Возможности автоматизация рабочих процессов в программном комплексе ENVI

Введение 

Возрастающая достоверность изображений, полученных со спутников дистанционного зондирования Земли (ДЗЗ), делает их все более надежными и востребованными источниками получения информации об объектах. Инструменты и технологические модули, помогающие легко и безошибочно извлекать информацию из изображений, чрезвычайно важны для решения как научных, так и производственных задач. Сегодня специалисты по обработке данных ДЗЗ и иные специалисты, работающие с пространственной информацией в различных областях, выбирают ENVI — ведущее программное обеспечение по извлечению информации из изображений, полученных методами ДЗЗ. В ENVI реализованы новейшие научно обоснованные алгоритмы, разработанные в соответствии с последними тенденциями развития технологий обработки изображений.

С выходом новых версий функционал ENVI становится все более адаптированным для решения конкретных прикладных задач. Автоматизированные модули рабочих процессов (workflows) и мастера (wizards) обеспечивают удобное пошаговое выполнение сложных операций, используя простые интерфейсы. Это позволяет решать задачи обработки данных ДЗЗ даже специалистам с небольшим  опытом.

Основное внимание при выходе новых версий ENVI уделяется разработке прикладных проблемно-ориентированных модулей, снабженных описаниями каждой стадии, что позволяет быстро и легко получать желаемые результаты на базе аэрокосмических снимков. Наличие описания обеспечивает быстрое освоение модулей как профессионалами, так и новичками в сфере тематической обработки снимков. Модули рабочих процессов ENVI адаптированы для использования различных типов данных. Результаты, получаемые по завершении работы модулей могут быть напрямую экспортированы в базы данных ГИС, Google Earth либо перенесены в ArcGIS для подготовки карт и отчетной документации.

В ENVI модули рабочих процессов обеспечивают решение широкого спектра наиболее востребованных задач обработки изображений, как панхроматических, так и мульти- и гиперспектральных. Ниже речь пойдет о модулях ENVI Feature Extraction, SPEAR Tools, и Target Detection Wizard.

МОДУЛЬ ENVI FEATURE EXTRACTION

Модуль ENVI Feature Extraction — встроенный модуль ENVI, позволяющий быстро и эффективно дешифрировать пространственные объекты по аэрокосмическим снимкам. Часто перед учёными, инженерами, ГИС-специалистами стоит задача автоматизированного выделения каких-либо целевых объектов на снимках. Однако процесс ручной оцифровки объектов сопряжен со сложностями распознавания образов и временными трудозатратами. К тому же, при работе с мульти- и гиперспектральными снимками специалист-дешифровщик видит лишь картинку, полученную в результате комбинирования лишь трех спектральных каналов в цветовой RGB-модели.

Модуль ENVI Feature Extraction может быть успешно использован для автоматизированного дешифрирования таких объектов как транспортные средства, здания, дороги, мосты, реки, озера, поля. Модуль оптимально подходит для извлечения информации из панхроматических и мультиспектральных снимков сверхвысокого разрешения. Дешифрирование основано на использовании спектральных, текстурных и морфологических дешифровочных признаков. Дополнительные наборы данные, такие как, например, цифровые модели рельефа, могут быть также добавлены в рабочий процесс с целью улучшить результат дешифрирования. Рабочий процесс по извлечению целевой информации со снимков построен таким образом, чтобы оператор тратил меньше времени на понимание деталей обработки и больше сосредотачивался на интерпретации результатов дешифрирования.

Модуль ENVI Feature Extraction идеально подходит для:

  • поиска и обнаружения отдельных объектов на изображении;
  • добавления новых векторных слоев в базы геоданных;
  • объектно-ориентированной классификации объектов;
  • замещению и упрощению процесса ручной оцифровки и редактирования.

Традиционные алгоритмы классификации изображений, реализованные в большинстве программных пакетов по обработке данных ДЗЗ, основаны на попиксельной обработке. Сущность ее вкратце заключается в отнесении каждого пикселя растрового изображения к определенному классу, на основе некоторых правил  в соответствии со значением его спектральной энергетической яркости. Точность данного подхода обычно зависит от количества спектральных каналов и пространственного разрешения снимков. Для автоматизированного дешифрирования снимков сверхвысокого разрешения, широко используемых в настоящее время, более предпочтительным является объектно-ориентированный подход, позволяющий использовать для выделения объектов не только спектральные, но также текстурные и морфологические свойства объектов, отобразившихся на снимках.

