Способ повышения детальности материалов гиперспектральной съемки земли на основе привлечения многозональных изображений высокого пространственного разрешения

Изобретение относится к системам обработки гиперспектральных изображений поверхности Земли, в частности к способу повышения детальности материалов съемки путем субпиксельного выделения объектов и их спектральных характеристик. Cпособ повышения детальности гиперспектральных изображений путем субпиксельного выделения объектов и их спектральных характеристик, в котором вместо специальной статистической обработки гиперспектральных изображений и библиотек спектральных характеристик привлекаются многозональные снимки высокого пространственного разрешения. Для разделения каждого пикселя гиперспектрального изображения на отдельные объекты используются полученные синхронно многозональные снимки с многократно большим пространственным разрешением, а каждому выделенному объекту присваивается спектральная характеристика, наиболее схожая с характеристикой одного из объектов, отображаемых на гиперспектральном изображении. Техническим результатом является повышение пространственного разрешения гиперспектрального снимка. 4 ил.

 

Изобретение относится к системам обработки гиперспектральных изображений (ГСИ) поверхности Земли, в частности к способу повышения детальности материалов съемки Земли путем субпиксельного выделения объектов и их спектральных характеристик с привлечением полученных синхронно многозональных изображений с многократно большим пространственным разрешением.

Целью гиперспектральной съемки является получение спектральных характеристик (распределения энергии отраженного от поверхности Земли излучения в зависимости от длины волны) в каждой точке ГСИ. Авиационные и спутниковые гиперспектрометры фиксируют излучение в некоторой области, равной проекции пикселя на подстилающую поверхность. Размер проекции обычно составляет от нескольких до десятков метров. Таким образом, гиперспектрометр регистрирует некоторую усредненную спектральную характеристику сравнительно большого участка Земли. Полученная в результате спектральная характеристика (СХ) описывает усредненные свойства всех СХ объектов, входящих в этот участок (так называемых спектральных составляющих), т.е. образуется «смешанная» СХ. При этом уменьшение проекции пикселя не приводит к отсутствию эффекта «смешивания» СХ, т.к. часто объекты характеризуются смесью на уровне частиц (например, почва с минеральными примесями). В то же время при тематической обработке гиперспектральных изображений требуется знание СХ отдельных более малых объектов, а не смеси их спектральных характеристик.

Известен способ спектрального разделения пикселей гиперспектрального изображения (см. патент US 6665438 B1). Способ основан на совместном применении генетических алгоритмов и фильтра Калмана для нахождения состава примесей в каждом пикселе гиперспектрального изображения. Другой подход к спектральному разделению основан на нахождении ортогональной проекции пикселя гиперспектрального изображения в базисе известных спектральных характеристик искомых материалов (см. патент US 7567712 B2). В качестве опорной информации о возможном составе смесей в обоих подходах используются спектральные библиотеки. Эти способы являются наиболее близкими к предлагаемому.

Известны и другие решения:

- Lucas Parra, Clay Spence, Paul Sajda, Andreas Ziehe, Klaus-Robert Müller, "Unmixing Hyperspectral Data", in Advances in Neural Information Processing 12 (Proc. NIPS*99), pp. 942-948, 2000. Здесь предлагается применение метода главных компонент для определения состава и процентных долей смешанных пикселей ГСИ.

- Plaza, A.; Martinez, P.; Perez, R.; Plaza, J., "Spatial/spectral endmember extraction by multidimensional morphological operations", Geoscience and Remote Sensing, IEEE Transactions on , vol. 40, no. 9, pp. 2025-2041, 2002. В этой работе предлагается использование морфологических операций для учета пространственной корреляции пикселей ГСИ в процессе поиска и получения опорных СХ и их процентных долей.

- Iordache, M.-D.; Bioucas-Dias, J.M.; Plaza, A., "Sparse Unmixing of Hyperspectral Data", Geoscience and Remote Sensing, IEEE Transactions on , vol.49, no.6, pp.2014-2039, 2011. Подход основан на использовании линейной регрессии для поиска составляющих смешанной СХ при известном наборе эталонных ("чистых") спектральных характеристик.

Эти подходы для решения задачи спектрального разделения, т.е. получению спектров отдельных объектов, составляющих пиксель гиперспектрального изображения, основаны на статистической обработке самих гиперспектральных данных. Недостатком этих подходов является необходимость применения библиотек спектральных характеристик. Это требует высокоточной взаимной калибровки видеоданных и СХ из библиотек. Другой недостаток обусловлен сложностью точного определения процентных долей примесей в пикселе. Для преодоления указанных недостатков в предлагаемом подходе в качестве опорной информации при спектральном разделении ГСИ привлекаются материалы синхронной многозональной съемки с многократно большим пространственным разрешением по сравнению с ГСИ. То есть для анализа каждого пикселя ГСИ, которому соответствует некоторая апертура, привлекаются десятки и сотни элементов высокодетального многозонального изображения, попавших в эту апертуру.

