Доклад Григорьев Октябрьский ВКА

ПОКАЗАТЕЛИ ИНФОРМАТИВНОСТИ ГИПЕРСПЕКТРАЛЬНЫХ СРЕДСТВ
ПРИ РЕШЕНИИ ЗАДАЧ МОНИТОРИНГА ПРИРОДНЫХ
И АНТРОПОГЕННЫХ ПРОЦЕССОВ
Григорьев А.Н., Октябрьский В.В.
Военно-космическая академия имени А.Ф. Можайского, Санкт-Петербург,
Grig-AN@ya.ru
Современный этап развития оптико-электронного дистанционного зондирования
Земли (ДЗЗ) характеризуется повышенным интересом к гиперспектральным средствам
наблюдения, позволяющим регистрировать высокоинформативные в спектральном
отношении
разнородные
многомерные
данные
[1].
Преобладающую
часть
исследований в указанном научно-техническом направлении как в Российской
Федерации, так и за рубежом можно отнести к решениям фундаментальных задач [2].
Данный факт накладывает свой отпечаток на состав требований к разрабатываемым
средствам регистрации гиперспектральных данных. Основным из них является
покрытие максимально возможного участка оптического диапазона электромагнитного
излучения с наилучшим спектральным разрешением, характеризующим ширину
отдельных спектральных каналов. Теория и практика оптического приборостроения
показывает, что создание прибора, удовлетворяющего указанному требованию,
является задачей комплексирования нескольких подсистем, основанных на различных
оптических материалах и приемниках лучистой энергии. В таком случае приходится
иметь дело с достаточно дорогостоящим, имеющим большую массу и сложным в
эксплуатации прибором. Если рассмотреть ситуацию с позиции прикладных
исследований, то условия их решения с применением как космических, так и
воздушных носителей требуют разработки и внедрения достаточно миниатюрных
приборов. Высказанное утверждение поддерживается современными тенденциями в
области ДЗЗ, состоящими в переходе к целевой эксплуатации малых космических
аппаратов, с оптико-электронной бортовой специальной аппаратурой (например,
Ikonos, EROS-A/B, OrbView, QuickBird, Канопус-В/БКА).
В практике оптико-электронного ДЗЗ определены поддиапазоны спектра
оптического излучения, которые традиционно используются при многозональной
съемке подстилающей поверхности и отчасти определяют спектральные свойства
регистрируемых данных. К ним относятся интервалы длин волн, представленные в
табл. 1.
Таблица 1
Типовые поддиапазоны спектра оптического излучения в ДЗЗ
№
1
Аббре-
Расшифровка (англ.)
виатура
VNIR
Visible and Near InfraRed
Расшифровка (рус.)
Видимый
и
ближний
Интервал длин
волн, мкм
0,4–1
инфракрасный (ИК)
2
SWIR
Short Wave InfraRed
Коротковолновый ИК
1–2,5
3
MWIR
Mid Wave InfraRed
Средневолновый ИК
3–5
4
TIR
Thermal InfraRed
Тепловой
8–11
(длинноволновый,
дальний) ИК
Границы приведенных поддиапазонов задаются комплексом внешних и
внутренних условий наблюдения: спектральными окнами прозрачности атмосферы [3]
и спектральной чувствительностью приемников излучения [4]. Соответственно вопрос
минимизации массы и габаритов гиперспектрального прибора требует обоснованного
выбора только одного рабочего поддиапазона. При этом исходить следует из
особенностей задач, решение которых обеспечивается рассматриваемым прибором и
состоящих в наблюдении условно ограниченного количества типов объектов. Для того
чтобы сделать заключение о выборе конкретного поддиапазона, необходимо иметь для
всех исходных поддиапазонов некоторые оценки информативности по отношению к
объектам наблюдения. Информативность предлагается рассматривать только в
спектральном отношении, так как вопрос о пространственной составляющей
регистрируемых данных является отдельной проблемой.
Известно,
что
изначально
гиперспектральные
системы
создавались
с
ориентацией на задачи спектрометрии, и конечным продуктом системы являются
наборы изображений спектральных каналов в физических единицах
sλ n : в
коэффициентах спектрального отражения (КСО) или (для частных случаев) в
коэффициентах спектральной яркости [5]. Наборы изображений являются источниками
спектральных характеристик S  λ n  изобразившихся на них объектов. Спектральная
характеристика в КСО sλ n является дискретным по длине волны λ сигналом S  λ n  ,
регистрируется и хранится, как правило, в табличном виде, и ее можно представить в
виде вектора
S  λ n   sλ1 , sλ 2 ,..., sλ n
где
,
λ n — средняя длина волны для канала гиперспектрального средства с номером
n из выборки объемом N.
Информативность спектральной характеристики S  λ n  на некотором участке
спектра оптического излучения можно качественно определить ее изменчивостью, т. е.
наличием различий значений разных отсчетов КСО s λ n , что проявляется в характерных
особенностях: максимумах, минимумах, больших значениях градиентов сигнала. В
таком случае для оценивания информативности S  λ n  на интервале длин волн [λ1, λn]
можно ввести понятие спектральной вариации, с которой, в свою очередь, можно
сопоставить
количественный
показатель.
Для
оценивания
спектральной
информативности путем вычисления меры спектральной вариации предлагаются два
~
σ[ S λ n  ] (СКО) и
показателя: классическое среднеквадратическое отклонение
~
максимальный спектральный контраст k [ S λ n  ] , представляющие собой выборочные
характеристики и вычисляемые по следующим формулам:







