Методики автоматизации дешифрирования космических материалов

Соколов В.Н.

 

 Мировое сообщество озабочено совершенствованием систем формирования информационных ресурсов. Не в последнюю очередь именно развитие космических систем картографического мониторинга и позиционирования объектов, внедрение в практику информационно-коммуникационных технологий и цифровых методов обработки информации формируют основы мировой системы геодезии и картографии Земли [В.А. Горелов, 2004; В.А. Вашанов, 2004]. Специфика использования материалов космических съемок  связана с целевым подходом к дешифрированию дистанционных материалов, которые содержат информацию о многих территориально связанных параметрах (географических, сельскохозяйственных, геологических, техногенных и т.п.) природной среды. В основу компьютерного визуального дешифрирования положены измерения четырехмерных (две пространственных координаты, яркостная и временная) и пятимерных (дополнительно, цветное изображение при многозональной съемке) распределений радиационных потоков, отражаемых элементами и объектами местности. Тематическая обработка изображения включает в себя логические и арифметические операции,  классификации, фильтрацию и/или линеаментный анализ и серию других методических приемов. Сюда же  следует отнести визуальное дешифрирование изображения на экране компьютера, которое осуществляется с помощью  стереоэффекта, а также и всего арсенала средств компьютерной обработки и преобразования изображений. Широкие возможности для исследователя открывают автоматические классификации многозональных изображений (с предварительным обучением на эталонах или с задаваемыми параметрами).  Классификации основаны на том, что различные природные объекты имеют в разных диапазонах электромагнитного спектра отличающиеся друг от друга яркости. Анализ яркостей объектов в разных зонах (СОХ - спектральные оптические характеристики) позволяет идентифицировать и оконтурить представительные виды ландшафта, структурно-вещественные (производственные и социальные) комплексы и конкретные геологические и техногенные тела. Разработан структурометрический метод обнаружения и подсчёта запасов полезных ископаемых (рудных и не рудных) на основе применение уникальных математических методов обработки (дешифрирования) следов влияния ядра Земли на её поверхность. Этот анализ (прогноз) осуществляется при обработке ДДЗ и использовании аналитических технологий ГИС [Даниленко А., 2002].  Автоматизированное дешифрирование с помощью диссекторного измерителя оптической плотности космофотоснимков и координатно связанных эталонов, подготовленных на местности (развиваемое ранее Липовецким Ю.Л. в Госцентре "Природа"), носит локальный и прикладной характер, но при этом надежность дешифрирования площадных объектов (лесов различных типов, кустарников и травяной растительности, болот и т.д.) с определением необходимых количественных и качественных характеристик составляет ~80%. Ю.С. Тюфлин в статье "Новые старые задачи фотограмметрии" [Ю.С. Тюфлин, 2002] писал "…При этом геометрические задачи фотограмметрии всегда стояли особняком от дешифровочных. Геометрические задачи проще автоматизируются и сразу давали существенный вклад в процессы обработки. Задачи дешифрирования всегда были несколько отдалены от процесса автоматизированной обработки изображений. Это наверно происходило из-за применения при автоматизации дешифрировании достаточно сложного математического аппарата. И эта свободная ниша заполнялась специалистами по компьютерному зрению. … " Особого профессионального мастерства и больших трудозатрат требует создание серии атласов по дешифрированию космических снимков,  используемых в экологическом мониторинге, пример которого представлен в виде научно-методического атласа "Космические методы геоэкологии" [Атлас, 1998]. В целом ряде случаев используемых методов и приёмов оказывается недостаточно для проведения производственной обработки поступающих спутниковых изображений для обновления топографических и тематических карт и/или регистрации возникающих изменений подстилающей поверхности, так как трудозатраты на визуальное дешифрирование составляют основное бремя при обновлении карт. Особенно это сказывается на производстве, где требуется обновление масштабного ряда цифровых топографических карт на большие территории. Поэтому сохраняются технологии обновления как по космоматериалам с последовательным укрупнением масштаба карт, так и по аэрофотоснимкам и расчленённым оригиналам с последовательным переходом к мелкомасштабным картам. Технология обновления по космическим снимкам цифровых топографических карт на основе визуального дешифрирования должна обеспечивать следующую совокупность функций:

1)       экспорт/импорт цифровой картографической информации и цифровых изображений местности;

2)       дешифрирование космических фотоснимков с соблюдением оптимальных условий их обработки:

-         подготовка исходных материалов для идентификации элементов местности на увеличенных позитивах (на пленке);

-         оценка разрешения снимков до и после первичной обработки;

-         определение прямых и косвенных дешифровочных признаков, а также использование фотообразов типовых элементов местности и справочных материалов;

3)       оценку точности, категории сложности и полноты содержания карт и снимков;

4)       оцифровку космических снимков и результатов дешифрирования;  

5)       трансформирование (ортотрансформирование) цифровых космических снимков;

6)       подготовку статистических и иных характеристик информационных признаков элементов местности;

7)       редактирование элементов содержания цифровой карты по результатам дешифрирования снимков;

8)       формирование обновленной цифровой топографической карты;

9)       оформление цифровой топографической или тематической карты для пользователя совместно со снимком – создание композитной цифровой фототопографической карты.

