Оптимизация числа спектральных каналов в задачах обработки и анализа гиперспектральных данных дистанционного зондирования мирового океана

Для решения многих задач мониторинга Мирового океана число спектральных каналов современных многоспектральных и гиперспектральных оптико-электронных систем дистанционного зондирования избыточно и требует минимизации. Целью такой оптимизации является формирование выборки снимков, полученных в различных наиболее информативных спектральных каналах, которая при размерности, существенно более низкой, чем число каналов гиперспектральной системы, обеспечивает решение задачи тематической обработки. Математически задача выбора наиболее информативных спектральных каналов гиперспектральной съемки для пикселя гиперспектрального датчика сформулирована как задача обнаружения координат изменения свойств зарегистрированного или эталонного дискретного спектрального образа, описываемого совокупностью спектральных составляющих. Совокупность составляющих дискретного спектрального образа в области анализа рассматривается как последовательность независимых случайных гауссовских величин с дисперсией и кусочно-постоянным средним, которое скачкообразно изменяется при переходе от одной дискретной координаты к другой. Представлен алгоритм решения поставленной задачи с использованием методов статистического оценивания в виде решающей статистики для обнаружения и оценки максимального правдоподобия координаты (спектрального канала) изменения свойств (скачков) анализируемого процесса. Последовательное применение данного алгоритма к выборке значений спектральных составляющих позволяет определить номера наиболее информативных спектральных каналов. Рассмотрен вопрос выбора (настройки) параметров синтезированного алгоритма выбора наиболее информативных спектральных каналов. Основными настраиваемыми параметрами являются величина порога и размер скользящего окна. В соответствии с рассмотренным алгоритмом, программно реализованным в среде программирования MatLab, приведен пример выбора наиболее информативных спектральных каналов для спектрального образа полученного из пикселя гиперспектрального изображения прибрежной территории поросшей водорослями.

1. Козинцев В. И., Орлов В. М., Белов М. Л. Оптико-электронные системы экологического мониторинга природной среды. М.: МГТУ имени Н. Э. Баумана, 2002. 528 с.

2. Еремеев В. А., Мордвинцев И. Н., Платонов Н. Г. Современные гиперспектральные сенсоры и методы обработки гиперспектральных данных // Исследование Земли из космоса. 2003. № 6. С. 80—90.

3. Рябова Н. В., Еськов Д. Н., Данилкин А. П. Малые искусственные спутники с оптико-электронной аппаратурой в программах дистанционного зондирования Земли // Оптический журнал. 1996. № 1. С. 4—19.

4. Мальцев Г. Н., Козинов И. А., Данилкин А. П. Космические системы и технологии многоспектрального дистанционного зондирования Земли // Информация и космос. 2010. № 1. С. 148—158.

5. Шовенгердт Р. А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 560 с.

6. Бондур В. Г. Аэрокосмические методы в современной океанологии // Новые идеи в океанологии. Т. 1. Физика. Химия. Биология. М.: Наука, 2004. С. 55—117.

7. Bondur V. G. Complex Satellite Monitoring of Coastal Water Areas // Proc. of 31 Int. Symp. on Remote Sensing of Environment. St.-Petersburg. 2005. P. 32—35.

8. Grace Chang et al. The new age of hyperspectral oceanography // Oceanography. 2004. P. 22—29.

9. Тарасов В. В., Якушенков Ю. Г. Многоспектральные оптико-электронные системы // Специальная техника. 2002. № 4. С. 56—62.

10. Дейвис Ш. М. и др. Дистанционное зондирование: количественный подход. М.: Недра, 1983. 415 с.

11. Мальцев Г. Н., Козинов И. А., Фатеев В. Ф. Методы выбора наиболее информативных спектральных каналов при дис- танционном зондировании Земли с малых космических аппаратов // Известия вузов. Приборостроение. 2007. № 6. С. 23—31.

12. Жиглявский А. А., Красковский А. Е. Обнаружение разладки случайных процессов в задачах радиотехники. Л.: ЛГУ, 1988. 224 с.

13. Никифоров И. В. Последовательное обнаружение изменения свойств временных рядов. М.: Наука, 1983. 200 с.

14. Бассвиль М., Вилски А., Банвенист А. Обнаружение изменения свойств сигналов и динамических систем. М.: Мир, 1989. 280 с.

15. Бокс Дж., Дженкинс Г. Анализ временных рядов: прогноз и управление. М.: Мир, 1974. 408 с.

16. Крамер Г. Математические методы статистики: пер с англ. М.: Мир, 1975. 648 с.

17. Козинов И. А., Мальцев Г. Н. Модифицированный алгоритм обнаружения разладки случайного процесса и его при- менение при обработке многоспектральных данных // Информационно-управляющие системы. 2012. № 3. С. 9—17.