Слайд 1 - Аэрокосмос

Министерство образования и науки Российской Федерации
Российская академия наук
Федеральное государственное бюджетное научное учреждение
«Научно-исследовательский институт аэрокосмического
мониторинга «АЭРОКОСМОС»
ПРИМЕНЕНИЕ СУПЕРКОМПЬЮТЕРОВ ДЛЯ
ОБРАБОТКИ ПОТОКОВ АЭРОКОСМИЧЕСКИХ
ИЗОБРАЖЕНИЙ
академик РАН Бондур В.Г.,
д.т.н.,профессор Резнев А.А.
105064, Россия, г.Москва, Гороховский пер., д.4
Тел.: 632-16-54, факс: 632-11-78
E-mail: vgbondur@aerocosmos.info
www.aerocosmos.info
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ ЗЕМЛИ
В настоящее время около 50 стран мира разрабатывают и
изготавливают космические средства, а результатами космической
деятельности пользуются около 150 стран.
Наиболее
связанной
быстро
с
развивающихся
использованием
областей
деятельности,
изображений,
дистанционное зондирование Земли (ДЗЗ).
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
является
АКТУАЛЬНОСТЬ ДЗЗ
•
Дистанционное зондирование Земли (ДЗЗ) вносит
существенный вклад в экономику развитых стран
Космическая информация используется для:
- проведения исследований в интересах наук о
Земле,;
- исследования и рационального использования
природных ресурсов;
- охраны окружающей среды;
- предупреждения
и
ликвидации
последствий
чрезвычайных ситуаций (природные катастрофы и
техногенные аварии);
- метеорологии и климатологии;
- лесного и сельского хозяйства;
- градостроительства, транспорта, энергетики;
- создания карт, кадастров различных объектов,
формирования геоинформационной продукции;
- обеспечение безопасности страны и др.
•
Этот вид деятельности наиболее восприимчив к
инновациям и требует внедрения самых последних
достижений фундаментальной и прикладной науки
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
Сочи
Адлер
Черное море
ТИПЫ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ
GeoEye-1
При дистанционном мониторинге наиболее часто используются оптические
(панхроматические (ПАН), многоспектральные (МСИ) и гиперспектральные), а
также радиолокационные изображения (РЛИ) различного разрешения:
сверхвысокого и высокого (0,4–7,0 м); среднего (7,0–50,0 м); низкого (50,0–1100 м).
Изображения сверхвысокого и высокого разрешения формируются
спутниками с оптической (Ресурс-ДК, Ресурс-П (Россия), GeoEye, QuickBird,
WorldView-1,2, Ikonos (США), европейскими КА RapidEye, Spot-5 (детальный
режим) и др.) и радиолокационной аппаратурой (TerraSAR-X, TanDEM-X,
CosmoSkyMed (ЕКА), Radarsat-2 (Канада) и др.), а также с воздушных носителей.
Стадион в Лужниках
МГУ им. М.В. Ломоносова
Москва - Сити
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ТИПЫ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ
Изображения среднего разрешения формируются КА с оптической
(Landsat (США), японский ALOS (AVNIR-2, PRIZM), французский Spot-5
(обзорный режим) и др.) и радиолокационной аппаратурой (Radarsat-1
(Канада), японский ALOS (PALSAR) и др.)
Обзорные изображения низкого разрешения формируют оптические КА
типа МЕТЕОР-М, AQUA, TERRA, Suomi NPP (MODIS), NOAA (AVHRR),
геостационарные КА (METEOSAT, GOES , ЭЛЕКТРО-Л) ; радиолокационные
КА типа CosmoSkyMed (ЕКА) и Radarsat-1 (Канада).
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ФОРМИРОВАНИЕ БАЗ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ
Покрытие космическими
изображениями зоны
приема наземной станции
Работа с базой данных
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ИСПОЛЬЗОВАНИЕ АЭРОКОСМЧИЕСКИХ
ИЗОБРАЖЕНИЙ
Огромное количество потребителей применяют изображения,
полученные с борта космических аппаратов и воздушных носителей
(самолеты,
вертолеты,
беспилотные
летательные
аппараты,
аэростаты , дельтапланы и др.)для решения различных задач
Для эффективного использования больших объемов данных,
поступающих
при
аэрокосмическом
мониторинге,
требуется
разработка и применение инновационных
методов, технологий,
программных
и
технических
средств
хранения
и
высокопроизводительной обработки изображений
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОСНОВНЫЕ ЭТАПЫ ОБРАБОТКИ АЭРОКОСМИЧЕСКИХ
ИЗОБРАЖЕНИЙ
1. Предварительная обработка (радиометрическая и геометрическая
коррекция; учет влияния атмосферы; географическая привязка; синтез изображений
из радиоголограмм и др.) ;
2. Повышение качества изображений (контрастирование; фильтрация;
подчеркивание границ; совмещение панхроматических и многоспектральных
изображений синтез цветных и псевдоцветных изображений и т.п.) ;
3.
