Презентация на тему Цифровая обработка аэрокосмических изображений

подготовлен в рамках инновационной образовательной программы «Структурная перестройка научно-образовательного центра

«Радиоэлектроника»», реализованной в ФГОУ ВПО СФУ в 2007 г.

Рецензенты:
Красноярский краевой фонд науки;
Экспертная комиссия СФУ по подготовке учебно-методических комплексов дисциплин

Кашкин, В. Б.
К31 Цифровая обработка аэрокосмических изображений. Презентационные материалы. Версия 1.0 [Электронный ресурс] : наглядное пособие / В. Б. Кашкин. – Электрон. дан. (11 Мб). – Красноярск : ИПК СФУ, 2008. – (Цифровая обработка аэрокосмических изображений : УМКД № 54-2007 / рук. творч. коллектива В. Б. Кашкин). – 1 электрон. опт. диск (DVD). – Систем. требования : Intel Pentium (или аналогичный процессор других производителей) 1 ГГц ; 512 Мб оперативной памяти ; 11 Мб свободного дискового пространства ; привод DVD ; операционная система Microsoft Windows 2000 SP 4 / XP SP 2 / Vista (32 бит) ; Microsoft PowerPoint 2003 или выше.
ISBN 978-5-7638-1054-7 (комплекса)
ISBN 978-5-7638-0981-7 (пособия)
Номер гос. регистрации в ФГУП НТЦ «Информрегистр» 0320802728 от 23.12.2008 г. (комплекса)
Номер гос. регистрации в ФГУП НТЦ «Информрегистр» 0320802746 от 22.12.2008 г. (пособия)

Настоящее издание является частью электронного учебно-методического комплекса по дисциплине «Цифровая обработка аэрокосмических изображений», включающего учебную программу, учебное пособие, конспект лекций, методические указания по лабораторным работам, методические указания к самостоятельной работе, контрольно-измерительные материалы «Цифровая обработка аэрокосмических изображений. Банк тестовых заданий».
Представлена презентация (в виде слайдов) теоретического курса «Цифровая обработка аэрокосмических изображений».
Предназначено для студентов направления подготовки магистров 210300.68 «Радиотехника» укрупненной группы 210000 «Электроника, радиотехника и связь», для студентов направления подготовки магистров 230200.68 «Информационные системы» укрупненной группы 230000 «Вычислительная техника и информационные технологии» и студентов направления подготовки специалистов 120201.65 «Исследование природные ресурсов аэрокосмическими средствами» укрупненной группы 120000 «Геодезия и землеустройство». Кроме того, может быть использована студентами, обучающимися по специальности 010703 «Физика Земли и планет».

© Сибирский федеральный университет, 2008

Рекомендовано к изданию Инновационно-методическим управлением СФУ

Разработка и оформление электронного образовательного ресурса: Центр технологий электронного обучения информационно-аналитического департамента СФУ; лаборатория по разработке мультимедийных электронных образовательных ресурсов при КрЦНИТ

Содержимое ресурса охраняется законом об авторском праве. Несанкционированное копирование и использование данного продукта запрещается. Встречающиеся названия программного обеспечения, изделий, устройств или систем могут являться зарегистрированными товарными знаками тех или иных фирм.

Подп. к использованию 12.12.2008
Объем 11 Мб
Красноярск: СФУ, 660041, Красноярск, пр. Свободный, 79

Методы исследования в оптическом диапазоне
Лекция 3. Методы изучения Земли

из космоса
Лекция 4. Орбиты космических аппаратов
Лекция 5. Космические аппараты для дистанционного зондирования
Лекция 6. Прием данных дистанционного зондирования
Лекция 7. Восстановление спутниковых изображений
Лекция 8. Технические средства обработки изображений
Лекция 9. Форматы графических файлов

Оглавление

контраста
Лекция 11. Линейная пространственно-инвариантная фильтрация
Лекция 12. Фильтрация в пространственной

области
Лекция 13. Сегментация изображений
Лекция 14. Распознавание изображений
Лекция 15. Параметрические методы классификации
Лекция 16. Непараметрические методы классификации
Лекция 17. Нейрокомпьютеры в обработке изображений Метод главных компонентов

Оглавление

Земли
Применение методов дистанционного зондирования в народном хозяйстве

Спектры излучения Солнца и Земли, использование различных участков спектра

км

Красноярского края, полученное с пилотируемого космического аппарата Shuttle (разрешение

100 м)

в 2006 г.
Красноярский край и Иркутская область

Спутник NOAA-14

Планка

NOAA-14) 31.01.1999 10:26 по московскому времени

электромагнитного излучения поверхностью в оптическом диапазоне
Влияние атмосферы, спутниковые методы

изучения атмосферы

полушарии Земли и антарктическая озоновая дыра, визуализированные по

данным спутника EP/TOMS

извержения вулкана Ключевская сопка 01.10.1994

Выброс заводов Норильска

Японией в результате лесных пожаров в Иркутской области и

Бурятии в мае 2003 г.