В основу изобретения положен способ спектрального разделения пикселей ГСИ, согласно которому СХ материалов (опорные СХ), составляющие смесь, определяются исходя из взаимного сопоставления ГСИ и высокодетального снимка. Процентные доли компонент в смешанных пикселях также вычисляются с привлечением высокодетальных данных.

Предполагается, что ГСИ определено в узлах редкой решетки, а многозональное изображение - в узлах более частой решетки так, что в апертуру отдельного пикселя ГСИ попадают десятки и сотни пикселей многозонального изображения (фиг. 1). Каждому пикселю ГСИ соответствует спектральная характеристика, включающая сотни отсчетов яркости, зафиксированных в узких соприкасающихся спектральных диапазонах. Каждому пикселю многозонального изображения соответствует несколько значений (обычно от 3 до 5) яркости (так называемых спектрозональных компонент), как результат интегрирования лучистой энергии в более широких спектральных диапазонах. Предлагаемый способ включает следующие этапы.

Этап 1. Гиперспектральный снимок B приводится к спектральному разрешению высокодетального многозонального изображения D. Эта процедура выполняется путем интегрирования значений спектральной характеристики ГСИ в диапазонах длин волн, соответствующих многозональному изображению. В результате формируется новое многозональное изображение $$\tilde{B}$$ , с тем же числом спектрозональных компонент, что и D и определенное в той же редкой решетке, что и гиперспектральный снимок В.

Этап 2. Для каждого пикселя изображения $$\tilde{B}$$ в пределах его апертуры анализируются пиксели изображения D, попавшие в эту апертуру. Если по спектрозональным компонентам все пиксели изображения D в этой апертуре схожи с пикселем изображения $$\tilde{B}$$ , то анализируемый пиксель изображения $$\tilde{B}$$ считается "чистым" (т.е. включающим один вполне определенный объект), а соответствующая ему СХ на снимке B заносится в список опорных спектральных характеристик S.

Этап 3. В списке S удаляются все дублирующиеся спектральные характеристики.

Этап 4. Каждому пикселю изображения D присваивается та спектральная характеристика из списка S, которая наиболее близка к его спектрозональным компонентам. В результате в частой решетке, соответствующей многозональному изображению D, формируется гиперспектральное изображение D^*.

Этап 5. Для каждого пикселя изображения D^* выполняется преобразование спектральной характеристики таким образом, чтобы в результате интегрирования отсчетов СХ в диапазонах, соответствующих изображению D, сформировалось многозональное изображение D. В результате в узлах частой решетки, соответствующей высокодетальному многозональному изображению D, формируется итоговое гиперспектральное изображение D^**, обладающее высокими и пространственным, и спектральным разрешениями.

Сопоставление спектральных характеристик и спектрозональных компонент выполняется с использованием метода спектрального угла (см. Yuhas, R.H., Goetz, A. F. H., and Boardman, J. W., Discrimination among semiarid landscape endmembers using the spectral angle mapper (SAM) algorithm. In Summaries of the Third Annual JPL Airborne Geoscience Workshop, JPL Publication 92-14, vol. 1, pp. 147-149, 1992).

Способ апробирован на натурной информации, полученной от отечественных и зарубежных систем аэрокосмической гиперспектральной съемки Земли. На фиг. 2 для конкретного гиперспектрального изображения в качестве примера представлены 6 опорных СХ из списка S. На фиг. 3 приведены две СХ вполне определенных объектов: первая - соответствует ГСИ высокого разрешения, заданного в узлах частой решетки и специально привлеченного в качестве эталонного, вторая характеристика - соответствует ГСИ, полученному по предложенному способу. На фиг. 4 представлены аналогичные результаты для другого объекта. Из фиг. 3 и 4 видно, что восстановленные в результате спектрального разделения СХ близки к эталонным.

Таким образом, в данном изобретении предложены два конструктивных решения. Во-первых, на ГСИ выделяются так называемые «чистые пиксели», содержащие один и тот же объект и формируется список эталонных СХ. При этом при поиске «чистых пикселей» привлекаются синхронно полученные многозональные изображения с многократно большим пространственным разрешением. Во-вторых, разделение каждого пикселя гиперспектрального снимка на основе сопоставления отсчетов яркости пикселей многозонального изображения с приведенными к спектральному разрешению мультиспектрометра отсчетами яркости эталонных СХ.

Способ повышения детальности материалов гиперспектральной съемки Земли путем субпиксельного выделения объектов и их спектральных характеристик, отличающийся тем, что для разделения каждого пикселя гиперспектрального изображения на отдельные объекты используются полученные синхронно многозональные снимки с многократно большим пространственным разрешением, а каждому выделенному объекту присваивается спектральная характеристика, наиболее схожая с характеристикой одного из объектов, отображаемых на гиперспектральном изображении.