Методи попередньої обробки та автоматизоване адаптивне стиснення багатоканальних даних у системах дистанційного зондування

Размещено на http://www.allbest.ru

Міністерство освіти і науки України

Національний аерокосмічний університет ім. М.Є. Жуковського «Харківський авіаційний інститут»

ЗРЯХОВ Михайло Сергійович

УДК 621.396.9:681.323

Методи попередньої обробки та автоматизоване адаптивне стиснення багатоканальних даних у системах дистанційного зондування

05.07.12 - дистанційні аерокосмічні дослідження

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Харків 2008

Дисертацією є рукопис

Робота виконана у Національному аерокосмічному університеті ім. М.Є. Жуковського «Харківський авіаційний інститут» Міністерства освіти і науки України.

Науковий керівник: доктор технічних наук, професор

Лукін Володимир Васильович,

Національний аерокосмічний університет ім. М.Є. Жуковського «Харківський авіаційний інститут», професор кафедри «Прийом, передача та обробка сигналів»

Офіційні опоненти:

доктор технічних наук, старший науковий співробітник

Баранник Володимир Вікторович,

Харківський університет Повітряних Сил імені Івана Кожедуба, провідний науковий співробітник науково-дослідного відділу наукового центру;

кандидат фізико-математичних наук, старший науковий співробітник

Єфімов Валентин Борисович,

Центр радіофізичного зондування Землі ім. А.І. Калмикова Національної Академії наук України і Національного Космічного Агентства України, завідувач відділу «Системи та методи обробки інформації дистанційного зондування»

З дисертацією можна ознайомитися у науково-технічній бібліотеці Національного аерокосмічного університету ім. М.Є. Жуковського «Харківський авіаційний інститут» за адресою: 61070, м. Харків, вул. Чкалова, 17.

Голова спеціалізованої вченої ради Зеленський О.О.

Размещено на http://www.allbest.ru

Загальна характеристика роботи

Актуальність теми. Дистанційне зондування (ДЗ) на комерційній основі перетворюється за значенням та об'ємом у другу після супутникових засобів зв'язку область діяльності у космосі. Воно широко застосовується при вирішенні таких задач, як моніторинг навколишнього, екологічного та кліматичного середовищ, картографування територій та планування дій у надзвичайних ситуаціях, освоєння та збереження природних ресурсів, які є важливими для України. Кінцевим етапом обробки даних ДЗ зазвичай є інтерпретація, класифікація та визначення необхідних параметрів. Надійність та ефективність кінцевої обробки залежать від якості зображень, яка в свою чергу визначається сукупністю факторів, зокрема: наявністю та рівнем завад різного типу, ефективністю методів фільтрації, характеристиками методів стиснення, що застосовуються на проміжних етапах, тощо.

На даний час спостерігається тенденція до більш широкого використання методів стиснення із втратами завдяки їх здатності забезпечити високі ступені стиснення за умови задовільної якості відновлених даних. До цих методів висувається комплекс вимог, зокрема: забезпечення високої якості відновлених даних, задовільного ступеня стиснення та відносної простоти апаратної реалізації. Комплексно задовольнити ці вимоги в більшості випадків складно, бо вони є суперечливими. Тому, крім розробки нових, більш ефективних методів стиснення, актуальною є задача забезпечення сприйнятного компромісу між якістю відновлених даних та ступенем стиснення в залежності від пріоритету вимог та конкретного застосування. Такі методи та відповідні алгоритми повинні забезпечувати гарантовану якість відновлених даних (без втручання людини на проміжних етапах) та можливість враховувати характеристики завад, що властиві зображенням ДЗ. Тому актуальною задачею є також розробка автоматичних та адаптивних методів стиснення, які б враховували вищезазначені особливості даних ДЗ. Особливо це стосується методів, що мають бути реалізовані на борту носія і призначені для стиснення багатоканальних зображень (БКЗ).

Складність поставленої задачі зумовлюється наявністю декількох можливих стратегій, які потребують окремих підходів під час розробки автоматичних методів стиску, що можуть задовольнити зазначені вимоги комплексно або у відповідності до того критерію стиснення, який є домінантним. багатоканальний сигнал зображення зондування

Зв'язок роботи з науковими програмами, планами, темами. Дослідження з розробки автоматичних методів стиснення багатоканальних даних, що проведено та відображено у дисертаційній роботі, представляють один з наукових напрямків кафедри «Прийому, передачі та обробки сигналів» Національного аерокосмічного університету ім. М.Є. Жуковского «ХАІ». Результати досліджень включено у звіти з фундаментальних держбюджетних науково-дослідних роботах кафедри, які виконувались за замовленням МОН України «Дослідження нових методів синтезу математичних моделей обробки, аналізу та інтерпретації зображень при багатоканальному дистанційному зондуванні з аерокосмічних носіїв, систем спеціального призначення, включаючи медичні діагностичні системи та комплекси» (ДР 0100U003447), «Інформаційно-зберігаюча обробка, інтерпретація та стиснення даних у багатоканальних системах екологічного моніторингу» (ДР 0103U005062) та міжнародного контракту «Practical design of polarimetric antenna and methods for multichannel signal compression» (№ 504-17/07).

Мета дослідження - розробка автоматичних методів стиснення, які дозволяють враховувати статистичні та кореляційні особливості багатоканальних сигналів та зображень, що формуються системами ДЗ.

У відповідності до поставленої мети в дисертаційній роботі сформульовані та вирішені наступні задачі:

? розробка і обґрунтування стратегій та послідовностей етапів автоматичного стиснення багатоканальних сигналів;

? обґрунтування вибору базового метода стиснення на основі дискретного косинусного перетворення (ДКП), як ефективного засобу усунення надмірності між відліками вхідного багатоканального сигналу;

? розробка ефективних процедур попередньої обробки, за допомогою яких можливо підвищити ступінь стиснення без внесення додаткових спотворень;

? розробка процедури, за допомогою якої можливо автоматично забезпечувати необхідну якість стиснених зображень незалежно від їх властивостей та обґрунтування вибору значення параметра, що керує ступенем стисненням (ПКСС) для випадку відсутності завад, при якому практично не відбувається спотворення зображення;

? розробка метода автоматичного стиснення зображень, спотворених адитивним, мультиплікативним та пуассонівським типами завад;

? розробка метода автоматичного стиснення БКЗ ДЗ Землі та дослідження впливу стиснення із втратами на результати інтерпретації БКЗ ДЗ.