Именно объектно-ориентированный подход к выделению объектов на снимках реализован в модуле ENVI Feature Extraction. Хорошие результаты дешифрировании при использовании данного подхода могут быть получены даже при ограниченном числе спектральных каналов и даже при использовании одноканальных панхроматических изображений. Объект представляет собой выделенную по особым правилам область на снимке с присущими однородными спектральными, текстурными и морфологическими характеристиками.

Рабочий процесс дешифрирования целевых объектов включает сегментацию изображений, расчет атрибутов (дешифровочных признаков) для каждого сегмента с образованием объектов и классификации объектов (контролируемой либо на основе правил) (рис. 1). Модуль позволяет пользователю контролировать процесс дешифрирования и адаптировать его под конкретные целевые объекты дешифрирования.

1

 

Рабочий процесс включает два первичных этапа: нахождение объектов и извлечение объектов. Задача нахождения объектов включает сегментацию и генерирование объектов (рис. 2). Когда эти два этапа выполнены пользователь может экспортировать полученные сегменты в векторный формат либо выполнить классификацию изображения. Второй этап – классификация изображений – может быть осуществлена либо с использованием алгоритмов контролируемой классификации, либо на основе заданного набора правил отнесения объектов к тому или иному классу. Результаты классификации могут быть сохранены в векторном либо в растровом формате.

2

 

Одним из наиболее важных аспектов ENVI Feature Extraction является возможность предпросмотра результатов на каждом этапе рабочего процесса. Изменения исходных параметров осуществляются «на лету» и мгновенно отображаются в окне предпросмотра. Окно предпросмотра, в свою очередь, можно передвигать по экрану, его размеры также можно изменить (рис. 3).

3

 

Объектно-ориентированный подход обеспечивает существенное сокращение временных затрат, по сравнению с традиционными методами дешифрирования. Наличие функции предпросмотра позволяет быстро и эффективно оценить точность результатов сегментации и классификации, не дожидаясь пока изображение не будет полностью обработано. Это особенно важно при экспертной «подгонке» исходных параметров сегментации и классификации. Как только удовлетворительные параметры найдены, можно запускать алгоритм для обработки всего изображения.

Заключительным этапом рабочего процесса является классификация объектов. Оператор может самостоятельно создать обучающие выборки на сегментированном изображении, импортировать результаты полевого эталонирования либо задать правила, определяющие способы дешифрирования отдельных классов (рис. 4).

4

 

Таким образом, модуль ENVI Feature Extraction позволяет автоматизировано дешифрировать объекты по панхроматическим и мультиспектральным изображениям. Вкупе с прочими алгоритмами классификации, доступными в ENVI (контролируемая, неконтролируемая классификации, классификация по методу дерева принятия решений, нейронных сетей), модуль ENVI Feature Extraction обеспечивает максимально полный арсенал технических средств, необходимых для автоматизированного дешифрирования снимков.

НАБОР ИНСТРУМЕНТОВ SPEAR TOOLS

Уникальный набор инструментов SPEAR Tools (Spectral Processing Exploitation and Analysis Resource), интегрирован в базовый функционал ENVI, предназначен для оптимизации спектральной обработки снимков. SPEAR Tools интегрирует наиболее распространенные операции по обработке снимков в автоматизированные пошаговые рабочие процессы. Разработанные для геопространственного анализа изображений, инструменты SPEAR Tools в значительной степени сокращают время, необходимое для выполнения таких операций как увеличение пространственного разрешения (pan-sharpening), разновременной анализ (change detection), классификация поверхностей и других. Инструменты снабжены пошаговыми инструкциями и обладают интуитивно понятным интерфейсом, что обеспечивает простоту освоения и удобство пользования (рис. 5).

 

5

 

В состав SPEAR Tools включены 15 разнообразных рабочих процессов, оптимизированных для обработки мультиспектральных изображений. Используя мощные и проверенные инструменты, уже реализованные в ENVI, SPEAR Tools предоставляет простой и надежный способ генерирования результатов обработки изображений.

SPEAR Tools включает следующие инструменты:

  • Anomaly Detection (Выявление аномалий);
  • Change Detection (Выявление изменений);
  • Google Earth Bridge (Связь с Google Earth);
  • Image-to-Map Registration (Геопозиционирование снимка по векторным данным);
  • Independent Componenets Analysis (Анализ независимых компонент);
  • Lines of Communication (Линии коммуникаций);
  • Metadata Browser (Браузер метаданных);
  • Terrain-based Orthorectification (Ортотрансформирование);
  • Pan Sharpening (Увеличение пространственного разрешения изображений);
  • Relative Water Depth (Относительная глубина водоемов);
  • Spectral Analogues (Спектральные аналоги);
  • TERCAT (Terrain Categorization) (Категоризация поверхностей);
  • Vegetation Delineation and Stress Detection (Дешифрирование растительности и определение вегетационного стресса);
  • Vertical Stripe Removal (Удаление вертикальных полос);
  • Watercraft Finder (Поиск судов).

