Глава 3. Автоматизированное дешифрирование многозонального снимка Landsat-8

Автоматизированное дешифрирование – интерпретация данных, находящихся в снимке, выполняемая электронно-вычислительной машиной. Данный метод используется благодаря таким факторам, как обработка огромного количества данных и развитие цифровых технологий, предлагающих изображение в формате, подходящим для автоматизированных технологий [8]. Для дешифрирования снимков используется определенное программное обеспечение (ПО): ArcGIS, ENVI (см. рис.5), Панорама, SOCET SET и т.д.

Рис.5. Интерфейс программы ENVI 4.7.01

Несмотря на все плюсы использования ЭВМ и специализированных программ, постоянное развитие технологий, у автоматизированного процесса есть и проблемы: распознавание образов на машинной классификации с помощью узко формализованных дешифровочных признаков [1].

Для идентификации объектов их разбивают на классы с определенными свойствами, это процесс разделения пространства по участкам и классам объектов называется сегментацией. Из-за того, что объекты при съемке часто бывают закрытыми и с "шумами" (облака, дым, пыль и т.д.), то машинная сегментация носит вероятностный характер. Для повышения качества к спектральным признакам объектов (цвет, отражение, тон) добавляют информацию о форме, текстуре, расположению и взаимном расположении объектов [1].

Для машинной сегментации и классификации объектов существуют алгоритмы, разработанные на разных правилах классификации:

1. с обучением (контролируемая классификация);

2. без обучения (неконтролируемая классификация).

Алгоритм классификации без обучения может достаточно быстро сегментировать изображение, но с большим количеством ошибок. Контролируемой классификации необходимо указание участков-эталонов, в которых присутствуют объекты одного типа с классифицируемыми. Этот алгоритм требует больших затрат от ЭВМ и дает результат с большей точностью [3].

3.1. Автоматизированное дешифрирование с использованием комплекса envi 4.7.01

Для изучения методов дешифрирования и обработки космических снимков проведено дешифрирование снимка со спутника Landsat-8 на территорию Удмуртской Республики. Снимок получен с сайта Геологической службы США. На снимке отчетливо видны города Ижевск, также без искажений читаются Ижевский пруд, течение реки Кама от города Воткинск до города Сарапул. Дата съемки – 15.05.2013 и 10.05.2017. Процент покрытия снимка 2013 года облаками – 45% и верхняя часть снимка сложно дешифрируется (однако практически весь весенне-летний период съемок содержит высокое содержание облаков на снимке). Поэтому основная работа по анализу информации будет проходить с более актуальным снимком.

Процент покрытия снимка 2017 года облаками – 15% и правый верхний угол снимка не пригоден для обработки из-за группы облаков, закрывающих поверхность территории.

Система координат, принятая к использованию на снимке – UTM – универсальная поперечная проекция Меркатора, основанная на эллипсоиде WGS84.

Программный комплекс (ПК) ENVI – программный продукт, обеспечивающих полный цикл обработки оптико-электронных и радарных данных дистанционного зондирования Земли (ДЗЗ), а также их интеграции с данными геоинформационных систем (ГИС).

К преимуществам ENVI также относится интуитивно понятный графический интерфейс, позволяющий начинающему пользователю быстро освоить все необходимые алгоритмы обработки данных. Логические ниспадающие пункты меню облегчат нахождение функции, которая необходима в процессе анализа или обработки данных. Есть возможность упростить, перестроить, русифицировать или переименовать пункты меню ENVI или добавить новые функции. В версии 4.7 осуществлена интеграция продуктов ENVI и ArcGIS [13].

Для подготовки снимка к процессу дешифрирования необходимо его обработать и получить само спектральное изображение для анализа. Для получения изображения из серии снимков необходимо скомпоновать все каналы в единый поток/контейнер с помощью команды на панели управления Layer stacking (см.рис.6). После всех преобразований получаем многоканальный контейнер/изображение, с которым можно продолжать работу: фильтрация, привязка, неконтролируемая классификация, выявление динамики, векторизация. Все каналы изображения будут приведены к одному разрешению и к одной проекции. Для загрузки этой команды необходимо выбрать: Basic Tools > Layer Stacking или Map > Layer Stacking [5].

