Бесплатный автореферат и диссертация по наукам о земле на тему

Разработка методики использования вейвлет-преобразования для обработки космических снимков высокого и среднего разрешения при мониторинге лесных массивов

ВАК РФ 25.00.34, Аэрокосмические исследования земли, фотограмметрия

Автореферат диссертации по теме "Разработка методики использования вейвлет-преобразования для обработки космических снимков высокого и среднего разрешения при мониторинге лесных массивов"

УДК 528.71

На правах рукописи

Гордиенко Антонина Сергеевна

РАЗРАБОТКА МЕТОДИКИ ИСПОЛЬЗОВАНИЯ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ ДЛЯ ОБРАБОТКИ КОСМИЧЕСКИХ СНИМКОВ ВЫСОКОГО И СРЕДНЕГО РАЗРЕШЕНИЯ ПРИ МОНИТОРИНГЕ ЛЕСНЫХ МАССИВОВ

25.00.34 - «Аэрокосмические исследования Земли, фотограмметрия»

Автореферат диссертации на соискание ученой степени кандидата технических наук

2 /, КЮН Ш

Новосибирск - 2010

004606225

Работа выполнена в ГОУ ВПО «Сибирская государственная геодезическая академия».

Научный руководитель - доктор технических наук, профессор

Гук Александр Петрович.

Официальные оппоненты: доктор технических наук, профессор

Журкин Игорь Георгиевич;

кандидат технических наук, старший научный сотрудник Калантаев Петр Алексеевич.

Ведущая организация - ФГУП Уральский региональный информационно-

аналитический центр «Уралгеоинформ» (г. Екатеринбург).

Защита диссертации состоится 28 июня 2010 г. в 13.00 час. на заседании диссертационного совета Д 212.251.02 в Сибирской государственной геодезической академии (СГГА) по адресу: 630108, г. Новосибирск, ул. Плахотного, д. 10,СГГА, ауд.403.

С диссертацией можно ознакомиться в библиотеке СГГА.

Автореферат разослан 27 мая 2010 г.

Автореферат размещен на сайте www.ssga.ru

Ученый секретарь диссертационного совета Середович В.А.

Изд. лиц. ЛР № 020461 от 04.03.1997. Подписано в печать 26,05.2010. Формат 60 х 84 1/16. Усл. печ. л. 1,10. Уч.-изд. л. 0,97. Тираж 100 экз. Печать цифровая. Заказ ¿О

Редакционно-издательский отдел СГГА 630108, Новосибирск, Плахотного, 10.

Отпечатано в картопечатной лаборатории СГГА 630108, Новосибирск, Плахотного, 8.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Дистанционное зондирование позволяет осуществлять мониторинг и контроль за различными природными и антропогенными объектами.

Мониторинг леса играет важную роль в управлении лесами. Он позволяет решать следующие задачи: охрана лесов от пожаров; контроль за лесопатоло-гическим состоянием лесов; наблюдения за территориями, загрязненными радионуклидами; оценка состояния лесных экосистем и лесного покрова; актуализация данных изученности лесов.

Одна из основных проблем лесоустройства - контроль незаконной рубки леса. В соответствии с лесным законодательством лесопользователям при заготовке древесины необходимо выполнять мероприятия по восстановлению ценных пород и защитных функций леса. Вырубка должна выполняться в соответствии с Правилами заготовки древесины (приказ МПР России от 16.07.2007 г. № 184) и Правилами санитарной безопасности в лесах (постановление Правительства Российской Федерации от 29.06.2007 г. №414). Но они нередко нарушаются. Таким образом, возникает острая проблема оперативного выявления незаконных рубок леса.

В России леса занимают огромную площадь (около 70 %), для обеспечения эффективного управления и контроля которой требуются большие материальные затраты. Решить эту проблему может использование данных дистанционного зондирования. В настоящее время состояние рынка данных дистанционного зондирования Земли позволяет получать снимки различного разрешения с высокой периодичностью (до двух раз в день), а также по стоимости данные уже доступны широкому кругу пользователей.

Как известно, на аэрокосмические данные влияет большое количество внешних факторов: атмосфера, сезонность, освещенность и др. Это воздействие в первую очередь отражается на значениях спектральных яркостей элементов изображения, а спектральная яркость элемента изображения - это основной признак, используемый для решения задач распознавания и выявления изменений. Эту проблему решают такими способами, как атмосферная коррекция, нормирование, создание индексных изображений. Но все эти процедуры требуют дополнительных затрат времени и измерений, которые должны происходить во время съемки.

Таким образом, помимо яркостных характеристик изображений объектов необходимо использовать дополнительные признаки, например, структурные признаки изображений объектов на аэрокосмических снимках.

В настоящее время существует большое количество различных методик и технологий выявления изменений по разновременным аэрокосмическим снимкам, но они, как правило, применимы для определенных данных, условий и изменений изображений объектов на снимках. Кроме того, реализация данных методик и технологий на производстве не автоматизирована и требует больших трудозатрат.

Таким образом, актуальной является разработка новых подходов к распознаванию изображений объектов местности и выявлению изменений по разновременным аэрокосмическим снимкам, которые бы эффективно использовали широкий ассортимент данных дистанционного зондирования, были бы автоматизированы и использовали в качестве признака изображения объекта на снимке более устойчивую, чем яркость, величину.

Намеченный в этой работе новый подход использования структурных признаков для выявления изменений по разновременным космическим снимкам при мониторинге лесных массивов и разработанная методика выявления изменений, основанная на вейвлет-преобразовании по космическим снимкам высокого и среднего разрешения для решения задач лесного хозяйства, отличаются от существующих тем, что используют структурные признаки изображения объектов на снимках и могут быть максимально автоматизированы.

Цель и задачи исследования

Целью диссертации является разработка методики использования вейвяет-преобразования для обработки космических снимков высокого и среднего разрешения при мониторинге лесных массивов, основанной на использовании структурных признаков изображений объектов.

Для достижения этой цели необходимо решить следующие задачи:

- выполнить анализ современных методов выявления изменений по аэрокосмическим снимкам при мониторинге и выявить их недостатки;

- разработать методику оперативного выявления изменений по разновременным космическим снимкам высокого и среднего разрешения, основанную на использовании структурных признаков изображений объектов, а именно на вейвлет-преобразовании, позволяющем локализовать структурные изменения на определенном масштабе;

- на основе теоретических и практических исследований сделать выбор подходящей вейвлет-функции для анализа реальных снимков;

- выполнить исследования разработанной методики по реальным космическим снимкам.

Теоретическая и методологическая база исследования. В работе ис-. пользованы методы цифровой обработки изображений, аналитической и цифровой фотограмметрии. Выявление изменений выполнялось с использованием вейвлет-анализа и корреляционной функции.

Информационная база исследования. Базой для выполнения работ являются выполненные ранее исследования в области цифровой обработки снимков. Исходным материалом для разработки методики являются космические снимки высокого и среднего разрешения.

Научная новизна. Научная новизна диссертации заключается в том, что намечен новый подход использования вейвлет-преобразования, позволяющий локализовать структурные изменения на определенном масштабе, и на основании которого разработала методика выявления изменений в лесных массивах по разновременным космическим снимкам высокого и среднего разрешения, которая отличается от существующих тем, что использует структурные признаки изображений объектов, не зависящие от влияния ряда внешних факторов,

изменяющих яркости изображений на многозональных снимках. Разработанная методика может быть полностью автоматической' в отличие от существующих и применяемых на практике.