Об'єкт дослідження. Об'єктом дослідження є багатоканальні одновимірні сигнали (БОС) систем контролю та управління літальними апаратами, багатоканальні та одноканальні зображення, що формуються системами ДЗ.

Предмет досліджень. Методи стиснення із втратами, що дозволяють автоматично стискати БОС і зображення систем ДЗ із наперед заданою якістю відновлених даних, а також зображень, що спотворені адитивними та сигнальнозалежними завадами, в околі оптимальної робочої точки.

Методи дослідження. У роботі використано методи обробки стохастичних процесів, спектрально-кореляційного аналізу, методи нелінійної фільтрації та робасного оцінювання типу і рівня шумів, методи класифікації зображень ДЗ, методи математичного моделювання, теорії кодування.

Достовірність результатів та висновків, що отримані в дисертаційній роботі, підтверджені результатами моделювання, перевірені на тестових даних та реальних БОС на прикладі даних телеметрії системи керування носія засобів ДЗ, поляризаційного локатора та біомедичних сигналів; багатоканальних зображень ДЗ типу AVIRIS, Landsat TM, а також одноканальних зображень оптичного і радіо діапазонів. Отримані результати не суперечать основним положенням теорії кодування та стисніння даних із втратами.

Наукова новизна результатів, що отримані в дисертаційній роботі:

? удосконалено метод стиснення БОС, який базується на використанні двовимірного ДКП та операціях попередньої обробки, що дозволяють збільшити ступінь стиснення за рахунок підвищення подібності відліків вхідних даних;

? удосконалено метод вибору ПКСС для забезпечення якості відновлених даних, що задано користувачем;

? вперше розроблено автоматичний метод стиснення зображень, спотворених адитивними та сигнально-залежними завадами в околі оптимальної робочої точки (ОРТ);

? вперше запропоновано автоматичний метод стиснення попередньо відфільтрованих зображень, що базується на оцінюванні рівня залишкових завад після фільтрації;

? вперше розроблено метод автоматичного стиснення БКЗ ДЗ (наприклад, зображення систем AVIRIS, Landsat TM та ін.) на основі тривимірного ДКП в групах, сформованих адаптивним чином із урахуванням характеристик завад у каналах.

Практичне значення отриманих результатів. Розроблені методи дозволяють:

? зменшити часові витрати при стисненні одноканальних зображень із забезпеченням необхідної якості відновлених даних при використанні методів стиснення на основі ортогональних перетворень;

? за рахунок усунення міжканальної кореляції в 1,3..2,5 рази збільшити ступінь стиснення при збереженні рівня спотворень, що вносяться, у порівнянні з поканальним стисненням;

? забезпечити стиснення в околі ОРТ з точністю відхилення пікового відношення сигнал/шум (PSNR) не більше 0,2 дБ від значення PSNR в ОРТ за рахунок врахування типу та характеристик завад, присутніх на зображеннях;

? автоматично стискати одноканальні відфільтровані зображення ДЗ із якістю відновлених даних, що відрізняються від максимального на задану користувачем величину;

? забезпечити ступінь стиснення в 3..10 разів вище, ніж із використанням методів стиснення без втрат, з одночасним збереженням або підвищенням ймовірності правильної класифікації БКЗ ДЗ за рахунок ефекту придушення завад, що має місце за умови використання методів стиснення із втратами;

? надати практичні рекомендації щодо вибору стратегії стиснення та ПКСС при стисненні багатоканальних даних ДЗ, а також доцільності використання різних операцій попередньої обробки відповідно до типу багатоканальних даних.

Реалізація та впровадження результатів роботи. Розроблений метод стиснення одноканальних зображень у околі ОРТ було використано при удосконаленні обробки та інтерпретації послідовності статичних зображень, що отримані оптичними камерами спостереження (інфрачервоного і видимого діапазонів) в автоматизованій системі контролю та управління рухом транспорту м. Харкова, яку розроблено фірмою «Реком КС» (м. Харків).

Запропонований метод стиснення багатоканальних одновимірних сигналів впроваджено в Харківському державному виробничому об'єднані «Моноліт», головному підприємстві ХДПЗ ім. Шевченко, при розробці та впровадженні процедур збереження даних у системах керування.

Особистий внесок здобувача. Усі основні результати дисертаційної роботи отримані автором самостійно. В роботі [1] для узагальненої моделі автором обґрунтована доцільність використання ряду операцій попередньої обробки з метою підвищення ефективності стиснення багатоканальних одновимірних сигналів, результати застосування та апробація яких для реальних багатоканальних сигналів відображені у роботах [5,6,14,15,17]. Запропоновані шляхи автоматизації стиснення із втратами одноканальних зображень без завад [2]. Розроблено автоматизовані методи стиснення попередньо відфільтрованих зображень [3, 10], зображень, спотворених адитивними [4,9-11] та мультиплікативними [8,11] завадами. У роботах [7,8] автором продемонстровано існування ОРТ при стисненні зображень, спотворених мультиплікативними завадами, і показана доцільність використання гомоморфних перетворень при попередній обробці та після декодування. Проаналізовані особливості гіперспектральних зображень [12], запропонована методика групування каналів для підвищення ефективності стиснення [4,16]. Показано, що при стисненні зображень (початково спотворених завадами) за допомогою запропонованого метода визначення ОРТ підвищується надійність їх інтерпретації автоматичними методами [13].

