Перевод

ПРЕДВАРИТЕЛЬНАЯ ОРТОРЕКТИФИКАЦИЯ СИНТЕЗИРУЕМЫХ
МУЛЬТИСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ
Благодаря дистанционному зондированию мы имеем постоянный и
неограниченный доступ ко всем уголкам земного шара, не нарушая норм
международного права. ДДЗ (данные дистанционного зондирования) позволяют
предупреждать развитие ситуации на ранней стадии – до того, как она потребует
принятия конкретных действий.
Мудит Матхур
Командир эскадрильи, Индийские военно-воздушные силы
mr.mudit@gmail.com
Оценить риски можно до того, как они превратятся в реальную угрозу. В последние
годы проблема синтеза изображений стала темой многих научных исследований, в
которых предлагаются различные алгоритмы, использующие многочисленные методы
обработки изображений и синтеза данных. Однако до сих пор не разработана оптимальная
методика синтеза мультиспектральных изображений и предварительного спектрального
разложения. В мозге человека ежедневно идут процессы обработки и синтеза данных. Их
цель – собрать через рецепторы информацию из различных однородных и неоднородных
источников, выделить нужные данные (сделать выводы, заключения) и объединить или
синтезировать их, чтобы получить полный образ воспринимаемого объекта и
идентифицировать его.
В
статье
описываются
результаты
синтеза
орторектифицированных
мультиспектральных снимков для улучшения пространственного, спектрального и
временного разрешения, а также повышения качества данных и точности их
дешифрирования.
ПОНЯТИЕ ОРТОРЕКТИФИКАЦИИ
Цифровой ортофотоплан – это фотографическая карта, по которой измеряют
действительные расстояния. Ортофотоплан точно отображает поверхность Земли.
«Цифровой ортофотоплан – это растровое фотоизображение, с которого методом
дифференциальной ректификации устранены смещения, обусловленные наклонением
камеры и особенностями рельефа». Ортофотопланы служат бесшовной картосновой: на
них накладывают другие слои, на их базе создают цифровые модели местности и проводят
анализ склонов и рельефа. Ортофотопланы легко мозаикировать и получать, в итоге,
бесшовные снимки больших территорий.
Процедура орторектификации
Двумя важнейшими методами подготовки исходных мультиспектральных снимков
к синтезу являются орторектификация и стерео наложение (пересечение). При
орторектификации центральная (коническая) проекция снимка преобразуется в
ортогональную (прямоугольную) и приводится к единому масштабу, таким образом,
устраняются ошибки, обусловленные наклоном камеры и рельефом. Для создания
цифровых ортофотопланов используются следующие исходные материалы:
 Аэрофотоснимки / космические снимки с большой областью перекрытия. Их
получают путем сканирования диапозитивов или негативов аэрофотоснимков
на сканнере или с космических сенсоров.
 Данные аэротриангуляции (A.T.) / эфемериды: опорные точки (GCP)
собирают, используя традиционную наземную съемку, изданные карты,
Глобальную систему позиционирования (GPS) или аэротриангуляцию. Точки
берутся на видимых физических объектах ландшафта. В зависимости от
алгоритма корректировки используют 3-5 опорных точек. Затем, учитывая

отношение координат снимка x, y и реальных GCP, выбирают алгоритм
переопределения изображения. При использовании опорных точек сначала
определяется математическое отношение действительных координат и
координат отсканированного аэрофотоснимка, а затем цифровое изображение
переопределяется и ректифицируется.
Цифровая модель местности (DEM) или сетка равномерно распределенных
материальных точек (mass points) с указанием координат x, y, z всех точек.
Чтобы создать цифровую модель местности (DEM), отметки высот собирают
со стереоскопических моделей, используя фотограмметрические методы.
Также используется и более подробная цифровая модель рельефа (DTM), так как
она содержит хорошо распределенные материальные точки, частые
структурные линии (break lines и ridgelines).
Перед орторектификацией цифровое изображение переопределяют путем его
деформирования таким образом, что расстояния и площади совпадают с данными
реальных измерений.
Преимущества и недостатки каждого метода зависят от назначения аэрофотоснимка
в ГИС. Быстрее выполнить орторектификацию с использованием опорных точек (GCP),
но при использовании DEM повышается её точность.