Тематическая
обработка:
классификация
(контролируемая,
неконтролируемая) на основе различных подходов (детерминированного,
непрерывно-группового,
синтаксического,
статического,
нечеткого,
нейрокомпьютерного и т.п.); обнаружение изменений в изображениях и др.;
4. Интерпретация изображений (выявление признаков; символьное
представление результатов; семантическая интерпретация и др.);
5. Формирование временных рядов тематически сегментированных изображений;
6. Сопоставление результатов обработки разновременных и разнотипных
изображений и экспорт их в ГИС.
7.
Анализ результатов обработки и формирование обоснованных
рекомендаций для принятия решений.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
СУЩЕСТВУЮЩЕЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ
ДЛЯ ОБРАБОТКИ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ
•ENVI (EXELIS)
•ERDAS ErMapper (INTERGRAPH, ERDAS)
•ERDAS Imaging (INTERGRAPH, ERDAS)
•GEOMATICA (PCI GEOMATICS)
•ASPECT-STAT (АЭРОКОСМОС)
•SHELL (АЭРОКОСМОС)
•XCLASSIFIER (АЭРОКОСМОС)
•DYNCLASSIFIER (АЭРОКОСМОС)
•SERIAL Image Analyzer (АЭРОКОСМОС)
•ScanMagic (СКАНЕКС)
•ScanEx Image Processor (СКАНЕКС)
Существующие
программные
комплексы
обеспечивают
предварительную и тематическую обработку изображений.
Однако, они не обеспечивают оперативную обработку данных ДЗЗ и
имеют низкую степень автоматизации.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРОГРАММНЫЕ КОМПЛЕКСЫ ДЛЯ ОБРАБОТКИ
ИЗОБРАЖЕНИЙ
Основные программные комплексы, предназначенные для
обработки
изображений,
функционируют
на
различных
вычислительных
средствах
с
использованием
различных
операционных систем.
Для повышения эффективности аэрокосмического мониторинга
требуется развитие существующих и разработка новых программных и
технических средств обработки данных с целью автоматизации,
повышения достоверности и быстродействия.
Особо важную роль для достижения этих целей играет выбор и
применение соответствующих вычислительных средств.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ИНФОРМАЦИИ, ФОРМИРУЕМЫХ
ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ОДИНОЧНЫХ
МУЛЬТИСПЕКТРАЛЬНЫХ АЭРОКОСМИЧЕСКИХ
ИЗОБРАЖЕНИЙ
Объем информации для одного многоспектрального
космического изображения:
N1 N 2
I

r n
R1 R2
где N1, N2 – размеры сцены вдоль и поперек трассы, м;
R1, R2 – пространственное разрешение вдоль и поперек трассы, м;
r – радиометрическое разрешение, бит;
n – число спектральных каналов.
Например, для одного многоспектрального изображения,
полученного со спутника WorldView-2, (N1=N2=20 км, R1 = R2 = 2 м;
r = 11 бит, n = 8),
I ≈ 1.1 ГБ.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ИНФОРМАЦИИ, ФОРМИРУЕМЫХ
ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ
При мониторинге используются не одиночные аэрокосмические
изображения, а потоки изображений, поступающих через определенные
интервалы времени для всей контролируемой территории.
Например, система оперативного космического мониторинга пожаров
НИИ «Аэрокосмос» использует данные с многоспектральных приборов
MODIS (спутники TERRA, AQUA), AVHRR (спутники NOAA), МСУ-МР
(спутник МЕТЕОР-М), а также данные высокого и среднего разрешения
(спутники RapidEye, Landsat и др.) [Бондур , 2010 , 2011, Bondur , 2010].