Anomaly Detection

Инструмент обеспечивает поиск любых объектов или областей на снимке, спектральная яркость которых отличается от фоновой спектральной яркости (спектральных аномалий) (рис. 6). В ENVI реализован алгоритм Reed-Xiaoli Detector (RXD) для поиска и выделения целевых объектов, которые статистически отделены от фона изображения. Инструмент включает опции разбиения изображения, задания порога чувствительности и возможность ручного редактирования выделенных в автоматизированном режиме аномалий.

6

 

Change Detection

Инструмент обнаружения изменений Change Detection обеспечивает возможность сравнения изображений, полученных на одну и ту же территорию за различные даты. Инструмент позволяет в автоматизированном режиме выделить области, где произошли изменения (рис. 7). В инструменте Change Detection реализованы следующие методы выявления относительных изменений:

  • Преобразование. Исходные наборы данных объединяются в единый файл, а затем обрабатываются при помощи специализированных алгоритмов (анализ главных компонент, минимальная шумовая часть, анализ независимых компонент), в результате чего вычисляется степень корреляции объектов на исходных изображениях.
  • Вычитательный метод. Нормализованный разностный вегетационный индекс (NDVI), отношение красного канала к синему каналу и искусственное отношение вычисляются для исходных наборов данных. Разностные изображения, отображающие произошедшие изменения, получаются в результате вычитания из исходных изображений полученных результатов.
  • Мультивременной композит (2CMV). Изображение определенного спектрального канала за одну дату визуализируется в красном канале RGB-модели, а изображение того же спектрального канала за другую дату визуализируются в зеленом и синем спектральных каналах. Объекты, для которых в результате произошедших изменений произошло увеличение спектральной яркости, отобразятся в голубых тонах. Объекты, для которых произошло уменьшение спектральной яркости, отобразятся в красных тонах. Указанные цвета индицируют произошедшие изменения ии их направленность. 

7

Google Earth Bridge

Google Earth Bridge обеспечивает простой способ экспорта растровых и векторных данных из ENVI в Google Earth (рис. 8). Google Earth Bridge  создает KML-файлы, содержащие векторные данные (включая границы снимков). Растровые данные экспортируются в виде эскизов изображений (thumbnails)  с возможностью их наложения на определенную область поверхности Google Earth.

 8

Image-to-Map Registration

Image-to-Map Registration предназначен для пространственной привязки изображений ДЗЗ по геопозиционированным векторным данным. Пространственная привязка (геопозиционирование) обеспечивает совмещение снимков с другими геоданными и возможность их совместного анализа.

Independent Componenets Analysis

Инструмент Independent Componenets Analysis  преобразует исходное мультиспектральное изображение по методу независимых компонент. В результате преобразования создается новый многоканальный растр, содержащий линейную комбинацию исходных спектральных каналов. Данный способ спектрального преобразования создает новое изображение с взаимно независимыми значениями спектральных яркостей. Изображения, полученные в результате преобразования по методу независимых компонент, позволяют различить объекты, даже если они имеют крайне малое распространение на снимке. Рабочий процесс адаптирован для мультиспектральных и гиперспектральных данных.

Lines of Communication

Инструмент Lines of Communication обеспечивает оптимальную спектральную обработку снимков для выделения и картографирования дорог, рек  и иных линейных объектов (рис. 9). Инструмент способствует более эффективной ручной оцифровке дорог и коммуникаций, а также водных объектов за счет «подчеркивания» на изображении соответствующих объектов.

9

Metadata Browser

Встроенный браузер метаданных считывает ключевые метаданные в формате NITF (National Imagery Transmission Format) и отображает их в удобном для восприятия виде. В дополнении к этому данный инструмент позволяет сравнивать разновременные изображения и предоставлять в режиме 3D-графики информацию о местоположении спутника в момент съемки, геометрии съемки и местоположения Солнца (рис. 10). Кроме этого, имеется возможность одновременного просмотра метаданных различных снимков для оценки их качества и пригодности для решения различных задач.
10

Terrainbased Orthorectification

Модуль Terrainbased Orthorectification предназначен для ортотрансформирования снимков с использованием коэффициентов рационального многочлена (rational polynomial coefficients, RPC), цифровой модели рельефа, информации о геоиде и наземных опорных точек. На Ортотрансформированном изображении (ортофотоплане) координаты пространственных объектов максимально приближены к истинным координатам на местности, также устранены искажения, вызванные геометрией съемки и влиянием рельефа.

