CC BY
48
ОБНАРУЖЕНИЕ ВЫБОРОЧНЫХ РУБОК КАРАКАНСКОГО БОРА ПО ДАННЫМ СПУТНИКА SPOT
Сергей Михайлович Борзов
Институт автоматики и электрометрии СО РАН, 630090, Россия, г. Новосибирск, пр. академика Коптюга, 1, зав. лабораторией, тел. (383)330-90-33, e-mail: [email protected]. su
Сергей Борисович Узилов
Новосибирский государственный университет, 630090, Россия, г. Новосибирск, ул. Пирогова, 2, студент 2-го курса магистратуры ФИТ НГУ, e-mail: uzilov @/gmail.COm
Предложен метод обнаружения по данным ДЗЗ высокого разрешения пространственных изменений на поверхности Земли, вызванных незначительным антропогенным воздействием. Метод основан на попиксельном формирование разностных кадров за счет оценки согласованности изменения во времени одинаковых по яркости отсчетов изображений. Эффективность продемонстрирована на примере обнаружения выборочных рубок по разновременным изображениям спутника SPOT.
Ключевые слова: обработка спутниковых изображений, обнаружение изменений, выборочная рубка леса.
DETECTION OF SHELTERWOOD CUTTING IN KARAKANSKY BORON BY SPOT SATALLITE DATA
Sergey M. Borzov
Institute of Automation and Electrometry, Russia, Novosibirsk, ave. Academician Koptyuga 1, Head of Laboratory, 7 (383)330-90-33, e-mail: [email protected]
Sergey B. Uzilov
Novosibirsk State University, Russia, Novosibirsk, st. Pirogova, 2, a student of 2nd year master FIT NSU, e-mail: [email protected].
A method of detection for high-resolution remote sensing data of spatial changes in the Earth's surface caused by low anthropogenic impact. The method is based on the pixel-forming frame difference by evaluating the consistency changes over time for the same brightness image samples. The effectiveness is demonstrated by the detection of selective logging on the multitemporal SPOT satellite images.
Key words: processing of satellite images, change detection, shelterwood cutting.
Введение. В настоящее время методы дистанционного зондирования Земли (ДЗЗ) из космоса являются одним из важнейших инструментов исследования природно-техногенных объектов и явлений. Особое значение они приобретают при наблюдении за изменениями, происходящими на особо охраняемых природных территориях, поскольку зачастую данные ДЗЗ для них являются единственным источником независимой, объективной и актуальной информации. Эти данные являются незаменимыми в частности при обнаружении выбороч-
ных рубок леса. Специфика проведения таких рубок связана с тем, что растительность убирается не полностью, что значительно затрудняет применения существующих подходов.
Классический подход к обработке данных ДЗЗ состоит в попиксельном формировании тематических слоев, характеризующих спектральные свойства изображений, и их совместном анализе. Такой подход успешно используется при обработке данных низкого разрешения, однако при его увеличении излишняя детализация препятствует классификации. С другой стороны повышение разрешения открывает дополнительные возможности, как при мониторинге ландшафтных изменений, так и при обнаружении и распознавании объектов. Поэтому широкое распространение при обработке данных высокого разрешения получили более эффективные объектно-ориентированные методы. Типичная процедура их реализации состоит из сегментации (выделения однородных зон), определения признаков обнаруженных сегментов, их классификация и обнаружение изменений на основе выявления межклассовых переходов. Первый этап данной процедуры является ключевым и во многом определяет результат всего процесса в целом. Однако его выполнение на реальных данных ДЗЗ затруднено, поскольку для естественных ландшафтов повышение разрешения отрицательно сказывается на качестве сегментации. По этой причине при обнаружении незначительных изменений с учетом различий условий освещенности и состояния атмосферы, а также естественной суточной и сезонной изменчивости, подобные методы обнаружения изменений оказываются низкоэффективными.
Используемый подход. В качестве альтернативы предлагается попиксель-ный разностный метод, использующий нормализацию изображений на основе поблочного согласования гистограмм [1], а также построение и анализ разностного кадра на основе так называемых диаграмм рассеяния, отображающих распределение яркости пикселей каждого бина гистограммы в разновременных изображениях [2].
Алгоритм обработки состоит из трех этапов:
- геометрическое согласование разновременных изображений,
- выделение зоны интереса,
- гистограммное согласование разновременных изображений,
- формирование разностного кадра,
- постобработка разностных кадров.
На первом этапе с использованием средств GIS выполняется пространственное совмещение разновременных спутниковых изображений и их преобразование в одну из стандартных картографических проекций.
На этапе выделения зоны интереса осуществляется поиск зон покрытых лесом, по которым необходимо проводить обнаружение изменений. Это делается на основе анализа пространственного распределения значений вегетационного индекса, индекса влагосодержания и индикатора почв, сформированного по красному каналу.