Практическая значимость

Практическая ценность работы заключается в том, что предложенная методика была использована для выявления мест рубок по космическим снимкам.

Разработанные методики были использованы при выполнении научно-исследовательских работ по темам:

- «Разработка методики и технологии использования ENVI для автоматизирован™ тематического дешифрирования», № 19/07П/1476-07;

- «Разработка методологии аэрокосмического мониторинга природных и антропогенных объектов на региональном уровне». Номер государственной регистрации НИР: 01 2007.03297.

Основные результаты диссертационной работы внедрены в учебный процесс СГГА и используются при изучении специальных дисциплин студентами специальностей «Аэрофотогеодезия» и «Исследование природных ресурсов аэрокосмическими средствами».

Основные результаты исследования:

- разработана методика выявления изменений по разновременным космическим снимкам высокого и среднего разрешения для мониторинга лесных массивов, которая основана на вейвлет-преобразовании и отличается от существующих тем, что использует структурные признаки изображений объектов;

- намечен новый подход оперативного выявления изменений по разновременным космическим снимкам, основанный на использовании структурных признаков изображений объектов;

- на основе теоретических и практических исследований сделан выбор подходящей вейвлет-функции, обеспечивающей локализацию изменений на изображениях лесных массивов;

- разработана методика локализации изменений в лесных массивах по космическим снимкам высокого и среднего разрешения.

Апробация работы. Основные положения диссертационной работы докладывались, обсуждались и получили одобрение: на V Международном научном конгрессе «ГЕО-Сибирь-2009», 20-24 апреля 2009 г., г. Новосибирск; на международной научно-практической конференции «АГРОИНФО-2009», 14— 15 октября 2009 г., г. Новосибирск; на международной научно-практической конференции «Индустриально-инновационное развитие на современном этапе: состояние и перспективы», 10-11 декабря 2009 г., г. Павлодар; на VI Международном научном конгрессе «ГЕО-Сибирь-2010», 19-23 апреля 2010 г., г. Новосибирск.

Публикации. Основные результаты, полученные в диссертации, опубликованы в 10 научных работах, их них 3 статьи - в изданиях, входящих в Перечень рекомендуемых ВАК Минобрнауки РФ.

Структура и объем работы. Диссертация состоит из введения, трех разделов, заключения и списка использованных источников, содержащего 120 на-

' именований, 7 приложений. Общий объем составляет 123 страницы печатного текста, 37 рисунков, 8 таблиц.

Основное содержание работы

В первой главе рассмотрены существующие методы и средства мониторинга лесных массивов: современные спутниковые данные дистанционного зондирования, спектральные свойства растений, факторы, влияющие на яркость изображений объектов местности, методы предварительной обработки космических снимков, методы выявления изменений при мониторинге территорий.

Анализ существующих технологий мониторинга леса показал, что большинство процессов в методах проведения дистанционного мониторинга лесных ресурсов выполняется вручную, без использования автоматических алгоритмов. Это связано в первую очередь с тем, что автоматические методы не дают достаточно полной и точной информации о лесных массивах, либо накладывают определенные условия на обрабатываемые данные и, таким образом, не подходят для внедрения в производство. Рассмотренные в диссертации алгоритмы выявления изменений основаны на анализе спектральных яркостей элементов изображения, а, как известно, яркости подвержены влиянию большого числа внешних факторов.

Таким образом, возникает необходимость разработки принципиально нового метода выявления изменений, который бы отличался от существующих автоматической работой и универсальностью с точки зрения решаемых задач.

Во второй главе описаны теоретические основы вейвлет-анализа и разработанные на его основе методики обработки космических снимков при мониторинге лесных массивов.

Структурные свойства изображений объектов более устойчивы внешнему влиянию, а, значит, алгоритмы, основанные на этих свойствах эффективнее, чем с использованием спектральных свойств изображений. К таким методам относятся Фурье и вейвлет-анализ.

В отличие от Фурье-анализа, вейвлет-преобразование основано на функциях, которые локализованы по частоте и по времени, что обеспечивает возможность анализа результата как в частотном, так и в физическом пространстве, что важно при работе с неоднородным сигналом, таким, как, например, изображение поверхности Земли (космические снимки).

Вейвлет-преобразование заключается в разложении исходного сигнала на вейвлет-функции путем их масштабирования и сдвигов.

Дискретное вейвлет-преобразование функции изображения /(х.у) размером М х N выполняется в соответствии с формулами:

1 M-XN-1

(1)

= {h,v,d},

(2)

где 7о - произвольный начальный масштаб;

ИфО'о.и».") - коэффициенты, определяющие приближение функции /(*, у) в масштабе Уо;

КО •>».») - коэффициенты, определяющие горизонтальные, вертикальные и диагональные детали для масштабов ] ^ - масштабирующая функция;

Ы - вейвлет-функции /

Обычно N = М = 2}, так что У = 0,1,2,...,/-1 и /и,« = 0,1,2,...Д7 -1.

Изображения сплошных рубок леса отличаются от окружающей их растительности по яркости, тону, структуре. При вейвлет-разложении вычисляются коэффициенты. Значения этих коэффициентов зависят от значений флуктуации сигнала, то есть в местах изображений, где есть резкие перепады значений яркости (граница какого-либо объекта), будут получены большие значения коэффициентов вейвлет-разложения, чем на однородных участках. Используя это свойство, можно локализовать участки снимка, на которых изображена вырубка. Если разделить все изображение на небольшие фрагменты (наименьшие участки), соизмеримые с размером наименьшей выделяемой вырубки, и выполнять вейвлет-преобразование для каждого наименьшего участка, то для дальнейшей обработки можно использовать только выбранные участки. Для выявления необходимых фрагментов нужен численный критерий. Таким критерием может быть коэффициент корреляции между уровнями вейвлет-разложения вычисляемый по формуле:

к. =-----п->

(л-.у) /;,,; |'

где - коэффициент корреляции, вычисляемый между уровнями / и у вейвлет-разложения изображения Р.

Каждый последующий уровень вейвлет-разложения содержит в себе информацию в порядке убывания. Так как изображение сплошного леса на снимках имеет неоднородную структуру - содержит светлые и темные пятна, это приведет к тому, что на больших уровнях разложения эти пятна дадут большие коэффициенты вейвлет-разложения. Изображение же растительности, граничащей с вырубкой, сохранит структуру изображения объектов (вырубка). Основываясь на этом свойстве, можно предположить, что значение коэффициента корреляции между вторым и каждым из последующих уровней вейвлет-разложения будет различным для участка изображения, содержащего вырубку и однородный лес.

. <=' у!

Таким образом, предлагается следующая технологическая схема методики локализации изменений в лесных массивах по космическим снимкам высокого и среднего разрешения (представлена на рисунке 1)._

Выбор исходного изображения

~~ 1

Определение размера единичного фрагмента

Вейвлет-преобразование каждого единичного фрагмента

I "

Вычисление коэффициента корреляции между вторым и последующими уровнями вейвлет-разложения

Сравнение полученных коэффициентов корреляции с порогом

Выделение фрагментов, содержащих изменения

Рисунок 1 - Технологическая схема методики локализации изменений в лесных массивах по космическим снимкам высокого и среднего разрешения

Для выявления изменений по разновременным космическим снимкам предлагается использовать тот же подход, как и при локализации изменений, основанный на вейвлегт-анализе, но коэффициент корреляции вычисляется между соответственными уровнями вейвлет-разложения разновременных снимков.

