Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 4. С. 47-59
Обнаружение мелкомасштабной изменчивости лесного полога на спутниковых панхроматических изображениях на основе матрицы смежности перепадов яркости
М.Г. Алексанина
1, 2 , А.В. Храмцова
1, 2 1 Институт автоматики и процессов управления ДВО РАН, Владивосток, Россия
2 Дальневосточный федеральный университет, Владивосток, Россия
Одобрена к печати: 12.08.2024
DOI: 10.21046/2070-7401-2024-21-4-47-59
На примере задачи обнаружения рубок одиночных деревьев на спутниковых изображениях лесного полога решается задача поиска оптимальных признаков, которые независимо от условия наблюдения идентифицируют наличие изменений на панхроматических изображениях. Исходными данными являются панхроматические изображения прибора «Геотон-Л1» с российского спутника «Ресурс-П» (пространственное разрешение 0,7 м). Предлагается подход на основе матрицы смежности, но не яркости, как в классическом случае, а перепадов яркости для заданного вектора смещения, на котором рассматривается перепад. И не для одного изображения, а для пары изображений. Рассматривается частота перехода конкретного перепада 1-го изображения в определённый перепад 2-го изображения. Отсутствие каких-либо значимых изменений в структуре изображений проявляется в матрице смежности перепадов яркости в том, что ненулевые значения частоты сосредотачиваются вдоль её диагонали. Если появляются даже небольшие пространственные изменения яркости — появляются «аномальные» частоты, ненулевые значения частот вне диагонали. Эта особенность используется для идентификации яркостных изменений типа «рубок». При сравнении пар спутниковых изображений, полученных при близких углах съёмки и солнца над горизонтом, подход находит области изменения перепадов яркости хорошо. Если углы существенно различаются, то появляются артефакты — ложные рубки. Такие аномальные перепады яркости могут быть как в местах потенциально реальных рубок, так и вследствие несоответствия углов съёмки и солнца над горизонтом. В таком случае анализируется стабильность выявленных аномалий по последовательности матриц смежности перепадов с трёх изображений. Для подтверждения достоверности рубки и уточнения её границ используются расчёты аномалий яркости при разных векторах смещения.
Ключевые слова: спутниковые изображения, мелкомасштабная изменчивость, текстура, перепады яркости, изменение величины перепада яркости, матрица частот, одиночные рубки
Полный текстСписок литературы:
- Алексанин А. И., Ким В., Морозов М. А., Фомин Е. В. (2019а) Обнаружение рубок отдельных деревьев по теням на основе снимков прибора «Геотон» спутника «Ресурс-П» // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 5. С. 174–182. DOI: 10.21046/2070-7401-2019-16-5-174-182.
- Алексанин А. И., Морозов М. А., Фомин Е. В. (2019б) Проблемы совмещения изображений с пиксельной точностью // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 1. С. 9–16. DOI: 10.21046/2070-7401-2019-16-1-9-16.
- Алексанина М. Г., Храмцова А. В. Статистика изменений яркости двух изображений для поиска мелкомасштабных изменений по данным спутника «Ресурс-П» // Материалы 20-й Международ, конф. «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН, 2022. C. 11. DOI: 10.21046/20DZZconf-2022a.
- Барталев С. А., Курятникова Т. С., Стибиг Х. Ю. Методы использования временных серий спутниковых изображений высокого пространственного разрешения для оценки масштабов и динамики вырубок таежных лесов // Современные проблемы дистанционного зондирования земли из космоса. 2005. Вып. 2. Т 2. С. 217–227.
- Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А., Шабанов Н. В. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 с.
- Борзов С. М., Потатуркин О. И. Классификация типов растительного покрова по гиперспектральным данным дистанционного зондирования Земли // Вестн. НГУ. Сер.: Информац. технологии. 2014. Т. 12. № 4. C. 13–22.
- Борзов С. М., Потатуркин О. И. Повышение эффективности классификации гиперспектральных изображений за счет разномасштабной пространственной обработки // Компьютер. оптика. 2020. Т. 44. № 6. С. 937–943. DOI: 10.18287/2412-6179-CO-779.
- Борзов С. М., Узилов С. Б. Обнаружение слаборазличимых антропогенных изменений растительного покрова по мультиспектральным разновременным изображениям // Вычисл. технологии. 2016. Т. 21. № 1. С. 40–48.
- Борзов С. М., Потатуркин А. О., Потатуркин О. И., Федотов А. М. Исследование эффективности классификации гиперспектральных спутниковых изображений природных и антропогенных территорий // Автометрия. 2016. Т. 52. № 1. С. 3–14. DOI: 10.18287/2412-6179-CO-779.
- Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MatLab: пер. с англ. М.: Техносфера, 2006. 616 с.
- Колодникова Н. В. Обзор текстурных признаков для задач распознавания образов // Докл. Томского гос. ун-та систем управления и радиоэлектроники. 2004. Т. 9. № 1. С. 113–123.
- Миклашевич Т. С., Барталев С. А. Метод определения фенологических характеристик растительного покрова на основе временных рядов спутниковых данных // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 1. С. 9–24. DOI: 10.21046/2070-7401-2016-13-1-9-24.
- Прэтт У. Цифровая обработка изображений: в 2-х т.; пер. с англ. М.: Мир, 1982. Т. 1. 311 с.
- Сидорова В. С. Неконтролируемая классификация текстурных изображений // Интерэкспо Гео-Сибирь. 2007. № 3. C. 178–183.
- Старовойтов А. В., Фаттахов А. В., Ячменёва Е. А. и др. Оценка объемов вырубки леса с использованием данных дистанционного зондирования Земли // Ученые записки Казанского ун-та. Сер. Естествен. науки. 2021. Т. 163. Кн. 4. С. 591–602. DOI: 10.26907/2542-064X.2021.4.
- Тымчук А. И. О текстурных признаках в задаче сегментации аэрофотоснимков на основе матриц яркостной зависимости // Кибернетика и программирование. 2018. № 6. С. 31–39. DOI: 10.25136/2306-4196.2018.6.28395.
- Харалик Р. М. Статистический и структурный подходы к описанию текстур // Тр. Ин-та инженеров по электронике и радиотехнике: пер. с англ. 1979. Т. 67. № 5. С. 98–120.
- Храмцова А. В., Алексанина М. Г. Обнаружение рубок на основе матрицы смежности перепадов яркости на примере изображений спутника «Ресурс-П» // Материалы 19-й Международ. конфер. «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН, 2021. C. 389. DOI: 10.21046/19DZZconf-2021a.
- Afaq Y., Manocha A. Analysis on change detection techniques for remote sensing applications: A review // Ecological Informatics. 2021. V. 63. Article 101310. https://doi.org/10.1016/j.ecoinf.2021.101310.
- Bromiley P., Thacker N., Courtney P. Non-parametric image subtraction using grey level scattergrams // Image and Vision Computing. 2002. V. 20. No. 9–10. P. 609–617. https://doi.org/10.1016/S0262-8856(02)00050-1.
- Khan S. H., He X., Porikli F., Bennamoun M. Forest change detection in incomplete satellite images with deep neural networks // IEEE Trans. Geoscience and Remote Sensing. 2017. V. 55. P. 5407–5423. DOI: 10.1109/TGRS.2017.2707528.
- Li F., Zeng Y., Luo J., Ma R., Wu B. Modeling grassland aboveground biomass using a pure vegetation index // Ecological Indicators. 2016. V. 62. P. 279–288. DOI: 10.1016/j.ecolind.2015.11.005.
- Matosak B. M., Fonseca L. M. G., Taquary E. C. et al. Mapping deforestation in cerrado based on hybrid deep learning architecture and medium spatial resolution satellite time series // Remote Sensing. 2022. V. 14. No 1. Article 209. https://doi.org/10.3390/rs14010209.
- Miettinen J., Shi Ch., Liew S. Ch. Land cover distribution in the peatlands of Peninsular Malaysia, Sumatra and Borneo in 2015 with changes since 1990 // Global Ecology and Conservation. 2016. V. 6. P. 67–78. DOI: 10.1016/j.gecco.2016.02.004.
- Milne K. Change direction analysis using landsat imagery: A review of methodology // Intern. Geoscience and Remote Sensing Symp. “Remote Sensing: Moving Toward the 21st Century”. 1988. P. 541–544. https://doi.org/10.3390/rs12111781.
- Townshend J. R. G., Justice C. O., Gurney C., McManus J. The impact of misregistration on change detection // IEEE Trans. Geoscience Remote Sensing. 1992. V. 30(5). P. 1054–1060. DOI: 10.1109/36.175340.
- Wijaya A. Application of multi-stage classification to detect illegal logging with the use of multi-source data: A case study in labanan forest management unit, East Kalimantan, Indonesia: PhD Thesis. Faculty of Geo-Information Science and Earth Observation, Department of Urban and Regional Planning and Geo-Information Management, 2005. 64 p. https://doi.org/10.3990/1.323024368.