ГИС и автоматизированная обработка снимков

Информацию на картах можно обновлять различными способами, включая как полевые, так и камеральные работы, используя разные источники информации: материалы геодезической съёмки, текстовые описания, справочную информацию и др. Но одним из наиболее востребованных источников для получения и обновления информации о текущем состоянии объекта картографирования являются Данные дистанционного зондирования Земли (ДДЗ).

Современный рынок ДДЗ предоставляет широкие возможности по выбору типа, формата, пространственного и радиометрического разрешения космических снимков, которые могут быть использованы для создания и обновления геопространственной информации. В зависимости от задач, которые стоят перед специалистом, он может определить объект и выбрать масштаб картографирования, а также подобрать нужное разрешение космического снимка.

Для задач крупномасштабного топографического картографирования подойдут снимки сверхвысокого разрешения (разрешение крупнее 2 метров), такие как Terra SAR X, Quick Bird, IKONOS, Ресурс-ДК, и высокого разрешения (2-3 метра), такие как Radarsat 2, SPOT 5 и др.

Для целей тематического картографирования, в большинстве случаев, подходят снимки сенсоров среднего пространственного разрешения, имеющие большое количество спектральных каналов, отвечающих за определённые узкие участки спектра волн. Наличие каналов в среднем, ближнем и дальнем инфракрасном диапазонах даёт расширенные возможности для прикладных задач, связанных с картографированием растительного и почвенного покровов. К таким съёмочным системам относятся, прежде всего, Landsat 5 и 7, SPOT 4 и 5, ASTER, Монитор-Э и др.

Современные снимки более низкого разрешения в таких системах, как MODIS, NOAA и других, также несут огромный объём полезной информации, позволяющей решать задачи тематического картографирования в мелких масштабах.

Возможности выбора и получения нужных для решения текущей задачи данных дистанционного зондирования достаточно широки, и пользователям этой информации необходимо выбрать программное обеспечение, которое позволит быстро и с наименьшими производственными затратами эти данные обработать и получить итоговый результат в виде карты, трёхмерного представления или геопространственной информации, хранимой в базе геоданных.

При использовании данных дистанционного зондирования для создания и обновления картографического материала, помимо базовых процессов подготовки данных (таких как геометрическая и радиометрическая коррекция), наибольшую роль играет дешифрирование, или классификация.

Ведущие поставщики программного обеспечения для обработки ДДЗ десятилетиями развивали инструменты классификации растров, переводящие спектральную информацию в тематическую и создающие тематические изображения, в которых значение пиксела отображает его принадлежность к определённому классу. В последние годы наметилась тенденция к созданию программных продуктов, осуществляющих не только дешифрирование, но и перевод итоговой информации в векторную форму для более лёгкой интеграции этих данных в ГИС. При этом основной тенденцией является стремление к минимальному вмешательству пользователя в процесс классификации, т.е. достижение высокой степени автоматизации процесса.

Программные продукты ERDAS IMAGINE, ENVI выполняют сходные задачи по автоматизированному дешифрированию определённых пользователем объектов по космическим снимкам и получению готовых к использованию в ГИС слоёв геопространственных данных. Благодаря высокой степени автоматизации процессов в вышеперечисленных программных продуктах (это особенно касается Feature Analyst и Imagine Objective), они могут быть использованы как неотъемлемая часть процесса создания и обновления карт с использованием ДДЗ, помогая достичь высокой оперативности в получении итоговой информации в форме цифрового картографического материала.

Программные пакеты содержат набор инструментов, позволяющих автоматизировать процесс выделения двухмерных и трёхмерных объектов, таких как дороги, здания, водные объекты, растительность, проницаемые/непроницаемые покровы, а также разделённые по типу землепользования объекты.

Алгоритм классификации использует как множественные пространственные признаки (размер, форма, текстура, структура, пространственные связи, тени и пр.), так и спектральные особенности стереоскопических или моноскопических изображений. На выходе пользователь получает векторный файл, который он может тут же использовать в ГИС (например, в программной среде ArcGIS).

Инструмент Learning Explorer для объектно-ориентированного выделения информации с использованием алгоритмов обучения, система иерархического обучения для выделения определённых типов объектов на снимках территорий с высокой степенью неоднородности ландшафтов, технология Software Agent, включающая возможность выделять как мелкие объекты (автомобили, самолёты), так и крупные объекты (границы типов землепользования, ареалы распространения растений), а также группу алгоритмов для пост-классификационного редактирования. Эти инструменты и алгоритмы дают возможность «очистить» результаты классификации еще до её начала, на стадии обучения алгоритма. Пользователь также получает доступ к инструментам оценки изменений объектов, при условии использования в анализе разновременных снимков на одну и ту же территорию.

Не менее интересны инструменты выделения трёхмерных объектов, позволяющие осуществить выделение объектов на основе данных лазерного сканирования или Цифровой Модели Рельефа (ЦМР), и группа инструментов классификации, которые позволяют проводить классификацию в режиме пакетной обработки.

Широко применяется модуль для объектно-ориентированной классификации – Imagine Objective, работающий в среде ERDAS IMAGINE 9.2 и 9.3.

Модуль IMAGINE Objective содержит набор инновационных инструментов для векторизации, выявления изменений по разновременным данным, а также создания и поддержания в актуальном состоянии геопространственной информации, полученной с помощью космических и аэроснимков.

Работает механизм классификации, комбинирующий методы работы искусственного интеллекта, компьютерных алгоритмов и традиционных методов обработки ДДЗ. Работа модуля сводится не только к оконтуриванию растровых объектов, но также и к многоуровневой векторизации, созданию пространственно-целостного результата и точному отображению реальной формы каждого существующего объекта.

Из ключевых особенностей модуля можно выделить возможность использования настраиваемых и надстраиваемых моделей дешифрирования определённых типов объектов, возможность очень тонкой настройки классификатора для получения адекватных результатов и, безусловно, объектно-ориентированный подход, означающий, что, помимо спектральных характеристик объектов, при классификации также используются и их пространственные свойства. IMAGINE Objective также позволяет провести дискретное выделение объектов и включение различных алгоритмов фильтрации в процесс дешифрирования, чтобы на выходе получать готовые к использованию в ГИС слои с геопространственной информацией. Полная интеграция в рабочую среду ERDAS IMAGINE предоставляет готовое решение для сложной объектно-ориентированной классификации в рамках единого программно-аппаратного комплекса. При этом для вспомогательных слоёв может привлекаться дополнительная информация, например, карты уклонов, экспозиции, данные лазерной съёмки, текстуры для объектов и пр., наряду с элементами объектно-ориентированного подхода, учитывающего метрику, близость, связность и прочие пространственные характеристики объектов.

Существующие на рынке геоинформационных технологий современные решения по автоматизированному дешифрированию ДДЗ и подготовке геопространственных данных для геоинформационного картографирования, как правило, используют алгоритмы высокой степени автоматизации, основанные на объектно-ориентированном подходе при выполнении классификации.

Современный эксперт в области дешифрирования космических снимков имеет возможность выбирать себе подходящее программное решение в зависимости от того, в какой ГИС он будет создавать карты на основе полученного материала, а также от системы обработки ДДЗ, в которой он выполняет предварительную подготовку данных и анализирует результаты дешифрирования, выполненного модулем, от объёма задач (предусматривающих несложную классификацию единичных растров или потоковую обработку терабайтов информации), и многих других факторов. В некоторых случаях модули автоматизированной классификации позволяют существенно сократить трудовые затраты на производство картографической продукции, внедрив в процесс компьютерное дешифрирование космических снимков.

Дата добавления: 2015-11-14