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
БЛОК-СХЕМА СИСТЕМЫ ОПЕРАТИВНОГО КОСМИЧЕСКОГО
МОНИТОРИНГА ПОЖАРОВ НИИ«АЭРОКОСМОС»
В.Г.Бондур. Вестник ОНЗ РАН, Том 2, 2010; В.Г.Бондур. Российский космос, №12, 2010;
В.Г.Бондур. Исследования Земли из космоса, №3, 2011; Бондур В.Г. Вестник РФФИ, №2 (70)
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ЗОНЫ ПРИЕМА КОСМИЧЕСКОЙ ИНФОРМАЦИИ
АНТЕННЫМИ КОМПЛЕКСАМИ «АЭРОКОСМОС»
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ИНФОРМАЦИИ,
ФОРМИРУЕМЫХ ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ
Объем одного изображения MODIS (36 каналов, разрешение 250 м,
500 м, 1000 м), составляет ~ 1 ГБ.
Объем одного изображения AVHRR (5 каналов, разрешение 1100 м) и
МСУ-МР (6 каналов, разрешение ~ 1100 м) составляет ~ 100 МБ.
Территория России и близлежащих стран покрывается 7-ю такими
изображениями.
Периодичность получения данных системой «Аэрокосмос» - 25 раз
в сутки.
Поток исходной обзорной космической информации составляет
~ 120 ГБ в сутки.
Для мониторинга последствий пожаров и оценки эмиссий вредных
газов в атмосферу используются также данные среднего и высокого
разрешения их объем достигает ~ 100 ГБ в сутки.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ИНФОРМАЦИИ,ФОРМИРУЕМЫХ
ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ
Суммарный объем потоков данных, получаемых при оперативном
космическом мониторинге для обнаружения и оценки последствий
пожаров на территории России и близлежащих стран, ~ 220 ГБ в сутки.
Близкий объем космических данных (~280 ГБ в сутки) формируется
государственной
территориально-распределенной
системой
космического мониторинга Росгидромета.
Подобные
объемы
информации
формируются
и
другими
спутниковыми, а также воздушными системами мониторинга.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОБЪЕМЫ ИНФОРМАЦИИ ДЛЯ РАЗЛИЧНЫХ
ОДИНОЧНЫХ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ, А ТАКЖЕ ПОТОКОВ
ИЗОБРАЖЕНИЙ И РЕЗУЛЬТАТОВ ИХ ОБРАБОТКИ.
Разрешение
Типы
изображений
Объемы информации
Одиночные
изображения,
ГБ
При
мониторинге,
ГБ
Результаты обработки,
МБ
Растровые
4
5
6
Веторные
1
2
3
Высокое
ПАН
МСИ
РЛИ
0.5–2
0.4–1
1–2
50…100
1–100
0.1–5
Среднее
ПАН
МСИ
РЛИ
0.2–0.4
0.3–1
0.5–1
70…120
1–100
0.1–5
Низкое
МСИ
РЛИ
0.5–1
0.25–1
100…150
1–100
0.1–5
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ВЫБОР ВЫЧИСЛИТЕЛЬНЫХ РЕСУРСОВ ДЛЯ
ОБРАБОТКИ ПОТОКОВ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ
Процессы обработки данных, формируемых при дистанционном
мониторинге, сводятся к выполнению ряда математических операций
над цифровыми изображениями.
Наиболее трудоемкими являются операции предварительной
обработки растровых цифровых массивов (например, синтез
радиолокационных изображений (РЛИ) из радиоголограмм), а также
операции типа двумерного быстрого преобразования Фурье (БПФ),
являющегося одной из базовых при обработке и классификации
изображений. Оценку необходимой производительности ЭВМ проведем
на примере этих операций.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ БПФ
Время выполнения двумерного БПФ:
t = 5 N log2(N) / V ,
где,
N – число пикселей в изображении;
V – производительность ЭВМ.
Время выполнения БПФ для одного аэрокосмического изображения
размером 40000х40000 пикселей на одном процессоре Pentium 4, 3.6 ГГц,
оцененное составляет
t~160 с.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ БПФ
Скорость выполнения двумерного
БПФ (нормированная на размер
изображения N) в зависимости от N
(с использованием различных
библиотек)
Оценка масштабируемости производительности
двумерного БПФ на различных многоядерных
процессорах
[http://numbercrunch.de/blog/2010/03/parallel-fft-performance/]
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ВРЕМЯ ВЫПОЛНЕНИЯ БПФ ДЛЯ ИЗОБРАЖЕНИЯ
40000Х40000 ПИКСЕЛЕЙ НА РАЗЛИЧНЫХ
СУПЕРКОМПЬЮТЕРАХ.
