Спосіб підвищення просторової розрізненності гіперспектральних аерокосмічних зображень на основі субпіксельного перерозподілу часток спектральних компонент

Спосіб підвищення просторової розрізненності гіперспектральних аерокосмічних зображень на C2 2 (19) 1 3 Відомий спосіб обробки зображень для їх збільшення (аналог - United States Patent No 7,352,910) [8], за яким на зображенні визначають фізичні характеристики об'єктів сцени, такі, як матеріал, текстура, тощо, над ними проводять векторне збільшення з інтерполяцією, далі за просторово збільшеним розподілом фізичних характеристик відновлюють збільшене зображення. Недоліком вказаного способу є неоднозначність визначення фізичних характеристик об'єктів сцени, зокрема, їх матеріалу, за зображеннями, яке потребує залучення додаткових даних, наприклад, спектральних характеристик матеріалів. Багато- та гіперспектральні зображення дозволяють більш впевнено визначати матеріали об'єктів сцени за їх спектральними характеристиками. Відомий спосіб підвищення просторової розрізненності багатоспектральних аерокосмічних зображень на основі класифікування спектральних сигнатур об'єктів (аналог - патент України на винахід №84877) [9], за яким виконують ресемплінг (тобто пропорційне збільшення з передискретизацією) багатоспектрального аерокосмічного зображення низької розрізненності до просторової розрізненності багатоспектрального аерокосмічного зображення високої розрізненності шляхом класифікування спектральних сигнатур елементів розрізнення за набором спектральних сигнатур об'єктів сцени. Недоліком вказаного способу є потреба в багатоспектральному аерокосмічному зображенні високої просторової розрізненності. Великі розміри наземної проекції пікселів аерокосмічних зображень призводять до можливості попадання в її межі декількох різних матеріалів, що викликає суттєві похибки ідентифікації [10]. Для гіперспектральних зображень можливо відокремлювати різні матеріали в межах одного піксела шляхом розділення сумішей спектральних компонент [11-13]. На цьому побудовано багато способів виявлення та ідентифікації об'єктів на гіперспектральних зображеннях, наприклад [14, 15]. Найбільш близьким до способу, що пропонується, є спосіб спектрального змішування за умовою просторового згладжування (прототип - United States Patent No 7,200,243) [16], за яким одержують гіперспектральне зображення, на ньому здійснюють розділення сумішей спектральних компонент, спектральні характеристики яких зберігаються в спектральній бібліотеці, далі проводять перерозподіл часток спектральних компонент в пікселах зображення з урахуванням їх просторових зв'язків, що описуються Гіббсівською просторово-симетричною моделлю, на закінчення виконують змішування перерозподілених часток спектральних компонент і таким чином отримують покращене гіперспектральне зображення. Недоліком вказаного способу є незабезпечення підвищення просторової розрізненності результуючого гіперспектрального зображення. Але принцип перерозподілу часток спектральних компонент, покладений в основу прототипу, також можна використати й задля підвищення просторової розрізненності гіперспектральних аерокосмічних зображень. 92541 4 Теоретичним підґрунтям такої можливості є відображення моделлю просторових зв'язків оптичних сигналів в пікселах аерокосмічного зображення реального розподілу сигналоутворюючих матеріалів в цих же самих пікселах, що пояснюється схемою фіг. 1. Як правило, природні та штучні об'єкти аерокосмічного знімання підпорядковуються принципу компактності, тобто субпіксельні частки одного й того ж матеріалу в суміжних пікселах швидше за все просторово розташовуються також й в суміжних субпікселах. Цей принцип можливо описати певним векторним полем, яке утворюється над піксельною часткою спектрального компонента його зв'язками з піксельними частками того ж самого спектрального компонента в інших пікселах зображення. Характер і кількісні параметри цього векторного поля визначаються конкретною застосованою моделлю - Гіббсівською просторово-симетричною, як в прототипі, віконною із заданим ядром перетворення, обернених квадратів, експоненційною або іншою. Якщо зовнішнє векторне поле над поточним пікселом зображення визначено (фіг. 2), стає можливим перерозподілити субпіксельні частки αi, і=1... n, в середині піксела таким чином, щоб "центр ваги" всіх n субпіксельних часток змістився в напрямку вектора зовнішнього поля на величину його інтенсивності. При цьому має виконуватися обмеження на зберігання повної частки спектрального компонента α0 у всьому пікселі: n n i 0 , (1) i 1 Після того, як здійснено перерозподіл субпіксельних часток для всіх s спектральних компонент Еk={Ekj}, j=1...m, присутніх в поточному пікселі, де m - кількість спектральних каналів в гіперспектральному зображенні, повний оптичний сигнал Ei в iму субпікселі може бути знайдено як спектральна суміш з ваговими коефіцієнтами відповідних субпіксельних часток: s Ei ik E k , (2) k 1 Змішування (2) послідовно виконують для всіх m спектральних каналів всіх n