Методы повышения точности геопривязки данных ДЗЗ

Проблема автоматической геопривязки является актуальной в Украине и мире, поскольку привязка в ручном режиме является очень трудоемкой операцией [1]. Для решения этой задачи существуют методы автоматического поиска опорных точек путем сопоставления частей снимка и базового изображения, но эти методы не реализованы для украинского спутника «Сич-2». В докладе будут представлены разработанные авторами алгоритмы и методы регрессионного анализа для аппроксимации преобразования координат снимка «Сич-2» к координатам базового снимка на основе множества опорных точек, что позволяет значительно повысить точность геопривязки снимков спутника «Сич-2».
В работе проанализированы свойства преобразования координат снимков, в том числе выявлены свойства нелинейности. Для учета нелинейностей авторы предлагают использовать нелинейные регрессионные модели на основе полиномиальной аппроксимации и нейронной сети радиальных базисных функций. В докладе будут приведены результаты сравнения предлагаемых методов с существующим алгоритмом на основе линейной модели, который на сегодняшний день используется для автоматизированной геопривязки снимков спутника «Сич-2».
Предложенные алгоритмы проверялись на 73 снимках спутника «Сич-2» для территории Украины. Тестирование на множестве опорных точек показало, что по критерию среднего абсолютного отклонения погрешность аппроксимации преобразования координат нейронной сетью меньше чем погрешность полиномиальной модели на 26%, а по критерию среднеквадратического отклонения - на 32%. Экспериментальное сравнение результатов выполнения привязки нейронной сетью и линейной моделью показало, что нейронная сеть уменьшила отклонения от базового снимка в среднем с 617 м до 14.5 м, в то время как линейная модель обеспечивает отклонение около 60,5 м. Также нейронная сеть обеспечивает хорошую (с точностью 22.5 м) привязку 27 снимков, которые не могли быть обработаны линейной моделью.
Полученные результаты свидетельствуют о том, что использование нейронной сети позволит уменьшить объемы времени обработки снимков и улучшить точность геопривязки, что может быть использовано при создании наземного комплекса следующих поколений систем ДЗЗ и решении тематических задач [2-4].
1. О.П. Федоров, Н.М. Куссуль, О.М. Кравченко, С.Л. Янчевський, Р.М. Басараб, В.М. Кригін, М.С. Лавренюк. Інформаційна технологія географічної прив’язки даних космічної системи ДЗЗ «Січ-2» для території України. Космічна наука і технологія №1, том 13. – К., 2013 р. – С. 3-12.
2. Interoperable Infrastructure for Flood Monitoring: SensorWeb, Grid and Cloud
Kussul N., Mandl D., Moe K., Mund J.P., Post J., Shelestov A., Skakun S., Szarzynski J., Van Langenhove G., Handy M.
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2012 vol. 5, no. 6, pp. 1740-1745.
3. Geospatial information system for agricultural monitoring
Shelestov A.Yu., Kravchenko A.N., Skakun S.V., Voloshin S.V., Kussul N.N.
Cybernetics and Systems Analysis, 2013, Volume 49, Issue 1, pp 124-132.
4. Grid and Cloud Database ManagementGrid
In Fiore, S.; Aloisio, G. (Eds.). — 2011, Springer.
Kussul N., Shelestov A., Skakun S. Technologies for Satellite Data Processing and Management Within International Disaster Monitoring Projects. P. 279-306.