39. Понятие об автоматизированном дешифрировании дистанционных данных

Современные компьютерные технологии позволяют решать следующие группы задач: визуализация цифровых снимков; геометрические и яркостные преобразования снимков, вклю­чая их коррекцию; конструирование новых производных изображений по первич­ным снимкам; определение количественных характеристик объектов; компьютерное дешифрирование снимков (классификация). Наиболее сложной является задача компьютерного (автомати­зированного) дешифрирования, которая составляет фундаменталь­ную проблему аэрокосмического зондирования как научной дис­циплины и для решения которой прилагалось и прилагается мно­го усилий. При визуальном дешифрировании снимков исполнителю при­ходится на основе дешифровочных признаков определять, узна­вать объекты, а также выделять одинаковые, однородные объекты. Для выполнения этих эвристических процедур с помощью ком­пьютера применяют наиболее распространенный подход, осно­ванный на спектральных признаках, в качестве которых служит набор спектральных яркостей, зарегистрированных многозональ­ным снимком. Формальная задача компьютерного дешифрирова­ния снимков сводится к классификации — последовательной «сор­тировке» всех пикселов цифрового снимка на несколько групп. Для этого предложены алгоритмы классификации двух видов — с обучением и без обучения, или кластеризации (от англ. cluster — скоп­ление, группа). При классификации с обучением пикселы много­зонального снимка группируются на основе сравнения их ярко­стей в каждой спектральной зоне с эталонными значениями. При кластеризации же все пикселы разделяют на группы-кластеры по какому-либо формальному признаку, не прибегая к обучающим данным. Затем кластеры, полученные в результате автоматической группировки пикселов, дешифровщик относит к тем или иным объектам. Достоверность компьютерного дешифрирования фор­мально характеризуется отношением числа правильно классифи­цируемых пикселов к их общему числу и составляет в среднем 70 — 85%, заметно падая с увеличением набора дешифрируемых объектов. Достижения в области полной автоматизации дешифрирова­ния, при которой можно было бы исключить или существенно ограничить участие человека в получении географической инфор­мации по аэрокосмическим снимкам, пока скромны. Вычисли­тельные алгоритмы, основанные на спектральных признаках от­дельных пикселов, обеспечивают решение самых простых класси­фикационных задач; они рационально включаются в качестве эле­ментов в сложный процесс визуального дешифрирования, которое пока остается основным методом извлечения природной и социально-экономической географической информации из аэро­космических снимков. Для существенного прогресса в развитии компьютерного дешифрирования необходим переход к программ­ному обеспечению более высокого уровня, основанному на зна­ниях экспертов. Специалисты в области искусственного интеллек­та видят решение проблемы автоматизации дешифрирования аэро­ и космических снимков в объединении формализованных знаний высококвалифицированных дешифровщиков (экспертов) с воз­можностями современных компьютеров, т. е. в создании компью­терных экспертных систем. Эталонирование. Получить посредством дешифрирования (ви­зуального или компьютерного) или фотограмметрической обра­ботки необходимые характеристики изучаемого объекта только по снимкам без каких-либо натурных определений, без обращения к «земной правде» в большинстве случаев невозможно. Например, для спектрометрических определений по многозональному сним­ку, на которых основано компьютерное дешифрирование, требу­ется выполнить радиометрическую калибровку снимков (их эта­лонирование), а для получения размера объекта по снимку фото­грамметрическим способом необходима его геометрическая ка­либровка. Процедура получения и учета калибровочной информа­ции составляет необходимый элемент технологической схемы аэро­космических исследований. Эта информация обязательна для лю­бой обработки снимков, хотя объем ее бывает различным; чем выше требуемая точность определений по снимкам, тем он зна­чительнее. Принято различать абсолютную и относительную ка­либровку. При обработке одиночных снимков ограничиваются от­носительной калибровкой, а нескольких, например многозональ­ных, желательна их абсолютная калибровка. Дополнительная информация. Снимки как особая форма инфор­мации об изучаемом географическом объекте используются в ком­плексе с информацией других видов. Стало традицией работать одновременно с космическими снимками и картами. При темати­ческих исследованиях по снимку обычно определяют ареал рас­пространения явления или процесса, его контур, а для получе­ния содержательных характеристик привлекают материалы тема­тических географических исследований, включая статистические. Применение снимков особенно эффективно для пространствен­ной экстраполяции результатов локальных полевых наблюдений.

__

Компьютерные технологии обработки снимков по специальным алгоритмам и программам (с обучением и без). Дают точность 70-85%.

Для фотограмметрических измерений снимков применяют специальные прецизионные оптико-механические приборы, а также компьютерные комплексы со специализированным программным обеспечением. Для обработки аэрокосмических снимков на персональных компьютерах можно использовать коммерческое программное обеспечение общего назначения. Географ должен уметь выбрать оптимальный вариант обработки из многих возможных, предоставляемых коммерческим программным обеспечением.

В компьютерной технологии используется эталонирование, так как для выполнения компьютерного дешифрирования необходимо получить калибровочную информацию, где учитывается описание:

Абсолютная или относительная;

Радиометрическая или геометрическая калибровка исследуемого объекта (размер, высота, цвет, излучение и т.д. объекта).

Задача компьютерного дешифрирования снимков сводится к классификации — последовательной <сортировке> всех пикселов цифрового снимка на несколько групп.

Для этого предложены алгоритмы классификации двух видов — с обучением и без обучения (кластеризации – от англ. «скопление, группа»).

При классификации с обучением пикселы многозонального снимка группируются на основе сравнения их яркостей в каждой спектральной зоне с эталонными значениями.

При кластеризации же все пикселы разделяют на группы-кластеры по какому-либо формальному признаку, не прибегая к обучающим данным. Затем кластеры, полученные в результате автоматической группировки пикселов, дешифровщик относит к тем или иным объектам.

Достоверность компьютерного дешифрирования формально характеризуется отношением числа правильно классифицируемых пикселов к их общему числу и составляет в среднем 70— 85 %, заметно падая с увеличением набора дешифрируемых объектов.

Преимущество метода:

• возможность преобразования яркостей цифровых снимков для улечшения их восприятия;

• применение математических операций;

• возможность наложения изображений снимков (при многозональной съемке);

• Сопоставление разновременных снимков одного и того же объекта (с целью изучения его изменений во времени).

Недостаток метода:

• результаты не всегда объективны (достоверность всего 60-80%);

• метод не совсем самостоятельный (часто помогает и дополняет исполнитель).

Визуальный и автоматизированный методы имеют свои достоинства и недостатки.