               При автоматическом и интерактивном дешифрировании дополнительно возможно моделирование полей сигналов на входе приемной аппаратуры аэрокосмических систем мониторинга окружающей среды; фильтрация изображения и операции распознавания образов.

               Этот общий набор приёмов повторяет в основном набор технологических операций сложившийся при аналоговой обработке аэротопосъёмки для обновления карт.

               Но совместное наблюдение на экране слоя, получение которого возможно различными методами, векторной цифровой карты и растрового снимка создают новые, ранее не использованные, возможности для автоматизированного дешифрирования и обновления карт [Н.В. Времячкина, 1999; Соколов В.Н., 1999].

               Координаты контура площадного или линейного элемента местности на цифровой карте могут служить "песмейкером" – указателем для снятия данных с пикселов растрового изображения местности с последующим вычислением осреднённых характеристик окрестной области, задаваемых размеров, и оконтуриванием площади или  нанесением соответствующей кривой в новом слое. При нестыковке параметров растра в очередном пикселе изображения возможен переход на следующий соответствующий тому же элементу на карте и с последующей интерактивной ликвидацией разрывов. Возможен алгоритм прерывного получения статистических характеристик осреднённых окрестностей пикселов (точек отрезков между экстремумами или на сплайнах) с учетом допустимого изменения характеристик растротона, а не всего массива равноотстоящих пробных областей вдоль кривой.

               Использование данных карты о рельефе местности позволяет значительно усилить автоматизацию алгоритмов дешифрирования, особенно для гидрологических и геологических массивов информации по прямым признакам, используя тот же приём сопоставления, на базе геологических и гравитационных  отношений.

               Подтягивание в дополнительные растровые слои информации о косвенных признаках через сравнение, и подобие окрестных пикселов позволяет вести автоматизированное дешифрирование снимка, учитывая спектральные компоненты RGB-изображения элементов и объектов местности.

               Предлагаемая методика открывает широкий спектр алгоритмов дополнительного использования многозональных изображений, в том числе с формируемыми цифровыми фильтрами для выявления элементов местности с учётом предварительных экспертных проработок.

               Предлагаемая алгоритмизация обновления карт присуща как онтологическим сущностям сравнения и выявления скрытых признаков, так и всему спектру приёмов прогнозирования и актуализированной визуализации изображения природной среды, развитой в работах [В.И. Клёнов, 2001…2003]. В цикле, начиная с 1989 года, исследований В.И. Клёнова предварительная валидация гидрометеорологического и многослойного  ряда геоморфологических данных и получение непрерывно сменяемого ряда цифровых картин гидрорельефа позволяет строить прогноз изменения состояния местности от заданных начальных данных метеорологов с лагом достоверности построения отношений и свойств окружающей среды. Создание геоморфологических прогнозов на бассейны северных рек позволит отслеживать состояния шельфа и проходимости Северного морского пути или уровень вод Байкала по прогнозу притока вод речного бассейна. Подобные системы снимают проблему хранения возрастающего в геометрической прогрессии объема видеоинформации с космических аппаратов, так как являются хранилищем (памятью) обозначенного региона (речного бассейна, например) и сами потребуют новой порции исходных данных при истечении апробированного на ретроспективных данных срока валидации. Сравнительный анализ картин модели, исторического ряда гидрометеорологических данных и ДЗЗ непосредственно на экране позволяет судить о степени их соответствия, корректировать критерии согласования и отстраивать обратные связи адаптивных механизмов моделирования.  В целом мувиграфия создаёт предпосылки сверхдолгосрочного прогноза, в том числе годового, по гидроморфологическому ряду природных явлений.  Аналогичные прогнозы на речные бассейны, глобально влияющих на региональную экологию, необходимы, как для оправдания затрат на космические исследования, так и для экономии средств за счёт прогнозирования природных катаклизмов. Множество иных приложений можно привести для заинтересованных инвесторов. Для распределённых систем принятия решений путём использования подобных прогностических проектов создаются условия для оценок изменения ситуации, опережающих поступление внешних данных, на громадной территории в любой локальной точке (с разрешением до пиксела). Это кардинально меняет мифы и подходы к созданию "е-правительства" или "Электронной Земли" в сфере экологического страхования, наблюдений за состоянием природных ресурсов и определения предвестников природных и техногенных катастроф.

