Підвищення ефективності цифрових фотоапаратів для наносупутників

Знаходження значень пікселів вихідного кадра високого розділення включає в себе декілька етапів:

1) проектування піксельної решітки кадрів зображення низького розділення на піксельну решітку високого розділення;

2) накладання піксельних решіток отриманих кадрів високого розділення на піксельну решітку базового кадра;

3) обчислення значень пікселів результуючого зображення;

4) усунення розмивання зображення результуючого кадра [2, c. 46].

Операція збільшення просторового розділення зображення є протилежною до операції зменшення просторового розділення зображення. Більшість алгоритмів зменшення просторового розділення зображення використовують вузькосмуговий фільтр для зменшення спотворення контурів.

Пропонований алгоритм підвищення просторового розділення зображення на основі техніки надрозділення (Super Resolution) має низку припущень, які накладаються на вхідне зображення низького розділення. До основних припущень слід віднести наступні:

1) вхідне зображення містить декілька кадрів, що описують одну сцену;

2) кожен кадр містить зсув пікселів, що визначається за допомогою вектору руху.

При обчисленні значень пікселів результуючого зображення пропонується проводити аналіз якості векторів руху. В залежності від точності вектора руху визначається, яким способом буде здійснюватись проектування кадрів низького розділення на піксельну решітку високого розділення. Якщо алгоритм оцінки руху не може достовірно визначити вектора руху, то застосовується алгоритм розосередженого фільтрування, що дає змогу не вносити додаткових спотворень в зображення з високою роздільною здатністю.

Після етапу проектування піксельних решіток кадрів низького розділення здійснюється операція злиття, що дає змогу отримати вихідне зображення високого розділення. Над результуючим зображенням проводиться додаткове знешумлення з метою усунення спотворень [5, c. 33].

Сьогодні сформувався широкий клас напівпрофесійних і зовсім не професійних споживачів космічної інформації, що стала вельми доступною, для яких натуральне відтворення кольору знімків має важливе значення, оскільки дозволяє досягти природного сприйняття об'єкта зйомки, впізнаваності їх без використання яких-небудь методів цифрової обробки (яка, однак, у принципі не виключається на певному етапі використання інформації). Найбільш яскравий приклад -- система Google Earth [6], яка користується все більшою популярністю у світі. Інформація від Google Earth вільно передається через Інтернет і представляє результати зйомки всієї земної кулі на певні моменти часу з різним просторовим розділенням (в основному високим, до 1 м), який в даний час може бути отриманий з багатьох супутників ДЗЗ, що знаходяться на орбітах. Такою зйомкою (метровою) охоплено до 70% площі поверхні Землі, для інших районів використовується зйомка з меншою роздільною здатністю. Джерелом інформації для Google Earth служать багатозональні 3 і 4-х канальні системи з ІЧ діапазоном, тому Google Earth не може представити користувачам натуральні зображення, а лише так звані псевдокольорові, які однак формуються таким чином, щоб бути максимально схожими на природні. Як показала практика, така операція, в принципі, прийнятна для користувача, тим більше не має під рукою еталону для порівняння.

При такому методі перетворення кольорів повинні бути додатково виконані наступні умови:

- рослинний покрив повинен бути представлений відтінками зеленого кольору;

- сніжний хмарний покрив повинен бути натурально білим;

- водні поверхні можуть мати відтінки від синьо-фіолетового до темно-синього, майже чорного;

- певним чином має бути враховано вплив атмосфери.

Загалом є 5 базових варіантів колірного перетворення каналів.

У професійній практиці прийнято ІЧ сигнал транспонувати в червоний, що призводить до подання рослинних покривів в псевдокольоровому синтезованому зображенні у вигляді полів різного відтінку червоного кольору. Таке колірне кодування допомагає дешифрувальнику, забезпечуючи підвищений колірний контраст між рослинами і ґрунтом, але насилу сприймається непрофесіоналами або ж фахівцями, для яких рослинний покрив не є об'єктом спостереження. Оскільки в сучасному процесі дешифрування і псевдо кольорового синтезу бере участь комп'ютер, можливий різноманітний підбір палітри кольорів, що кодують різні канали, то тут був описаний процес синтезу, що став практично стандартом для систем ДЗЗ.

Вибір кількості спектральних каналів спостереження та їх розташування на шкалі довжин хвиль -- одне з основних питань у теорії і практиці ДЗЗ. У свій час йому було присвячено дуже багато теоретичних робіт і було реалізовано велику кількість систем ДЗЗ не тільки космічних, а й авіаційних, що дає можливість підбити деякі підсумки аналізу в цій області.

