Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Методы дистанционных исследований. Ответы на во...docx
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
195.04 Кб
Скачать

58) Общая схема компьютерной обработки аэрокосмических снимков.

Автоматизированное дешифрирование основано на использовании для обработки аэрокосмического изображения современных компьютерных технологий.

Компьютерная обработка снимков позволяет решать следующие задачи:

- геометрическое преобразование снимков, изготовление фотопланов и фото-карт;

- яркостные и цветовые преобразования;

- получение количественных характеристик;

- визуализация цифровых данных дистанционного зондирования;

- автоматизированное дешифрирование снимков (классификация).

Ввод и внутреннее представление изображений. Наиболее удобной для компьютерной обработки является информация, полученная с помощью санирующих си-стем, принимаемая в цифровой форме. Сигналы сканеров записываются на магнитную ленту и могут быть преобразованы для ввода в компьютер. При использовании фотографических аэрокосмических снимков, для получения их растровых изображений, используются фотограмметрические сканеры, имеющие высокую геометрическую и радиометрическую (яркостную) точность.

После того, как изображение получено в цифровом виде, принципиальным вопросом является внутреннее представление данного изображения в системе. Чаще всего используется табличное представление в виде матрицы.

Координатная привязка и геометрическая коррекция фотограмметрического преобразования снимков. После ввода изображения снимка в компьютер приступают к его координатной привязке и геометрическому преобразованию с целью перевода изображения в необходимую картографическую проекцию.

При работе с аэрофотоснимками данные задачи решаются с использованием опорных точек, на основании которых проводится фотограмметрическая обработка снимков. В Республике Беларусь для этих целей используется цифровая фотограмметрическая система «Realistic-M».

Предварительная обработка изображения проводится практически всегда, независимо какие снимки (сканерные, фотографические) подвергаются обработке. Это обусловлено наличием во входном изображении шумов и искажений.

Искажение яркости объектов может быть обусловлено условиями фотосъемки, обработки фотоматериалов и условиями сканирования. Кроме того на снимках могут иметь место локальные искажения плотности изображения, которые проявляются в виде точек и др. Так могут изображаться объекты, которых нет в действительности: например, солнечные блики, тень облаков и т.д. Часто при предварительной обработке изображения сталкиваются с информационным шумом. В роли подобного шума высту-пают объекты, которые присутствуют как на снимке, так и в действительности. Но их наличие не существенно для поставленной задачи. А лишь затрудняет дешифрирова-ние. Например, при составлении карты растительности несущественную роль играют линии электропередач, мелиоративная сеть и др.

На данном этапе обработки изображения осуществляется коррекция гисто-граммы, фильтрация и устранение шума, что позволяет повысить контрастность изоб-ражения, устранить мелкие детали. Яркостные преобразования изображения выполня-ются главным образом с помощью аналоговых устройств и позволяют проводить синтезирование цветных изображений, квантование по уровням оптической плотности, изменение контраста, подчеркивание границ контуров.

Наиболее сложным этапом компьютерной обработки изображения является автоматизированное дешифрирование, т.е. выделение границ объектов или сегмента-ция. Дешифровщику при работе со снимками постоянно приходится, основываясь на дешифровочных признаках опознавать и выделять однородные объекты. При компью-терном дешифрировании космических снимков одним из распространенных является подход на основе спектральных признаков. Он базируется на том, что яркость хроматических объектов (имеющих определенную окраску) в разных спектральных зонах не одинаково и характеризуется коэффициентом спектральной яркости. Таким образом, каждый элемент растра – пиксел соответствует яркости объекта для определенной области электромагнитного спектра. Каждый пиксел растра записывается как числовой элемент матрицы в файле данных.

На этапе сегментации основная задача заключается в дифференциации изображения на области (сегменты) по определенному критерию. В качестве критерия могут служить текстура и тон изображения. После того как изображение будет разбито на однородные области (контуры), приступают к их классификации.