Pan Sharpening

Инструмент Pan Sharpening предназначен для создания изображений на базе синхронно полученных панхроматических и мультиспектральных снимков (рис. 11). Создаваемые в результате операции Pan Sharpening изображения наследуют более высокое пространственное разрешение панхроматического снимка, цветовые характеристики спектральных каналов.

11

Relative Water Depth

Инструмент Relative Water Depth дает возможность быстрого построения растровых карт относительных глубин водных объектов. При помощи Relative Water Depth пользователь может получить довольно общую картину батиметрии водоема. При наличии данных о замерах глубин в контрольных точках можно составить уравнение зависимости абсолютной глубины от относительной и попытаться построить батиметрическую карту в абсолютных величинах.

Spectral Analogues

При помощи инструмента Spectral Analogues на мультиспектральном либо гиперспектральном изображении удается обнаружить участки распространения объектов с заданным спектральным образом. Спектральный образ определяется на основе анализа отражения и поглощения волн определенной длины по всему диапазону электромагнитного спектра. Работа инструмента основана на сравнении спектральных образов пикселей снимка с эталонными спектральными образами конкретных объектов (растений, почв, минералов).

TERCAT (Terrain Categorization)

Данный модуль предназначен для выполнения автоматизированной классификации спектрально однородных пикселей изображения в заданные классы (рис. 12). Результирующие классы могут быть заданы пользователем либо автоматически сгенерированы в результате работы алгоритма. В модуле TERCAT доступны все стандартные алгоритмы классификации, реализованные в ENVI, плюс дополнительный алгоритм, названный  Winner Takes All (Победитель берет всё). Сущность его заключается в одновременном применении нескольких стандартных методов классификации. Пикселю присваивается наиболее вероятное значение по результатам всех классификаций.

12

Vegetation Delineation and Stress Detection

Инструмент Vegetation Delineation and Stress Detection позволяет легко идентифицировать участки, покрытые растительностью и в первом приближении оценить интенсивность вегетации (рис. 13). Инструмент снабжен функцией генерирования графических отчетов о состоянии растительности на основе дешифрирования снимков.

13

Vertical Stripe Removal

Для некоторых спектрально однородных областях не изображении могут присутствовать эффекты вертикальных полос, в которых яркость пикселей отличается от яркости фоновых объектов. Часто такие помехи препятствуют нормальной визуализации снимка и могут привести к неверной интерпретации пикселей при спектральной обработке. Инструмент Vertical Stripe Removal способен удалить данные артефакты. Наилучшие результаты достигаются при удалении полос именно в областях однородного фона на изображении. (постоянный уровень спектральной яркости по всему полю изображения).

Watercraft Finder

Рабочий процесс Watercraft Finder разработан для решения задач обнаружения судов в открытых акваториях на базе обработки снимков сверхвысокого разрешения (рис. 14). Инструмент также может быть использован для дешифрирования судов в прибрежных зонах. Признаком, обеспечивающим обнаружение судна, является отражение им волн в ближнем инфракрасном канале, тогда как окружающая водная поверхность в данном диапазоне характеризуется интенсивным поглощением. Таким образом, судно выглядит как спектральная аномалия и может быть легко распознано в автоматизированном режиме.

14

Таким образом, независимо от уровня подготовки пользователя, SPEAR Tools позволяет быстро и надежно решать широкий спектр задач автоматизированной обработки снимков и получать результаты в удобном и наглядном виде.

МОДУЛЬ TARGET DETECTION WIZARD

Зачастую некоторые объекты на снимках не могут быть распознаны в режиме визуального дешифрирования. При помощью модуля ENVI Target Detection пользователи могут эффективно обнаружить объекты интереса, независимо от опыта дешифрирования снимков. Сопровождаемый пояснениями рабочий процесс включает 8 алгоритмов.

Мастер Target Detection выполняет пошаговый процесс по обнаружению объектов и обеспечивает получение результатов высокой точности. Рабочий процесс оптимизирован для гиперспектральных и мультиспектральных изображений. В качестве объектов дешифрирования при использовании мастера могут выступать участки распространения специфических грунтов, минералов, либо отдельные искусственные объекты (например транспортные средства). При условии если дешифровщику известно, что на территории содержится хотя бы один объект интереса, мастер Target Detection может быть использован для обнаружения подобных объектов на области покрытия снимка. Инструментарий мастера может быть легко адаптирован для выделения конкретных объектов в соответствии с нуждами пользователей.