Суперкомпьютер,
производительность
Число
процессоров/ядер
Время на
выполнение БПФ, с
2048 / 33072
< 0.1
128 / 512
6.5
256 / 1024
3.4
512 / 2048
1.6
ВНИИЭФ – 5 Tflops
41 / 164
7
ВНИИЭФ – 1.1 Tflops
36 / 144
25
«Ломоносов»,
1373 Tflops
IBM Blue Gene/P, МГУ
(2х1024 четырехядерных
вычислительных
узлов), 27,9 Tflops
Вид
суперкомпьютера
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ВРЕМЯ ВЫПОЛНЕНИЯ БПФ ДЛЯ
ПОТОКОВ ИЗОБРАЖЕНИЙ
При
обработке
потоков
изображений
и
каналов
мультиспектральных изображений время, затрачиваемое на
БПФ, возрастает пропорционально числу обрабатываемых
изображений (каналов).
Для
обработки
10
изображений
с
использованием
суперкомпьютера IBM Blue Gene/P потребуется 16 с.
Суперкомпьютер «Ломоносов» (МГУ) обработает те же
каналы менее чем за 1 с.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
СИНТЕЗ РАДАРНЫХ ИЗОБРАЖЕНИЙ
В ОДНОМ КАНАЛЕ
Базовая операция при синтезе РЛИ :
Nn 
.

Uррл (k ) | U (k  n)  h(n) |
,
n 1
где

U  Ug (k )  jUm(k ), – цифровой комплексный сигнал;
k – номер отсчета сигнала вдоль линии пути;

h ( n )  h g (n)  j  h m (n, )
– цифровая комплексная опорная функция;
Nn – количество отсчетов за время синтезирования.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ЧИСЛА ОПЕРАЦИЙ ПРИ СИНТЕЗЕ
РАДИОЛОКАЦИОННОЫХ СЦЕН
Для синтеза радиолокационной сцены потребуется провести расчёты для
каждого пикселя.
Число операций для этой процедуры:
K = 4NnNxNy,
где Nx и Ny – размеры радиолокационной сцены.
Для современных радиолокаторов количество
синтезирования Nn ~ 103.
отсчетов
Типовые размеры сцен
NxNy ~ 104 пикселей.
Для синтезирования такой сцены необходимо произвести
К = 41011 операций.
В перспективе К ~1012 операций.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
за
время
ОЦЕНКА ЧИСЛА ОПЕРАЦИЙ ДЛЯ ОБРАБОТКИ РЛИ
В ходе обработки РЛИ производятся и другие операции, требующие
существенных затрат компьютерного времени (трансформирование,
калибровка, фильтрация, сегментация и др.).
Общее число операций при обработке одного РЛИ ~ 5K.
Тогда обработка одной радиолокационной
выполнения 2(5/0.5)1012 = 21013 операций.
сцены
потребует
При обработке потоков РЛИ, формируемых при аэрокосмическом
мониторинга, одновременно могут обрабатываться не менее 5
изображений.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ВРЕМЕННЫХ ЗАТРАТ НА ОБРАБОТКУ 5-ТИ РЛИ
С ИСПОЛЬЗОВАНИЕМ РАЗЛИЧНЫХ ЭВМ.
Класс ЭВМ
Настольные
ПК
Производительность
1 Tflops
5 Tflops
Временные затраты, с
1014 / (0,011012) = 10000
10 Gflops
50 Gflops
Компактные
супер-ЭВМ
Число операций
521013 = 1014
(операций с
плавающей
точкой)
1014 / (0,051012) = 2000
1014 / 1012 = 100
1014 / (51012) ~20
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
КОМПАКТНАЯ СУПЕР-ЭВМ ВНИИЭФ
Основные характеристики
Универсальная
вычислительная
многофункциональная
ЭВМ
с
масштабируемой кластерной MIMDархитектурой
с
распределенной
памятью.
Возможно объединение нескольких
компактных супер-ЭВМ в одну
кластерную систему.
Пиковая производительность
1,1 Тфлопс
Количество вычислительных
ядер архитектуры х86
144 шт.
Рабочая частота процессоров
1,9 ГГц
Объем оперативной памяти:
• стандартный
• максимальный
384 Гбайт
1536 Гбайт
Емкость дисковой памяти:
•стандартный
•максимальный
12 Тбайт
24 Тбайт
Операционная система
Linux
Количество материнских плат и
процессов на плате
3 шт. / 4 шт.