При обработке всей площади снимка одновременно сложно выявить небольшие, но важные изменения, произошедшие на местности, поэтому снимок необходимо разделить на участки, размер которых зависит от разрешающей способности изображения и размера интересующих изменений. Затем для каждого участка изображения выполняется вейвлет-преобразование до определенного уровня. Чтобы выявить изменения, произошедшие на местности, необходимо вычислить коэффициент корреляции между соответствующими уровнями вейвлет-разложения разновременных снимков. Значение коэффициента корреляции укажет на участки, где произошли изменения.

Затем для выбранных участков составляются графики зависимости положения пикселя в строке ог его значения яркости в определенном уровне вейв-

лет-разложения, «максимумы - минимумы» этих графиков указывают на границы объектов, если построить такие графики в разных направлениях, то совокупность «максимумов - минимумов» для каждого участка будет контуром объектов (изменений). Далее выделенные изменения совмещаются с картографическим материалом или снимками на раннюю дату, чтобы обновить устаревшие данные.

Технологическая схема методики выявления изменений на основе вейвлет-анализа при мониторинге лесных массивов по разновременным космическим снимкам высокого и среднего разрешения представлена на рисунке 2.

Рисунок 2 - Технологическая схема методики выявления изменений на основе вейвлет-преобразования при мониторинге лесных массивов по разновременным космическим снимкам высокого и среднего разрешения

В третьей главе описаны исследования разработанных методик и их реализация на реальных данных.

Экспериментальные работы выполнены по снимкам, полученным со спутников QuickBird, Ikonos, ALOS, SPOT5, IRS, SPOT2, SPOT4, Landsat7.

Исследования предложенной методики локализации изменений в лесных массивах по космическим снимкам выполнялись на изображениях миры и реальных снимках, полученных со спутников SPOT2 (панхроматический канал) и ALOS (панхроматический канал). Эти снимки являются крайними в масштабном ряде снимков, используемых при мониторинге леса. Таким образом, также по ним можно определить оптимальные размеры наименьших участков. Для этого снимок ALOS был разделен на фрагменты размером 400 х 400, 200 * 200, 100 х 100 пикселей, a SPOT2 - 200 * 200, 100 х 100. Для каждого изображения миры, а затем и реальных изображений выполнялось вейвлет-разложение до 128 уровня по вейвлет-функциям Добеши второго порядка. Далее вычисляли коэффициент корреляции между вторым и последующими уровнями вейвлет-преобразования. Результаты вычисления коэффициентов корреляции между вторым и последующими уровнями вейвлет-преобразования фрагментов изображения представлены в таблице 1.

Таблица 1 - Значения коэффициентов корреляции между вторым и последующими уровнями вейвлет-разложения

Изображения ALOS 400 х 400

Лес и | Лес и вырубка | вырубка Лес и вырубка Лес и вырубка Лес и вырубка Лес Лес и вырубка

Уровни 2 2 2 1 2 2 2 2

2 1 1 1 1 1 1 1

4 0,939 0,932 0,859 0,943 0,872 0,866 0,896

8 0,836 0,827 0,665 0,861 0,700 0,705 0,775

16 0,730 0,711 0,470 0,732 0,561 0,565 0,671

Изображения ALOS 200 х 200

Лес и вырубка Лес и вырубка Леси вырубка Лес и вырубка Лес гг Лес и Лес ! , 1 вырубка

Уровни 2 j 2 2 2 2 2 ' 2

2 1 ; 1 1 1 1 1 1

4 0,980 0,979 0,968 0,975 0,936 0,943 0,955

8 0,931 0,925 0,894 0,910 0,769 0,785 0,827

16 0,843 0,833 0,774 0,799 0,550 0,541 0,647

Изображения АЬОЗ 100 х 100

Лес и вырубка Лее и вырубка Лес и вырубка Лес и вырубка Лес и вырубка Лес Лес и вырубка

Уровни 2 | 2 2 2 2 2 2

2 1 \ 1 1 1 1 1 1

4 0,988 0,989 0,989 0,990 0,990 0,975 0,984

8 0,963 0,968 0,968 0,971 0,968 0,918 0,948

16 ^ 0,890 0,893 0,908 0,917 0,911 0,776 0,858

Изображения 5РОТ2 200 х 200

Лес и вырубка Лес и вырубка Лес и вырубка Лес и вырубка Лес и вырубка Лес Лес

Уровни 2 2 2 2 2 2 2

2 1 1 1 1 1 1 1

4 0,973 0,973 0,940 0,956 0,934 0,859 0,848

8 0,930 0,930 0,857 0,876 0,819 0,676 0,618

16 0,879 0,879 0,767 0,758 0,670 0,481 0,438

Изображения БРОТ2 100 х 100

Лес и 1 ^ вырубка! Леси вырубка Лес Лес и вырубка Лес и вырубка Лес и вырубка

Уровни 2 | 2 2 2 2 2 2

2 1 ' 1 1 1 1 1 1

4 0,990 | 0,950 0,976 0,944 | 0,987 0,974 0,979

8 0,970 | 0,828 0,921 0,797 1 0,960 0,916 0,937. .

16 0,919 ; 0,594 0,825 0,589 | 0,903 0,819 0,861

Из анализа полученных результатов было выбрано пороговое значение коэффициента корреляции 0,800 между вторым и восьмым уровнями вейвлет-разложения, для этих данных размеры наименьших фрагментов 200 х 200 пикселей. То есть если К> 0,800 - фрагмент содержит вырубку, К < 0,800 - фрагмент содержит сплошной лес.

В результате проведенного эксперимента можно привести следующие рекомендации по использованию разработанной методики:

- для космических снимков с разрешающей способностью от 10 м до 2,5 м размеры наименьших участков, на которые делится изображение, предлагаются равными 200 х 200 пикселей, соответственно пороговое значение коэффициента корреляции в таких условиях будет 0,8 (между вторым и восьмым уровнем вейвлет-разложения);

- данная методика может быть использована на этапе предварительной обработки изображений с целью локализации интересующих оператора участков снимка.

На следующем этапе исследований была поставлена задача выбора подходящей вейвлет-функции. Вейвлеты Добёши обладают минимальным размером для любого заданного числа нулевых моментов р и вычисляются по формуле:

где в - полином степени N -1 по е~".

Графическое изображение вейвлета Добеши представлено на рисунке 3.

Таким образом, теоретически вейвлеты Добеши - наиболее подходящий вариант для целей выявления изменений, так как для того, чтобы выделить особенности изображения (резкие изменения яркости элементов), необходимо использовать вейвлет с наименьшим размером, а выбор числа нулевых моментов позволит регулировать количество незначительных деталей, необходимых для выделения на изображении. Чтобы проверить это на практике, был выполнен сравнительный анализ использования вейвлетов: Хаара, Добеши, койфлеты и симлеты. Исследования проводились на основе изображений мир и реальных снимков. В результате исследования выявлено, что использование различных вейвлет-функций для определения участка изображения, содержащего вырубку, несущественно влияет на коэффициент корреляции. Значит, для решения задач выявления изменений можно использовать любой вейвлет. Но, так как теоретически предпочтительнее вейвлет Добеши, то в дальнейших исследованиях разложение выполнялось по вейвлет-функциям Добеши.

