Сайт Информационных Технологий

ИМИТАЦИЯ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ ЗЕМНОЙ ПОВЕРХНОСТИ ДЛЯ ПРОВЕДЕНИЯ СТАТИСТИЧЕСКИХ ИССЛЕДОВАНИЙ КЭС

Ф. Х. Брюммер, А.Г. Буймов, В.Е. Лаевский

Томский государственный университет систем управления и радиоэлектроники,

634050, г. Томск, пр. Ленина 40, тел. (382 2) 41-33-29, факс (382 2) 41-33-29

E-mail: buimov@mail.tomsknet.ru

Abstract – The correlative-extreme systems (CES) accuracy and noise stability are discussed in relation to conditions of the observation and morphology of the terrain. It is know that analytical studies of the CES are too difficult tasks. So there exist many experimental researches of these systems. But the experimental result is only valid under strictly inspected conditions. There is an alternative way to calculate the accuracy and stability of correlative – extreme systems – Simulation modelling of the terrain and its images. Through the simulation it is possible to describe the process of observation, obtaining of the maps, their correlative –extreme processing and matching.

В настоящее время широкое развитие получило дистанционное зондирование земной поверхности, проводимое с летательных аппаратов и искусственных спутников Земли [1,3]. Информация при этом получается в виде оптических, телевизионных или радиолокационных снимков. При этом необходимо отметить, что перспективным направлением в совершенствовании систем дистанционного зондирования является разработка и применение специальной аппаратуры оптического и микроволнового диапазона. Проектирование этой аппаратуры, определение оптимальных условий работы, создание алгоритмов, программ и технических средств автоматической и автоматизированной фильтрации, выделение признаков и интерпретации снимков подстилающей поверхности порождает проблему получения больших массивов изображений с контролируемыми свойствами как самих датчиков так и земной поверхности [8, 9, 10]. В связи с этим был проведен ряд работ в направлении создания системы имитационного моделирования аэрокосмических снимков земной поверхности, которая позволяет на основе топографической информации синтезировать оптические изображения с учётом разрешающей способности датчиков, геометрии освещения и наблюдения, географических и радиофизических свойств местности. В системе предусмотрена возможность генерации геометрических моделей и изображений местности на основе случайной матрицы рельефа и мозаики покрова с управляемыми визуальными и статистическими свойствами [2,4,6,7].

В данном докладе рассматриваются следующие вопросы:

  1. обсуждается методология применения системы моделирования;
  2. описывается подход к моделированию изображений земной поверхности, решающий проблемы получения больших тестовых выборок для исследования автоматических систем координатной привязки изображений;
  3. сообщаются результаты исследования влияния параметров местности и условий наблюдения на характеристики получаемых изображений;
  4. на основе модели исследуются влияния рельефа, атмосферы, солнца и ряда других факторов на точность привязки;
  5. проведён ряд экспериментов по оценке и сравнению нескольких типов детекторов перепада и алгоритмов предобработки изображений с различными морфологическими свойствами [5, 10, 12, 13, 14, 15];
  6. представлены результаты статистических исследований КЭС, основанной на использовании дифференциальных операторов;
  7. приведены примеры синтезированных в процессе исследований снимков, представлены прототипы земной поверхности, являвшиеся первоисточником для создания эмуляций;
  8. в конце доклада излагаются направления дальнейшей работы по уточнению моделей, формированию рекомендаций по генерированию того или иного покрова местности, шумовых составляющих и ряда других параметров.

 

Литература

  1. Б.В. Виноградов, Космические методы изу- чения природной среды.- М.: Мысль, 1976. – 286 с.
  2. А.Г. Буймов, Корреляционно-экстремальная обработка изображений. - Томск: Издательство Томского университета, 1987, 134 с.
  3. Л.П. Ярославский, Цифровая обработка сигналов в оптике и голографии.-М.: Радио и связь, 1987, 296 с.
  4. А.И. Бердичевский, А.Г. Буймов, Имита- ционное моделирование радиолокационных изображений. – В кн.: Корреляционно-экстремальные системы обработки информации и управления, Томск: изд-во Томского государственного университета, 1985, с. 48-71.
  5. П. А. Бакут, Г.С. Колмогоров, Сегментация изображений: Методы выделения границ областей. – Зарубежная радиоэлектроника, 1987, № 10, с. 25-46.
  6. А.Г. Буймов, С.П. Ильин, Мозаичное изображение с управляемой корреляцией. – Автометрия, 1987, N. 5, с. 30-35.
  7. А.Г. Буймов, С.П. Ильин, Модели форми- рования оптических изображений земной поверхности, – В кн.: Корреляционно-экстремальные системы и их проектирование, Томск: изд-во Томского государственного университета, 1988, с. 132-142.
    8.
  8. K. Sivakumar and J. Goutsias, ”Morphologically Constrained GRFs: Applications to Texture Synthesis and Analysis”, IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 21, no. 2, pp. 99-113, Jan. 1999.
  9. A. Philippe and T. Philippe, ”Unsupervised Segmentation of Markov Random Field Modeled Textured Images Using Selectionist Relaxation”, IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 20, no. 3, pp. 252-262, March 1998.
  10. Thomas C. M. Lee, ”Segmenting Images Corrupted by Correlated Noise”, IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 20, no. 5, pp. 481-492, May 1998.
  11. J. Bennett and A. Khotanzad, ”Modeling Textured Images Using Generalized Long Correlation Models”, IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 20, no. 12, pp. 1365-1370, Dec. 1998.
  12. I. Matalas, R. Bebjamin, and R. Kitney, ”An Edge Detection technique Using the Facet Model and Parameterized Relaxation Labeling”, IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 19, no. 4, pp. 328-341, April 1997.
  13. M. D. Heath, S. Sarkar, T. Sanocki, and K. W. Bowyer, ”A Robust Visual Method for Assessing the Relative Performance of Edge-Detection Algorithms”, IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 19, no. 12, pp. 1338-1359, Dec. 1997.
  14. K. L. Boyer and S. Sarkar, ”On the Localization Performance Measure and Optimal Edge Detection”, IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 16, no. 1, pp. 106-110, Jan. 1994.
  15. M. Gokmen and Ching-Chuang Li, ”Edge Detection and Surface Reconstruction Using Refined Regularization”, IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 15, no. 5, pp. 492-499, May 1993.
Site of Information Technologies
Designed by  inftech@webservis.ru.