometric cues for dynamic scene analysis," IEEE Trans. Pattern Anal. Machine Intell., vol. 20, no. 9, pp. 961-979, September 1998.

28. G. D. Hager and P. N. Belhumeur, "Efficient region tracking with parametric models of geometry and illumination," IEEE Trans. Pattern Anal. Machine Intell., vol. 20, no. 10, pp. 1025-1039, 1998.

29. J. Jensen, Introductory Digital Image Processing, A Remote Sensing Perspective. Prentice Hall, 1996.

30. I. Niemeyer, M. Canty, and D. Klaus, "Unsupervised change detection techniques using multispectral satellite images," in Proc. IEEE International Geoscience and Remote Sensing Symposium, 1999, pp. 327-329.

31. E. P. Crist and R. C. Cicone, "A physically-based transformation of Thematic Mapper data the TM tasseled cap," IEEE Trans. Geoscience and Remote Sensing, vol. 22, pp. 256-263, 1984.

32. J. Morisette and S. Khorram, "An introduction to using generalized linear models to enhance satellite-based change detection," Proc. IGARSS 1997, vol. 4, pp. 1769-1771, 1997.

33. A. Elgammal, R. Duraiswami, D. Harwood, and L. S. Davis, "Background and foreground modeling using non-parametric kernel density estimation for visual surveillance," Proceedings of the IEEE, vol. 90, no. 7, pp. 1151-1163, July 2002.

34. L. M. T. Carvalho, L. M. G. Fonseca, F. Murtagh, and J. G. P. W. Clevers, "Digital change detection with the aid of multi-resolution wavelet analysis," Int. J. Remote Sensing, vol. 22, no. 18, pp. 38713876, 2001.

35. S. Fukuda and H. Hirosawa., "Suppression of speckle in synthetic aperture radar images using wavelet," Int. J. Remote Sensing, vol. 19, no. 3, pp. 507-519, 1998.

36. S. Quegan and J. Schou, "The principles of polarimetric filtering," in Proc. IGARSS '97, August 1997, pp. 1041-1043.

37. R. Touzi, "A review of speckle filtering in the context of estimation theory," IEEE Trans. Geoscience and Remote Sensing, vol. 40, no. 11, pp. 2392-2404, November 2002.

38. P. Rosin, "Thresholding for change detection," Computer Vision and Image Understanding, vol. 86, no. 2, pp. 79-95, May 2002.

39. P. Rosin and E. Ioannidis, "Evaluation of global image thresholding for change detection," Pattern Recognition Letters, vol. 24, no. 14, pp. 2345-2356, October 2003.

40. P. Smits and A. Annoni, "Toward specification-driven change detection," IEEE Trans. Geoscience and Remote Sensing, vol. 38, no. 3, pp. 1484-1488, May 2000.

41. H. V. Poor, An Introduction to Signal Detection and Estimation, 2nd ed. Springer-Verlag, 1994.

42. L. Bruzzone and D. F. Prieto, "Automatic analysis of the difference image for unsupervised change detection," IEEE Trans, on Geosci. Remote Sensing, vol. 38, no. 3, pp. 1171-1182, May 2000.

43. J. E. Colwell and F. P. Weber, "Forest change detection," in Proc. of the 15th International Symposium on Remote Sensing of Environment, 1981, pp. 839-852.

44. W. A. Malila, "Change vector analysis: an approach for detecting forest changes with Landsat," in Proc. of the 6th Annual Symposium on Machine Processing of Remotely Sensed Data, 1980, pp. 326-335.

45. S. M. Kay, Fundamentals of Statistical Signal Processing: Detection Theory. Prentice-Hall, 1993.

46. T. Aach and А. Каир, "Statistical model-based change detection in moving video," Signal Processing, vol. 31, pp. 165-180, March 1993.

47. T. Aach and А. Каир, "Bayesian algorithms for adaptive change detection in image sequences using Markov random fields," Signal Processing: Image Communication, vol. 7, pp. 147-160, August 1995.

48. A. P. Dempster, N. M. Laird, and D. B. Rubin, "Maximum likelihood from imcomplete data via the EM algorithm," J. Royal Statist. Soc., vol. 39, no. l,pp. 1-38, 1977.

49. M. J. Black, D. J. Fleet, and Y. Yacoob, "Robustly estimating changes in image appearance," Computer Vision and Image Understanding, vol. 78, no. l,pp. 8-31,2000.

50. J. Rissanen, "Minimum-description-length principle," in Encyclopedia of Statistical Sciences, 5th ed. John Wiley, 1987, pp. 523-527.