Для выявления изменений по разновременным космическим снимкам, коэффициент корреляции вычислялся между соответствующими уровнями вейв-лет-разложения снимков, полученных на разные даты. В качестве примера на рисунке 4 представлены разложения по вейвлет-функциям Добеши четырех фрагментов двух разновременных изображений (а, б).

(4)

Рисунок 3 - Графическое изображение вейвлета Добеши

4.1а 4.16 4.2а 4.26 4.3а 4.36 4.4а 4.46

Рисунок 4 - Разложение по вейвлет-функциям Добеши четырех фрагментов двух разновременных изображений (а, б)

Анализируя таблицу 2, содержащую коэффициенты корреляции между соответственными уровнями, можно установить, что на снимках без изменений коэффициент корреляции между уровнями постоянно увеличивается при увеличении уровня. В то же время для изображений, на которых произошли изменения, увеличение коэффициента корреляции происходит до 8 уровня, а затем значение коэффициента корреляции уменьшается. Это свойство позволяет использовать значение коэффициента корреляции в данном случае как признак участка с произошедшими изменениями. Таким образом, из всего снимка выбирают только участки, на которых произошли изменения.

Таблица 2 -- Значения коэффициентов корреляции между соответственными уровнями вейвлет-разложения разновременных снимков

Уровни Изображения 1а—16 Изображения 2а-26 Изображения За-Зб Изображения 4а-4б

2 0,292 0,178 0,047 0,079

4 0,330 0,301 0.131 0,104

8 0,339 0,402 0,426 0,125

16 0,302 0,517 0,587 0.081

32 0,223 0,640 0,655 0,005

Далее необходимо выполнить векторизацию изменения. Для выделения контура были проанализированы матрицы коэффициентов всех уровней разложения по четырем вейвлет-функциям различных порядков с помощью построения графиков зависимости номеров пикселей в определенной строке или столбце от яркости. На рисунке 5 приведены вейвлет-разложение по функциям Добеши одного из выбранных участков и графики, соответствующие 30-му, 60-му и 90-му столбцам матрицы изображения.

64 ?

б ЖЖЖТ® ¿ 30 Й « 120 О Ж «(5 8бТй5 5551

''о эв Л 'ЯГгао ?о чао 'о зо во" во ш

'о 30* »30 8С 120 О Л<Г*80 «О 120 О 30 80 30

щгбФг——™

О 36 во яГТ:

х=30

259!---------зггг~| 255!---—---------»

Ш{ "Х| 12й[____ I

> ОЖ 33 .гт^ттгйо

х=60 х=90

Рисунок 5 - Вейвлет-разложение по функциям Добеши участка изображения и графики зависимости номеров пикселей в определенной строке или столбце от яркости, соответствующие 30-му, 60-му и 90-му столбцам матрицы изображения

Из анализа графиков зависимости положения пикселя в строке от яркости, построенных для различных участков и уровней вейвлет-разложения изображения, было выбрано пороговое значение яркости пикселя для выявления вырубки, которое равно 120 для 16-го уровня разложения. То есть все значения яркости больше 120 на изображениях 16 уровня вейвлет-разложения можно отнести к вырубке. На рисунке 6 приведено несколько фрагментов изображения с вырубкой, и эти же фрагменты, в которых значения пикселей, относящиеся к вырубке, заменены на 0 или 255, в зависимости от тона изображения.

Рисунок б - Изображения нескольких фрагментов снимка с выделенной вырубкой по 16-му уровню вейвлет-разложения

Далее выделенные области изменений легко выявляются с помощью стандартных процедур классификации или векторизации и совмещаются с картма-териалом на более раннюю дату создания. Результат выявления изменений приведен на рисунке 7.

Рисунок 7 - Пример выделения изменений по методу на основе вейвлет-преобразования

Для исследования эффективности разработанной методики выявления изменений в лесных массивах, основанной на вейвлет-преобразования, было выполнено сравнение данной методики с другими методами выявления изменений.

Из анализа существующих методов выявления изменений по космическим снимкам можно сделать вывод, что наиболее часто применяются следующие методы Change Detection: создание разностных изображений из исходных данных, анализ результатов автоматизированной классификации, способ на основе метода главных компонент.

Сначала была выполнено трансформирование исходных данных в единую систему координат в программном комплексе ENVI. Средняя квадратическая ошибка привязки снимков в пределах пикселя.

Для сравнения эффективности методов выявления изменений по разновременным снимкам предварительно было выполнено визуальное дешифрирование произошедших на местности изменений с помощью создания композит-

ных изображений на основе исходных данных. Затем выявлялись изменения по каждому из перечисленных выше методов. Также все исходные снимки'-были обработаны в соответствии с методикой, разработанной в данной диссертаций. Примеры представлены на рисунке 8.

а б в г д

Рисунок 8 - Примеры выделения изменений по разновременным космическим снимкам: а - на основе визуального анализа; б - на основе создания разностного изображения; в - на основе классификации; г-на основе метода главных компонент; д - на основе вейвлет-анализа

*

Далее выполнялось сравнение результатов выявления изменений описанными выше методами и методикой, предложенной в данной работе. Для этого было вычислено количество верно выявленных изменений, произошедших на местности, и количество неверно выявленных изменений.

По площади было обработано около J 07 км2 (QuickBird), 4 000 км2 (Landsat?), 3 600 км2 (1RS и SPOT2). В таблице 3 приведены результаты выявления изменений по реальным снимкам разными методами.

Таблица 3 - Результаты выявления изменений по реальным снимкам разными методами

Метод выявления изменений Исходные данные

QuickBird Landsat7 IRS и SPOT2

Число изменений в лесных массивах, выявленное при визуальном анализе 15 20 18

Число изменений, выявленное на основе вейвлет-анализа 14 18 ■ 18

Число изменений, выявленное на основе создания разностного изображения 10 18 17

Число изменений, выявленное на основе классификации 12 19 18

Число изменений, выявленное на основе метода главных компонент 13 18 16

Из анализа таблицы 3 можно сделать вывод, что все рассмотренные в данной работе методы выявления изменений достаточно хорошо работают. Но в данной таблице учтены только те изменения, которые соответствуют изменениям, выявленным при визуальном анализе. То есть помимо тех, что представлены в таблице 3, на снимках выделены и другие объекты. Привести их численно представляется сложным, поэтому в таблице 4 представлено приблизительное процентное соотношение неверно выделенной информации от общего объема полученных изменений.

Таблица 4 - Приблизительное процентное соотношение неверно выделенной информации от общего объема полученных изменений

Исходные данные

Метод выявления изменений QuickBird Landsat7 IRS и SPOT2

Визуальный анализ, % 0 0 0

На основе вейвлет-анализа, % 10 11 9

На основе создания разностного изображения, % 80 90 85

На основе классификации, % 85 85 90

На основе метода главных компонент, % 95 90 80

Из анализа таблицы 4 следует, что здесь метод на основе вейвлет-преобразования имеет определенное преимущество перед другими методами.

