Дипломная работа: Обработка и визуализация объектов на космических изображениях средствами пакета Contour
Векторное изображение может быть легко масштабировано без потери деталей, так как это требует пересчета сравнительно небольшого числа координат узлов. Другой термин - "object-oriented graphics".
Самой простой аналогией векторного изображения может служить аппликация. Все изображение состоит из отдельных кусочков различной формы и цвета (даже части растра), "склеенных" между собой. Понятно, что таким образом трудно получить фотореалистичное изображение, так как на нем сложно выделить конечное число примитивов, однако существенными достоинствами векторного способа представления изображения, по сравнению с растровым, являются:
векторное изображение может быть легко масштабировано без потери качества, так как это требует пересчета сравнительно небольшого числа координат узлов;
графические файлы, в которых хранятся векторные изображения, имеют существенно меньший, по сравнению с растровыми, объем (порядка нескольких килобайт) [21].
Как видно, векторным можно назвать только способ описания изображения, а само изображение для нашего глаза всегда растровое [22].
Постановка задачи
Дешифрирование космических снимков, один из методов изучения местности по её изображению, полученному посредством космической съёмки. Заключается в выявлении и распознавании объектов, установлении их качественных и количественных характеристик, а также регистрации результатов в графической (условными знаками), цифровой и текстовой формах [23]. Дешифрирование имеет общие черты, присущие методу в целом, и известные различия, обусловленные особенностями отраслей науки и практики, в которых оно применяется наряду с другими методами исследований.
Эффективность дешифрирования, т.е. раскрытия содержащейся в снимках информации, определяется особенностями изучаемых объектов и характером их передачи при космической съёмке (дешифровочными признаками), совершенством методики работы, оснащённостью приборами и свойствами исполнителей дешифрирования. В ряду дешифровочных (демаскирующих) признаков различают прямые и косвенные (нередко с выделением комплексных). К прямым признакам относят: размеры, форму, тени собственные и падающие (иногда их считают косвенным признаком), фототон или цвет и сложный признак - рисунок или структуру изображения. К косвенным - указывающие на наличие или характеристику объекта, хотя он и не получил непосредственного отображения на снимке из космоса в силу условий съёмки или местности. Например, растительность и микрорельеф являются индикаторами при дешифрировании задернованных почв.
Цели работы:
1) разработать программный пакет для обработки космических изображений;
2) провести сравнительный анализ программ Contour и Erdas Imagine для оценки качества реализации собственного алгоритма сегментации;
3) с помощью собственного алгоритма сегментации провести анализ двух съемочных систем на примере Landsat ETM+ и Spot5 для установления разницы в снимках с различным пространственным разрешением.
В задачи исследования входят:
1. анализ алгоритмов распознавания изображений;
2. выявление оптимального по скорости и качеству алгоритма сегментации;
3. составление блок-схемы программы по распознаванию изображений на основе выбранного алгоритма;
4. ознакомление с географическими информационными системами (ГИС), растровой и векторной моделей данных и их форматными представлениями;
5. выявление подходящего векторного формата для последующего его применения в ГИС-проектах;
6. создание географической привязки;
7. векторизация растровых контуров и сохранение в виде shp-файлов;
8. подобрать каналы с максимальной информативностью
Для решения задачи дешифрирования разработаны профессиональные программные пакеты, которые по своим функциям удовлетворяют предъявляемым требованиям. Основным недостатком этих пакетов является высокая стоимость, большие требования к системным ресурсам используемых персональных компьютеров и сложность в эксплуатации этих программ.
2. Методика эксперимента
В пакет программного обеспечения входит (рис.2.1):
Рис.2.1 Блок-схема программы
Автоматическое выделение границ основано на сегментации путем наращивания областей. Блок-схема данного алгоритма представлена на рис.2.2.
Рис.2.2 Блок-схема алгоритма сегментации путем наращивания областей
3. Экспериментальные результаты
Блок-схема программного обеспечения "Contour" по работе с растровыми изображениями (рис.3.1).
Рис.3.1 Блок-схема
программы
Опишем более подробно все этапы алгоритма:
· На начальном этапе производим загрузку растрового изображения в любом графическом формате (TIF, BMP, JPG…). Рекомендуется в BMP, т.к. данный формат не предусматривает сжатия, и соответственно потерь уже на начальном этапе.
· Далее заносим все необходимые сведения о сцене для дальнейшей работы: проекции, зоны, датума, сфероида (для географической привязки и правильного отображения полигонов в ГИС), верхнего левого угла (для расчета размеров снимка), пространственного разрешения пикселя (для подсчета площадей и периметров полигонов).
· Теперь можно приступать к оконтуриванию гарей (или других объектов) методом сегментации путем наращивания областей. Однородность области проверяется на уровне порогов трех компонент RGB-композита. Осуществлена реализация ручной задачи данных порогов.
· Зная пространственное разрешение можно подсчитать площадь и периметр гари по количеству входящих в полигон пикселей. Каждому выделенному объекту присваивается идентификационный номер, и все сведения заносятся в базу данных.
· Затем следует сохранение контуров в бинаризованном виде (0 - фон, 1 - граница).
· Привязка к мировым географическим координатам.
· Далее путем векторизации растровых полигонов получение векторного типа данных.
· Полученные векторные данные хранятся в базе данных, которую уже можно использовать для дальнейшей работы в мировых ГИС-стандартах.
· И на данном последнем этапе загрузка векторных полигонов в ГИС-проекты.