Габариты (В х Ш х Г)
645 х 320 х 725 мм
Вес
60 кг
Потребляемая мощность (в
зависимости от комплектации)
До 2,5 кВт
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
НЕКОТОРЫЕ ПРИМЕРЫ ПРИМЕНЕНИЯ
АЭРОКОСМИЧЕСКИХ МЕТОДОВ МОНИТОРИНГА
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОПЕРАТИВНЫЙ КОСМИЧЕСКИЙ
МОНИТОРИНГ ПОЖАРОВ
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОПЕРАТИВНЫЙ КОСМИЧЕСКИЙ МОНИТОРИНГ ПРИРОДНЫХ
ПОЖАРОВ СИСТЕМОЙ «АЭРОКОСМОС»
Фрагменты
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРИМЕРЫ ОПЕРАТИВНОГО ОБНАРУЖЕНИЯ ПОЖАРОВ ИЗ
КОСМОСА
Пожары в Тюменской, Омской и Новосибирской областями
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПОЖАРЫ В КРАСНОДАРСКОМ КРАЕ 16 НОЯБРЯ 2010 ГОДА
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРИМЕРЫ ПРИРОДНЫХ ПОЖАРОВ В КРАСНОДАРСКОМ КРАЕ
ОБНАРУЖЕННЫЕ ИЗ КОСМОСА
20 сентября 2012 12-08 мск
18 сентября 2012 12-21 мск
17 сентября 2012 13-29 мск
28 сентября 2011 14-34 мск
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРОГНОЗИРОВАНИЕ РАСПРОСТРАНЕНИЯ ПОЖАРОВ В
ЗАВИСИМОСТИ ОТ МЕТЕОУСЛОВИЙ
*В.Г.Бондур. Российский космос, №12, 2010
ЛЭП
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПОЖАРЫ, ОБНАРУЖЕННЫЕ ИЗ КОСМОСА
В РАЙОНЕ МАГИСТРАЛЬНЫХ ЛЭП И НЕФТЕПРОВОДОВ
Магистральные
ЛЭП
Буферные
зоны ЛЭП
Магистральные
нефтепроводы
Буферные зоны
нефтепроводов
*В.Г.Бондур. Российский космос, №12, 2010
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
МОНИТОРИНГ ПОЖАРОВ ВБЛИЗИ ФЕДЕРАЛЬНОГО
ЯДЕРНОГО ЦЕНТРА (Г.САРОВ) 11 АВГУСТА 2010 Г.
*В.Г.Бондур. Российский космос, №12, 2010
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ВИЗУАЛИЗАЦИЯ ОБНАРУЖЕННЫХ ИЗ КОСМОСА ОЧАГОВ
ПОЖАРОВ (САЙТ http://www.aerocosmos.info/)
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
АНОМАЛЬНЫЕ ПОЖАРЫ В РОССИИ ЛЕТОМ 2010 Г.
Площади пройденные огнем с
июня по август 2010 г.
На территории Европейской части России
Изменения температур в июле 2010 г. по сравнению со
средними температурами этого месяца в 2002-2009 гг.