Из полученных результатов можно выделить следующие преимущества разработанной методики выявления изменений по разновременным космическим снимкам высокого и среднего разрешения:

- в отличие от других методов, метод на основе вейвлет-анализа практически не выделяет лишнюю информацию;

- для выявления изменений в лесных массивах достаточно изображения в панхроматическом канале;

- особенностью предложенной методики является то, что она может быть почти полностью автоматизирована.

Заключение

1. В результате анализа современных методов выявления изменений по космическим снимкам при мониторинге лесных массивов было определено, что в настоящее время нет. универсального метода выявления изменений, так как на яркости изображений объектов местности влияет большое количество факторов, что затрудняет выявление изменений в автоматическом режиме.

2. Разработана методика выявления изменений по разновременным космическим снимкам (QuickBird, IRS, SPOT2, Landsat?) для мониторинга лесных массивов с использованием вейвлет-преобразования.

3. На основе теоретических и практических исследований сделан выбор вейвлет-функции, обеспечивающей локализацию изменений на изображениях лесных массивов.

4. Намечен новый подход оперативного выявления изменений по разновременным космическим снимкам, основанный на использовании структурных признаков изображений объектов, а именно на вейвлет-преобразовании, позволяющем локализовать структурные изменения на определенном масштабе.

5. Разработана методика локализации изменений в лесных массивах по космическим снимкам (QuickBird, Ikonos, ALOS, ]RS, SPOT2,4,5, Landsat?).

6. Исследования разработанных методик по реальным космическим снимкам подтвердили их эффективность и работоспособность. Разработанные методики внедрены в учебный процесс кафедры фотограмметрии и дистанционного зондирования СГГА.

7. Дальнейшее развитие предложенного в данной работе подхода выявления изменений по разновременным космическим снимкам, основанного на использовании вейвлет-преобразования, должно быть направлено на автоматическое определение различных пород леса. Для этого необходимо более детально изучить структурные свойства изображений лесных массивов на снимках различных масштабов.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ, ОТРАЖАЮЩИХ ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

1 Гук, А.П. Локализация изменений объектов природно-территориальных комплексов по разновременным космическим снимка,м [Текст] / А.П. Гук, Л.Г. Евстратова, A.C. Гордиенко, М.А. Алтынцев // Геодезия и картография. -2010. - № 2. - С. 19-25.

2 Гук, А.П. Использование структурных признаков изображений типовых участков местности для выявления изменений состояния территорий по космическим снимкам высокого разрешения [Текст] / А.П. Гук, Л.Г. Евстратова, A.C. Гордиенко // Известия вузов. Геодезия и аэрофотосъемка. - 2009. -№ 6. - С. 52-56.

3 Гордиенко, A.C. Использование вейвлет-анализа при обработке аэрокосмических снимков [Текст] / A.C. Гордиенко // Известия вузов. Геодезия и аэрофотосъемка. -2010. -№ 2. - С. 68-71.

4 Алферова, A.C. Использование вейвлет-анализа для выявления изменений при мониторинге территорий по космическим снимкам [Текст] / A.C. Алферова// ГЕО-Сибирь-2009. Т. 4. Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. Ч. 1: сб. матер. V Междунар. научн. конгресса «ГЕО-Сибирь-2009», 20-24 апреля 2009 г., Новосибирск. - Новосибирск: СГГА, 2009. - С. 97-100.

5 Гук, А.П. Комплексный анализ космических снимков для выявления изменений при мониторинге территорий [Текст] / А.П. Гук, Л.Г. Евстратова, A.C. Алферова// ГЕО-Сибирь-2009. Т. 4. Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. Ч. 2:

сб. матер. V Междунар. научн. конгресса «ГЕО-Сибирь-2009», 20-24 апреля 2009 г., Новосибирск. - Новосибирск: СГГА, 2009. - С. 181-185.

6 Гук, А.П. Исследование возможностей программного комплекса ENVI для мониторинга территорий по космическим снимкам [Текст] / А.П. Гук, Л.Г. Евстратова, A.C. Алферова, И.И. Чикулаева, A.A. Гук /У ГЕО-Сибирь-2009. Т. 4. Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. Ч. 2: сб. матер. V Междунар. научн. конгресса «ГЕО-Сибирь-2009», 20-24 апреля 2009 г., Новосибирск. - Новосибирск: СГГА, 2009.-С. 186-192.

7 Гук, А.П. Детальный мониторинг сельскохозяйственных земель по материалам многозональных космических съемок высокого разрешения [Текст] / А.П. Гук, Л.Г. Евстратова, A.C. Алферова, P.A. Попов // Информационные технологии, системы и приборы в АПК. 4.2: материалы 4-й международной научно-практической конференции «АГРОИНФО-2009». (Новосибирск, 14-15 октября 2009 г.) / Рос. акад. с.-х. наук Сиб. отд-ние, Сиб. физико-тенх. ин-т аграр. проблем. - Новосибирск, 2009. -ч. 2.-311 с.

8 Алферова, A.C. Вейвлет-анализ в различных программных продуктах [Текст] / A.C. Алферова // Сборник научных трудов аспирантов и молодых ученых Сибирской государственной геодезической академии, Вып. 6; под общ. ред. Т.А. Широковой. - Новосибирск: СГГА, 2009. - С. 51-54.

9 Гук, А.П. Космический мониторинг территорий на основе цифровой обработки многозональных космических снимков среднего и высокого разрешения [Текст] / А.П. Гук, Л.Г. Евстратова, Е.П. Хлебникова, A.C. Гордиенко, P.A. Попов, М.М. Лазерко, С.А. Арбузов // Сб. материалов международной научно-практической конференции «Индустриально-инновационное развитие на современном этапе: состояние и перспективы». Т. 1. Павлодар: Инновац. Евраз. ун-т, 2009.-С. 122-123.

10 Алгынцев, М.А. Вейвлет-анализ для выявления вырубок в лесных массивах по аэрофотоснимкам [Текст] / М.А. Алтынцев, A.C. Гордиенко, A.A. Гук // ГЕО-Сибирь-2010. Т. 4. Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. Ч. 1: сб. матер. VI Междунар. научн. конгресса «ГЕО-Сибирь-2009», 19-29 апреля 2010 г., Новосибирск. - Новосибирск: СГГА, 2010. - С. 3-8.

Содержание диссертации, кандидата технических наук, Гордиенко, Антонина Сергеевна

Введение

1 Обзор существующих методов и средств мониторинга лесных массивов

1.1 Современные технологии мониторинга леса и мониторинга территорий

1.2 Обзор современных спутниковых данных, используемых при мониторинге леса

1.3 Спектральные свойства растений

1.4 Факторы, влияющие на яркость изображений объектов местности

1.5 Предварительная обработка космических снимков

1.6 Методы выявления изменений при мониторинге территорий

2 Разработка методики выявления изменений на основе структурных признаков изображений объектов

2.1 Теоретические основы Фурье-анализа изображений

2.2 Теоретические основы вейвлет-анализа изображений

2.3 Разработка методики локализации изменений в лесных массивах по космическим снимкам высокого и среднего разрешения

2.4 Разработка методики выявления изменений в лесных массивах по разновременным космическим снимкам высокого и среднего разрешения

3 Экспериментальные исследования

3.1 Исходные данные

3.2 Исследование методики локализации изменений в лесных массивах по аэрокосмическим снимкам

3.3 Обоснование выбора вейвлет-функции для выявления изменений по разновременным космическим снимкам на основе вейвлет-анализа

3.4 Исследование методики выявления изменений по разновременным космическим снимкам на основе вейвлет-анализа

3.5 Исследование технологической схемы выявления изменений по разновременным космическим снимкам для мониторинга лесных массивов с использованием вейвлет-анализа

3.6 Исследование эффективности методики выявления изменений, в лесных массивах, основанной на вейвлет-анализе

Введение Диссертация по наукам о земле, на тему "Разработка методики использования вейвлет-преобразования для обработки космических снимков высокого и среднего разрешения при мониторинге лесных массивов"

Актуальность темы. Дистанционное зондирование позволяет осуществлять мониторинг и контроль за различными природными и антропогенными объектами.

