8 - 2007

Мониторинг застройки на основе автоматизированной обработки видеоизображений земной поверхности

Дмитрий Есаков

Введение

Краткое введение в ДЗЗ

Существующие методы и их ограничения

Методы анализа информативных признаков изображений

Комбинированный метод поиска изменений в застройке на видеоизображениях

Заключение

Введение

В последнее время в сфере градостроительства большое внимание уделяется созданию информационных систем обеспечения градостроительной деятельности (градостроительного кадастра). Градостроительный кадастр предоставляет различные виды градостроительной документации, сведения о геологическом, экологическом состоянии территорий, информацию о застройке и многие другие виды требуемой информации. В связи с заметно возросшими темпами развития городского строительства информация градостроительного кадастра должна поддерживаться в предельно актуальном состоянии.

Для этих целей могут использоваться изображения, полученные при дистанционном зондировании Земли (ДЗЗ). Видеоизображения городских территорий в разные моменты времени можно получать при помощи недорогих спутниковых снимков с высоким разрешением. Этот метод обеспечивает высококачественную регистрацию изменений застройки во времени за периоды от трех дней до года. Основная сложность заключается в трудоемкости сравнения предыдущего и нового изображений, то есть в обнаружении изменений в структуре наблюдаемых объектов. В ходе этого процесса возникает необходимость в обработке большого потока поступающей видеоинформации, которая требует активного использования вычислительных, финансовых и экспертных ресурсов пользователя.

Время обработки и принятия решения можно сократить в десятки раз, если отбирать и передавать потребителю не все снимки, а только те, на которых имеются признаки изменений наблюдаемых территорий при сравнении с неким эталонным изображением, одновременно выделяя на изображениях интересующие области.

В начало В начало

Краткое введение в ДЗЗ

Дистанционное зондирование Земли осуществляется путем сочетания технологии сбора данных и информационной обработки объектов без физического взаимодействия между ними. Цифровые изображения основаны на свойстве земных объектов отражать или испускать электромагнитное излучение (ЭМИ). Информацию об ЭМИ обычно получают из фотографических или цифровых снимков через детекторы, которые фиксируют определенные длины волн электромагнитного спектра.

Существует ряд программ получения ДЗЗ на базе искусственных спутников Земли (ИСЗ), таких как Landsat, RADARSAT, Spot Image, Indian Remote Sensing, Space Imaging и Earthwatch. Исходя из условий рентабельности, доступности, повторяемости и приемлемости объемов выборки предлагается использовать панхроматические (серая шкала яркости) изображения. Такие снимки могут быть получены в коммерческих компаниях, занимающихся поставкой ДЗЗ, по достаточно низкой цене.

В начало В начало

Существующие методы и их ограничения

До настоящего времени был разработан ряд методов обнаружения изменений с использованием цифровых изображений. Так, для видеоизображения можно получить двумерный спектр и определить изменения по изменению спектра. Кроме того, изображение после соответствующего преобразования может быть представлено как множество групп пикселов, соотнесенных вместе по принципу близости в многокомпонентном пространстве (метод анализа основного компонента). Решающее правило во многих алгоритмах обнаружения изменений сводится к проверке статистической гипотезы. Наиболее простым и традиционно широко применяемым в целях обнаружения изменений является метод разностей изображений. В этом случае производят поэлементное вычитание значений пикселов сравниваемых изображений.

Основная трудность в процедуре сравнения между собой космических видеоизображений с использованием традиционных методов заключается в том, что каждое новое поступающее видеоизображение одного и того же участка земли всегда отличается от предыдущего вследствие изменения условий съемки. Традиционно применяемые методы основаны только на сравнении яркости и цвета отдельных пикселов видеоизображений. Поэтому они неспособны отличать изменения изображения из-за изменения условий съемки от изменений, возникающих при изменении снимаемой земной поверхности.

Наиболее целесообразной представляется разработка комбинированного метода автоматизированного поиска изменений на видеоизображениях земной поверхности, независимого от изменения условий съемки каждого вновь поступающего на обработку изображения по сравнению с предыдущим.

В начало В начало

Методы анализа информативных признаков изображений

Принцип предлагаемого метода состоит в использовании информативных параметров изображения, независимых от условий съемки. В качестве таких параметров были выбраны показатель фрактальной размерности (ПФР) изображения и форма изображения.

