Технология и точность автоматизированного дешифрирования земель сельскохозяйственного назначения

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Технология и точность автоматизированного дешифрирования земель сельскохозяйственного назначения

Автоматизированный метод дешифрирования - это один из этапов компьютерной обработки данных дистанционного зондирования в форме цифровых изображений. Этот этап включает классификацию, т.е. выделение объектов или классов объектов по их яркости и геометрическим свойствам, а также их последующую обработку и интерпретацию [6].

Наиболее мощным программным продуктом, выполняющим автоматизированное дешифрирование, является программный комплекс ENVI (Environment for Visualizing Image), разработанный компанией Research Systems, Inc. (США) [3].

Данные космической съемки, используемые вначале лишь для государственных целей, вскоре привлекли внимание специалистов из разных областей знаний как один из важнейших источников получения информации.

Все более важным звеном в технологии создания и обновления картографической продукции становится космическое зондирование Земли. Объективным показателем важности данного вида работ является необходимость регулярного обновления ряда карт [4].

Особое значение автоматизированный метод имеет для дешифрирования сельскохозяйственных земель, ведения мониторинга. При этом необходима большая оперативность в проведении работ и достаточная точность, что должно достигаться и с помощью современных программных средств [9].

При выполнении автоматизированного дешифрирования используется программный комплекс ENVI, диапазон решения задач которого весьма широк [3]. Однако настоящий программный комплекс еще не нашел широкого применения в дешифрировании сельскохозяйственных земель из-за его слабой изученности.

В связи с этим целью настоящей статьи является разработка детальной технологии дешифрирования сельскохозяйственных земель, в частности площадных объектов, оценка точности дешифрирования и разработка предложений по применению комплекса ENVI в данном направлении.

В соответствии с поставленной целью в статье решаются следующие задачи:

- создание таблицы классификатора;

- разработка технологии дешифрирования с обучением и без обучения;

- оценка точности дешифрирования по координатам точек объекта, принятого за базовый и классифицированного одним из методов дешифрирования.

В процессе исследования технологии и точности автоматизированного дешифрирования использовался экспериментально-статистический метод.

Создание таблицы классификатора

При автоматизированном методе дешифрирования предусматривается предварительное обучение компьютера [1]. В программном комплексе ENVI используется средство ROI (Region of Interest) для создания таблицы классификатора. Каждый элемент ROI определяется своим цветом и ставится в соответствие с объектом снимка определенного фона.

При этом в классификации с обучением данный объект снимка является учителем. В случае классификации без обучения таким объектом является центр группировки подобных ему объектов, с определенной точностью считающихся объектами одного класса [8].

Таблица классификатора (ROI) создается по команде Basic Tools>Region of Interest>ROI Tool.

В результате появляется таблица ROI Tool, где задается тип области (фигура для маркировки объектов) ROI_Type>Rectangle. Для заполнения таблицы необходимо выбрать объекты, которые безошибочно можно распознать на растровом изображении. В таблице ROI Tool создаются классы (New Regions), их названия (например, водоемы) и цвета.

На снимке выбираются обучающие объекты (рис. 1).

Рис. 1. Выбор обучающих объектов

автоматизированный дешифрование земля сельскохозяйственный

Выбранные классы объектов сохраняются по команде: File>Save ROIs.

На основе созданных классов объектов осуществляется классификация:

- с обучением (supervised) соответственно методами: Parallelepiped, Minimum Distance, Mahalonobis Distance, Maximum Likelihood, Spectral Angle Mapper, Spectral Information Divergence, Binary Encoding, Neural Net, Support Vector Machine;

- без обучения (unsupervised) методами: IsoData, K-Means [3].

Технология дешифрирования (классификации)

В связи с ограниченным объемом статьи описываются лишь некоторые из методов дешифрирования.

Дешифрирование с обучением рассматривается на примере метода параллелепипеда (Parallelepiped). Данный метод осуществляется по команде: Classification>Supervised>Parallelepiped. Из списка выбирается файл, для которого выполняется классификация

Выбираются классы объектов в окне Select Classes from Region (Select All Items), задается имя выходного файла, где будет хранится изображение (например, метод параллелепипеда) и задается имя файла с правилами классификации (рис. 2).

Рис. 2. Ввод параметров для классификации

При использовании функции Preview можем предварительно просмотреть результаты классификации. После выбора всех параметров классификации и предварительного просмотра результатов нажимают OK и выполняется дешифрирование снимка.

Файл классификации автоматически добавляется в окне Available Band List в список открытых файлов. Для просмотра результата классификации изображение загружают на новый дисплей в цвете Gray Scale и RGB (рис. 3).

а) б)

Рис. 3. Отдешифрированное изображение методом парраллелепипеда: а) Gray Scale б) RGB

Дешифрирование без обучения рассматривается на примере метода IsoData (данные международной организации по стандартизации). Задаются параметры для дешифрирования и имя выходного файла (рис. 4).

Рис. 4. Параметры для дешифрирования методом IsoData

Выполняется дешифрирование и загружают выходной файл с выполненной классификацией (рис. 5).

Рис. 5. Результаты дешифрирования методом IsoData

Оценка точности выполненного дешифрирования

Контроль выполнения работ по дешифрированию является составной частью производства, для этого выполняется оценка точности дешифрирования [5]. Выбирается известный площадной объект с четко выраженными границами (базовый объект), осуществляется его векторизация. Базовый объект выведен на экран в модуле Zoom комплекса ENVI.