Мониторинг леса играет важную роль в управлении лесами. Он позволяет решать следующие задачи: охрана лесов от пожаров; контроль лесопатологиче-ского состояния лесов; наблюдения за территориями, загрязненными радионуклидами; оценка состояния лесных экосистем и лесного покрова; актуализация данных изученности лесов.

Одна из основных проблем лесоустройства — контроль незаконной рубки леса. В соответствии с лесным законодательством лесопользователям при заготовке древесины необходимо выполнять мероприятия по восстановлению ценных пород и защитных функций леса. Вырубка должна выполняться в соответствии с Правилами заготовки древесины (приказ МПР России от 16.07.2007 г. № 184) и Правилами санитарной безопасности в лесах (постановление Правительства Российской Федерации от 29.06.2007 г. №414). Но они нередко нарушаются. Таким образом, возникает острая проблема оперативного выявления незаконных рубок леса.

В России леса занимают огромную площадь (около 70 %), для обеспечения эффективного управления и контроля которой требуются большие материальные затраты. Решить эту проблему может использование данных дистанционного зондирования. В настоящее время состояние рынка данных дистанционного зондирования Земли позволяет получать снимки различного разрешения с высокой периодичностью (до двух раз в день), а также по стоимости данные уже доступны широкому кругу пользователей.

Как известно, на аэрокосмические данные влияет большое количество внешних факторов: атмосфера, сезонность, освещенность и др. Это воздействие в первую очередь отражается на значениях спектральных яркостей элементов изображения, а спектральная яркость элемента изображения — это основной 4 признак, используемый для решения задач распознавания и выявления изменений. Эту проблему решают такими способами, как атмосферная коррекция, нормирование, создание индексных изображений. Но все эти процедуры требуют дополнительных затрат времени и измерений, которые должны происходить во время съемки.

Таким образом, помимо яркостных характеристик изображений объектов необходимо использовать дополнительные признаки, например, структурные признаки изображений объектов на аэрокосмических снимках.

В настоящее время существует большое количество различных методик и технологий выявления изменений по разновременным аэрокосмическим снимкам, но они, как правило, применимы для определенных данных, условий и изменений изображений объектов на снимках. Кроме того, реализация данных методик и технологий на производстве не автоматизирована и требует больших трудозатрат.

Таким образом, актуальной является разработка новых подходов к распознаванию изображений объектов местности и выявлению изменений по разновременным аэрокосмическим снимкам, которые бы эффективно использовали широкий ассортимент данных дистанционного зондирования, были бы автоматизированы и использовали в качестве признака изображения объекта на снимке более устойчивую, чем яркость, величину.

Намеченный в этой работе новый подход использования структурных признаков для выявления изменений по разновременным космическим снимкам при мониторинге лесных массивов и разработанная методика выявления изменений, основанная на вейвлет-преобразовании по космическим снимкам высокого и среднего разрешения для решения задач лесного хозяйства, отличаются от существующих тем, что используют структурные признаки изображения объектов на снимках и могут быть максимально автоматизированы.

Цель и задачи исследования

Целью диссертации является разработка методики использования вейвлетпреобразования для обработки космических снимков высокого и среднего раз5 решения при мониторинге лесных массивов, основанной на использовании структурных признаков изображений объектов.

Для достижения этой цели необходимо решить следующие задачи:

- выполнить анализ современных методов выявления изменений по аэрокосмическим снимкам при мониторинге и выявить их недостатки;

- разработать методику оперативного выявления изменений по разновременным космическим снимкам высокого и среднего разрешения, основанную на использовании структурных признаков изображений объектов, а именно на вей влет-преобразовании, позволяющем локализовать структурные изменения на определенном масштабе;

- на основе теоретических и практических исследований сделать выбор подходящей вейвлет-функции для анализа реальных снимков;

- выполнить исследования разработанной методики по реальным космическим снимкам.

Теоретическая и методологическая база исследования. В работе использованы методы цифровой обработки изображений, аналитической и цифровой фотограмметрии. Выявление изменений выполнялось с использованием вейв-лет-анализа и корреляционной функции.

Информационная база исследования. Базой для выполнения работ являются выполненные ранее исследования в области цифровой обработки снимков. Исходным материалом для разработки методики являются космические снимки высокого и среднего разрешения.

Научная новизна. Научная новизна диссертации заключается в том, что намечен новый подход использования вейвлет-преобразования, позволяющий локализовать структурные изменения на определенном масштабе, и на основании которого разработана методика выявления изменений в лесных массивах по разновременным космическим снимкам высокого и среднего разрешения, которая отличается от существующих тем, что использует структурные признаки изображений объектов, не зависящие от влияния ряда внешних факторов, изменяющих яркости изображений на многозональных снимках. Разработанная 6 методика может быть полностью автоматической в отличие от существующих и применяемых на практике.

Практическая значимость

Практическая ценность работы заключается в том, что предложенная методика была использована для выявления мест рубок по космическим снимкам.

Разработанные методики были использованы при выполнении научно-исследовательских работ по темам:

- «Разработка методики и технологии использования ENVI для автоматизирования тематического дешифрирования», № 19/07П/1476-07;

- «Разработка методологии аэрокосмического мониторинга природных и антропогенных объектов на региональном уровне». Номер государственной регистрации НИР: 01 2007.03297.

Основные результаты диссертационной работы внедрены в учебный процесс СГГА и используются при изучении специальных дисциплин студентами специальностей «Аэрофотогеодезия» и «Исследование природных ресурсов аэрокосмическими средствами».

Основные результаты исследования:

- разработана методика выявления изменений по разновременным космическим снимкам высокого и среднего разрешения для мониторинга лесных массивов, которая основана на вейвлет-преобразовании и отличается от существующих тем, что использует структурные признаки изображений объектов;

- намечен новый подход оперативного выявления изменений по разновременным космическим снимкам, основанный на использовании структурных признаков изображений объектов;

- на основе теоретических и практических исследований сделан выбор подходящей вейвлет-функции, обеспечивающей локализацию изменений на изображениях лесных массивов;

- разработана методика локализации изменений в лесных массивах по космическим снимкам высокого и среднего разрешения.

Апробация работы. Основные положения диссертационной работы докладывались, обсуждались и получили одобрение: на V Международном научном конгрессе «ГЕО-Сибирь-2(Ю9», 20-24 апреля 2009 г., г. Новосибирск; на международной научно-практической конференции «АГРОИНФО-2009», 14— 15 октября 2009 г., г. Новосибирск; на международной научно-практической конференции «Индустриально-инновационное развитие на современном этапе: состояние и перспективы», 10-11 декабря 2009 г., г. Павлодар; на VI Международном научном конгрессе «ГЕО-Сибирь-2010», 19-23 апреля 2010 г., г. Новосибирск.