Сканер с цилиндрической и с линейной разверткой
Мгновенный угол

зрения, пространственное разрешение
Космическая радиолокация
Боковой обзор
Синтез апертуры
Радиовысотомеры, скаттерометры, радиометры

Разрешение 30 м
Разрешение 250 м
Разрешение 1,1 км

орбит спутников дистанционного зондирования

разрешения
Космические аппараты высокого разрешения
Малые космические аппараты, проект спутника

СФУ

«Ресурс-ДК»

спутник DMC

группировки DMC

аппарата «Юбилейный» (Красноярск)

проектируемого малого спутника Сибирского федерального университета

антенны и отношения сигнал/шум.
Станция «УниСкан-36».
Станция

«Алиса-ТМ».

устройством

получено с помощью станции «Алиса-ТМ»

радиометрических искажений
Учет влияния атмосферы

в ЭВМ
Особенности визуализации изображений

Бинарное Линейное

Точечное

f = m1⋅ E1 + m2⋅E2 + m3 ⋅ E3.

Основные цвета: λ1 = 0,7 мкм (красный − R);
λ2 = 0,5461 мкм (зеленый − G);
λ3 = 0,4358 мкм (голубой − B).

через линзовый объектив в ПЗС-матрицу, которая обычно состоит из трех

ПЗС-линеек с пленочными или матричными светофильтрами

потерями и без потерь
Особенности некоторых форматов графических файлов

Кбайт, LZW 436 Кбайт, JPEG 65 Кбайт

на глаз разница не заметна. На правом рисунке разность

между двумя изображениями

Гистограммные преобразования

в виде совокупности кружков различного диаметра, случайным образом размещенных

на плоскости

строки;
j − номер пиксела в строке;
ρ1 и ρ2 –

коэффициенты корреляции значений яркости рядом расположенных пикселов в соседних строках и в одной строке;
hi,j − одинаково распределенные независимые случайные величины с нулевой, средней и единичной дисперсиями.

Трехточечная авторегрессионная модель

fi,j = μ1 + ρ1 (fi−1,j −μ1) + ρ2 (fi,j −1 − μ1) – – ρ1 ρ2 (fi−1,j−1 − μ1)+ σ √ 1− ρ12 − ρ22 + ρ12ρ22 ⋅ hi,j,

трехточечной модели

изображения

закону распределения

точки
Глобальная и локальная фильтрации

 a12

a11  a12  a11

подавления шума
Фильтры для выделения контуров

Маска 3х3

Маска 7х7

Фильтр Собела

областей
Сегментация путем выделения границ

Кластерный анализ
Параметрические и непараметрические методы классификации

Р(Ai/B)
↑ ↑
Вероятное Известное
Эту условную вероятность называют апостериорной. Ее можно вычислить по теореме Байеса:
P(Ai/B) P(Ai)Р(B/Ai)
P(Ai/B) =  ——— = ———————.
P(B) ∑ P(Ai)P(B/Ai)
i

задачах классификации изображений
Метод максимального правдоподобия
Метод минимальных расстояний
Метод параллелепипедов

методу максимального правдоподобия
1 – хвойные древостои; 2 –

смешанные древостои; 3 – лиственные древостои; 4 – гари; 5 – вырубки, дороги и другие элементы ландшафта, лишенные растительности

методы классификации
Робастные алгоритмы
Ранговый алгоритм
Декорреляция фона

ЛКП имеется

f(i,j–1)+ f(i+1,j)+ f(i,j+1)] + z(i,j)

min {f(i,j)

– α[f(i–1,j) + f(i,j–1 )+ f(i+1,j)+ f(i,j+1)+ z(i,j)]}2

Четырехточечная модель

применения нейрокомпьютеров
Главные компоненты многоспектрального изображения

формальный нейрон

λI] = 0, I – единичная матрица
R=PΛPT

P–1 ≡ P

G = (g1, g2,…,gm) H = (h1, h2,..., hn):
H = P G

Метод главных компонентов

1 Канал 2 Канал 3

Канал 4

Канал 5 Канал 6 Канал 7

Результат преобразования многоспектрального изображения

λ1 = 890,14 λ2 = 114,83 λ3 = 15,53 λ4 = 3,85 λ5 = 1,79 λ6 = 1,78 λ7 = 0,76 86,53 % 11,16 % 1,51 % 0,37 % 0,17 % 0,17 % 0,07%