Апробація результатів дисертації. Основні положення дисертації представлені та обговорені на міжнародних науково-технічних конференціях: 2-й Міжнародній НТК «Сучасні інформаційні технології управління екологічною безпекою регіонів, природокористуванням, заходами у надзвичайних ситуаціях», 2003 р., Київ-Харків-Крим, Україна; 3-й Міжнародній НТК «Інтегровані комп'ютерні технології в машинобудуванні» (2004 р., Харків, Україна); 2-му Міжнародному радіоелектронному форумі «Прикладная радиоэлектроника. Состояние и перспективы развития» (2005 р., Харків, Україна); International Conference on «Advanced Concepts for Intelligent Vision Systems» (2005 р., Антверпен, Бельгія); International Conference «Modern Problems of Radioengineering, Telecommunications and Computer Science» (2006 р., Львів-Славсько, Україна); 11^th International Conference on «Mathematical Methods in Electromagnetic Theory» (2006, Харків, Україна); V-й Міжнародній науково-практичній конференції «Сучасні проблеми екологічної та техногенної безпеки регіонів», (2006 р., Київ-Харків-Крим, Україна); 14th European Signal Processing Conference EUSIPCO 2006, (2006 р., Флоренція, Італія); конференції SPIE «Image and Signal Processing for Remote Sensing XII» (2006 р., Стокгольм, Швеція); конференції International Geoscience and Remote Sensing Symposium (IGARSS), (July 2007, Барселона, Іспанія); конференції Industrial Informatics, Research in Computing Science, (2007, Мехіко, Мексика).

Публікації. Основні результати дисертації опубліковано в 17 роботах, 6 з яких - статті у фахових виданнях, що входять до переліку, затвердженого ВАК України, 10 доповідях у працях міжнародних конференцій, 1 міжнародному форумі та 3 звітах з НДР.

Структура та обсяг дисертаційної роботи. Дисертація складається із вступу, чотирьох розділів, висновків, одного додатку та списку використаних джерел, що займають в цілому 189 сторінок. В дисертації подано 66 ілюстрацій на 11 окремих сторінках, 20 таблиць на 2 окремих сторінках, 1 додаток на 2 сторінках та список використаних джерел із 165 найменувань на 19 сторінках.

Основний зміст дисертаційної роботи

У вступі обґрунтовано актуальність розробки нових автоматичних та модифікації існуючих методів стиснення даних, що формуються системами ДЗ, зокрема, зображень та даних телеметрії. Показано взаємозв'язок досліджень із науковими програмами та темами, визначені об'єкт та предмет дослідження, сформульовані мета та задачі, наукова новизна та практичне значення отриманих результатів. Наведені дані про впровадження, публікації, апробацію та особистий внесок здобувача.

У першому розділі «Методи стиснення багатоканальних сигналів та зображень дистанційного зондування, способи підвищення ефективності методів стиснення» проведено огляд існуючих методів стиснення із втратами, здійснено статистичний і кореляційний аналіз БОС і БКЗ, визначено загальні варіанти (стратегії) стиснення, сформульовано вимоги до методів стиснення та відновлених даних ДЗ.

Варіанти вирішення основної задачі можуть суттєво відрізнятися в залежності від стратегії: стиснення без попередньої обробки та пост-фільтрації, стиснення з попередньою фільтрацією та стиснення з наступною фільтрацією. Ефективність стиснення визначається як методом, що використовується, так власне і властивостями даних. Під ефективністю стиснення розуміється сукупність таких показників, як ступінь стиснення, якість відновлених даних, швидкодія методу, можливість регулювати кількісні показники та враховувати статистичні характеристики завад БКЗ при автоматичній роботі метода.

Показано, що для стиснення даних, які розглядаються, у відповідності із зазначеними стратегіями, можуть застосовуватися, зокрема, методи на основі ДКП та дискретного вейвлет перетворення (ДВП). Однак існуючі методи, що базуються на зазначених перетвореннях, мають ряд недоліків, основними з яких є наступні: неоднаковий рівень спотворень, що вносяться у канали при їх сумісному стисненні (з усуненням міжканальної кореляції); не враховується відношення сигнал-шум, що для різних каналів може суттєво відрізнятися; при виборі ПКСС складно врахувати такі кількісні показники як ймовірність правильної класифікації пікселів, що забезпечують автоматичні методи класифікації даних ДЗ.

Результати проведеного аналізу методів стиснення та властивостей багатоканальних даних ДЗ дали можливість зробити висновок, що для більш ефективного стиснення БКЗ доцільно використовувати тривимірні перетворення. При цьому бажано розробити та оптимізувати процедуру групування компонентних зображень, вибрати оптимальний розмір блоку, в якому виконується перетворення, розробити метод автоматичного визначення ПКСС в залежності від типу та рівня завад у групі каналів, забезпечити автоматизацію стиснення у відповідності до стратегії, що використовується. Також обґрунтовано доцільність використання такої попередньої обробки, яка б дала можливість збільшити подібність сигналів у різних каналах та підвищити ефективність декореляції даних при використанні ортогональних перетворень (наприклад, ДКП).

У другому розділі «Розробка та дослідження ефективності методів стиснення багатоканальних одновимірних сигналів із втратами» основна увага приділена розробці метода стиснення багатоканальних одновимірних сигналів, у вигляді яких можуть бути представлені дані ДЗ, сигнали телеметрії ЛА та ін. Проведено дослідження ефективності запропонованого методу щодо стиснення БОС різного походження та доведено його універсальність.

Для стиснення багатоканальних сигналів із наперед заданою якістю відновлених даних (критерієм якості вибрано PRD - процентна середньоквадратична різниця) запропоновано метод (рис.1), що включає елементи попередньої обробки, блок усунення надмірності (кодер) та статистичне стиснення без втрат (розглянуто використання методів bzip2, LZW та rk).

Размещено на http://www.allbest.ru

Рис.1. Блок-схема методу стиснення БОС

Кодер є основною структурною частиною методу, саме тут відбувається усунення надмірності між елементам вхідних даних за рахунок представлення сигналу у вигляді двовимірного масиву , отриманого в результаті попередньої обробки, та використання двовимірного ДКП у прямокутних блоках

, (1)

де

,

,

, l - індекси елементів у , (кількість каналів) та L визначають розмірність блоку, в якому виконується ДКП.

