Мультивременные изображения спутников все чаще используются для обнаружения различных типов изменений окружающей среды

Мультивременные изображения спутников все чаще используются для обнаружения различных типов изменений окружающей среды. Выявление городских изменений по спутниковым снимкам затруднено из-за сложного смешения городской среды и особенностей спутниковых снимков - наличия пятно. В этой диссертации исследуются городские изменения и обнаружение сельскохозяйственных угодий с использованием мультивременных спутниковых изображений со следующими конкретными целями: (1) исследовать неконтролируемое обнаружение изменений, (2) исследовать эффективные методы уменьшения пятно-эффекта при обнаружении изменений, (3) исследовать обнаружение пространственно-контекстных изменений, (4) исследовать неконтролируемое обнаружение изменений на основе объектов и (5) исследовать новый метод создания изображения изменений на основе объектов. В качестве районов исследования была выбрана Ферганская долина, крупнейшие города Узбекистана. Многовременные спутниковые изображения, полученные сенсорами Landsat и Sentinal, использовались для обнаружения изменений на основе пикселей.
Во второй части рассматриваются алгоритмы решения этой проблемы с использованием Sen2Core и индексов растительности, предоставленных Sentinal Hub. В данном алгоритме это достигалось за счет определения точки горизонта спутника и траектории движения солнца. Веса являются функцией подобия небольших участков изображения, определенных вокруг каждого пикселя изображения. Для уменьшения вычислительной сложности был использован анализ основных компонентов для уменьшения размерности векторов признаков окрестности. Были предложены простые методы для оценки числа значимых компонентов, которые необходимо сохранить для вычисления весов, и требуемой дисперсии шума. Экспериментальные результаты показали, что алгоритм Sen2Core успешно подавляет эффекты пятен, сохраняя в сцене мелкие геометрические детали. Анализ также показывает, что фильтрация меняющегося изображения вместо отдельных изображений спутника была эффективной с точки зрения качества результатов и времени, необходимого для выполнения вычислений. Алгоритм обнаружения изменений случайного поля Маркова (MRF) показал ограниченную способность одновременно поддерживать мелкие геометрические детали в городских районах и бороться с эффектом спеклов. Чтобы преодолеть эту проблему, в Глава III используется теория Sen2Core для определения нелокального ограничения на метки классов пикселей. Схема итеративного условного режима (ICM) для оптимизации целевой функции MRF расширена за счет включения нового шага, который максимизирует нелокальную вероятностную модель. По сравнению с традиционным алгоритмом MRF экспериментальные результаты показали, что предложенный алгоритм лучше сохраняет мелкие структурные детали, эффективен в уменьшении эффекта пятен, менее чувствителен к значению контекстуального параметра и меньше зависит от качества исходного изображения. изменить карту.
В части IV исследуется неконтролируемое обнаружение изменений на основе объектов с использованием изображений Sentinal с очень высоким разрешением над городскими районами. Были протестированы и сравнены три алгоритма: Киттлера-Иллингворта, Оцу и обнаружение выбросов. Мультивременные изображения были сегментированы с использованием стратегии сегментации по нескольким датам. Анализ показывает, что три алгоритма достигли одинаковой точности. Достигнутая точность была очень близка к максимально возможной, учитывая модифицированное изображение отношения в качестве входных данных. Однако этот максимум был не очень высоким. Частично это было связано с низкой способностью изображения с модифицированным соотношением акцентировать разницу между измененными и неизмененными областями. Сильные вариации интенсивности, связанные с высоким разрешением и эффектами пятен, делают среднюю интенсивность объекта ненадежной характеристикой. Таким образом, изображение с измененным соотношением менее эффективно подчеркивает контраст между классами. Было предложено альтернативное представление данных об изменении. Для измерения интенсивности изменений на объекте в отрыве от возмущений, вызванных сильными вариациями интенсивности и спек-эффектами, были разработаны две методики, основанные на Sen2Core и преобразовании изменения вегетационного индекса. Качественный и количественный анализ результатов показывает, что повышение точности обнаружения изменений может быть достигнуто за счет классификации предложенных переменных изменений.