51. Y. Z. Hsu, H.-H. Nagel, and G. Reckers, "New likelihood test methods for change detection in image sequences," Computer Vision, Graphics, and Image Processing, vol. 26, pp. 73-106, 1984.

52. K. Skifstad and R. Jain, "Illumination independent change detection for real world image sequences," Computer Vision, Graphics, and Image Processing, vol. 46, no. 3, pp. 387-399, 1989.

53. Z. Jain and Y. Chau, "Optimum multisensor data fusion for image change detection," IEEE Trans. Systems, Man and Cybernetics, vol. 25, no. 9, pp. 1340-1347, September 1995.

54. K. Toyama, J. Krumm, B. Brumitt, and B. Meyers, "Wallflower: Principles and practice of background maintenance," in Proc. ICCV '99, 1999, pp. 255-261.

55. L. Li and M. К. H. Leung, "Integrating intensity and texture differences for robust change detection," IEEE Trans. Image Processing, vol. 11, no. 2, pp. 105-112, February 2002.

56. A. Cavallaro and T. Ebrahimi, "Video object extraction based on adaptive background and statistical change detection," in Proc. SPIE Visual Communications and Image Processing, January 2001, pp. 465-475.

57. S. Huwer and H. Niemann, "Adaptive change detection for real-time surveillance applications," in Proc. Visual Surveillance 2000, 2000.

58. R. M. Haralick and L. G. Shapiro, Computer and Robot Vision. Addison-Wesley, 1992, vol. 1.

59. E. Stringa, "Morphological change detection algorithms for surveillance applications," in British Machine Vision Conference, 2000.

60. Т. Yamamoto, Н. Hanaizumi, and S. Chino, "A change detection method for remotely sensed multispectral and multitemporal images using 3-D segmentation," IEEE Trans. Geoscience and Remote Sensing, vol. 39, no. 5, pp. 976-985, May 2001.

61. J. W. Berger, T. R. Patel, D. S. Shin, J. R. Piltz, and R. A. Stone, "Computerized stereochronoscopy and alteration flicker to detect optic nerve head contour change," Ophthalmology, vol. 107, no. 7, July 2000.

62. J. Hu, R. Kahsi, D. Lopresti, G. Nagy, and G. Wilfong, "Why table ground-truthing is hard," in Proc. Sixth Int. Conf. Document Analysis and Recognition, 2001, pp. 129-133.

63. S. Watanabe, K. Miyajima, and N. Mukawa, "Detecting changes of buildings from aerial images using shadow and shading model," in ICPR98, 1998, pp. 1408-1412.

64. L. Bruzzone and D. F. Prieto, "An adaptive semiparametric and context-based approach to unsupervised change detection in multitemporal remote-sensing images," IEEE Trans. Image Processing, vol. 11, no. 4, pp. 452-466, April 2002.

65. A. Singh, "Digital change detection techniques using remotely-sensed data," Internat. Journal of Remote Sensing, vol. 10, no. 6, pp. 9891003, 1989.

66. C. R. Wren, A. Azarbayejani, T. Darrell, and A. Pentland, "Pfinder: Real-time tracking of the human body," IEEE Trans. Pattern Anal. Machine Intell., vol. 19, no. 7, pp. 780-785, 1997.

67. C. Stauffer and W. E. L. Grimson, "Learning patterns of activity using real-time tracking," IEEE Trans. Pattern Anal. Machine Intell., vol. 22, no. 8, pp. 747-757, August 2000.

68. Агапов C.B. Фотограмметрия сканерных снимков. M., Картгеоцентр-Геодезиздат, 1976.- 176 с.

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

70. Гимельфарб Г.Л. Автоматизированная межотраслевая обработка снимков земной поверхности, получаемых с ИСЗ серии LANDSAT // Зарубежная радиоэлектроника, 1988, № 8, С.56-84.

71. Chen L.C., Rau J.Y. Geometric correction of airborne scanner imagery using orthophotos and triangulated feature point matching // International Journal of Remote Sensing.- 1993.- Vol.14.- № 16.-P.3041-3059.

72. Ehlers M. Rectification and registration / Integration of geographic information systems and remote sensing / Eds. J.L.Star, J.E.Estes, K.C.McGwire.- Cambridge University Press, 1997.- P. 13-36.

73. Fonseca L.M.G., Manjunath B.S. Registration techniques for multisensor remotely sensed imagery // Photogrammetric Engineering & Remote Sensing.- 1996.- Vol.62.- № 9.- P.1049-1056.