Понятие «фрактал» было предложено Б.Мандельбротом для обозначения нерегулярных, но самоподобных структур. Фракталы хорошо имитируют естественные ландшафты, но не годятся для моделирования искусственных объектов. Поэтому в аэрокосмической разведке нередко практикуется компьютерное обнаружение искусственных объектов с использованием меры нефрактальности изображения в качестве характеристики искусственности сфотографированного объекта. В то же время ПФР нечувствителен к изменению значений пикселов в несколько раз (изменение освещенности), что обусловливает его устойчивость к изменению условий съемки. Поэтому по изменению ПФР можно судить о появлении существенных изменений наблюдаемых объектов на видеоизображении.

Рис. 1. Этапы обработки изображения Рис. 1. Этапы обработки изображения

а,б

 

Рис. 1. Этапы обработки изображения Рис. 1. Этапы обработки изображения

в,г

Рис. 1. Этапы обработки изображения: а — эталонное изображение, б — обрабатываемое изображение (с новой застройкой) с результатами анализа ПФР, в — обрабатываемое изображение с выделенными областями для дальнейшего анализа, г — обрабатываемое изображение с локализованными и выделенными изменениями в ранее отобранных областях

Для решения прикладных задач анализа и интерпретации изображений реальных сцен, в которых решение не должно зависеть от условий регистрации изображений, были разработаны методы морфологического анализа изображений, оказавшиеся весьма эффективными. Изменения условий съемки могут моделироваться путем всевозможных преобразований яркости исходного видеоизображения. Формой называется та сущность, которая является общей у всех изображений данной сцены независимо от условий съемки. Поскольку эта сущность форму сцены полностью не определяет, ее называют формой изображения сцены. Отличия формы одного изображения от формы другого характеризуют свойства сцены, не связанные с условиями съемки, и могут отражать изменения в содержании изображаемого — например наличие новых объектов или отсутствие старых.

В начало В начало

Комбинированный метод поиска изменений в застройке на видеоизображениях

Перед обработкой исходные изображения проходят предварительную географическую координатную привязку, затем точное совмещение, а при необходимости — радиометрическую коррекцию и пространственную фильтрацию для устранения шумов.

Исходя из вышесказанного предлагается следующая схема реализации многоступенчатого комбинированного метода:

1. При помощи метода расчета ПФР в автоматизированном режиме производится предварительный поиск областей интереса с целью сузить пространство поиска для сокращения временных и вычислительных затрат. Результатом работы метода предварительного поиска должен быть набор областей текущего изображения (областей интереса), содержащих изменения по сравнению с эталонным изображением.

2. При помощи метода морфологического анализа выполняется, также в автоматизированном режиме, выделение изменений с целью локализации конкретных изменений в ранее выделенных областях интереса. В результате решения данной задачи оператор должен получить точную и локализованную информацию о произошедших изменениях. Затем полученные данные передаются для дальнейшего анализа и обработки.

Проиллюстрируем этапы процесса комбинированного поиска изменений на паре изображений, полученных системой OrbView (видеоизображение территории г.Анкара) (рис. 1а и б). После проведения предварительного поиска (см. рис. 1б) методом анализа ПФР светлой рамкой выделены те области, в которых зафиксированы изменения по сравнению с эталонным изображением (см. рис. 1а). Как можно видеть, в ходе обработки были выделены именно те области изображения, которые содержат новую застройку. По результатам проведенного предварительного поиска области изображения, признанные неинформативными, закрыты маской (рис. 1в). В областях, отобранных для дальнейшего анализа, локализованы и выделены произошедшие изменения при помощи метода морфологического анализа (рис. 1г). Из рисунка видно, что выделенные фрагменты (отмечены оттенками серого цвета) представляют собой именно кварталы новой застройки.

Еще один вариант применения разработанного метода возможен при отсутствии эталонного изображения. Смысл его заключается в том, что, используя свойство метода анализа ПФР находить различие искусственных и природных объектов, можно выделять на изображениях лишь области, содержащие застройку. Тем самым мы сократим работу операторов и время на обработку и анализ информации.

В начало В начало

Заключение

Итак, разработан комбинированный метод автоматизированной обработки изображений земной поверхности, который обнаруживает изменения в застройке. При его реализации применяются методы, учитывающие специфические особенности изображений земной поверхности, полученных при ДЗЗ, то есть используются общедоступные ортотрансформированные, панхроматические цифровые изображения. Это позволяет предложить этот метод для оперативной обработки данных ДЗЗ с целью обеспечения актуальными данными информационных систем для градостроительной деятельности, что позволит повысить эффективность работ по решению задач градостроительства и планирования территориального развития.

Работа выполнена при поддержке РФФИ, проект № 05-08-18088а.

В начало В начало

САПР и графика 8`2007