Обнаружение целевых объектов в ходе работы мастера включает следующие шаги (рис. 15):

  1. Выбор исходного файла и указание директории для сохранения результирующего файла.
  2. Выполнение атмосферной коррекции. Исходные цифровые значения пикселей изображения конвертируются в показатели отражения (опционально).
  3. Выбор целевого спектра. С использованием спектральных библиотек, отдельных графиков спектральных яркостей, текстовых файлов или регионов интереса (Region of Interests, ROI) осуществляется выбор одного, либо более чем одного спектра для анализа.
  4. Выбор нецелевого спектра для исключения заведомо нецелевых областей из процесса дешифрирования (опционально).
  5. Применение преобразования по методу минимальной шумовой части (Minimum Noise Fraction, MNF) (опционально).
  6. Выбор одного из восьми методов обнаружения целевых объектов.
  7. Загрузка и предпросмотр изображения, полученного в результате применения выбранного метода.
  8. Фильтрация выделенных целевых объектов. Применение различных фильтров с заданием индивидуальных параметров для каждого фильтра с целью удаления неверно выделенных участков и добавления пропущенных участков.
  9. Экспорт результатов в векторный формат либо в ROI
  10. Просмотр статистической отчетности по выбранным методам выделения.

 15

В мастере Target Detection реализованы следующие методы обнаружения целевых объектов (рис. 16):

  • Согласованная фильтрация (Matched Filtering, MF);
  • Ограниченная минимизация энергии (Constrained Energy Minimization, CEM);
  • Адаптивная оценка когерентности (Constrained Energy Minimization, CEM);
  • Метод спектрального угла (Spectral Angle Mapper, SAM);
  • Ортогональное проецирование подпространства (Orthogonal Subspace Projection, OSP);
  • Ограниченный целью минимизирующий помехи фильтр (Target-Constrained Interference-Minimized Filter, TCIMF);
  • Смешанно настроенный Ограниченный целью минимизирующий помехи фильтр (Mixture Tuned Target-Constrained Interference-Minimized Filter, MT TCIMF);
  • Смешанно настроенная согласованная фильтрация (Mixture Tuned Matched Filtering, MTMF).

16

Когда необходимые методы выбраны, мастер запускает пошаговую работу алгоритмов по обнаружению целевых объектов. Преимуществом работы в мастере Target Detection является возможность предварительного просмотра результатов работы отдельных алгоритмов и интерактивного задания исходных параметров (рис. 17).

17

После получения удовлетворительных результатов дешифрирования целевых объектов, пользователь может выполнить некоторые улучшающие преобразования, такие как агрегирование и фильтрация результатов. На заключительном этапе с помощью специализированного удобного интерфейса имеется возможность анализа каждого выделенного объекта в отдельности с целью удаления неверно распознанных при дешифрировании артефактов.

Заключение

Компания Exelis уделяет большое внимание развитию способов автоматизации рабочих процессов и постоянно совершенствует соответствующий инструментарий ENVI. Инструменты, обеспечивающие автоматизацию рабочих процессов ENVI просты в использовании, обладают дружественным интерфейсом и разработаны с учетом специфики решения наиболее востребованных задач обработки данных ДЗЗ.

С выходом каждой новой версии арсенал автоматизированных рабочих процессов расширяется. Так, в новой версии ENVI 5.1 реализован инструмент Seamless Mosaic (бесшовная мозаика), позволяющий быстро и эффективно строить мозаики на базе геопривязанных изображений в едином окне мастера. Инструмент обладает интерактивными возможностями  предпросмотра, генерирования линии пореза и цветового выравнивания.

Также в новой версии усовершенствованы такие рабочие процессы как Image Registration workflow (геопривязка изображений) и  RPC Orthorectification Workflow (Ортотрансформирования с использованием RPC). В качестве цифровой модели рельефа при ортотрансформировании, если не указано иное, по умолчанию используется глобальная ЦМР GMTED2010.  Скорость рабочего процесса ортотрансформирования увеличена в 25 раз. В рабочий процесс THOR hyperspectral material identification (Гиперспектральная идентификация объектов) включен алгоритм спектрального сравнения ACE. Он обеспечивает оценку вероятностей при интерпретации результатов идентификации объектов на основе расчета статистики Байеса.

Компания Exelis намеревается и далее наращивать автоматизацию рабочих процессов. С выходом новых версий ENVI все больше стандартных операций будут объединяться в рабочие процессы, делая обработку снимков более простой, функциональной, удобной и нацеленной на получение конкретной тематической информации.

Статья подготовлена по материалам сайта http://www.exelisvis.com/. Перевод с английского вполнен ведущим специалистом по тематической обработке данных ДЗЗ С. Г. Мышляковым (компания «Совзонд»)

ОСТАВЬТЕ ОТВЕТ