субпікселів і таким чином отримують гіперспектральне аерокосмічне зображення субпіксельної просторової розрізненності. Отже, пропонується новий спосіб підвищення просторової розрізненності гіперспектральних аерокосмічних зображень на основі субпіксельного перерозподілу часток спектральних компонент, який забезпечує більш детальне відтворення об'єктів ДЗЗ на гіперспектральних знімках і тим самим покращує можливості їх інтерпретації. Необхідну послідовність операцій способу показано на фіг. 3. Одержують гіперспектральне аерокосмічне зображення - блок 1, в кожному пікселі цього зображення здійснюють одним з можливих способів розділення сумішей спектральних компонент блок 3, спектральні характеристики яких зберігаються в спектральній бібліотеці - блок 2, і таким чином отримують частки спектральних компонент блок 4 в пікселах гіперспектрального зображення, 5 далі за обраною моделлю просторових зв'язків піксельних часток спектральних компонент в кожному пікселі обчислюють - блоки 5,5' ... 5" і тим самим встановлюють векторне поле впливу для піксельних часток всіх наявних спектральних компонент - блоки 6, 6' … 6", згідно цього векторного поля проводять перерозподіл часток спектральних компонент в субпікселах кожного піксела гіперспектрального аерокосмічного зображення - блоки 7, 7' ... 7", і таким чином отримують субпіксельні частки всіх спектральних компонент - блок 8, на закінчення виконують змішування перерозподілених часток спектральних компонент в субпікселах блок 9, в результаті чого отримують гіперспектральне аерокосмічне зображення підвищеної просторової розрізненності - блок 10. Застосування запропонованого способу може бути корисним при інтерпретації гіперспектральних аерокосмічних зображень природних та штучних об'єктів ДЗЗ. Література 1. Кононов В.И., Станкевич С.А. Сравнительная оценка информативности цифровых аэрокосмических изображений высокого и низкого разрешения //Ученые записки Таврического национального университета им. В.И. Вернадского, 2004.- Т.17(56). - № 2. - С.88-95. 2. Еремеев В.А., Мордвинцев И.Н, Платонов Н.Г. Современные гиперспектральные сенсоры и методы обработки гиперспектральных данных //Исследования Земли из космоса, 2003. - № 6. С.80-90. 3. Sun X. Multispectral imaging system with spatial resolution enhancement /United States Patent No 7,019,777. - March 28, 2006. - 13p. 4. Zhang Y. System and method for image fusion /United States Patent No 7,340,099. - March 4, 2008. - 12p. 5.Schuler J.M., Scribner D.A., Howard J.G. Algorithmic technique for increasing the spatial acuity of a focal plane array electro-optic imaging system /United States Patent No 7,248,751. - July 24, 2007. 10p. 6. Carrig J.J. Resolution enhancement for images stored in a database /United States Patent No 7,123,780. - October 17, 2006. - 12p. 92541 6 7. Loce R.P., Branciforte M. System and method for enhancement of image contour fidelity /United States Patent No 6,332,044. - December 18, 2001. 11p. 8. Kanamori K., Motomura H., Komobuchi H. Image processing method, image processing apparatus, and image enlarging method /United States Patent No 7,352,910. - April 1, 2008. - 20p. 9. Попов М.О., Станкевич С.А. Спосіб підвищення просторової розрізненності багатоспектральних аерокосмічних зображень на основі класифікування спектральних сигнатур об'єктів /Патент України на винахід №84877. - 10.12.2008. - 14с. 10. Попов М.О., Станкевич С.А. Дослідження еквівалентної просторової розрізненності багатоспектральних аерокосмічних зображень для сумішей спектрів об'єктів спостереження //Збірник наукових праць Національного науково-дослідного центру оборонних технологій і військової безпеки України, 2006. - Вип.4(33). – С.109-117. 11. Станкевич С.А., Шкляр СВ. Классификация покрытий ландшафтов на гиперспектральных аэрокосмических изображениях на основе разделения смесей спектральных компонент //Проблемы управления и информатики, 2006. - №6. - С.106115. 12. Sunshine J.M., Tompkins S., McNaron-Brown K.S. Method for selecting representative endmember components from spectral data /United States Patent No 7,221,798.- May 22, 2007.- 11 p. 13. Sunshine J.M., Tompkins S., McNaron-Brown K.S. Method for selecting representative endmember components from spectral data /United States Patent No 7,321,691. - January 22, 2008. - 11p. 14. Lin C.-F. Method for hyperspectral imagery exploitation and pixel spectral unmixing /United States Patent No 6,665,438. - December 16, 2003. 23p. 15. Lin C.-F. Method for target detection and identification by using proximity pixel information /United States Patent No 6,940,999. - September 6, 2005. - 15p. 16. Keenan DM., Rand R.S. Spectral mixture process conditioned by spatially-smooth partitioning /United States Patent No 7,200,243. - April 3, 2007. 22p. 7 92541 8 9 Комп’ютерна верстка А. Рябко 92541 Підписне 10 Тираж 26 прим. Міністерство освіти і науки України Державний департамент інтелектуальної власності, вул. Урицького, 45, м. Київ, МСП,03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601