Пестунов И.А. Синявский Ю.Н. Мельников П.В. Рылов С.А.
Технология сегментации многоспектральных спутниковых изображений высокого пространственного разрешения
Докладчик: Синявский Ю.Н.
В настоящее время с целого ряда спутников (см., например, http://www.sovzond.ru/satellites) регулярно поступают многоспектральные изображения высокого пространственного разрешения (2–4 м). Характерная особенность таких изображений заключается в том, что значительная часть информации, необходимая для их описания, заключена в пространственных характеристиках (текстура, форма, размер и т.п.). Распространенные методы сегментации, учитывающие лишь спектральные признаки, оказываются неэффективными для анализа таких изображений. Получаемые с их помощью картосхемы являются чрезмерно раздробленными и малопригодны для дальнейшей интерпретации специалистами предметных областей. Поэтому разработка эффективных методов, алгоритмов и технологий сегментации многоспектральных изображений, учитывающих как спектральные, так и пространственные характеристики изображений, является актуальной задачей [1].
В докладе представляется технология сегментации спутниковых изображений высокого пространственного разрешения, позволяющая наряду со спектральными признаками учесть текстурные и контекстные характеристики, а также априорные сведения об объектах исследования. Обработка осуществляется в четыре этапа. На первом этапе выполняется сегментация исходного изображения по спектральным признакам с использованием алгоритма кластеризации. Второй этап обработки позволяет учесть имеющиеся априорные предположения об объектах исследования. Для этого выполняется формирование набора тематических слоев на основе различных комплексных признаков (индексов) с последующим построением пространственных масок, предназначенных для выделения конкретных объектов (например, водная поверхность, здания, дороги, тени и т.п.). Третий этап обработки предназначен для учета контекстной информации. Он заключается в формировании ансамбля алгоритмов морфологической сегментации. Для этого выполняется построение минимального остовного дерева графа изображения. Вершинами графа являются пиксели изображения, а ребра строятся на основе пространственного расположения пикселей. Вес каждого ребра равен значению выбранной меры схожести соединяемых им пикселей. Минимальное дерево строится по набору маркеров, выбранных на картосхеме, которая получена на первом этапе. Для получения устойчивого результата, не зависящего от выбора маркеров, формируется ансамбль алгоритмов (каждый алгоритм использует свой случайный набор маркеров). На завершающем этапе выполняется текстурная сегментация картосхемы (с учетом построенных масок) [2].
В докладе приводятся результаты обработки изображений, полученных со спутников Pleiades, QuickBird и WorldView-2, подтверждающие эффективность представленной технологии.
Работа выполнена в рамках партнерского проекта СО РАН № 74 и при финансовой поддержке РФФИ (гранты №№ 11-07-00202, 11-07-00346).
1. Dey V., Zhang Y., Zhong M. A review on image segmentation techniques with remote sensing perspective // W. Wagner, B. Székely (eds.) // ISPRS TC VII Symposium – 100 Years ISPRS, Vienna, Austria, July 5-7, 2010. IAPRS, Vol. XXXVIII, Part 7A. P. 31-42.
2. Пестунов И.А., Рылов С.А. Алгоритмы спектрально-текстурной сегментации спутниковых изображений высокого пространственного разрешения // Вестник КемГУ. 2012. № 4/2 (52). C. 104-110.
К списку докладов