Аналізуючи характеристики декількох десятків супутників ДЗЗ, запущених за останні 30 років, можна відзначити загальний підхід до вибору кількості базових спектральних каналів: три у видимій області, один в ближньому ІЧ. Причому довжини хвиль цих каналів практично збігаються. Вони зосереджені в діапазонах (0,4-0,5) мкм, (0,5-0,6) мкм, (0,6-0,7) мкм і (0,7-0,9) мкм. Спектральне розділення ДХ в різних системах не перевищує 10% і розробниками систем пояснюється необхідністю більш точним налаштуванням системи на розпізнання об'єктів певного класу. У багатьох випадках така аргументація викликає сумнів, оскільки є ряд факторів, що роблять таку настройку малоефективною. На це є такі підстави [4, с. 101]:

1. З технічних причин форму спектральних фільтрів не вдається зробити досить прямокутною, з чіткою межею їх розподілу. Реально, спектральні характеристики частково перекриваються та їх форма буває близька до дзвоноподібної, іноді несиметричної.

Викликає запитання вибір рівня, на якому вимірюється ширина спектрального каналу.

2. СКЯ в одних і тих же природних утвореннях не є достатньо стабільними. Вони змінюються на деяку величину, залежно від кута спостереження, кута освітлення та стану атмосфери. СКЯ рослинності помітно варіюють також від напряму вітру і району зростання.

3. Існують неминучі шуми фотоприймачів, які вносять свій внесок у величину ДХ, включаючи флуктуаційні шуми і шуми квантування.

Тим не менш, численні системи ДЗЗ працюють досить ефективно і активно розвиваються. Кількість спостережень і завдань, розв'язуваних на базі ДЗЗ, обчислюється тисячами і точно налаштувати систему під кожного користувача неможливо, та й практика показує, що в цьому немає необхідності, маючи на увазі системи ДЗЗ масового обслуговування, -- клас систем який в даний час можна чітко позиціонувати.

Звертає на себе увагу аналогія з системою людського зору, трикомпонентної основи, що відрізняється нечітким поділом каналів між собою. Враховуючи викладене, можна припустити, що наявність широких спектральних каналів, що перекриваються, у системі RGB не буде суттєвою перешкодою для використання цієї системи, в якості базової, для ДЗЗ масового обслуговування.

Внаслідок застосування цифрових технологій сучасні фотокамери забезпечують не тільки зручний спосіб для реєстрації і запису цифрових фотографій, але також і можливість редагування та поліпшення одержуваних цифрових фото, як в самій фотокамері, так і з використанням персонального комп'ютера.

Останні технічні рішення типу «SoC» («System on Chip») дають підстави стверджувати, що в цій частині фотопроцесу можливе повне усунення комп'ютера. Так, розроблене асоціацією виробників фотокамер пристроїв відображення CIPA (Camera & Imaging Products Association) стандарт «CIPA DC-001», відомий під назвою PictBridge, вже зараз забезпечує уніфікацію процесу передачі і обробки даних вхідного і вихідного пристроїв фотографічного процесу, зокрема камери та принтера.

Припущення про можливість рівномірного розподілу ймовірності знаходження об'єкта в клітинці матриці вимагає підтвердження для конкретних застосувань.

Розглянемо в якості загального випадку спрямовану градієнтну перколяцію, для якої ймовірність знаходження об'єкта в комірці змінна або по ширині (уздовж кожного рядка матриці), або змінна по висоті (уздовж кожного стовпця матриці). При цьому закон розподілу цієї ймовірності має моду, тобто ймовірність зростає до осі матриці і зменшується по краях матриці.

Будемо витримувати при цьому середнє значення концентрації -- ймовірність знаходження об'єкта в комірці по всій матриці -- і відповідно відкладати його по осі ординат графіків отриманих залежностей. Такий підхід дозволяє виділяти вплив нерівномірності розподілу ймовірностей з-за наявності моди у законі розподілу.

Будемо оцінювати збільшення ймовірності знаходження об'єкта в клітинці на осі матриці і зменшення її до країв матриці параметром f, що характеризує відносне збільшення ймовірності знаходження об'єкта в комірці по осі матриці у порівнянні із середнім її значенням. Мода закону розподілу об'єктів по матриці може збігатися з даним напрямком перколяції або вона може бути «поперек» розглянутого напрямку перколяції. Проведене статистичне моделювання показало, що обидва розглянутих статистичних феномена: наявність порогу перколяції та наявність точки максимальної кластеризації мають місце як у випадку вертикального, так і в разі горизонтального розподілу градієнтів вірогідності наявності об'єкта в комірці.

При цьому значення порогу перколяції змінюється значно, а значення середньої по матриці концентрації в точці максимальної кластеризації, яку позначимо Кмк, практично не змінюється. У таблиці наведені результати статистичного моделювання для матриці 50x50 при модальні законах розподілу НС по матриці зі значенням параметра f= 0,5.

Таким чином, процедура визначення необхідного числа наносупутників в кластері, що забезпечують суцільне покриття межвиткового інтервалу смугами спостереження розміром 50 км, для значення Кмк буде робастною, тобто малочутливою до помилок і припущень щодо законів розподілу ймовірностей знаходження об'єкта в комірці.

Таблиця 2. Результати статистичного моделювання [8, с. 172]