Применение ортофотопланов
Неполный список областей применения цифровых ортофотопланов:
 Национальная безопасность
 Геодезия и картография
 Управление рисками чрезвычайных ситуаций
 Управление рисками стихийных бедствий, обеспечение общественной
безопасности, оперативная ликвидация последствий
 Охрана и рациональное использование окружающей среды
 Составление налоговых карт
 Управление транспортом
 Управление и планирование
 Управление коммунальным хозяйством
 Землеустройство и зонирование
 Проектирование и управление канализационными сетями
 Сельское хозяйство
 Страхование
 Планирование и регулирование
 Кадастр и оценка природных ресурсов
Рисунок 1. Применение ортофотоснимков.
Недостатки ортофотоснимков
Хотя ортофотоснимки решают многие проблемы синтеза мультиспектральных
изображений, они имеют ряд недостатков:
 При работе с обычными цифровыми ортоснимками трудности возникают с
протяженными объектами, например, мостами. Данные DTM берутся на уровне
земли, поэтому мосты при ректификации снимка с использованием DTM
«сливаются с землей», т.е. выглядят искаженными.
 Возвышающиеся объекты (например, здания, деревья, линии электропередач)
также представляют сложности, обусловленные радиальным смещением.
Участки аэрофотоснимка, удаленные от центра, более искажены – например,
здания заметно наклоняются. Степень наклона объекта определяется
отношением области перекрытия аэрофотоснимков и высоты объекта. Чем
больше область перекрытия аэрофотоснимков, тем меньше наклон объектов,
так как в этом случае используются данные, удаленные от внешнего края
изображения.
 В городском ландшафте всегда есть невидимые участки, информация о которых
отсутствует на исходных аэрофотоснимках. Из-за присутствия таких участков
на результирующих ортофотоснимках обычного типа возникает «эффект
раздвоения».
Такие искажения влияют на функциональные и эстетические характеристики
цифрового ортофотоснимка.
Рисунок 2. Эффект раздвоения и истинный ортофотоснимок.
Решение проблемы «раздвоения» с помощью традиционных «истинных
ортоснимков»
В последние годы предлагалось несколько методов ортографической
ректификации, решающих проблему
«эффекта раздвоения» при
создании
крупномасштабных истинных ортофотопланов. В этих методах используются алгоритмы
распознавания скрытых участков на базе анализа изображения.
ОБЩЕЕ ВЫРАВНИВАНИЕ МУЛЬТИСПЕКТРАЛЬНЫХ СНИМКОВ И ОРТОРЕКТИФИКАЦИЯ
В отличие от фотограмметристов, которые решали проблему полной (комплексной)
ректификации снимков, специалисты в области дистанционного зондирования
занимаются проблемой выравнивания нескольких изображений. Влияние рельефа
считалось незначительным, пока не появились:
 Аппараты с высокой разрешающей способностью
 Необходимость интеграции космоснимков и ГИС для решения бизнес-задач
 Исследования по проблемам выявления изменений и слияния данных
Новый стандарт передачи космоснимков предусматривает обязательную процедуру
орторектификации, а также как соблюдение стандартов картографической проекции,
стандартов точности метаданных и составление аннотаций. Многие сенсорные системы
(AVHRR, MODIS, GOES, Landsat) используют однострочные камеры с максимальным
углом отклонения от надира 55 градусов. Другие сенсорные системы (ASTER и Hyperion)
оснащены камерами с режимом съемки «push-broom» и максимальным углом отклонения
от надира 25 градусов.
Создание автоматических систем орторектификации и мозаикирования определили
два важных фактора. Первый – общедоступность цифровых моделей местности от Shuttle
Radar Topography Mission (SRTM) для большей части земной поверхности с высотным
интервалом 1арксек (номинально 30м). Наличие таких моделей позволяет проводить
орторектификацию космических снимков, используя методы, аналогичные методам
фотограмметрической обработки аэрофотоснимков. Эти инструменты позволяют
подготовить базовый набор снимков, используя который можно автоматически
орторектифицировать до уровня субпикселей любые космоснимки с разрешением пикселя
10м.
Рисунок 3. Масштаб и угол наклона камеры: данные для орторектификации.
СИНТЕЗ МУЛЬТИСПЕКТРАЛЬНЫХ СНИМКОВ
Цель синтеза – объединить дополняющие друг друга изображения для повышения
информативности, другими словами, сделать снимок пригодным для решения конкретной
задачи. Выбор комбинации снимков и методов определяется характеристиками
необходимых пользователю данных. Однако можно представить общий подход, который
будет описывать последовательность обработки данных для получения синтезированного
изображения. Что касается мультиспектральных снимков, то их синтез предваряет
корректировка геометрических (ортометрических) и радиометрических параметров с
использованием дополнительных данных, например, информации об атмосферных
условиях, геометрических параметров сенсора, опорных точек (GCPs) и пр.