З проведеного аналізу статистичних та спектральних характеристик реальних БОС витікає, що сигнали у каналах можуть мати різну потужність, ненульовий зсув один відносно одного, довільний порядок розташування при формуванні двовимірного масиву S. У свою чергу це призводить до зменшення ефективності використання ДКП, оскільки ортогональні перетворення (такі як ДКП та ДВП) забезпечують більший коефіцієнт стиснення для тих сигналів, які мають більший ступінь корельованості сусідніх відліків (за умови збереження якості відновлених даних). Крім того, встановлено, що сумісне стиснення (за рахунок двовимірного перетворення) компонентних сигналів з неоднаковою потужністю призводить до різного рівня спотворень, які вносяться при квантуванні у кожну компоненту.

Для врахування несприятливих факторів, що можуть зменшувати ефективність стиснення, пропонується використовувати попередню обробку, яка дає можливість усувати негативні для стиснення особливості сигналу. В результаті такої обробки вхідний потік змінюється таким чином, що ступінь його стиснення стає більшим, ніж ступінь стиснення «неопрацьованих» даних. В якості попередньої обробки запропоновано використовувати наступні процедури:

- перестановка сигналів у сусідніх каналах масиву S таким чином, щоб значення добутку ПR максимумів взаємокореляційної функції сигналів у сусідніх строках було максимальним із усього набору варіантів розташування одновимірних сигналів S у строках двомірного масиву

, (2)

для реалізації цієї процедури необхідно наперед отримати значення всіх максимумів для сигналів S;

- нормування сигналів, яке усуває можливу різницю потужності сигналів, дає можливість забезпечити однаковий рівень спотворень (втрат) у каналах

, , (3)

де - двовимірний масив після нормування , - середнє значення для відповідної строки, Q - масив значень коефіцієнтів нормування;

- усунення зсуву сигналу, яке виконується для усунення взаємної затримки між одновимірними сигналами у ; визначення здійснюється за рахунок аналізу місцезнаходження максимуму взаємнокореляційних функцій.

На останньому етапі попередньої обробки формуються блоки розмірністю х, у яких здійснюється ДКП (рекомендується вибирати більше 10, - ширина області високої кореляції між відліками). Уся додаткова інформація, що отримана при попередній обробці підлягає збереженню і кодується сумісно із квантованими коефіцієнтами ДКП статистичним стисненням. Крок квантування встановлюється адаптивно для забезпечення заданого PRD. Декодування виконується у зворотньому порядку.

Доведено, що завдяки запропонованим операціям попередньої обробки досягається підвищення ступеню стиснення на 30..70% у порівнянні з використанням двовимірного ДКП-стиснення для масиву S. При цьому найбільш важливою є операція нормування.

У третьому розділі «Розробка процедур автоматичного визначення параметрів, що задаються, для методів стиснення одноканальних зображень із втратами» розглянуто три випадки: стиснення зображень, що практично не спотворені завадами, стиснення відфільтрованих зображень, стиснення зображень, що спотворені адитивними або сигнально-залежними завадами. Для усіх випадків розроблено методи визначення ПКСС, від якого залежить ступінь стиснення та якість (рівень спотворень) відновлених зображень. В залежності від методу стиснення в ролі ПКСС може виступати крок квантування (QS), ступінь стиснення (CR) або повя'зана з ним кількість біт, яка необхідна для представлення одного пікселя стиснутого зображення (bpp).

Показано, що для різних зображень, які практично не спотворені завадами, стиснутих із одним і тим же QS, має місце неоднакова якість, що визначається індивідуальними властивостями зображення (площею текстурних ділянок, кількістю малорозмірних деталей, їх положенням, тощо). Наперед передбачити рівень спотворень, що буде внесено в конкретне зображення при стисненні із втратами, досить складно. Тому пропонується використовувати ітеративний пошук ПКСС шляхом аналізу відліків залежностей PSNR(bpp) або PSNR(QS), які у широкому діапазоні значень PSNR мають монотонний характер. Це забезпечує високу точність визначення ПКСС вже за дві-три ітерації з використанням лінійної апроксимації цих кривих. Надано практичні рекомендації щодо вибору параметрів ітераційної процедури в залежності від бажаного значення PSNR, що встановлюється користувачем. При цьому значення PSNR забезпечується з похибкою менше ніж 0,1 дБ від заданого. Розроблена процедура може аналогічно забезпечувати й заданий користувачем CR. Структурна схема цього метода стиснення зображень наведена на рис.3а.

Специфіка систем формування даних ДЗ є такою, що отримати ідеальне зображення (без завад) надзвичайно складно. Тому для багатьох практичних задач підвищення якості за рахунок фільтрації є стандартною процедурою, яка виконується на етапі, що передує основній обробці. В цьому випадку постає питання: з якими характеристиками (PSNR, CR) слід виконувати стиснення таких даних? Аналіз залежностей PSNR(bpp) для тестових зображень (приклад наведено на рис.2) показав, що при стисненні відфільтрованого зображення одночасно із незначним внесенням спотворень у інформаційну складову відбувається деяке придушення залишку флуктуаційної завади (зменшення дисперсії залишкової флуктуаційної завади ), причому внесення спотворень та зменшення відбувається у приблизно рівних ступенях на ділянці значень bpp, де =const=. Тому, робочу точку доцільно вибирати на ділянці (bpp) в області значень bpp, де по мірі зменшення bpp значення починають поступово зменшуватися і відрізняються від на деяку допустиму величину , наприклад 0,5 дБ (.

Размещено на http://www.allbest.ru

Рис.2. Типовий характер поводження залежностей PSNR(bpp)

На практиці є можливість аналізувати та апроксимувати тільки криву (bpp), бо неспотворене зображення на практиці відсутнє. Тому визначати (bpp) для забезпечення пропонується наступним чином

(4)

де - коефіцієнт, що вводиться для узгодження та у шуканій точці . Дисперсію залишкових завад для реальних випадків можна визначити за рахунок використання відповідних автоматичних методів оцінки дисперсії завад на зображеннях. Рекомендується при =0,5дБ параметр вибирати рівним 0,1, а при =1,5 вибирати рівним 0,3.