Рис.6. Интерфейс программы ENVI - компоновка каналов в Layer stacking

Визуализируя мультиспектральное изображение, необходимо в меню программного комплекса ENVI выбрать следующие команды: File > Open External File > QuickBird. В новом окне Available Bands List (см. рис.7) для синтеза изображения в строчках RGB мы выбираем красный, зеленый и синий каналы соответственно - последовательность каналов "4,3,2". В итоге получаем изображение, привычное человеческому глазу (см.рис.8.) и на экране появляется 3 новых окна - Image, scroll, zoom [5].

Рис.7. Окно Available Bands List

Рис.8. Синтезированное изображение снимка 15.05.2013 г - последовательность каналов "4,3,2".

С недавнего времени применительно к снимку Landsat-8 в ENVI чаще используют последовательность каналов "3,2,1" для получения изображения в близких к естественным цветам [9,10]. Для сравнения двух последовательностей проведем процедуру фильтрации (В окне Image есть вкладка Filter), выводя оба результата на экран (см. рис. 9).

Рис.9. Фильтрация снимка в последовательности "3,2,1"

Благодаря этой команде можно улучшить качество снимка: в данном случае, увеличилась прозрачность облаков, появились четкие контуры разделения поверхностей (акватории, лес, антропогенные территории). Фактически Filter помогает корректировать "шумы" снимка.

Неконтролируемая классификация выполняется по принципу распределения пикселей по классам - сходным яркостным характеристикам. В ENVI существует два алгоритма работы с неконтролируемой классификацией: K-means и IsoData. Команда K-means на порядок сложнее: она требует определенных навыков в подборке настроек изображения и выводов результатов. Команда IsoData проще и требует лишь изменения указанных параметров (см.рис.10): главная панель, команда Classification - Unsupervised - K-means / IsoData (см. рис.11) [5].

Рис.10. Окно настройки параметров IsoData в ENVI

В полученном примере неконтролируемой классификации преобладают инфракрасный и синий каналы, дающие подробную информацию о гидросети на территории снимка.

Рис.11. Неконтролируемая классификация

Через комплекс ENVI легко и удобно проводить регистрацию изображения с использованием геопривязанного изображения, в последующем полученное изображение используется в MapInfo. Для этого в главном меню выбираем Map > Registration > Select GCPs: Image to Map [5]. Результат сразу можно вывести в MapInfo для сравнения, сохранив в специальном формате (см.рис.12).

Рис.12. Геопривязка снимка для использования в MapInfo

Векторизация снимка в ENVI происходит с тем же набором данных, что и привязка снимка из ENVI в MapInfo, через команду векторизации: необходимо задать проекцию, эллипсоид, номер зоны (см.рис.13).

Динамика изменений на выбранной территории отслеживается с использованием разновременных многозональных снимков (за 2013 и 2017 гг.). Динамику можно отследить 3 методами:

• метод мигания;

• метод "сэндвича" - совмещения слоев в MapInfo;

• использование карты изменений.

Рис.13. Векторизация снимка

Метод мигания создает два разных окна с 2-мя снимками с помощью команды New Display в окне выбора слоев для показа. Оба снимка связываются при помощи команды Link Displays в окне Image и на экране можно видеть оба снимка, которые двигаются одинаково в разные моменты времени, отображающие одну и ту же местность (см.рис.14). По клику мыши дисплеи со снимками будут меняться местами - мигать, что и позволит обнаружить изменения (динамику).

Рис.14. Выявление динамики - метод мигания

Метод "сэндвича" заключается в единовременном совмещении обоих снимков, предварительно сохраненных в формате Jpeg2000/.jp2 с помощью команды File - Save Image as. Поочередно оба изображения необходимо открыть в Mapinfo в единой проекции (универсальная поперечная проекция Меркатора). Для комфортного сравнения у верхнего слоя/снимка изменяют прозрачность - 50% и проводят визуальный поиск изменений с последующим выделением ареалов динамики (см.рис.15).

Если 2 полученных снимка имеют геопривязку, разделение по слоям и формат geotiff/tiff, то имеет место быть современный актуальный метод - карта изменений. На обоих снимках необходимо выбрать один и тот же тип слоя, к примеру, третий - зеленый. В итоге преобразований получается карта с большим количество шумов, требующая настройки фильтров.

Рис.15. Выявление динамики - способ "сэндвича"

Если сравнивать все три метода, то автору работы более импонирует метод "сэндвича", т.к. метод мигания дает сильную нагрузку зрению и вызывает преждевременную физиологическую усталость глаз. Создание же карты изменений не всегда эффективно, т.к. полностью шумы убрать невозможно.