Начальный этап предварительной обработки – точное выравнивание (coregistration) изображений, когда соответствующие объекты полностью совпадают. В
зависимости от того, на каком этапе обработки выполняется синтез, выделяют три уровня
синтеза:
 Пиксельный уровень, объектный уровень и уровень решений.
Синтез изображений, главным образом, выполняется на уровне пикселей, когда,
соединяя с помощью математического алгоритма одинаковые значения пикселей с разных
исходных каналов, получают новое выходное изображение. После выравнивания
изображения синтезируют, применяя специальные методы.
Рисунок 4. Снимки с разных космических аппаратов (справа: аэрофотоснимки, слева:
космический снимок Landsat).
Рисунок 5. Орторектифицированые космические снимки.
Все методы синтеза делятся на две группы:
 Методы преобразования цвета: к ним относятся различные методы
представления значений интенсивности пикселей в цветовом пространстве. В
качестве примера можно привести преобразование цвета Яркость – Тон –
Насыщенность - Intensity (I) – Hue (H) – Saturation (S). При трансформировании
мультиспектрального изображения из пространства RGB в HIS возможна
интеграция четвертого канала, заменяющего один из указанных элементов (I,H
или S). Существует много методов, в которых используется принцип замены
(подстановки), и других преобразований цвета, которые можно применять в
процедуре синтеза (например, RGB или Яркость/Цветность – цветовая модель
YIQ – Luminance/Chrominance - YIQ).
 Статистические / численные методы: во вторую группу методов синтеза
входят арифметические комбинации каналов изображения, анализ главных
компонентов PCA (Principal Component Analysis) и замена регрессионных
переменных RVS (Regression Variable Substitution). Синтез путем соединения
каналов с помощью арифметических операторов открывает широкие
возможности для пользователей ДДЗ. При сложении и умножении повышается
качество изображения, а при вычитании и использовании коэффициентов –
легче распознавать изменения. Преобразование Брови (Brovey transformation)
является особым методом определения коэффициентов (ratioing), при котором
сохраняются спектральные значения, и повышается пространственное
разрешение. При использовании метода PCA и аналогичных методов
сокращается объем данных, распознаются изменения, и повышается качество
изображения. Метод RVS используется для замены спектральных полос на
линейные комбинации дополнительных каналов изображения и данных
(изображений).
Рисунок 6. Кросс-платформа
орторектифицированного изображения
Рисунок 7. Диаграмма предварительной
орторектификации синтезируемых
изображений.
ВЫВОДЫ
Опыт показывает, что главным элементом синтеза изображений, в том, что
касается визуального дешифрирования, является интерактивный компонент. Точная
настройка параметров качества изображения, т.е. распределение значений гистограмм,
фильтры, распределение цветов и пр., определяет успех синтеза. Для успешного синтеза
со сходными типами территорий и данных используются сходные значения. Важнейшим
элементом успешного синтеза является выравнивание цветов (цветокалибровка)
конечного изображения. Применение фильтров для уменьшения шумов и повышения
резкости границ очень важно в визуальном дешифрировании. В зависимости от масштаба
и типа рассматриваемых объектов фильтры облегчают дешифрирование изображений.
Однако в ряде случаев теряются детали, которые могут оказаться важными для решения
конкретных задач. В каждом отдельном случае придется отвечать на вопрос о
необходимости применения фильтров к VIR и SAR снимкам и выбирать подходящий для
этой процедуры этап. Распознавание изменений существенно упрощается, а
дешифрирование SAR и мультиспектральных снимков становится более легким и точным.
Искажения, обусловленные перспективой и рельефом и серьезно осложняющие
ручную и автоматическую корреляцию, можно устранить с помощью орторектификации,
которая представляет всё в единой проекции и, таким образом, сокращает затраты
умственного труда и подготавливает основу для применения в дальнейшем алгоритмов
корреляции.
«Эта работа объединила результаты исследований, проведенных как отдельными лицами, так и целыми
институтами в области орторектификации и синтеза данных. Автор не заявляет права на разработку самой
концепции и сопутствующей методологии, но обобщает в этой статье результаты отдельных исследований в
области орторектификации и синтеза данных».