1 N
~
S λ n  i  M s S λ n 

N  1 i 1
~S
σ
λ n  


2
;
max S  λ n   min S  λ n 
~
k Sλ n  
,
DR

где



~
M S  λ n  – выборочное среднее;
N – количество отсчетов спектральной характеристики ρ(λ) на интервале
[λ1, λn];
DR – динамический диапазон спектральной характеристики S  λ n  .
~
Среднеквадратическое отклонение σ[ S  λ n  ] является показателем рассеивания


~
значений величины КСО s λ n относительно её выборочного среднего M s S n  , а
~
максимальный спектральный контраст k [ S λ n  ] представляет собой размах вариации,
нормированный по динамическому диапазону DR.
~
~
Кроме указанных показателей вариации σ[ S  λ n  ] и k [ S λ n  ] в качестве
количественной оценки информативности спектральной характеристики S  λ n  как
некоторого
сигнала
предлагается
использовать
информационную
энтропию,
предложенную в классических работах К. Шеннона [6]. С учетом принятых
обозначений значение информационной энтропии определяется выражением


 
 ,
m
~
H S  λ n   ~ j sλ n ln ~ j sλ n
j 1
где
~ j s 
n
 – плотность распределения значений величины КСО sλ
n
, эмпирически
оценивае-мая по гистограмме дискретной величины S  λ n  на интервале [λ1, λn];
m – количество интервалов значений гистограммы.
В настоящее время существует ряд банков спектральных характеристик
объектов, которые характерны для подстилающей поверхности. В качестве примеров
можно привести как отечественные разработки – базу данных спектрально-яркостных
характеристик
спектральных
элементов
ландшафта
характеристик
в
ВКА
объектов,
имени
А.Ф.Можайского,
поддерживаемую
базу
некоммерческим
сообществом GIS-Lab, так и зарубежные аналоги – USGS Digital Spectral Library, JPL
Spectral Library, ASTER Spectral Library и т.д. Указанные источники могут быть
использованы для формирования набора исходных данных в задаче оценивания
информативности типовых поддиапазонов спектра по предложенным показателям.
Объектовая обстановка на местности при решении задач мониторинга по разным
регионам отличается большим многообразием, связанным с наблюдением ландшафтов
и
урбанизированных
исследовании
спектральными
территорий
сформирован
в
произвольном
соотношении.
банк
объектов
подстилающей
характеристиками,
который
может
В
данном
поверхности
использоваться
в
с их
качестве
источника исходных данных при первичном оценивании информативности выбранных
поддиапазонов спектра в задачах мониторинга. Примеры спектральных характеристик
для природных и антропогенных объектов из каждого выделенного класса
представлены на рис. 1 и 2.
100
VNIR
SWIR
MWIR
TIR
1
КСО
75
6
50
2
5
25
4
3
0
0,4
1
2,5 3
Длина волны, нм
58
11
Рис. 1. Спектральные характеристики природных объектов:
1 – снег; 2 – лиственная древесная растительность;
3 – луговая растительность; 4 – песок; 5 – суглинок; 6 – глина
Получены результаты расчета выбранных показателей информативности
~
~
~
σ[ S λ n  ] , k [S λ n  ] и H S λ n  для сформированных классов объектов в различных