Визначення робочої точки на може бути реалізовано за декілька кроків ітеративної процедури, яку описано раніше. Структурна схема запропонованого метода стиснення відфільтрованих зображень наведена на рис.3б. У випадку спотворення даних мультиплікативними завадами запропонований підхід можливо реалізувати за умови конвертування мультиплікативної завади в адитивну, для чого доцільно використовувати гомоморфне перетворення логарифмічного типу. Для більшості відфільтрованих зображень ДЗ забезпечується CR порядку 8..20 разів.

Размещено на http://www.allbest.ru

а)

Размещено на http://www.allbest.ru

б)

Рис.3. Структурна схема автоматичних методів стиснення: а) із забезпеченням параметрів, що задані користувачем, б) відфільтрованих зображень

Використання процедур фільтрації зображень на борту носія системи формування зображень не завжди можливо або доцільно. Внаслідок цього часто виникає необхідність стискати зображення, що спотворені завадами флуктуаційного типу (адитивними, мультиплікативними, з пуасонівським характером розподілу). Стиснення таких зображень із втратами характеризується ефектом придушення завад при відповідних значеннях ПКСС і набуває максимуму у оптимальній робочій точці (ОРТ) (див. рис.4а), для якої значення середньоквадратичної похибки (СКП) Var_{tr dn} мінімальне.

На практиці немає можливості отримати значення Var_{tr dn} для різних ступенів стиснення, бо істинне зображення I^tr відсутнє. Але можна аналізувати залежність Var_n dn від ПКСС. Встановлено, що можливо однозначно виявити ОРТ по відліках СКП Var_n dn як функції ПКСС. Місцеположення ОРТ спостерігається при Var_n dn=у²_аз, де у²_аз - дисперсія адитивних завад для зображення, що стискається. Пошук ПКСС для визначення ОРТ також може здійснюватися ітеративно шляхом аналізу залежності Var_n dn від ПКСС. Але, якщо в якості ПКСС виступає QS, то стиснення у ОРТ може здійснюватися і без ітеративного пошуку. QS слід встановити рівним 4,5у_аз, оскільки саме при цьому для більшості зображень Var_f  dn (QS) набуває мінімуму (рис.4б, QSn=QS/у_аз).

При стисненні зображень, спотворених мультиплікативними завадами (що характерні, зокрема, для радіолокаційних зображень) або завадами з пуассонівським характером розподілу (є домінантними при використанні ПЗЗ-матриць), пропонується використовувати гомоморфні перетворення, що призводять до адитивного шуму. Зокрема, для пуасонівських завад пропонується використовувати модифіковане перетворення Енскомба наступного типу

, (5)

де DBI -динамічний діапазон представлення даних.

 Размещено на http://www.allbest.ru

а)

Размещено на http://www.allbest.ru

б)

Рис.4. Залежності СКП від ПКСС для випадків, коли: а) в якості ПКСС виступає bpp, б) в якості ПКСС використовується QS

В розроблених методах точність визначення ПКСС в ОРТ переважно залежить від точності оцінки , що забезпечується автоматизованими методами на рівні до 10% від істинного значення. При такій похибці визначення для тестових зображень з різним типом та рівнем завад зменшення показника PSNR від максимального значення, що пораховано в ОРТ, склало не більше 0,2 дБ.

Розроблений метод забезпечує тим більший CR та ефект придушення завад в ОРТ, чим більш інтенсивними є завади. Зазвичай CR перевишує 10.

У четвертому розділі «Розробка автоматичних методів стиснення багатоканальних зображень ДЗ із втратами» розроблені та досліджені автоматичні методи стиснення багатоканальних зображень, які можуть бути реалізовані як на борту носія, так і на Землі.

При розробці метода стиснення БКЗ встановлено наступне. По-перше, сумісне стиснення компонент БКЗ з використанням тривимірних перетворень суттєво підвищує ступінь стиснення із збереженням якості відновлених даних, що характеризується СКП внесених втрат для БКЗ в цілому, у порівнянні з по-компонентним стисненням. Вже для шести-канальних зображень CR збільшується в 1,2..1,3 рази. По-друге, при індивідуальному та сумісному стисненні компонент із однаковим QS спостерігається внесення різного рівня завад у компоненти. При цьому у першому випадку рівень спотворень може бути до 3 разів більшим, ніж при сумісному стисненні.

Для незначної кількості компонент у БКЗ (до 12) є практична можливість та сенс використовувати процедуру пошуку оптимального порядку розташування каналів (див. розділ 2) при формуванні послідовності представлення зображень перед використанням стиснення на основі тривимірного ДКП. Із збільшенням кількості каналів суттєво зростає час, що необхідний для визначення оптимального порядку розташування. Водночас, дослідження показали, що із збільшенням кількості каналів у БКЗ зростає й рівень подібності між сусідніми компонентами, наприклад, у БКЗ типу AVIRIS (має 224 канали) коефіцієнт кореляції сусідніх каналів сягає 0.98, що позбавляє необхідності виконувати перестановку. Проте, суттєво збільшується різниця у динамічному діапазоні та рівні завад у компонентних зображеннях багатоканальних даних ДЗ.

Виходячи із статистичного та кореляційного аналізу компонент БКЗ та досвіду стиснення одноканальних зображень ДЗ, запропоновано новий автоматичний метод стиснення БКЗ (рис.5а), що передбачає автоматичний вибір QS та використання тривимірного ДКП у блоках 32х32х (де - кількість компонент, що стискаються сумісно у групі з індексом i).

Размещено на http://www.allbest.ru

а)

б)

Рис.5. Структурна схема стиснення БКЗ (а) та приклад адаптивного розбиття компонент БКЗ AVIRIS Lu_19 на групи

В залежності від пріоритету вимог до функціонування багатоканальної системи формування зображень ДЗ практично обґрунтованими можуть бути три стратегії стиснення зображень на борту ЛА: стиснення без фільтрації, стиснення з попередньою фільтрацією та стиснення з наступною обробкою на Землі. Доведено, що для першої стратегії QS доцільно вибирати (досягається стиснення в околі ОРТ); для другої стратегії - (якість відфільтрованих зображень зменшується не більше, ніж на 0,5 дБ від максимального значення); для третьої стратегії . При цьому у якості та використовуються мінімальні значення середньоквадратичних відхилень завад у відповідній групі.