В дальнейшем считается, что участок пахотных земель, отдешифрированных вручную, является эталоном для оценки точности. Тот же объект дешифрировался одним из методов и в автоматизированном режиме, осуществлялась его векторизация (оконтуривание) с выводом на том же плане модуля Zoom. По отклонениям координат соответствующих точек названных объектов оценивалась средняя квадратическая ошибка отклонения точек дешифрированного объекта относительно базового.

Векторизация базового объекта осуществлена командой: Vector>Create Image File>Using Raster Image File. Автоматизированная векторизация (оконтуривание) в ENVI осуществляется по команде Classification>Post Classification>Classification to Vector с сохранением полученного результата в формате evf.

Из-за ограниченного объема статьи детально все векторизации не описываются, так как более подробно рассматривается принцип оценки точности.

Оценку точности для каждого вида автоматизированного дешифрирования, имеющегося в ПК, ENVI производят исходя из линейных отклонений координат вершин контуров (отдешифрированных вручную и автоматически). Для этих целей определим координаты вершин участка пахотных земель с помощью кнопки Feature Counting. Вначале определяются координаты участка отдешифрированного вручную, т.е. ставится курсор на вершину объекта и нажимается левая клавиша мыши, при этом в таблице Feature Counting фиксируются координаты данных вершин (рис. 6).

Рис. 6. Фиксирование поворотных точек базового объекта

Далее подгружают слой пахотных земель, полученный при автоматизированном дешифрировании, например, методом парраллелепипедов. Задаются параметры для отображения векторного слоя, нажимают правую клавишу мышки и в ниспадающей таблице выбираем Properties. Далее в таблице Feature Counting добавляют новую таблицу координат для автоматизированного дешифрирования и фиксируют вершины (рис. 7).

Рис. 7. Координирование поворотных точек отдешифрированного объекта (методом параллелепипедов)

Сохраняют данные координаты с помощью кнопки сохранения признаков, либо в формате.txt при нажатии закладки Report, а затем Updata Report и нажимают клавишу Save.

Далее координаты вводим в Ecxel и производим расчеты.

Вначале определяем линейное отклонение вершин от фактического (отдешифрированного вручную) по формуле:

, (1)

где - линейное отклонение вершин;- координаты вершин объекта отдешифрированного вручную;- координаты вершин объекта отдешифрированного автоматически.

А также определим среднюю квадратическую ошибку положения вершин () по формуле [7]:

, (2)

где - линейное отклонение вершин;- количество вершин.

Аналогичную процедуру проводим для всех видов автоматизированного дешифрирования.

Значения средних квадратичных ошибок вершин, вычисленных для каждого способа классификации, приведены в таблице.

Оценка точности дешифрирования

Выводы

1. В настоящей статье описана предложенная авторами технология автоматизированных методов дешифрирования (классификации) площадных объектов средствами программного комплекса ENVI. Настоящий порядок дешифрирования рекомендуется для производства и может быть использован для дешифрирования линейных и точечных объектов.

2. Проведенная методика автоматизированного дешифрирования свидетельствует о разноточности методов классификации. Наиболее точным оказался метод IsoData (классификация без обучения) и метод векторной машинной поддержки (классификация с обучением).

3. Как следует из эксперимента, для повышения точности автоматизированные методы должны уточняться визуальным камеральным дешифрированием с последующим уточнением в полевых условиях.

4. Автоматизированные методы могут быть эффективными в мониторинге земель.

5. Необходимо и в дальнейшем изыскивать методы повышения точности дешифрирования.

Литература

1. Бирюков, В.С. О методах автоматизации топографического дешифрирования / В.С. Бирюков, А.В. Даргель, Д.И. Новоселов // Изв. вузов. Геодезия и аэрофотосъемка. - 2007. - №1. - С. 134-140.

2. Болсунов, М.А. Ближайшие перспективы развития системы ДЗЗ / М.А. Болсунов, Б.А. Дворкин // Геопрофи. - 2010. - №6. - С. 9-13.

3. Болсунов, М.А. Возможности программного коплекса ENVI для обработки данных ДЗЗ / М.А. Болсунов // Геопрофи. - 2006. - №3. С. 16-19.

4. Глазкова, И.А. Использование детальной цифровой космической информации в интересах Роскартографии / И.А. Глазкова, Б.А. Юрченко, В.П. Седельников, Е.Л. Лукашевич // Геодезия и картография. - 2006. - №4. - С. 42-48.

5. Инструкция по дешифрированию аэрофотоснимков и фотопланов в масштабах 1:5000, 1:2000, 1:1000 и 1:500 (временная). - Минск, 1997. - 56 с.

6. Кашкин, В.Б. Дистанционное зондирование Земли из космоса / В.Б. Кашкин, А.И. Сухинин. - Цифровая обработка изображений: учебное пособие. - М.: Логос, 2001. - 264 с.

7. Маслов, А.В. Геодезия / А.В. Маслов, А.В. Гордеев, Ю.Г. Батраков. - М.: КолосС, 2006. - 598 с.

8. Савиных, В.П. Геоинформационный анализ данных дистанционного зондирования / В.П. Савиных, В.Я. Цветков. - М.: Картгеоцентр - Геоиздат, 2001. - 228 с.

9. Назаров, А.С. Фотограмметрия: учебное пособие для студентов вузов / А.С. Назаров. - Минск.: Тетро Системс, 2006. - 368 с.

Размещено на Allbest.ru