поддиапазонах спектра. Каждый класс характеризуется выборочными средними для
~
~
~
набора показателей σ[ S  λ n  ] , k [ S λ n  ] и H S λ n  , полученными индивидуально для


всех содержащихся в банке классов объектов и позволившие получить рейтинги
информативности гиперспектральных средств при мониторинге сложной объектовой
обстановки (табл. 2).
100
VNIR
КСО
75
SWIR
MWIR
TIR
4
50
3
2
5
25
6
1
0
0,4
1
2,5 3
Длина волны, нм
58
11
Рис. 2. Спектральные характеристики антропогенных объектов:
1 – асфальт; 2 – бетон; 3 – кирпич; 4 – строительная древесина;
5 – оцинкованная сталь; 6 – шифер
Таблица 2
Рейтинги информативности по типовым поддиапазонам
Поддиапазон
~
σ[ S λ n  ]
Показатель информативности
~
k [ S λ n  ]

~
H S λ n 
VNIR
1/2
2
1
SWIR
1/2
1
2
MWIR
3
3
3
TIR
4
4
4

Поклассовый анализ результатов дает ясное представление о том, что при
решении частных задач по наблюдению ограниченного одним классом состава
объектов наиболее информативным может являться произвольный из рассматриваемых
поддиапазонов. Например, согласно выполненным расчетам поддиапазон VNIR
наиболее
информативен
в
задачах
наблюдения
лесной
растительности,
конструкционных материалов и т.д., SWIR – асфальтовых дорожных покрытий, MWIR
–
водных
объектов.
Отдельные
показатели
информативности
дают
хорошо
согласованные результаты.
Полученные значения позволяют сделать вывод о том, что при наблюдении
сложной обстановки на местности потенциально наиболее информативным является
поддиапазон VNIR (0,4–1 мкм), имеющий максимальные суммы рангов по всем
выбранным показателям информативности. Следующее место по информативности
принадлежит поддиапазону SWIR (1–2,5 мкм), обладающему вторыми по величине
суммами рангов рассмотренных показателей.
Таким
образом,
предложен
подход
к
оцениванию
информативности
гиперспектральных средств мониторинга в контексте решаемых задач, основанный на
анализе банка спектральных характеристик объектов с использованием набора
предложенных показателей. Важным результатом является обеспечение возможности
определения наиболее информативных поддиапазонов с учетом комплекса внешних и
внутренних
условий
ведения
гиперспектральной
съемки,
что
представляет
практическую ценность при разработке средств мониторинга, реализуемых на
современной
оптико-электронной
технологической
базе. Представлены первые
результаты по исследованию типовых поддиапазонов, в которых возможно ведение
мониторинга природной среды и масштабных антропогенных процессов.
Список литературы:
1. Гиперспектральные приборы и технологии//Тез. докл. научно-техн. конф. –
Красногорск: ОАО «Красногорский завод им. С.А. Зверева», 2013. – 152 с.
2. Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки
изображений. – М.: Техносфера, 2010. –560 с.
3. Бакланов А.И. Системы наблюдения и мониторинга. – М.: Бином. Лаборатория
знаний, 2009. – 234 с.
4. Штоколов Э.А., Шлычков В.И., Золотарев А.И. Методики лабораторных и
натурных испытаний телевизионных и тепловизионных каналов оптикоэлектронных систем//Контенант: науч.-техн. сб. – 2012. – Т. 11, № 1. – С. 13–16.
5. Чапурский Л.И. Отражательные свойства природных объектов в диапазоне 400–
2500 нм. – МО СССР, 1986. – 160 с.
6. Шеннон К.Э. Работы по теории информации и кибернетике. – М.: Изд-во иностр.
лит., 1963. – 852 с.
7. Sturges H. The choice of a class-interval//J. Amer. Statist. Assoc. – 1926. – № 21, P.
65-66.