(42-3) 13 * << * >> * Русский * English * Содержание * Все выпуски

Выделение сезонно-однородных областей на основе анализа временных серий спутниковых изображений
Плотников Д.Е., Колбудаев П.А., Барталёв С.А.

Институт космических исследований РАН, Москва, Россия

 PDF, 646 kB

DOI: 10.18287/2412-6179-2018-42-3-447-456

Страницы: 447-456.

Аннотация:
В работе рассматривается метод сегментации временных серий спутниковых изображений, позволяющий использовать разновременную информацию при формировании границ сегментов. Метод выделяет однородные объекты со схожей временной динамикой дистанционных характеристик, небольшими порциями анализируя значительные по объёму массивы разновременных входных данных, позволяя получать целостный результат сегментации на протяженные территории. Логика формирования сегментов максимально упрощена для обеспечения минимального времени работы, при этом точность проведения границ достаточна для решения задач мониторинга и распознавания быстроменяющихся типов растительного покрова, таких как сельскохозяйственная растительность. Описанный метод сегментации в настоящее время используется в автоматических алгоритмах оперативного анализа спутниковых данных, разработанных в ИКИ РАН для распознавания и оценки состояния растительности на больших территориях, в частности, озимых, яровых культур, используемых пахотных земель. Возможность установления границ сегментов в условиях наличия пропущенных значений во временных сериях данных позволяет рассчитывать и восстанавливать недостающие измерения на основе спектрально-временных связей между пикселями сегмента. Устойчивость метода к шуму в исходных данных дистанционных наблюдений может быть использована для его подавления, что показано на примере радиолокационных изображений.

Ключевые слова:
сегментация, дистанционное зондирование, спектрально-динамические метрики, анализ изображений.

Цитирование:
Плотников, Д.Е. Выделение сезонно-однородных областей на основе анализа временных серий спутниковых изображений / Д.Е. Плотников, П.А. Колбудаев, С.А. Барталёв // Компьютерная оптика. – 2018. – Т. 42, № 3. – С. 447-456. – DOI: 10.18287/2412-6179-2018-42-3-447-456.

Литература:

  1. Dey, V. A review on image segmentation techniques with remote sensing perspective / V. Dey, Y. Zhang, M. Zhong // Proceedings of the International Society for Photogrammetry and Remote Sensing Symposium (ISPRS), TC VII Symposium. – 2010. – Vol. XXXVIII, Part 7A. – P. 31-42.
  2. Гонсалес, Р.С. Цифровая обработка изображений / Р. Гонсалес, Р.Е. Вудс; пер. с англ. – М.: Техносфера, 2005. – 1072 с. – ISBN: 978-5-94836-331-8.
  3. Sarmah, S. A grid-density based technique for finding clusters in satellite image / S. Sarmah, D.K. Bhattacharyya // Pattern Recognition Letters. – 2012. – Vol. 33, Issue 5. – P. 589-604. – DOI: 10.1016/j.patrec.2011.11.021.
  4. Барталёв, С.А. Анализ возможностей применения методов сегментации спутниковых изображений для выявления изменений в лесах / С.А. Барталёв, Т.С. Ховратович // Современные проблемы дистанционного зондирования Земли из космоса. – 2011. – Т. 8, № 1. – С. 44-62.
  5. Rashedi, E. A hierarchical clusterer ensemble method based on boosting theory / E. Rashedi, A. Mirzaei // Knowledge-Based Systems. – 2013. – Vol. 45. – P. 83-93. – DOI: 10.1016/j.knosys.2013.02.009.
  6. Yuan, J. Remote sensing image segmentation by combining spectral and texture features / J. Yuan, D.L. Wang, R. Li // IEEE Transactions on Geoscience and Remote Sensing. – 2014. – Vol. 52, Issue 1. – P. 16-24. – DOI: 10.1109/TGRS.2012.2234755.
  7. Deng, H. Unsupervised image segmentation using a simple MRF model with a new implementation scheme / H. Deng, D.A. Clausi // Pattern Recognition. – 2004. – Vol. 37, Issue 12. – P. 2323-2335. – DOI: 10.1016/j.patcog.2004.04.015.
  8. Zhang, J. Brief review of invariant texture analysis methods / J. Zhang, T. Tan // Pattern Recognition. – 2002. – Vol. 35, Issue 3. – P. 735-747. – DOI: 10.1016/S0031-3203(01)00074-7.
  9. Фраленко, В.П. Методы текстурного анализа изображений, обработка данных дистанционного зондирования Земли // Программные системы: теория и приложения. – 2014. – № 4(22). – С. 19-39.
  10. Neubert, M. Assessment of remote sensing image segmentation quality / M. Neubert, H. Herold // Proceedings GEOBIA. – 2008. – 5 p.
  11. Gang, L. Remote sensing image segmentation with probabilistic neural networks / L. Gang // Geo-spatial Information Science. – 2005. – Vol. 8, Issue 1. – P. 28-32. – DOI: 10.1007/BF02826988.
  12. Su, T. Local and global evaluation for remote sensing image segmentation / T. Su, S. Zhang // ISPRS Journal of Photogrammetry and Remote Sensing. – 2017. – Vol. 130. – P. 256-276. – DOI: 10.1016/j.isprsjprs.2017.06.003.
  13. Медведева, Е.В. Метод текстурной сегментации изображений на основе марковских случайных полей / Е.В. Медведева, Е.Е. Курбатова // Цифровая обработка сигналов. – 2012. – № 3. – С. 76-80.
  14. Плотников, Д.Е. Метод сегментации временной серии спутниковых изображений // Двенадцатая всероссийская открытая конференция «Современные проблемы дистанционного зондирования Земли из космоса». Тезисы докладов. – 2014. – С. 375.
  15. Барталёв, С.А. Состояние и перспективы развития методов спутникового картографирования растительного покрова России / С.А. Барталёв, В.А. Егоров, В.О. Жарко, Е.А. Лупян, Д.Е. Плотников, С.А. Хвостиков // Современные проблемы дистанционного зондирования Земли из космоса. – 2015. – Т. 12, № 5. – С. 203-221.
  16. Плотников, Д.Е. Оценка точности выявления посевов озимых культур в весенне-летний период вегетации по данным прибора MODIS / Д.Е. Плотников, С.А. Барталёв, Е.А. Лупян, В.А. Толпин // Современные проблемы дистанционного зондирования Земли из космоса. – 2017. – Т. 14, № 4. – С. 132-145. – DOI: 10.21046/2070-7401-2017-14-4-132-145.
  17. Лупян, Е.А. Наблюдение раннего развития озимых культур в южных регионах европейской части России весной 2017 года на основе данных дистанционного мониторинга / Е.А. Лупян, С.А. Барталёв, Ю.С. Крашенинникова, Д.Е. Плот­ников, В.А. Толпин // Современные проблемы дистанционного зондирования Земли из космоса. – 2017. – Т. 14, № 2. – С. 268-272. – DOI: 10.21046/2070-7401-2017-14-2-268-272.
  18. Лупян, Е.А. Аномальное развитие яровых культур в регионах европейской части России в 2017 году / Е.А. Лупян, С.А. Барталёв, Ю.С. Крашенинникова, Д.Е. Плотников, В.А. Толпин // Современные проблемы дистанционного зондирования Земли из космоса. – 2017. – Т. 14, № 3. – С. 324-329. – DOI: 10.21046/2070-7401-2017-14-3-324-329.
  19. Bartalev, S.A. Mapping of arable land in Russia using multiyear time series of MODIS data and the LAGMA classification technique / S.A. Bartalev, D.E. Plotnikov, E.A. Loupian // Remote Sensing Letters. – 2016. – Vol. 7, Issue 3. – P. 269-278. – DOI: 10.1080/2150704X.2015.1130874.
  20. Плотников, Д.Е. Автоматическое распознавание используемых пахотных земель на основе сезонных временных серий восстановленных изображений Landsat / Д.Е. Плотников, П.А. Колбудаев, С.А. Барталев, Е.А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса. – 2018. – Т. 15, № 2. – С. 112-127. – DOI: 10.21046/2070-7401-2018-15-2-112-127.
  21. Плотников, Д.Е. Распознавание используемых пахотных земель на основе сезонных временных серий восстановленных изображений Landsat на примере Московской области / Д.Е. Плотников, П.А. Колбудаев, С.А. Барталёв, Е.А. Лупян // Пятнадцатая Всероссийская открытая конференция «Современные проблемы дистанционного зондирования Земли из космоса». Тезисы докладов. – 2017. – С. 410.
  22. Cousty, J. Watershed cuts: minimum spanning forests, and the drop of water principle / J. Cousty, G. Bertrand, L. Najman, M. Couprie // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2009. – Vol. 31, Issue 8. – P. 1362-1374. – DOI: 10.1109/TPAMI.2008.173.
  23. Shi, J. Normalized cuts and image segmentation / J. Shi, J. Malik // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2000. – Vol. 22, Issue 8. – P. 888-905. – DOI: 10.1109/34.868688.
  24. Grady, L. Random walks for image segmentation / L. Grady // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2006. – Vol. 28, Issue 11. – P. 1768-1783. – DOI: 10.1109/TPAMI.2006.233.
  25. Grady, L. Isoperimetric graph partitioning for image segmentation / L. Grady, E.L. Schwartz // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2006. – Vol. 28, Issue 3. – P. 469-475. – DOI: 10.1109/TPAMI.2006.57.
  26. Lee, J.-S. Speckle analysis and smoothing of synthetic aperture radar images / J.-S. Lee // Computer Graphics and Image Processing. – 1981. – Vol. 17, Issue 1. – P. 24-32. – DOI: 10.1016/S0146-664X(81)80005-6.
  27. Лупян, Е.А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды / Е.А. Лупян, А.А. Прошин, М.А. Бур­цев, И.В. Балашов, С.А. Барталёв, В.Ю. Еф­ремов, А.В. Кашницкий, А.А. Мазуров, А.М. Матвеев, О.А. Суднева, И.Г. Сычугов, В.А. Толпин, И.А. Уваров // Современные проблемы дистанционного зондирования Земли из космоса. – 2015. – Т. 12, № 5. – С. 263-284.
    28. © 2009, IPSI RAS
    Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20