Публикации. Основные результаты, полученные в диссертации, опубликованы в 10 научных работах, их них 3 статьи - в изданиях, входящих в Перечень рекомендуемых ВАК Минобрнауки РФ.

Структура и объем работы. Диссертация состоит из введения, трех разделов, заключения и списка использованных источников, содержащего 120 наименований, 7 приложений. Общий объем составляет 123 страницы печатного текста, 37 рисунков, 8 таблиц.

Библиография Диссертация по наукам о земле, кандидата технических наук, Гордиенко, Антонина Сергеевна, Новосибирск

1.Н. Концептуальный подход к созданию системы мониторинга состояния земель лесного фонда РФ Текст. / В.Н. Манович // Материалы X международной научно-практической конференции «Геоинфо-кад», Китай. -2006. - С. 18-21.

2. Скудин, В.М. Проблема незаконных рубок в России и пути ее решения Текст. / В.М. Скудин // Материалы Всерос. совещания-семинара с между-нар. участием, Красноярск: Ин-т леса им. В.Н. Сукачева СО РАН, 2005. — С. 9 — 14.

3. Белов, В.В. Мониторинг лесных пожаров по данным дистанционного зондирования Текст. / В.В. Белов, С.В. Афонин, Ю.В. Гриднев // Геоинформатика 2000: Тр. Междунар. научно-практ. конф., Томск: ТГУ, 2000. -С.17-22.

4. Биосфера и другие результаты дистанционного зондирования Текст. / А.Г. Топчиев и др. М.: Наука, 1999. - 224 с.

5. Манович, В.Н. Лесоустройство и экологический мониторинг Текст. / В.Н. Манович // Материалы 7-ой международной научно-практической конференции «Геоинфокад», Австрия. 2003. - с. 16-20.

6. Манович, В.Н. Лесоустройство и экологический мониторинг Текст. / В.Н. Манович // Материалы 8-ой международной научно-практической конференции «Геоинфокад», Франция. — 2004. — с.55-58.

7. Манович, В.Н. Экологический мониторинг и аудит земель лесного фонда с использованием данных дистанционного зондирования Земли Текст. / В.Н. Манович // Материалы 9-ой международной научно-практической конференции «Геоинфокад», Италия. 2005. - с.50-54.

8. Манович, В.Н. Использование геоинформационных систем лесного хозяйства для организации государственной инвентаризации лесов Текст. / В.Н. Манович // Геодезия и картография. 2009. - №1. - С. 45 — 47.

9. Сухих, В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве Текст.: учебник. / В.И. Сухих. Йошкар-Ола: МарГТУ, 2005.-392 с.

10. Сухих, В.И. Аэрометоды в лесоустройстве. Текст. / В.И. Сухих, Н.Н. Гусев, Е.П. Данюлис. М.: Лесная промышленность, 1977. — 192 с.

11. Аэрокосмические средства и методы исследования лесных ресурсов на базе ГИС технологий Текст.: учеб. пособие для студентов лес. фак. / В.И. Сухих и др. М.: МГУЛ, ЦЭПЛ РАН, 1999. - 304 с.

12. Мониторинг сплошных рубок леса по данным тематического дешифрирования разновременных космических снимков высокого разрешения Текст. / О. А. Атрощенко и др. // Научно-техническая информация в лесном хозяйстве. № 2. - С. 20-26.

13. Тютрин, С.А., Кондратовец, Р.Б. Дистанционный мониторинг незаконных рубок в Дальневосточном федеральном округе Текст./ С.А. Тютрин, Р.Б. Кондратовец // Земля из космоса. Наиболее эффективные решения. -В. 4.-2010.-С. 73-76.

14. Чандра, A.M., Гош, С.К. Дистанционное зондирование и географические информационные системы Текст. / A.M. Чандра, С.К. Гош. -М.:Техносфера. 2008. - 312 с.

15. Адров, В.Н., Карионов, Ю.И., Титаров, П.С., Чекурин, А.Д. Данные ДЗЗ для топографического картографирования — критерии выбора Текст. / В.Н. Адров, Ю.И. Карионов, П.С. Титаров, А.Д. Чекурин // Пространственные данные. 2005. - № 4. — С.38-45.

16. Геворков, В.Р. Характеристики спутников высокого разрешения Текст. / В.Р. Геворков // Пространственные данные. 2005. — № 3. — С.28-41.

17. Гершензон В.Е., Кучейко А.А. Рынок космических геоданных в 2007 году Текст. / В.Е. Гершензон, А.А. Кучейко // Пространственные данные. 2007. - № 2. - С.22-29.

18. Носенко, Ю. Развитие космической техники дистанционного зондирования Земли в России Текст. / Ю. Носенко // Аэрокосмический курьер. -2007. -№ 2. С.51-53.

19. Matthew Fagan, Ruth De Fries Measurement and Monitoring of the World's Forests. A Review and Summary of Remote Sensing Technical Capability, 2009-2015 RFF REPORT. 131 p.

20. Аэрокосмический мониторинг лесов Текст. / А.С. Исаев, В.И. Сухих, Е.Н. Калашников и др. -М.: Наука, 1991. -241 с.

21. Кашкин, В.Б., Сухнин, А.И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие Текст. / В.Б. Кашкин, А.И. Сухнин. М.:Логос, 2001. - 264 с.

22. Дистанционное зондирование: количественный подход Текст./ Пер. с англ. Пяткин В.П., Юдина О.А. М.: Недра, 1983. - 415 с.

23. Кринов, E.JT. Спектральная отражательная способность природных образований Текст. / E.JI. Кринов. — M.;JI., 1947. — 270 с.

24. Рис, У.Г. Основы дистанционного зондирования Текст. / У.Г. Рис. М.:Техносфера, 2006. — 336 с.

25. Гонсалес, Р., Вудс, Р. Цифровая обработка изображений Текст. /Р. Гонсалес, Р. Вудс. М.:Техносфера, 2005. - 1072 с.91

26. Прэтт, У. Цифровая обработка изображений Текст. : в 2 кн. / У. Прэтт. М: Мир, 1982. - 670 с.

27. Аковецкий, В.И. Дешифрирование снимков Текст.: учеб. для вузов / В.И. Аковецкий. М.: Недра, 1983. - 374 с.

28. Богомолов, JT.A. Дешифрирование аэроснимков Текст. / JI.A. Богомолов. М.: Недра, 1978. - 351 с.

29. Живичин, А.Н. Дешифрирование фотографических изображений Текст. /А.Н. Живичин, B.C. Соколов. М.: Недра, 1980. - 253 с.

30. Фукунага, К. Введение в статистическую теорию распознавания образов Текст. / К. Фукунага. М.: Наука, 1979. — 368 с.

31. Яншин, В.В. Анализ и обработка изображений: принципы и алгоритмы. Текст. / В.В. Яншин. М.: Машиностроение, 1995. - 112с.

32. Лурье И.Е., Косиков А.Г. Теория и практика цифровой обработки изображений / Дистанционное зондирование и географические информационные системы. Под ред. A.M. Берлянта. М.: Научный мир, 2003. — 168 с.