               Использование логических моделей сравнения [Сиротинская С.В., 1986; Бургин М.С., 1991] для пиксела или кластера по набору существующих цифровых тематических карт или генетических алгоритмов позволит дополнительно проводить сравнение и районирование территории по заданному набору параметров. Целесообразна разработка методик сжатия космической информации (Чернов А.В., 2001). Сравнение получаемых результатов по независимым методикам необходимо для валидации результатов исследований. Экспертная система с установленными взаимосвязями между лингвистическими и базовыми (свойство, связь, отношение) факторами, характеризующими районирование, прокладывает путь к опознаванию графических образов сходных элементов местности при использовании предлагаемых алгоритмов многослойной модели [Куприянов С.В., 1995]. Все технические и технологические предпосылки для создания подобных прогностических управляющих комплексов социальной, экологической и экономической направленности созданы, необходимо осознание новой парадигмы построения информационной инфраструктуры.

 

ЛИТЕРАТУРА

В.А. Горелов, 2004	В.А. Горелов В.А., Е.Л. Лукашевич, В.А. Стрельцов. Состояние и тенденции развития космических средств дистанционного зондирования высокого разрешения, Информационный бюллетень, ГИС Ассоциация (сайт), продолжение май 2004, начало в № 4(36)
В.А. Вашанов, 2004	В.А. Вашанов, В.А. Кривилёв, В.Н. Соколов. Интеграция России и стран СНГ в сфере информатизации, СОПС, Центр исследований экономических проблем СНГ, М., 2004, с.222…232
Даниленко А., 2002	Даниленко А., начальник отдела ГИС-компании "Прайм Груп", Источник: "Прайм Груп", Дата: 26.09.2002
Ю.С. Тюфлин, 2002	Ю.С. Тюфлин, Третья научно-практическая конференция, посвященная 150-летию фотограмметрии, Современные проблемы фотограмметрии и дистанционного зондирования, 11 –12 апреля 2002 г., тезисы докладов
Атлас, 1998	Атлас подготовлен лабораторией аэрокосмических методов кафедры картографии и геоинформатики географического факультета МГУ как продолжение серии атласов по дешифрированию космических снимков, выпущенных в международной кооперации в предшествующие годы (1982, 1988) Из материалов второй всероссийской научно-практической конференции ГИС-Ассоциации, ОАО “Нижневартовскнефтегаз”, ОДАО “Приобьнефть”, Союза маркшейдеров России “Геоинформатика в нефтегазовой и горной отраслях" (Нижневартовск 6–8 апреля 1999 г.), В.И. Кравцова, в.н.с. географического факультета МГУ им. М.В.Ломоносова, Экологические проблемы горной и нефтегазовой отраслей в атласе "Космические методы геоэкологии"
Н.В. Времячкина, 1999	Н.В. Времячкина, Т. Г. Глазовская, В.Н. Сапунов, Ю.В. Свентэк, Ю.Г. Селиверстов, А.Ю. Соловьев, А.А. Сучилин, МГУ, ГИС «Хибины»: технология создания, ГИС-Обозрение", №2/1999 (источник: Copyright © Olga Blinkova.)
В.И. Клёнов, 2001…2003	Klenov V.I. 2001. Elaboration and verification for Debris Flow 2D simulation. 3rd International Symposium on Environmental Hydraulics. Abstract volume & Papers on CD ROM. Arizona State University, Tempe, USA. Klenov V.I. 2003.Continual computing of environmental flows in "real-time' GIS. Proceedings of the 6th AGILE. April 24th –26th, Lyon, France, 31-35. Klenov V.I. 2003. Debris-flow recognition using an extended version of the river basin simulation model. Debris –Flow hazards mitigation: Mechanics, Predicytion , and assessment. Dieter Rickenmann, Cheng-lung Chen (eds), Millpress, Rotterdam, 139-145. Klenov V.I. 2003. The simulation technology for River Basins Sustainable management. 3rd International Symposium on Digital Earth, Proceedings. Abstract volume & Papers on CD ROM. M. Konecny, Friedmannova, l., Kolar M, Stepankova.,(eds). September 21-25, Brno, Chech Republic, 146-151 (см. труды В.И. Клёнова с 1986 года)
Сиротинская С.В., 1986; Бургин М.С., 1991	Сиротинская С.В., Логические методы анализа геологической информации, М., Недра, 1986 Бургин М.С., Логические методы в системах искусственного интеллекта, Вестник ВОИ и ВТ, 1991, 2, 66
Чернов А.В., 2001	Чернов А.В., руководитель ГИС-проектов, ЗАО "Совинформспутник", Самарский филиал, arche@smr.ru, доклад на ГИС-Ассоциации, 2001
Куприянов С.В., 1995	Куприянов С.В., Географические и геоинформационные аспекты экспертной системы для оптимизации картографических моделей природной среды // Геодезия и картография. - 1995. - N 3. - С. 41- 46

300704 00:49

250905 20:32

 Copyright © Соколов В.Н.