74. Garnesson Ph., Bruckert D. Georis: a tool to overlay precisely digital imagery // Internationl archives of photogrammetry and remote sensing.- 1999.- Vol.32.- Pt 7-4-3 W6, P.33-36.

75. Holm M. Fast rectification of satellite images into a GIS / Remote sensing for monitoring the changing environment of Europe. Ed. P.Winkler Rotterdam: Balkema. 1993.- P.147-154.

76. Zheng Q., Chellappa R. A computational vision approach to image registration // IEEE Transactions on Image Processing.- 1993.- Vol.2.-№3.-P.311-326.

77. Парамонов C.B. Карта показателей фрактальной размерности и её применение в задачах мониторинга земной поверхности // Научн.тр. Вып.282. М.:МГУЛеса, 1998. - 178 с.

78. Burrough Р.А. Fractal dimensions of landscapes and other environmental data//Nature. 1981.- 294. - N 19.- P.2240-242.

79. Dubuc B. Et al., Evaluating the fractal dimension of surfaces // Proc. Royal Soc., 1989, V. A. 425, p. 113.

80. Mandelbrot В., Fractals, Forms, Chance and Dimensions. — Freenman, San Francisco, 1977.

81. Кроновер P. M. Фракталы и хаос в динамических системах. Основы теории. М.: Постмаркет, 2000. - 352 с.

82. Потапов А.А., Герман В.А. Применение фрактальных методов для обработки оптических и радиолокационных изображений земной поверхности // Радиотехника и электроника. 2000. Т. 45, № 8. С. 946-953.

83. Carlotto M.J., Stein М.С. A method for searching for artificial objects on planetary surfaces // Journal of the British Interplanetary Society, 1990, vol. 43, N5, pp. 209-216.

84. Архипов A.B. Руиноподобные валы на Луне // Информационный бюллетень НКЦ SETI, N14, Москва: ГАИШ, 1999, с.29-34.

85. Пытьев Ю.П. Морфологический анализ изображений. Докл. АН СССР. 1983.Т.269, N 5, с.1061-1064

86. Пытьев Ю.П. Задачи морфологического анализа изображений. В сб. Математические методы исследования природных ресурсов Земли из космоса. Под ред. В.Г.Золотухина. — М.:Наука 1984.

87. Пытьев Ю.П., Чуличков А.И. ЭВМ анализирует форму изображений. — М.: Знание, 1988 ~ 48с.

88. Huang Q. et al., Can the fractal dimension of images be measured? // Pat-tern Recognition, 1987, V. 27, № 3.

89. Дьяконов В. П. Справочник по алгоритмам и программам на языке бейсик для персональных ЭВМ: Справочник.— М.: Наука. Гл. ред. физ.-мат. лит., 1989. 240 с.

90. Пиотровский Я. Теория измерений для инженеров. Пер. с польск. М.: Мир, 1989.-388с.

91. Парамонов С.В. Метод и вычислительное устройство автоматического обнаружения топологических аномалий на земной поверхности по космическим видеоизображениям: Дис. . канд. техн. наук. Москва. 2001. 115 с.

92. Рабиндер JL, Гоулд Б. Теория и применение цифровой обработки сигнала. Пер. с анг. М.: Мир, 1978. 379с.

93. Мельников Д.А. Информационные процессы в компьютерных сетях. М.: Кудиц-Образ, 1999. - 256с.

94. Хелстром К. Статистическая теория обнаружения сигналов. : пер. с англ. -М: Издательство иностранной литературы, 1963.- 320с.

95. Фомин А.Ф., Новосёлов О.Н., Плющев А.В. Отбраковка аномальных результатов измерений. М.: Энергоатомиздат,1985. -244с.

96. Зельдович Я.Б., Мышкис А. Д. Элементы прикладной математики. М.: Наука, 1965.-382с.

97. Орлов А.И. Экспертные оценки. Учебное пособие. М., 2002

98. Литвак Б.Г. Экспертная информация: Методы получения и анализа. М.: Радио и связь, 1982. - 184 с.

99. Клигер С. А., Косолапов М. С. Толстова Ю. Н. Шкалирование при сборе и анализе социологической информации. — М.: Наука.1978.

100. Тёрстон JI. Л. Психофизический анализ. — В кн.: Проблемы и методы психофизики. — М.: МГУ, 1974.

101. Фон Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение Пер. с англ ./Под ред. Н. Н. Воробьева. М.: Наука,1979.

102. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978. 133 с.