33. Хлебникова, Е.П. Влияние предварительной обработки изображений на качество дешифрирования многозональных снимков Текст. / Хлебникова Е.П. // Вестник Сибирской Государственной геодезической академии / СГГА. Вып. 11. - Новосибирск, 2006. - С.190 - 193.

34. Книжников, Ю.Ф. Аэрокосмические методы географических исследований: Учеб. для студ. высш. учеб. заведений Текст. / Ю.Ф. Книжников, В.И. Кравцова, О.В. Тутубалина. М.: Издательский центр "Академия", 2004.-336 с.

35. Сущкевич, Т. А. О решении задач атмосферной коррекции спутниковой информации Текст. / Т. А. Сущкевич // Исследования Земли из космоса. 1999. - № 3.- С. 42 - 59.

36. Beeri, О. Spectral indices for precise agriculture monitoring Текст./ О. Beeri, A. Peled // International journal of remote sensing, 2006- Vol. 27, № 16. pp. 2039 - 2047.

37. Jordan, С. F. Derivation of leaf area index from quality of light on the forest floor Текст./ С. F. Jordan // Ecology 1969,. - vol. 50. — pp. 663-666.

38. Kaufman, Y. J. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS, in Proc. IEEE Int. Текст./ Y. J. Kaufman, D Tanre,. // Geosci. and Remote Sensing Symp. '92, IEEE, New York, 1992. pp 261-270.

39. Xu, H. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery Текст./ H. Xu// International journal of remote sensing.- 2006. Vol. 27.-№ 16. - pp.3025-3005

40. Zhu, L. Fusion of multisensor multitemporal satellite data for land cover mapping Текст. / L. Zhu, R. Tateishi // International journal of remote sensing, 2006- Vol. 27—№ 8 pp. -903-918.

41. Qian Du, Oguz Gungor, Jie Shan Performance Evaluation for Pan-sharpening Techniques Текст. / Qian Du, Oguz Gungor, Jie Shan //IEEE Trans on Geoscience and Remote Sensing Letter. 2005. - C. 4264-4266.

42. Ulrich Michel Image fusion of multitemporal and multisensoral data Текст. / Ulrich Michel. 2007.

43. Chen Yunhao A new wavelet-based image fusion method for remotely sensed data Текст. / Chen Yunhao, Deng Lei and others / «International Journal of Remote Sensing». No. 7. - April 2006. - pp. 1465-1476.

44. Кобзева, E.A. Автоматизация дешифрирования спутниковых снимков: опыт и проблемы Текст. / Е.А. Кобзева, К.А. Поздина // Геодезия и картография. 2008. - № 6. - С. 40^14.

45. P. Coppin, I. Jonckheere, К. Nackaerts, В. Muys Digital change detection methods in ecosystem monitoring: a review Текст. / P. Coppin, I. Jonckheere, K. Nackaerts, B. Muys // Int. J. Remote Sensing. 2004. - Vol. 25. - № 9. -pp. 1565-1596.

46. D. Lu, P. Mausel, E. Brondi'Zio, E. Moran Change detection techniques Текст. / D. Lu, P. Mausel, E. Brondi'Zio, E. Moran // Int. J. Remote Sensing. 2003. - Vol. 25. - №12. - C. 2365-2407.

47. J. Lyon, D. Yuan, R. Lunetta, and C. Elvidge A change detection experiment using vegetation indices Текст. / J. Lyon, D. Yuan, R. Lunetta, and C. Elvidge // Photogrammetric Engineering & Remote Sensing. — 1998. — vol. 64. -pp. 143-150.

48. S. Serneels, М. Said, Е. F. Lambin Land-cover changes around a major East African wildlife reserve: the Mara ecosystem Текст. / S. Semeels, M. Said, E. F. Lambin // Int. Journal of Remote Sensing. 2001. - Vol. 22. - pp. 3397-3420.

49. Дремин, И.М., Иванов, O.B., Нечитайло, B.A. Вейвлеты и их использование Текст. / И.М. Дремин, О.В. Иванов, В.А. Нечитайло // Успехи физических наук.-2001.-Том 171.-№5.-С. 465-501.

50. Залманзон, Л.А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях Текст. / Л.А. Залманзон. -М.: Наука, 1989.-496 с.

51. Айфичер, Эммануил С. Цифровая обработка сигналов Текст.: практ. подход. / Эммануил С. Айфичер, Барри У. Джервис; пер. с англ. Изд. 2-е. - М.: Вильяме, 2004. - 992 с.

52. Макс, Ж. Методы и техника обработки сигналов при физических измерениях: в 2-х томах. Пер. с франц. — М.: Мир, 1983. 312 с.

53. Сергиенко, А.Б. Цифровая обработка сигналов Текст. / А.Б. Сергиенко. СПб.: Питер, 2002. — 608 с.

54. Зверев, В.А., Стромков, А.А. Выделение сигнала из помех численными методами Текст. / В.А. Зверев, А.А. Стромков. — Нижний Новгород: ИПФ РАН, 2001.-188 с.

55. Оппенгейм, А.В., Шафер, Р.В. Цифровая обработка сигналов Текст.: Пер. с англ. / Под ред. С.Я. Шаца. М.: Связь, 1979. — 416 с.

56. Дженкинс, Г., Ватте, Д. Спектральный анализ и его приложения Текст.: Пер. с англ. / Пер. с англ. В.Ф. Писаренко. — М.: Мир, 1971. — 316 с.

57. Рабинер, Л., Гоулд, Б. Теория и применение цифровой обработки сигналов Текст.: Пер. с англ. / Под ред. Ю.Н. Александрова. — М.: Мир, 1978. 848 с.

58. Гольденберг, JI.M. и др. Цифровая обработка сигналов: Справочник Текст. / J1.M. Голиденберг, Б.Д. Матюшкин, М.Н. Поляк. М.: Радио и связь, 1985.-312 с.

59. Мала, С. Вэйвлеты в обработке сигналов Текст.: Пер. с англ. -М.:Мир, 2005.-671 с.

60. Добеши, И. Десять лекций по вейвлетам Текст. / И. Добеши. — Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. 464 с.

61. Блаттер, К. Вейвлет-анализ. Основы теории Текст./ К. Блаттер. -М.Техносфера, 2004. 280 с.

62. Витязев, В.В. Вейвлет-анализ временных рядов Текст.: учеб. пособие / В.В. Витязев. СПб.: СПб ун-т, 2001. - 58 с.

63. Смоленцев Н. К. Основы теории вейвлетов. Вейвлеты в MAT-LAB. Текст. / Н. К. Смоленцев. М.: ДМК Пресс, 2005. - 304 с.

64. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения Текст. / Н.М. Астафьева // УФН. 1996. - 11. - С. 1145 - 1177.

65. Гук, А.П. Локализация изменений объектов природно-территориальных комплексов по разновременным космическим снимкам Текст. / А.П. Гук, Л.Г. Евстратова, А.С. Гордиенко, М.А. Алтынцев // Геодезия и картография. 2010. - № 2. - С. 19-25.

66. Гордиенко, А.С. Использование вейвлет-анализа при о-аэрокосмических снимков Текст. / А.С. Гордиенко // Известия вузо: зия и аэрофотосъемка. 2010. - № 2. - С. 68-71.