Однією із основних особливостей стиснення БКЗ AVIRIS є той факт, що дисперсія завад для різних каналів зображення може суттєво відрізнятися. Щоб забезпечити прийнятну якість зображень для наступного аналізу запропоновано розбивати БКЗ на групи різної розмірності (максимальне значення , мінімальне дорівнює 4). У відповідності з оціненими значеннями у компонентах, кожна група може включати 4, 8 або 16 компонентних зображень. Основна умова адаптивного формування групи - відношення між максимальним та мінімальним значеннями (або ) у групі не повинно перевищувати 2. Якщо ця умова не виконується, група розбивається навпіл, де аналізується перша половина і при необхідності розбивається аналогічним чином, наступна група формується із залишку попередньої і приєднанням необхідної кількості нових компонент (приклад подібного розбиття див. на рис.5б).

Запропонований принцип адаптивного розбиття дав можливість забезпечити, крім прийнятної якості, приблизно однаковий рівень спотворень, що вноситься у кожну компоненту відповідної групи, а отже відпала необхідність виконувати нормування. Врахування кореляції між каналами та адаптивний вибір розміру груп дозволив підвищити ступінь стиснення в 1,5-2 рази у порівнянні з роздільного стисненням зображень у кожному каналі.

Запропоновані автоматичні методи стиснення дозволяють із прийнятною якістю декодованого зображення забезпечити стиснення зображень у 5-20 разів. При цьому стиснення здійснюється із врахуванням рівня завад, що невід'ємно присутні у зображеннях ДЗ. Приклад стиснення БКЗ з різним рівнем завад у компонентах в області ОРТ наведено на рис.6.

Крім проведеного аналізу якості відновлених зображень за критерієм PSNR було проведено аналіз ймовірності правильної класифікації пікселів за допомогою автоматичних методів класифікації на основі використання опорних векторів (відомий під назвою Support Vector Machine) та нейронних мереж із радіальними базисними функціями (відомий як Radial Basis Function Neural Networks). Результати класифікації даних Landsat TM показали, що ймовірність правильного розпізнавання спотворених завадами зображень, що стиснуті в околі ОРТ, може бути підвищена на величину до 5%, у порівнянні із класифікацією первинних БКЗ до стиснення або за умови використання стиснення цих БКЗ без втрат. Ступінь підвищення ймовірності правильного розпізнавання залежить від типу класифікатора та рівня завад. Саме підвищення зумовлено ефектом фільтрації, що має місце при стисненні з втратами.

Висновки

У дисертаційній роботі розв'язано актуальну задачу забезпечення автоматичного процесу ефективного стиснення багатоканальних даних, що формуються системами дистанційного зондування. Розроблені методи автоматичного визначення ПКСС з урахуванням параметрів завад дають можливість індивідуально визначити ступінь стиснення для одно та багатоканальних зображень і БОС. Зокрема, отримано наступні важливі наукові та практичні результати:

1. Запропоновано метод стиснення багатоканальних одновимірних сигналів, що дозволяє здійснити ефективне усунення надлишковості завдяки використанню двовимірного ДКП у прямокутних блоках та підвищення міжканальної корельованності вхідних даних за рахунок використання запропонованих операцій попередньої обробки (перестановка каналів, нормування, усунення зсуву сигналів в каналах БОС), що забезпечило підвищення ступеня стиснення до 2-х разів у порівнянні з покомпонентним стисненням. Крім того, використання розробленого метода дозволило досягти високих показників ефективності стиснення для сигналів із різними спектрально-кореляційними та статистичними характеристиками (досягається ступінь стиснення від 8 до 40 разів в залежності від типу багатоканального сигналу при типовому рівні допустимих спотворень).

2. Удосконалено метод визначення ПКСС з автоматичним забезпеченням заданої користувачем якості відновлених даних за критерієм PSNR (або СКП) із точністю забезпечення заданого PSNR не гірше 0,1 дБ.

3. Розроблено автоматичний метод стиснення зображень, спотворених адитивними та сигнально-залежними завадами, в оптимальній робочій точці. Даний метод базується на апріорно відомому (оціненому) типу та рівні завад, у відповідності з якими виконується попередня обробка і вибір QS. При цьому забезпечується PSNR, що відрізняється від максимальної величини не більше ніж на 0,2 дБ. Розроблений метод може бути успішно використаний і для випадку, коли зображення ДЗ майже не спотворене завадами.

4. Запропоновано метод вибору ПКСС при стисненні попередньо відфільтрованих зображень, що враховує оцінку рівня залишкових завад після фільтрації; при цьому ступінь стисненням визначається рівнем залишкових завад та встановленим користувачем параметром, який регулює припустиму величину погіршення якості відновленого зображення.

5. Запропоновано метод автоматичного стиснення БКЗ ДЗ великою кількістю компонент (до декількох сотень, наприклад, системи AVIRIS) на основі тривимірного ДКП у групах, що формуються адаптивним способом із врахуванням характеристик завад, що присутні у каналах. Сумісне стиснення компонент БКЗ із зазначеними вище методами вибору ПКСС дало можливість забезпечити ступінь стиснення близько 20 разів із незначною величиною спотворень, що вносяться в компоненти, а в деяких випадках (при наявності завад суттєвого рівня) навіть вдається підвищити якість канальних зображень.

6. Проведено аналіз стиснутих зображень ДЗ у ОРТ щодо їх подальшої класифікації автоматичними методами. Встановлено, що при забезпеченні стиснення в ОРТ ймовірність правильно класифікованих пікселів для спотворених адитивними завадами зображень збільшується на 0,5..5% (в залежності від рівня завад та методів класифікації, що використовуються).

Список основних публікацій за темою дисертації

1. Зряхов М.С., Лукин В.В. Предварительная обработка для повышения сжатия многоканальных одномерных сигналов // Сб. научных трудов «Радиотехника». - Харьков: Харьковский национальный университет радиоэлектроники, 2006. - вып.144. - С. 235-245.

