Дипломная работа: Обработка и визуализация объектов на космических изображениях средствами пакета Contour
Дипломная работа: Обработка и визуализация объектов на космических изображениях средствами пакета Contour
Дипломная работа
Обработка и визуализация объектов на космических изображениях средствами пакета Contour
Оглавление
Введение
1.1 Физические основы дистанционного зондирования
1.3 Основы теории цвета
1.4 Растровая и векторная графика
2. Методика эксперимента
3. Экспериментальные результаты
Выводы
ВведениеВ последнее десятилетие для России важное значение приобрели спутниковые методы исследования ее территории. Это связано как с дальнейшим совершенствованием космической техники, так и со свертыванием авиационных и наземных методов мониторинга.
Основные области применения спутникового дистанционного зондирования - получение информации о состоянии окружающей среды и землепользовании, изучение растительных сообществ, оценка урожая сельскохозяйственных культур, оценка последствий стихийных бедствий. Средства дистанционного зондирования эффективны при изучении загрязнения почвы и водоемов, льдов на суше и на воде, и океанологии. Эти средства позволяют получать сведения о состоянии атмосферы, в том числе глобальном масштабе. Данные зондирования поступают в виде растровых изображений земли из космоса. Они и являются моим объектом исследования в данной работе. А предметом исследования - любые аномальные области (вырубки, гари…) на снимках. Обнаружение и обработка таких областей является важным процессом и занимает достаточно большое количество времени и системных ресурсов. В данной работе создано программное обеспечение в качестве одной из разновидностей геоинформационных систем, позволяющей проводить классификацию по цветам, оконтуривать классы и производить тематическую обработку для оптимизации процесса обработки космической информации на снимках при минимальной потере качества. Написанное программное обеспечение позволяет проводить эффективное оконтуривание областей, представлять границы в векторном формате для экспортирования в мировые геоинформационные системы. Результаты данной работы являются актуальными и востребованными в сфере работ наземных служб по контролю растительного покрова Земли.
1. Литературный обзор 1.1 Физические основы дистанционного зондирования
При дистанционном зондировании Земли из космоса используется оптический диапазон электромагнитных волн и микроволновый участок радиодиапазона. На рис.1.1 представлен оптический диапазон, включающий в себя ультрафиолетовый (УФ) участок спектра, видимый участок - синяя полоса (С), зеленая (З), красная (К); инфракрасный участок (ИК) - ближний ИК (БИК), средний ИК (СИК) и тепловой ИК (ТИК) [1].
В пассивных методах зондирования в оптическом диапазоне источниками электромагнитной энергии являются разогретые до достаточно высокой температуры твердые, жидкие, газообразные тела.
При термодинамическом равновесии с окружающей средой все тела с одинаковой температурой Т излучают одинаково (первый закон Кирхгофа).
В состоянии термодинамического равновесия поглощаемая в секунду участком поверхности энергия равна энергии, излучаемой в тот же промежуток времени той же поверхностью (второй закон Кирхгофа).
Интенсивность излучения I в заданном направлении, характеризуемом углом a от нормали к излучающей поверхности абсолютно черного тела, определяется законом Ламберта: I = I0 cosa, где I0 - интенсивность излучения при a = 0, которая максимальна; при a = 90°, т.е. по касательной к поверхности, интенсивность излучения равна нулю.
По формуле Планка плотность потока мощности, излучаемой в состоянии термодинамического равновесия единицей поверхности абсолютно черного тела с температурой T в интервале длин волн l, l + dl в телесный угол 2p стерадиан (ср)
B (l,T) = 
×
×
(1.1)
Здесь с1 = 1, 1911×108 Вт×мкм4/м2ср; c2 = 14388 мкм×К; Максимум излучения приходится на l = 2898/T мкм.
Полная энергия во всем интервале длин волн описывается формулой Стефана-Больцмана:
¥
ò B (l,T) dl = a ×T4, a = 5,67*10-8 Вт×м - 2×К-4. (1.2)
0
При наблюдении Земли из космоса на длине волны короче 2-3 мкм регистрируется энергия Солнца, отраженная и рассеянная поверхностью суши, воды и облаков.