Относительное количество пожаров по месяцам
в 2010 г. в Европейской части РФ
На территории Московской области
*В.Г.Бондур. Российский космос, №12, 2010
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПОЖАРЫ В ЦЕНТРАЛЬНОЙ ЧАСТИ РОССИИ
(26 июля 2010)
В.Г.Бондур. Вестник ОНЗ РАН, Том 2, 2010;
В.Г.Бондур. Российский космос, №12, 2010
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ЭМИССИЙ УГАРНОГО ГАЗА (СО)
ПО КОСМИЧЕСКИМ ДАННЫМ
Эмиссии СО с 1 июня по 31 августа
2010 г. по данным «АЭРОКОСМОС»
На территории Европейской части России
Распределение концентрации СО для 15
августа 2010 г. спутник AQUA (аппаратура AIRS)
*В.Г.Бондур. Российский космос, №12, 2010
На территории Московской области
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРИМЕРЫ ПРИМЕНЕНИЯ РАЗРАБОТАННЫХ МЕТОДОВ,
АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ
МУЛЬТИСПЕКТРАЛЬНЫХ АЭРОКОСМИЧЕСКИХ ДАННЫХ
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
МЕТОД РАСПОЗНАВАНИЯ
ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ «КОДОВОЙ КНИГИ»
ТРИПЛЕТОВ КОНТУРОВ
Иллюстрация метода
Пример
выявления
триплетов на
основании
анализа теней
от людей
Примеры возможных
контуров людей
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРИМЕР ВЫДЕЛЕНИЯ АВТОТРАНСПОРТА И РАСЧЁТ
ПЛОТНОСТИ ДВИЖЕНИЯ ПО КОСМИЧЕСКИМ ИЗОБРАЖЕНИЯМ
Исходное космическое
изображение
Определение зоны интереса
Расчёт плотности движения
в области интереса
Выделение участка
автодороги
Классификация изображения
и выделение автотранспорта
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
АВТОМАТИЧЕСКОЕ ВЫДЕЛЕНИЕ ДОРОЖНОЙ СЕТИ И
СООРУЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ СВЁРТОЧНЫХ ФИЛЬТРОВ
Метод контрастирования линейных и граничных объектов
Исходное изображение
Результат контрастирования
линейных и граничных объектов
Карта выделенных сооружений
и дорожной сети
Применение масок Собеля
Карта выделенных сооружений и
дорожной сети
Метод с применением свёрточных масок Собеля для линейных объектов
Исходное изображение
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ФУНКЦИОНАЛЬНОЕ НАЗНАЧЕНИЕ РАЗРАБОТАННОГО
ПРОГРАММНОГО МОДУЛЯ «МУЛЬТИКЛАСС»
Реализуемые функции:
- классификация на основании дискриминантных функций при установке
весов вручную и автоматически в соответствии с кривой ошибок;
- построение кривой ошибок для случая простых и сложных альтернатив, а
также двух сложных альтернатив;
- распознавание с использованием кластеризации обучающей выборки;
- многоклассовое распознавание методом минимального риска;
- распознавание по обобщенному кубу меньшей размерности, полученному
методом разделения смесей;
- определение количественных характеристик с помощью нейронной сети;
- соединение разнородных геопривязанных данных для совместной
обработки
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОПРЕДЕЛЕНИЕ ПОРОДНОГО СОСТАВА ЛЕСА С
ИСПОЛЬЗОВАНИЕМ ПРОГРАММНОГО МОДУЛЯ «МУЛЬТИКЛАСС»
Многоклассовое
распознавание
методом
минимального
риска
Исходное гиперспектральное
изображение
Маска леса
Породный состав леса
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОПРЕДЕЛЕНИЕ ПЛОЩАДИ ПРОЕКТИВНОГО ПОКРЫТИЯ
ЛЕСА С ИСПОЛЬЗОВАНИЕМ ПРОГРАМНОГО МОДУЛЯ
«МУЛЬТИКЛАСС»
Нейросетевой
алгоритм с
использованием
градиентной
процедуры
поиска
локальных и
глобального
экстремума
функций
0
50
100%
Обучающие участки для определения
проективного покрытия
Обучение нейросетевого алгоритма
Исходное гиперспектральное
изображение
Площадь
проективного покрытия
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
РАСПОЗНАВАНИЕ ТИПОВ ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ
С ПОМОЩЬЮ ПРОГРАМНОГО МОДУЛЯ «МУЛЬТИКЛАСС»
Разновременные
гиперспектральные
изображения
ВЕСНА
ОСЕНЬ
Байесовский подход с установкой
весовых коэффициентов на
основании кривой ошибок для
случая сложных классов
ОСЕНЬ
ВЕСНА
Лес
Грунт темный
Грунт светлый
Вода
Бетон
Селитебные земли
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
КАРТЫ ЗАМЕЩЕНИЙ ТИПОВ ПОДСТИЛАЮЩЕЙ
ПОВЕРХНОСТИ
Грунт темный
Селитебные земли
Лес
Грунт темный
Грунт светлый
Вода
Бетон
Селитебные земли
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
Бетон
ЗАКЛЮЧЕНИЕ
Выполненные оценки свидетельствуют о необходимости и
возможности
обработки
использования
потоков
суперкомпьютеров
изображений,
формируемых
для
при
аэрокосмическом мониторинге для решения различных задач.
При этом необходимо иметь в виду, что с увеличением
производительности
ЭВМ
невозможно
добиться
пропорционального снижения скорости вычислений.
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
их
СПАСИБО ЗА ВНИМАНИЕ!
Бондур В.Г., Резнев А.А. Конференция «Суперкомпьютерные технологии СКТ – 2012»