2. Зряхов М.С., Лукин В.В. Обеспечение заданного качества при сжатии изображений с потерями // Сб. научных трудов «Радиотехника». - Харьков: Харьковский национальный университет радиоэлектроники, 2005. - Вып. 143. - С. 76-82.

3. Зряхов М.С., Лукин В.В. Автоматическое сжатие предварительно отфильтрованных изображений// Сб. научн. ст. «Радіоелектронні і комп'ютерні системи». - Харьков: Национальный аэрокосмический университет, 2006. -Вып. 3. - С. 11-20.

4. Зряхов М.С., Пономаренко Н.Н., Лукин В.В. Сжатие многоканальных изображений дистанционного зондирования AVIRIS // Сб. научн. ст. «Авиационно-космическая техника и технология». - Харьков: Национальный аэрокосмический университет, 2006. - №6 (32). - С. 81-87.

5. Зряхов М.С., Лукин В.В, Наседкин К.В. Сжатие многоканальных ЭКГ на основе предварительной обработки и применения двумерного ДКП // Сб. научн. ст. «Радіоелектронні і комп'ютерні системи». - Харьков: Национальный аэрокосмический университет, 2003. - Вып. 1. - С. 18-25.

6. Зряхов М.С., Лукин В.В. Модификация метода сжатия многоканальной ЭКГ на основе двумерного дискретного косинусного преобразования // Радіоелектронні і комп'ютерні системи. - Харьков: Национальный аэрокосмический университет, 2004. - вып. 4 (8). - С. 110-117.

7. Зеленский А.А., Лукин В.В., Зряхов М.С., Пономаренко Н.Н. Особенности сжатия радиолокационных изображений дистанционного зондирования // Труды 2-го Международного радиоэлектронного форума «Прикладная радиоэлектроника. Состояние и перспективы развития». - Харьков, сент. 2005 г. - Т. 2. - С. 409-412.

8. Ponomarenko N., Lukin V., Zriakhov M., Pogrebnyak O. Methods for Lossy Compression of Images Corrupted by Multiplicative Noise // Proceedings of the International Conference «Modern Problems of Radioengineering, Telecommunications and Computer Science» (TCSET). - Lviv-Slavsko, Ukraine, Feb.-March 2006. - Р. 278-281.

9. Ponomarenko N., Lukin V., Zriakhov M., Egiazarian K., Astola J. Lossy compression of images with additive noise // Proceedings of International Conference on Advanced Concepts for Intelligent Vision Systems. - Antwerpen, Belgium, September, 2005. - Р. 381-386.

10. Nikolay Ponomarenko, Mikhail Zriakhov, Vladimir V. Lukin, Jaako Astola, Karen O. Egizarian Estimation of Accessible Quality in Noisy Image Compression // CD-ROM Proceedings of the 14th European Signal Processing Conference, EUSIPCO 2006. - Florence, Italy, 4-8 September, 2006. - 4 р.

11. Lukin V., Ponomarenko N., Zriakhov M., Zelensky A., Egiazarian K., Astola J. Quasi-optimal compression of noisy optical and radar images // CD-ROM Proceedings of Image and Signal Processing for Remote Sensing XII, Stockholm, Sweden, Sept 2006, Vol. 6365-46. - 12 p.

12. Nikolay Ponomarenko, Vladimir Lukin, Mikhail Zriakhov, Arto Kaarna Preliminary Automatic Analysis of Characteristics of Hypespectral AVIRIS Images // 11^th Int. on Mathematical Methods in Electromagnetic Theory (MMET*06). - Kharkiv, Ukraine, June 26-29, 2006. - Р. 158-160.

13. Зеленский А., Лукин В., Зряхов М., Пономаренко Н., Курекин А. Автоматизированные методы сжатия и интерпретации данных мониторинга земной поверхности многоканальными средствами ДЗ // Тезисы доклада V Международной научно-практической конференции «Современные проблемы экологической и технической безопасности регионов». - Киев-Харьков-Крым, 2006. - С. 39-40.

14. Абрамов С., Зряхов М., Зеленський О., Лукін В., Шаронов В. Фільтрація та стиснення ЕКГ-сигналів у багатоканальних діагностичних системах // Тези докладу 2-ї Міжнародної НТК «Сучасні інформаційні технології управління екологічною безпекою регіонів, природокористуванням, заходами у надзвичайних ситуаціях». - Київ-Харків-Крим, вер. 2003. - С. 130-131.

15. Зряхов М.С., Лукін В.В. Стиснення ЕКГ-даних у системах холтерівського моніторингу // Тези доповідей ІІІ Міжнародної науково-технічної конференції «Інтегровані комп'ютерні технології в машинобудуванні», Харків, листопад 2004. - 286 с.

16. Ponomarenko N., Lukin V., Zriakhov M., Kaarna A., Astola J. An automatic approach to lossy compression of AVIRIS images // Proceedings of IGARSS. - Barcelona, Spain, July 2007. - P. 472-475.

17. V. Lukin, M. Zriakhov, A. Popov, O. Pogrebnyak Preliminary Processing and Lossy Compression of Multichannel Information Data // Industrial Informatics, Research in Computing Science. - Mexico, 2007, Vol. 31. - Р. 105-114.

Анотації

Зряхов М.С. Методи попередньої обробки та автоматизоване адаптивне стиснення багатоканальних даних у системах дистанційного зондування - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за фахом 05.07.12 - дистанційні аерокосмічні дослідження. - Національний аерокосмічний університет ім. М.Є. Жуковського «ХАІ», Харків, 2008.

Дисертацію присвячено розробці автоматичних адаптивних методів стиснення багатоканальних даних дистанційного зондування, що можуть бути використані як на борту носія системи формування зображень, так і на Землі.

Запропоновано ефективний метод стиснення багатоканальних одновимірних сигналів, що базується на використанні двовимірного ДКП в прямокутних блоках та підвищенні корельованості вхідних відліків за рахунок попередньої обробки. Забезпечуваний ступінь стиснення сягає 8..40 разів за умови припустимих втрат та в залежності від типу сигналу.