Температура поверхности (фотосферы) Солнца равна 5785 К, максимум излучения приходится на 0,5 мкм. На рис.1.2 приведено распределение энергии в спектре Солнца согласно формуле Планка. Озон, содержащийся в атмосфере в небольшом количестве, сильно поглощает ультрафиолетовое излучение с длиной волны короче 0,3 мкм, так что при наблюдении Солнца с поверхности Земли отсутствует коротковолновый скат кривой B (l,T) (заштрихован на рис.1.2).
В остальном реальный спектр Солнца мало отличается от рис.1.2.
Рис 1.2. Распределение энергии в спектре Солнца согласно закону Планка
На длинах волн более 4 мкм собственное тепловое излучение Земли превосходит излучение Солнца. Регистрируя интенсивность теплового излучения Земли из космоса, можно достаточно точно оценивать температуру суши и водной поверхности, которая является важнейшей экологической характеристикой [2].
При регистрации теплового излучения со спутников используется интервал длин волн 10-14 мкм, в котором поглощение в атмосфере невелико. При температуре земной поверхности (облаков), равной минус 50° С, максимум излучения согласно (1.1) приходится на 12 мкм, при 50° С - на 9 мкм.
Если с помощью датчика, установленного на спутнике, измерено значение плотности потока мощности B =B (λ, Т) от некоторого объекта, то из (1.1) получаем: T = λ/c2 ln (c1/λ5B + 1). Определенная по интенсивности В теплового излучения (радиации) температура Т носит название радиационной, в отличие от термодинамической температуры, характеризующей интенсивность теплового движения молекул вещества и измеряемой контактным термометром [3].
1.2 Сегментация изображений
Одним из самых распространенных методов выделения объектов на космических изображениях Земли является сегментация. Этот метод носит черты и детерминированного, и статистического подходов. Под сегментацией, в широком смысле, понимают преобразование полутоновых или цветных изображений в изображения, имеющие меньшее число тонов или цветов, чем исходные. В узком смысле сегментацией называют преобразование полутонового изображения в двухуровневое (бинарное), содержащее всего два уровня яркости - минимальный (обычно это 0) и максимальный (обычно 255). При этом объект и фон разделены, легко определить число объектов, характеристики их местоположения (координаты, поворот выделенной оси объекта относительно координатных осей и т.п.), геометрические характеристики (например площадь каждого объекта, периметр, средний, минимальный, максимальный размеры) и, наконец, идентифицировать объект - указать, что это такое [4].
Целью сегментации является выделение областей, однородных в каком-то определенном заданном смысле (сегментов). Однородность является признаком принадлежности области к определенному классу.
Очень часто сегментация используется для выделения областей приблизительно одинакового тона и/или цвета. Вместе с тем сегментация часто используется для выделения областей, однородных в смысле некоторого более сложного свойства (например типа текстуры). Такие области принято называть кластерами [5].
Текстурой в теории обработки изображений называют структуру, которая характеризуется наличием повторяющегося "рисунка", состоящего из некоторых однородных участков приблизительно одинаковых размеров. Примером текстурного изображения являются фотоснимок кирпичной стены, аэрофотоснимок городских кварталов, космическое изображение участка летней тундры с многочисленными круглыми озерами.
Применяются три основных способа сегментации изображений: пороговая, путем наращивания областей, путем выделения границ.
Пороговая сегментация состоит в простом объединении близких по характеристикам областей изображения в небольшое число сегментов. Пороговая сегментация может осуществляться на основе априорно заданных порогов. Если яркость превышает порог, то элемент изображения относят к одному сегменту, если она ниже порога - то к другому. Это самый простой способ и требует минимальных вычислительных затрат [6].
Другой, более адекватный, способ выбора порогов заключается в том, что пороги выбираются как границы мод гистограммы изображения. Рассмотрим более подробно этот способ выбора на примере бинаризации полутонового изображения, у которого гистограмма содержит две моды.
Если моды гистограмм не перекрываются или перекрываются слабо, то выбор порога разбиения изображения на две области U1 и U2 не представляют труда. Этот случай типичен для задачи выделения площадей, покрытых снегом и льдом на фоне леса и оттаявшей земли по результатам дистанционных исследований. Гистограмма такого изображения имеет две моды - одна отвечает более темному фону, вторая - объектам с большей яркостью, т.е. снегу/льду, между модами существует резкая и протяженная зона минимума. Порог можно выбрать посередине зоны (рис.1.4).
