Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 4. С. 77-85

Оперативное обнаружение целевых участков сельскохозяйственной растительности методом ортогональной проекции

А.В. Герус 1 , О.Ю. Панова 1 , В.П. Саворский 1, 2 
1 Институт радиотехники и электроники им. В.А. Котельникова РАН, Фрязинский филиал, Фрязино, Московская обл., Россия
2 Институт космических исследований РАН, Москва
Одобрена к печати: 17.07.2019
DOI: 10.21046/2070-7401-2019-16-4-77-85
Предложен простой способ распознавания объектов, не обладающих определённой формой, в многоспектральном анализе. Способ основан на трёх основных идеях. Первая заключается в том, что рассматриваются не исходные спектры, а нормированные, что существенно уменьшает их вариативность, которая мешает распознаванию. Вторая — применение специальной калибровки, при которой все исходные спектры делятся на средний спектр интересующего объекта, что уменьшает искажение спектров атмосферой. Третья — вычисление скалярных проекций нормированного спектра исследуемого сигнала с фильтрами, составленными из ортогональных проекций к среднему спектру искомого объекта и возможных гипотез других объектов. Для интересующего объекта отношение вычисленных скалярных со «своим» фильтром к произведению с любым «чужим» должно быть больше единицы. Этот способ был проверен на выявлении полей, засеянных коноплёй, при наличии яровых полей. Были исследованы семь полей с коноплёй и девять яровых полей. Метод показал достаточно надёжную распознаваемость полей конопли в мае и абсолютную распознаваемость в июле и августе. Результаты оказались заметно лучше, чем при применении метода наименьших квадратов, лежащего в основе большинства других методик распознавания такого рода объектов. Данный метод может быть применён для анализа объектов в реальном времени.
Ключевые слова: ортогональная проекция, вариативность, расширенное многомерное пространство, техническая конопля, яровые зерновые, данные ДЗЗ, видимый диапазон, ИК-диапазон
Полный текст

Список литературы:

  1. Герус А. В., Герус Т. Г. Акустооптические методы идентификации объектов в гиперспектральном анализе // Физические основы приборостроения. 2015. Т. 4. № 4(17). С. 70–83.
  2. Герус А. В., Савченко Е. В., Саворский В. П. Алгоритм распознавания акустических, оптических электрических сигналов от слабых источников в присутствии известного фона // Электронный журн. «Журн. Радиоэлектроники». 2017. № 11. URL: http://jre.cplire.ru/jre/nov17/8/text.pdf.
  3. Герус А. В., Савченко Е. В., Саворский В. П. Использование метода ортогональной проекции для идентификации малых объектов в мультиспектральном анализе // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 27–35.
  4. Кашницкий А. В., Балашов И. В., Лупян Е. А., Толпин В. А., Уваров И. А. Создание инструментов для удаленной обработки спутниковых данных в современных информационных системах // Совре­менные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 1. С. 156–170.
  5. Кашницкий А. В., Лупян Е. А., Балашов И. В., Константинова А. М. Технология создания инструментов обработки и анализа данных сверхбольших распределенных спутниковых архивов // Оптика атмосферы и океана. 2016. Т. 29. № 9. С. 772–777.
  6. Саворский В. П., Панова О. Ю., Савченко Е. В. Методы анализа данных спутникового мониторинга растительных ареалов для выявления участков незаконного земледелия при проведении специальных экспертиз // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 5. С. 13–30.
  7. Саворский В. П., Кашницкий А. В., Панова О. Ю. Информационные инструменты распределенного анализа данных спутникового мониторинга растительных ареалов при проведении специальных экспертиз // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16 (в печати).
  8. Толпин В. А., Барталев С. А., Бурцев М. А., Ефремов В. Ю., Лупян Е. А., Мазуров А. А., Матвеев А. М., Прошин А. А., Флитман Е. В. Оценка состояния сельскохозяйственных культур на основе межгодовой динамики с использованием данных MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2007. Т. 2. № 4. С. 380–389.
  9. Толпин В. А., Лупян Е. А., Барталев С. А., Плотников Д. Е., Матвеев А. М. Возможности анализа состояния сельскохозяйственной растительности с использованием спутникового сервиса «ВЕГА» // Оптика атмосферы и океана. 2014. Т. 27. № 7. С. 581–586.
  10. Afghanistan Opium Survey 2017. Cultivation and Production: United Nations Office on Drugs and Crime (UNODC) Research. Afghanistan, 2017. 73 p.
  11. Manolakis D., Shaw G. Detection Algorithms for Hyperspectral Imaging Applications // IEEE Signal Processing Magazine. 2002. V. 19. No. 1. P. 378–384.