Особенности методов тематической обработки гиперспектральных аэрокосмических изображений высокого пространственного разрешения

В настоящее время дистанционные методы широко используются для получения и актуализации отображаемой в виде картографической продукции информации о пространственном распределении и характеристиках наземных природно-техногенных объектов, основанной на процедурах тематической обработки (ТО), которые в свою очередь, существенно зависят от специфики конкретного объекта. В докладе обсуждаются некоторые проблемы ТО аэрокосмических данных, связанные с распознаванием образов на основе применения алгоритмов обучаемой классификации к гиперспектральным изображениям высокого пространственного разрешения объектов растительного покрова. Современные гиперспектральные камеры видимого и ближнего инфракрасного диапазонов имеют более сотни узких ~ (5-10) нм спектральных каналов, практически полностью покрывающих указанные диапазоны. За счет возможности учитывать тонкие особенности спектральных характеристик зондируемых объектов обеспечивается существенное повышение информативности ТО и, следовательно, прикладная значимость выходной продукции. Так, например, имея гиперспектральные изображения достаточно высокого пространственного разрешения объектов растительности с разнообразным породным составом и неоднородным площадным распределением, можно успешно решать задачу распознавания отдельных таксонов. Пространственное разрешение современных космических гиперспектрометров, как правило, не превышает 30 м. Для получения более детальной информации используют синхронные панхроматические изображения высокого пространственного разрешения. При решении задач регионального мониторинга для повышения информативности применяют гиперспектрометры, установленные на воздушные малые летательные аппараты. Относительно низкая высота полета (~ 1-2 км) обеспечивает возможность получения изображений, имеющих одновременно высокое пространственное и спектральное разрешение при минимальном искажающем влиянии атмосферы.
В докладе приводятся результаты тематической обработки с использованием разработанных оригинальных алгоритмов гиперспектральных космических и авиационных изображений тестовых участков на территории Тверского лесхоза, полученных с помощью гиперспектральной аппаратуры (ГСА) разработки ЗАО НПО «Лептон» (г.Зеленоград) и ГСА КА «Ресурс-П». Для валидации результатов распознавания классов почвенно-растительного покрова используются данные наземных измерений. Обсуждаются особенности реализации алгоритмов обучаемой классификации, в частности, приводится методика построения многоклассового алгоритма распознавания на основе бинарных классификаторов. Проводится сравнение с результатами обработки мультиспектральных изображений КА «Landsat».
Исследования проводятся в рамках проекта РНФ №16-11-00007 «Автоматизация распознавания природно-техногенных объектов на аэрокосмических изображениях высокого спектрального и пространственного разрешения», а также проектов РФФИ №14-07-00141 «Распознавание и оценка параметров состояния лесной растительности по данным гиперспектральной аэрокосмической съемки», №14-05-00598 «Дистанционные методы определения таксационных, биологических и продукционных параметров древостоев на основе гиперспектральных изображений», №16-01-00107 «Повышение информационного содержания вычислительных процедур распознавания природно-техногенных объектов по данным аэрокосмического гиперспектрального зондирования».