Процедура дешифрирования, дешифровочные признаки

Необходимая для исследований информация (предметно-содержательная и геометрическая) извлекается из снимков двумя основными методами, это дешифрирование и фотограмметрические измерения Дешифрирование, которое должно дать ответ на основной вопрос что изображено на снимке, позволяет получать предметную, тематическую (в основном качественную) информацию об изучаемом объекте или процессе, его связях с окружающими объектами. В визуальном дешифрировании обычно выделяют чтение снимков и их интерпретацию (толкование). Умение читать снимки базируется на знании дешифровочных признаков объектов и изобразительных свойств снимков. Глубина же интерпретационного дешифрирования существенно зависит от уровня подготовки исполнителя. Чем лучше знает дешифровщик предмет своего исследования, тем полнее и достовернее информация, извлекаемая из снимка. Фотограмметрическая обработка (измерения) призвана дать ответ на вопрос — где находится изучаемый объект и каковы его геометрические характеристики: размер, форма. Для этого выполняется трансформирование снимков, их изображение приводится в определенную картографическую проекцию. Это позволяет определять по снимкам положение объектов и их изменение во времени. Современные компьютерные технологии получения информации по снимкам позволяют решать следующие группы задач: визуализация цифровых снимков; геометрические и яркостные преобразования снимков, включая их коррекцию; конструирование новых производных изображений по первичным снимкам; определение количественных характеристик объектов; компьютерное дешифрирование снимков (классификация). Для выполнения компьютерного дешифрирования применяют наиболее распространенный подход, основанный на спектральных признаках, в качестве которых служит набор спектральных яркостей, зарегистрированных многозональным снимком. Формальная задача компьютерного дешифрирования снимков сводится к классификации — последовательной «сортировке» всех пикселей цифрового снимка на несколько групп. Для этого предложены алгоритмы классификации двух видов — с обучением и без обучения, или кластеризации (от англ. cluster — скопление, группа). При классификации с обучением пиксели многозонального снимка группируются на основе сравнения их яркостей в каждой спектральной зоне с эталонными значениями. При кластеризации же все пиксели разделяют на группыкластеры по какому-либо формальному признаку, не прибегая к обучающим данным. Затем кластеры, полученные в результате автоматической 58 группировки пикселей, дешифровщик относит к тем или иным объектам. Достоверность компьютерного дешифрирования формально характеризуется отношением числа правильно классифицируемых пикселей к их общему числу. Вычислительные алгоритмы, основанные на спектральных признаках отдельных пикселей, обеспечивают надежное решение только самых простых классификационных задач; они рационально включаются в качестве элементов в сложный процесс визуального дешифрирования, которое пока остается основным методом извлечения природной и социальноэкономической информации из аэрокосмических снимков. Процедура дешифрирования Дешифрирование определяют как процесс изучения снимков с целью идентификации объектов и оценки их значимости. Дешифрирование является сложной задачей, для решения которой необходимо выполнить ряд работ по классификации и подсчету количества объектов, измерению их параметров и определению границ. Первым этапом дешифрирования является классификация объектов, в ходе которой оператор относит различные объекты на снимке к определенным классам или кластерам. Процедура классификации также состоит из нескольких этапов, первым из которых является выделение пространственных объектов. Затем на этапе распознавания устанавливается тождество между отдельными объектами и соответствующими классами. Для выполнения этого шага необходимы дополнительные знания об изучаемой территории. Наконец, на заключительном этапе, который называется идентификацией, каждый объект на снимке приписывается с некоторой степенью вероятности к одному из определенных классов. Следующий этап дешифрирования — подсчет количества объектов на снимке — во многом зависит от того, насколько точно была проведена их классификация. Третий этап состоит в определении геометрических характеристик объекта: длины, площади, объема и высоты. К этому этапу относится и денситометрия — измерение яркостных характеристик объекта. Последний этап заключается в определении контуров однородных по своим свойствам объектов или пространственных областей, которые при этом закрашиваются определенным цветом или штриховкой. Эту задачу проще выполнять при наличии у объектов четких границ и гораздо сложнее там, где свойства объектов изменяются плавно, например, на границе водоема и песчаных почв. Для успешного дешифрирования очень важно понимать, от каких параметров зависит представление объекта на снимке.

Дешифровочные признаки Дешифровочные признаки — свойства объектов, которые прямо или косвенно находят отображение на снимках и обеспечивают распознавание объектов. Использование дешифровочных признаков составляет основу визуального дешифрирования снимков, которое, наряду с измерениями, представляет собой основной метод извлечения информации со снимков. Дешифровочные признаки делят прямые и косвенные. Свойства объектов, находящие непосредственное отображение на снимках, принято называть прямыми дешифровочными признаками. К ним относятся три группы признаков: геометрические (форма, тень, размер), яркостные (фототон, уровень яркости, цвет, спектральный образ), структурные (текстура, структура, рисунок изображения). Размер объекта зависит от масштаба. Как правило, при дешифрировании анализируются относительные размеры объектов на одном и том же снимке. Например, размер частного дома должен быть меньше размера крупного торгового центра. Форма объекта или его контуров является очень четким критерием дешифрирования. Как правило, объекты, созданные человеком (например, дороги, каналы, здания), имеют четкие границы и правильную форму, а форма природных объектов — лесных массивов, водоемов и пр. — является очень нерегулярной. Тон объекта характеризует его относительную яркость или цвет. Это один из наиболее важных качественных критериев дешифрирования. Обычно тон объекта определяется как темный, средний или яркий. Структура изображения определяется взаимным расположением объектов на снимке. Как правило, отчетливая и хорошо распознаваемая структура возникает в местах периодически повторяемых тонов и текстур. Так, например, разную структуру образуют упорядоченные дома в городе и деревья в саду. Текстура, или частота изменений тона в определенной области снимка, является качественным параметром и обычно характеризуется как резкая или плавная. Например, сухие песчаники обладают плавной текстурой без выраженных вариаций тона. Наоборот, текстура смешанного леса является очень резкой из-за частых пространственных изменений тона, которые связаны с различием в форме и размерах верхушек деревьев разных пород и вариациями плотности лесного покрова. Тень является одним из наиболее важных критериев дешифрирования, поскольку она дает представление об относительной высоте и профиле объекта. В горных районах тень хорошо подчеркивает топографические особенности рельефа и является полезным критерием при дешифрировании геологических структур.