Розроблено ряд методів автоматичного визначення параметру, що керує ступенем стиснення, під час стиснення одноканальних забражень, що не спотворені або викривлені завадами різних типів. Доведено, що у другому випадку доцільно використовувати стиснення у оптимальній робочій точці, при цьому ступінь стиснення зазвичай перевищує 10 разів.

Досліджено особливості стиснення багатоканальних зображень ДЗ. Доведено, що при усуненні міжканальної надлишковості за рахунок використання тривимірних перетворень, адаптивного группування каналів та запропонованих процедур попередньої обробки ступінь стиснення БКЗ може бути збільшено до 2,5 разів у порівнянні з покомпонентному стисненні за умови збереження рівня втрат, що вносяться. При цьому за рахунок фільтруючого ефекту ймовірність правильної класифікації даних ДЗ може підвищитись.

Ключові слова: дистанційне зондування, багатоканальні зображення, попередня обробка, автоматизоване стиснення з втратами, дискретне косинусне перетворення, адаптація до рівня завад.

Зряхов М.С. Методы предварительной обработки и автоматизированное адаптивное сжатие многоканальных данных в системах дистанционного зондирования - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.07.12 - дистанционные аэрокосмические исследования. - Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ», Харьков, 2008.

В диссертации рассматриваются вопросы автоматического адаптивного сжатия многоканальных сигналов и изображений, формируемых системами дистанционного зондирования, которые могут успешно применяться как на борту носителя, так и на Земле. Обосновано применение методов сжатия с потерями и показано их преимущество по сравнению с использованием методов сжатия без потерь.

Исследовано повышение эффективности сжатия многоканальной последовательности. Показано, что для решения этой задачи необходимо в максимальной степени устранять различные виды избыточности в исходных данных, при этом в каждую из компонент, вносимые кодером искажения не должны превышать допустимого уровня.

Предложен новый метод сжатия многоканальных одномерных сигналов, позволяющий осуществить эффективное устранение избыточности за счет применения двумерного ДКП в прямоугольных блоках и повышения коррелированности входных отсчетов многоканальной последовательности благодаря использованию процедур предварительной обработки. Применение разработанного метода позволило достичь высоких показателей эффективности сжатия для сигналов с различными спектрально-корреляционными и статистическими характеристиками. За счет применения предварительной обработки достигнуто повышение степени сжатия до 1,7 раза (при одинаковом уровне искажений) по сравнению со случаем, когда предварительная обработка не применяется. Достижимая степень сжатия 8..40 раз в зависимости от типа многоканального сигнала и уровня допустимых вносимых искажений.

Впервые разработан метод автоматического определения параметра, управляющего сжатием, для сжатия реальных изображений дистанционного зондирования Земли в окрестности оптимальной рабочей точки с высокой точностью (отклонение от истинного значения по критерию качества PSNR не превышает 0,2 дБ) без наличия эталонного изображения (в случае присутствия помех) и с незначительными вносимыми искажениями, если изображения не подвержены влиянию шумов - обеспечиваемый PSNR не менее 41 дБ. Применение предложенного метода позволяет выполнить сжатие в автоматическом режиме с учетом статистических свойств присутствующих в изображениях помех, возможно достижение компромисса между соответствующими значениями качественных показателей сжатия (таких, как степень сжатия, качество восстановленных данных и быстродействие). Типичные значения обеспечиваемой степени сжатия превышают 10 раз, при сжатии в окрестности оптимальной рабочей точке.

Впервые разработан метод определения параметра, управляющего сжатием для сжатия отфильтрованных изображений методами, в основе которых лежат дискретные косинусное и вейвлет преобразования. Выбор управляющего параметра основан на учете априорно известных (оцененных) параметрах остаточного шума после фильтрации и предварительно заданной величине допустимого отклонения PSNR от максимального значения.

Предложен новый метод автоматичного сжатия многоканальных изображений дистанционного зондирования типа AVIRIS и др. на основе трехмерного дискретного косинусного преобразования в группах компонент, которые формируются адаптивным способом с учетом характеристик помех, присутствующих в каналах. Совместное сжатие компонент многоканальных изображений с разработанными процедурами автоматического определения параметра, управляющего сжатием, обеспечило возможность достижения ступени сжатия около 20 раз с незначительным уровнем искажений, которые вносятся в компоненты, а при наличии существенных помех удается повысить качество канальных изображений.

Показано, что при обработке изображений автоматическими методами классификации вероятность правильной классификации, зашумленных изображений сжатых/восстановленных в ОРТ, выше на 0,5..5% (в зависимости от типа классификатора и уровня исходно присутствующих помех), нежели до сжатия.

Ключевые слова: дистанционное зондирование, многоканальные изображения, предварительная обработка, автоматизированное сжатие с потерями, дискретное косинусное преобразование, адаптация к уровню помех.

Zriakhov M.S. Methods of preliminary processing and automatic adaptive compression of multichannel data in remote sensing systems - Manuscript.

Thesis for the degree of Candidate of Technical Science in speciality 05.07.12 - remote aerospace research (explorations). - National Aerospace University named after N.Ye.Zhukovsky “KhAI”, Kharkov, 2008.

The thesis deals with design of automatic adaptive methods of multichannel remote sensing data compression that can be applied both on-board and on-land.

An effective method for compression of multichannel 1-D signals is designed. It is based on using 2-D DCT in rectangular shape blocks and on increasing correlation degree of of input data due to pre-processing. The provided compression ratio reaches 8..40 for acceptable level of losses depending upon multichannel signal type.

Several methods for automatic determination of the parameter that controls compression ratio for compressing the noise-free images and the images corrupted by noise of different type. It is proven that in the latter case it is reasonable to realize compression in optimal operation point; compression ratio in this case commonly exceeds 10.

The peculiarities of remote sensing multichannel images are studied. It is shown that due to removal of inter-channel redundancy, use of 3-D transforms and adaptive grouping of channels with their pre-processing the compression ratio can be increased by up to 2.5 times in comparison to component-wise compression for the same level of introduced losses. The probability of remote sensing data classification can increase due to the observed filtering effect.

Keyword: remote sensing, multichannel images, preliminary processing, automatic lossy compression, discrete cosine transform, adaptation to noise level.

...