Рис.3.2 Вид рабочего окна программы "Contour"
Программа "Contour" (рис.3.2) может выполнять следующие операции и функции:
· Изменять масштаб изображения, задаваемый как бегунком так и ручным вводом;
· Отслеживать внутренние и мировые географические координаты под курсором мыши и выводить их в статусной строке;
· Отслеживать RGB-компонент под курсором мыши и выводить их в статусной строке;
· Кнопка "Добавить" добавляет новый контур и присваивает ему уникальный идентификационный номер;
· В ручном режиме оконтуривания левой клавишей мыши выставляются вершины контура в реальном времени;
· В ручном режиме оконтуривания правой клавишей мыши обнуляются всех выставленные вершины;
· Задание Х и У - координат верхнего левого угла сцены;
· Задание пространственного разрешения снимка;
· Подсчитывание в реальном времени площади и периметра контура;
· Отслеживание количества выставленных вершин и выведение их в статусной строке;
· Изменение прозрачности для любого контура в любой момент времени;
· Кнопка "Удалить" (или клавиша "Del") удаляет любой выбранный контур;
· При выборе контура в таблице (или при нажатии клавиши "Ins") происходит "подсвечивание" контура на изображении;
· Через меню "Правка" удаляются последний и/или все контуры;
· Через меню "Файл" открытие снимка в графическом формате;
· Через меню "Файл" открытие контура (осуществляется только в том случае, если размеры снимка и контура совпадают);
· Через меню "Файл" сохраняется контура (-ов) в графическом формате BMP с файлом географической привязки к мировым координатам.
· В автоматическом выделении щелчок левой кнопки мыши запускает процесс выделения объекта;
· В автоматическом выделении выставление порога RGB-композита устанавливается по порядку в соответствующих полях для R,G и B - компонент.
Проведен сравнительный анализ на основе значений площадей при помощи программы Contour, с результатами дешифрирования участков, полученных в геоинформационном пакете ERDAS IMAGINE 9.1 используемым в настоящее время в Центре космического мониторинга и Институте леса.
Для того чтобы проводить сравнение нечетких спорных объектов, нужно сначала удостоверится на проверке оконтуривания простой однотонной геометрической фигуры (рис.3.3).
Рис.3.3 Сравнение полученных контуров (слева - в пакете "Contour", справа - в пакете "Erdas Imagine")
Площадь круга в обеих программах составила одинаковое значение - 7870 квадратных единиц. Это говорит о том, что программное обеспечение собственной разработки работает корректно и пригодно для последующей проверки более сложных областей на космических снимках.
Сравнены реальные объекты, присутствующие на снимках. Сначала в качестве простой задачи взяты три области лесных вырубок, потому что они имеют четкий контур и отличительно однотонный светло-зеленый фон. На рис.3.4 и рис.3.5 представлены контуры, полученные в программах "Contour" и "Erdas" соответственно.
Рис.3.4 Контур вырубок, полученный в программе "Erdas"
Рис.3.5 Контур вырубок, полученный в программе "Contour"
Таблица 3.1
Сравнение площадей программ
| Номер полигона | Erdas, кв. ед. | Contour, кв. ед. | Расхождение |
| 1 | 10880 | 10897 | 0,16% |
| 2 | 10092 | 10110 | 0,18% |
| 3 | 8199 | 8220 | 0,25% |
Как видно из таблицы 3.1, минимальное расхождение в результатах составляет доли процента. Это связано в различии пороговых значений в "Contour" и евклидова расстояния в "Erdas".
И наконец, сравнены наиболее сложные области (имеющие большое количество классов), но так необходимые для повсеместного анализа - гари.
Рис.3.6 Контур гари, полученный в программе "Contour"
Рис.3.7 Контур гари, полученный в программе "Erdas"
Разница в площадях между контурами на рис.3.7 и рис.3.7 более 15%. Согласно зрительному дешифрованию, "Erdas" не должен был выделять область справа (отделена красной чертой). Здесь как раз и скрыты различия в алгоритмах выделения областей между программами. Это связано с тем, что в программе "Erdas" происходит выделение области по спектральным данным снимка, тогда как в программе "Contour" используется цветовая палитра RGB-композита, значение порога которой используется как своеобразный классификатор и полностью схож с принципом зрительного различения цветов. С помощью пакета Contour проведен сравнительный анализ съемочных систем на примере Landsat ETM+ и Spot5 для установления разницы в площадях на снимках с различным пространственным разрешением. Пространственное разрешение спектрометра Landsat 30м, Spot5 - 15м.
Рис.3.8 Контур области снимка Landsat
Рис.3.9 Контур области снимка Spot
Было проведено десять измерений различных областей.
Таблица 3.2
Сравнение площадей съемочных систем
| Номер полигона | Landsat, кв. ед. | Spot, кв. ед. | Расхождение |
| 1 | 17010 | 18511 | 8.9% |
| 2 | 10092 | 10799 | 7% |
| 3 | 8199 | 8854 | 8.1% |
| 4 | 18462 | 19735 | 6.9% |
| 5 | 14785 | 15864 | 7.3% |
| 6 | 20153 | 21886 | 8.6% |
| 7 | 5143 | 5636 | 9.6% |
| 8 | 7549 | 8266 | 9.5% |
| 9 | 11889 | 12733 | 7.1% |
| 10 | 15300 | 16340 | 6.8% |
Среднее расхождение составило 7,9%. Это связано с большим пространственным разрешением у системы Spot. Так же можно отметить, что при сравнении малых областей, процент расхождения более высок, чем при сравнении больших областей. В дальнейшем, при работе со снимками Spot можно делать поправку на найденное процентное расхождение для сравнения этих съемочных систем.