Далее по выделенным зонам выполняется согласование яркости изображений. Изображения разбиваются на блоки определенного размером, и в каждом из блоков рассчитывается среднее значение и СКО яркости. Затем выполняется
билинейная интерполяция полученных значений, формируется массив с нормировочными коэффициентами для каждого пикселя изображения и, с применением линейных преобразований, яркости двух изображений согласовываются.
При формировании разностного кадра для повышения достоверности обнаружения используется процедура, основанная на оценке согласованного изменения однотипных отсчетов. С этой целью формируются и анализируются диаграммы рассеяния. Причем при анализе диаграмм рассеяния применен подход, связанный с формированием обратных диаграмм:
- в более позднем изображении определяется распределение яркости отсчетов, имеющих заданную яркость, в более раннем изображении (строится прямая диаграмма рассеяния);
- на диаграмме находится наиболее часто встречающуюся яркость и в более раннем изображении определяется рассеяние отсчетов, имеющих данную яркость, в более позднем (строится обратная диаграмма);
- параметры полученной обратной диаграммы рассеяния используются для формирования решающего правила при анализе прямой диаграммы рассеяния с целью обнаружения изменений.
Процедуры согласования яркости изображений, формирования разностных кадров и обнаружения на этой основе изменений осуществляются одновременно по 2 и 4 каналу спутника SPOT (каналы красный (R) и средневолновый инфракрасный (SWIR)). На этапе постобработки разностных кадров выполняется совмещение полученных отметок и фильтрация малых (точечных) изменений (в данной реализации алгоритма - мажорная фильтрация ENVI). В каждом из этих каналов видны нарушения почвенного покрова. В канале SWIR влияние облачной дымки меньше, однако изображения содержат боле высокий уровень аппаратного шума и это снижает их применимость.
Экспериментальные результаты. На рис. 1,а-в приведены три разновременных изображений земной поверхности (RGB-композит из 1-2-3 каналов), полученные 27 июля 2008 г. 25 июня 2011 г. и 19 июля 2012 г., соответственно. Следует отметить, что все изображения не согласованы по яркости. Кроме того на изображении от 19 июля 2012 г. присутствует пространственно неоднородная слабая дымка, контраст которой зачастую превосходит контраст обнаруживаемых изменений. На рис.1,г приведена сформированная по данным изображениям маска растительности.
На рис.2,а показаны обнаруженные изменения 2008 -2011гг (1,25% площади), на рис.2,б - 2011-2012гг (0,36% площади). С учетом размеров обрабатываемых изображений 1500х2000 пикселей и разрешения снимков 20 м. общая площадь участка 1200 км . Суммарная площадь обнаруженных вырубок соответственно 15 км2 и 4,3 км2 (1500 Га и 430 Га).
Рис. 1
а б
Рис. 2
На рис. 3 приведены примеры характерных фрагментов с обнаруженными изменениями. Первый столбец изображения 2011 г., второй - 2012 г., третий -выявленные изменения.
Рис. 3
Основная проблема при обработке связана с наличием слабой, но неоднородной дымки. С ее влиянием можно бороться анализом временных рядов изображений. С ее влиянием можно бороться анализом временных рядов изображений. Однако на практике зачастую приходится сталкиваться с отсутствием необходимого для этого количества снимков. Другой вариант состоит в снижении размеров блоков при выполнении процедуры согласования изображений. Это может привести к появлению ошибок. Если размеры площади изменений становятся существенными, то они начинают влиять на формируемые диаграммы рассеяния. Однако использование при формировании решающего правила обратных диаграмм рассеяния позволяет корректно обнаруживать изменения, площади которых сопоставимы с размерами блоков. Основное требование - чтобы главная мода распределения относилась к неизмененной территории.
Рис.4 позволяет сравнить результаты обнаружение вырубок в зоне закрытой неоднородной легкой дымкой, полученные при формирование разностного кадра простым попиксельным вычитанием после поблочного гистограммного согласования и предложенным комбинированным алгоритмом (формирование разностного кадра на основе анализа диаграмм рассеяния после поблочного согласования яркости по каналам R и SWIR, и совмещение отметок логической операцией И).
а
б
в
Рис. 4
г
Заключение. Предложенная процедура обработки разновременных спутниковых изображений позволяет обнаруживать даже незначительные изменения, вызванные антропогенной деятельностью человека, в данном случае несанкционированные выборочные вырубки. Использование наряду с блочным согласованием изображений механизма формирования разностного кадра на основе согласованности поведения однотипных отсчетов обеспечивает достоверность результатов обнаружения в условиях наличия атмосферных искажений, а также сезонной и суточной изменчивости.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. J. Townshend, C. Justice, C. Gurney, and J. McManus, The impact of misregistration on change detection // IEEE Trans. Geosci. Remote Sensing. - 1992. - Vol. 30. - Pp. 1054-1060.
2. P. Bromiley, N. Thacker, and P. Courtney, Non-parametric image subtraction using grey level scattergrams // Image and Vision Computing. - 2002. - Vol. 20. - No. 9-10, - Pp. 609-617.
© C.M. Eop3oe, C.E. Y3unoe, 2013
