Исследование возможности применения сингулярного разложения матриц яркостей для классификации цифровых изображений на спектрозональных и гиперспектральных снимках

Современное состояние дистанционного зондирования Земли обуславливается использованием технических систем анализа и обработки информации. Цифровые данные, обрабатываемые в целях получения тематической информации в большинстве случаев представлены изображениями. С каждым годом возрастающий объем информации стимулирует развитие быстродействующих вычислительных ресурсов, способных выполнять анализ изображений, используя комбинированные алгоритмы и методики, обеспечивающие высококачественный уровень анализа при имеющихся ограничениях.
При анализе изображения встает задача определения характеристик, по которым возможно разделение изображения на однородные области. В дальнейшей обработке определенные области используются для классификации. Классификация представляет собой процесс установления соответствия между областями на изображении и реальными объектами. Соответствие определяется по критериям схожести. На данный момент существует множество алгоритмов, учитывающих не только яркостные характеристики объектов, но текстурные и иные признаки (Форсайт, 2008).
Основываясь на приведенных соображениях, при создании методики классификации изображения можно выделить следующие основные этапы:
Разделение изображения на однородные области,
Вычисление признаков для каждой однородной области
Классификация однородных областей по вычисленным признакам.
При разработке алгоритма классификации возникает ряд проблем, связанных с особенностями интерпретации данных и учетом характеристик объектов:
Процедура сегментации изображения выполняется с большей точностью, при учете априорной информации в исследуемой предметной области, что требует экспертных знаний, а также настройки параметров, обеспечивающих качество выделения однородных областей.
При использовании искусственных нейронных сетей (ИНС) для задач классификации изображений возникает задача точной настройки алгоритма, учитывающего пространство признаков, что является необходимым критерием при анализе большого объема данных в процессе обучения нейронной сети.
Зачастую, неоднозначное представление данных нейронной сетью, вынуждает использовать более простые методы классификации.
Простые методы классификации могут быть представлены обучаемыми или необучаемыми моделями, в большинстве случаев обучаемые модели подразумевают установление регионов, вычисленные признаки которых будут использоваться как эталонные, при идентификации объектов на изображениях.
Актуальность данной работы обуславливается низкой точностью существующих простых методов классификации, и отсутствием учета непрямых спектральных признаков в окрестности каждого элемента изображения.
Целью работы является исследование алгоритма, основанного на сингулярном разложении матриц яркостей для задач анализа цифровых изображений космических съемочных систем.
Для достижения поставленной цели исследования необходимо решить следующие задачи:
Изучение существующих методов сегментации и классификации данных дистанционного зондирования Земли с целью анализа современного состояния предметной области для формирования требований к исследуемому алгоритму.
Отбор параметров, используемых в качестве признаков объектов
Разработка алгоритма классификации на основе сингулярного разложения матриц.
Проведение эксперимента и анализ результатов:
Подбор данных для обработки
Предварительная обработка данных
Классификация изображений разработанным методом
Анализ результатов сегментации
Научная новизна работы заключается в использовании алгоритма сингулярного разложения матриц яркостей для задач объектно-ориентированной классификации объектов на спектрозональных и гиперспектральных снимках.
Данный алгоритм подразумевает использование в качестве признаков объектов не прямые спектральные характеристики пикселей, а сингулярные значения областей изображения, учитывающие параметры яркости в исследуемой окрестности.