Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 2. С. 29-41
Распознавание категорий наземных объектов на основе корреляционных портретов с применением в модели рассеяния атмосферных загрязнений
Б.М. Балтер
1 , В.В. Егоров
1 , В.А. Котцов
1 , М.В. Фаминская
2 1 Институт космических исследований РАН, Москва, Россия
2 Российский Государственный социальный университет, Москва, Россия
Одобрена к печати: 10.03.2019
DOI: 10.21046/2070-7401-2019-16-2-29-41
Описан метод распознавания эталонных объектов в многоспектральных и гиперспектральных данных дистанционного аэрокосмического зондирования Земли. Метод основан на вычислении межканальных корреляционных матриц и последующем корреляционном сравнении их с аналогичными матрицами эталонных объектов (так называемая двойная корреляция, ДК). Распознавание наземных объектов проводится по максимуму двойной корреляции с эталонами. Поскольку метод чувствителен к пространственной структуре участков, для которых строятся корреляционные портреты, он является естественным дополнением к методам классификации, ориентированным только на средние спектральные показатели, таким, как метод максимума правдоподобия (МП). Мы описываем совместное c МП применение метода ДК в задаче распознавания категорий объектов поверхности, существенных для моделирования рассеяния атмосферных загрязнений, на основе многолетних данных Landsat, организованных в подобие гиперспектральной структуры. Такая имитация гиперспектральных данных является неполной из-за дискретности по спектральной переменной и возможного дрейфа наземных структур со временем, однако это единственный тип данных, систематически доступных в задачах, связанных с индустриальным загрязнением воздуха. Рассчитаны вероятности распознавания и ложной тревоги, а также другие рабочие характеристики. Эффект ДК, измеренный по рабочим кривым для трёх наиболее проблемных для различения категорий в задаче рассеяния загрязнений (индустрия, плотная и неплотная жилая застройка), составляет от 2 до 14 % по сумме ошибок 1-го и 2-го рода. Соответствующий эффект применения ДК к одной реальной задаче рассеяния индустриальных загрязнений ― от 2 до 3 % по максимальным почасовым концентрациям в 18 районах города (в одном районе эффект отрицательный) и до 30 % на отдельные даты по тем же районам (для некоторых дат эффект отрицательный).
Ключевые слова: корреляционная матрица, гиперспектральные и многоспектральные данные, эталонные объекты, максимум правдоподобия, рассеяние загрязнений, вероятность распознавания, вероятность ложной тревоги
Полный текстСписок литературы:
- Балтер Б. М., Егоров В. В., Кузьмин А. А., Чекалина Т. И. Применение спектрально-корреляционных методов и теории катастроф в изучении пространственной неоднородности земной поверхности // Исследование Земли из космоса. 1991. Т. 10. № 5. С. 10–15.
- Балтер Б. М., Балтер Д. Б., Котцов В. А. Обработка гиперспектральных данных по Земле и Марсу // Современные проблемы дистанционного зондирования Земли из космоса. 2006. Вып. 3. № 1. С. 68–76.
- Балтер Б. М., Егоров В. В., Котцов В. А., Стальная М. В. Корреляционные портреты гиперспектральных данных дистанционного зондирования // Всерос. научно-техн. конф. «Современные проблемы определения ориентации и навигации космических аппаратов»: сб. тр. конф. Россия, Таруса, 22–25 сент. 2008. М.: ИКИ РАН, 2009. С. 510–518.
- Балтер Б. М., Егоров В. В., Котцов В. А. Способ преобразования изображения. Патент РФ 2586405. Рег. 10.06.2016.
- Балтер Б. М., Егоров В. В., Котцов В. А. Новые возможности корреляционного анализа для систем технического зрения // Техническое зрение. 2017. № 1. С. 53–59.
- Попа А., Балтер Б. М., Ганзориг М., Егоров В. В. Особенности корреляционной структуры спектра оптического сигнала, восходящего от зондируемых объектов (на примере морской поверхности) // Исследование Земли из космоса. 1988. Т. 7. № 3. С. 23–30.
- Biehl L., Landgrebe D. MultiSpec ― a tool for multispectral–hyperspectral image data analysis // Computers and Geosciences. 2002. V. 28. Iss. 10. P. 1153–1159.
- Chekalina T. I., Popova I. V., Balter B. M., Egorov V. V. Correlation portraits and neural networks for spaceborne high-resolution spectrometry // Proc. ISSSR Intern. Symp. Maui, Hawaii. 1992. V. 2. P. 1137–1149.
- Lee C., Landgrebe D. Analyzing High Dimensional Multispectral Data // IEEE Trans. Geoscience and Remote Sensing. 1993. V. 31. P. 792–800.