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. 2020. Т. 17. № 5. С. 35-44

Методика расчёта критерия оценки качества спутникового изображения на основе вычисления геометрической концентрации

Е.А. Мальцев 1 , Ю.А. Маглинец 2 , Р.В. Брежнев 2 
1 Сколковский институт техники и технологий, Москва, Россия
2 Институт космических и информационных технологий, Сибирский федеральный университет, Красноярск, Россия
Одобрена к печати: 21.08.2020
DOI: 10.21046/2070-7401-2020-17-5-35-44
В работе рассмотрена методика расчёта критерия объективной оценки качества изображения на основе вычисления геометрической концентрации дефектов изображения. В качестве дефектов рассматриваются области, покрытые облачным покровом. Объективная оценка подразумевает автоматический режим расчёта без привлечения групп экспертов. Вычисление геометрической концентрации объектов на плоскости на основе триангуляции Делоне позволяет перейти на уровень анализа реляционных структур, учитывающих информацию о взаиморасположении объектов на изображении, и в том числе дать оценку характеру расположения дефектов в виде облачности на спутниковом снимке. В статье показано преимущество предложенного критерия качества спутникового изображения в сравнении с оценкой на основе процента облачности. Данный критерий может быть использован в каталогах спутниковых данных при отборе данных для тематической обработки. Проведена апробация методики расчёта критерия на случайной выборке снимков дистанционного зондирования Земли, получены количественные результаты, характеризующие степень применимости изображений для тематической обработки. Сформулированы рекомендации применения рассматриваемого критерия при отборе и фильтрации спутниковых снимков в задачах агромониторинга.
Ключевые слова: обработка изображений, дистанционное зондирование, оценка качества изображения, геометрическая концентрация, облачность
Полный текст

Список литературы:

  1. Гонсалес Р., Вудс Р. Цифровая обработка изображений / пер. с англ. М.: Техносфера, 2005. 1072 с.
  2. Мальцев Е. А. Разработка алгоритмов обработки данных дистанционного зондирования Земли для распознавания пространственных объектов сельскохозяйственного назначения с линейной геометрической структурой: дис. … канд. техн. наук. 2017. 136 с.
  3. Мальцев Е. А., Перфильев Д. А., Сиротин Э. Е., Цибульский Г. М. Измерение облачности на снимках, полученных со спутника Spot-4 // Журн. Сибирского федер. ун-та. Сер. «Техника и технологии». Вып. 5. Т. 2. 2011. С. 229–242.
  4. Мальцев Е. А., Маглинец Ю. А., Цибульский Г. М. Объективная оценка качества изображения на основе расчета геометрической концентрации // Региональные проблемы дистанционного зондирования Земли: материалы 5-й Международной науч. конф. / Сибирский федер. ун-т. Красноярск, 2018. С. 143–146.
  5. Мальцев Е. А., Маглинец Ю. А., Брежнев Р. В. Апробация критерия объективной оценки качества изображения на основе расчета геометрической концентрации // Материалы Семнадцатой Всероссийской открытой конф. «Современные проблемы дистанционного зондирования Земли из космоса». 11–15 нояб. 2019. М: ИКИ РАН, 2019. С. 44. DOI: 10.21046/17DZZconf-2019a.
  6. Перфильев Д. А., Цибульский Г. М. Область концентрации сегментов металлографических изображений деформируемых алюминиевых сплавов // Вестн. Сибирской аэрокосм. акад. им. академика М. Ф. Решетнева. Вып. 6. 2007. С. 30–32.
  7. Сай С. В. Метрика искажений мелких структур компрессированных изображений // Компьютерная оптика. 2018. Т. 42. № 5. С. 829–837.
  8. Сай С. В., Сорокин Н. Ю. Метод оценки четкости фотореалистичных изображений без использования эталона // Электроника, измерительная техника, радиотехника и связь. 2012. Т. 2. С. 26.
  9. Bandyopadhyay S., Saha S. Similarity Measures // Unsupervised Classification. Berlin: Springer, 2013. P. 59–73.
  10. Maltsev E. A., Sirotin E. E., Perfil’ev D. A., Tsibulskii G. M. Extracting a Cluster of Clouds in the Spot 4 Satellite Images // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2011. V. 21. Iss. 21. Art. No. 522. P. 522–525.
  11. Methods for objective and subjective assessment of speech and video quality. Mean opinion score (MOS) terminology. Series P: terminals and subjective and objective assessment methods. P.800.1. ITU-T. Report. Intern. Telecommunication Union, 2006. 18 p.
  12. Perfilev D. A., Maglinets Yu. A., Tsibulsky G. M. Family of Models for Describing One Class of Metallographic Images // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2009. V. 19. Iss. 2. P. 334–341.
  13. Wang Z., Bovik A. C., Sheikh H. R., Simoncelli E. P. Image quality assessment: from error visibility to structural similarity // IEEE Trans. Image Processing. 2004. V. 2. Iss. 4. P. 600–612.