A

Шульга В.И.

ПРАКТИЧЕСКИЕ ВОПРОСЫ КОМПЬЮТЕРНОЙ ОБРАБОТКИ КОСМИЧЕСКИХ СНИМКОВ ШЕЛЬФОВЫХ ЗОН

Космические изображения Земли характеризуются широким диапазоном яркостных градаций. Регистрирующая аппаратура должна охватывать весь этот диапазон, начиная от самых темных участков водной поверхности, до самых светлых участков суши. В интервале восприятия должен находится и облачный покров.
Необходимость работы в столь широком диапазоне, приводит к тому, что морской поверхности достается весьма ограниченное число градаций. На рис.1 показан снимок спутника Landsat (1-ый канал). На рис.2 – его яркостная гистограмма.


Рис.1. Оригинальный снимок спутника Landsat (1-ый канал).	Рис.2. Гистограмма яркостей оригинального снимка.

Изображение морской поверхности занимают градации от 62-ой по 73-ю (всего градаций 256).
Поэтому, в начале, к подобным снимкам должна применяться процедура растяжения изображения морской поверхности на весь диапазон. На рис.3 показан результат такой операции (на рис.4 – результирующая гистограмма).


Рис.3. Результат максимального растяжения диапазона яркостей морской поверхности.	Рис.4. Гистограмма растянутого изображения.

Зачастую, число яркостных градаций, отвечающих изображению морской поверхности, оказывается еще меньшим (порядка нескольких единиц). Искомый - полезный сигнал (тонкая яркостная структура морской поверхности) практически «тонет» в шумах дискретизации. На рис.5 показан фрагмент подобного изображения. На рис.6 – тот же фрагмент после максимального растяжения яркостного диапазона.


Рис.5. Исходный вид.	Рис.6. «Растянутый».

Дальнейшее растяжение здесь ничего не дает.
В этих условиях, полезный сигнал может быть выделен за счет статистического усреднения значений яркости в соседних точках (пикселях). Теория подобного процесса общеизвестна [1], [2].
Если применить терминологию теоретической радиотехники, то можно сказать, что шум дискретизации играет здесь роль несущей полезного сигнала, - модулируемой этим сигналом, который и выделяется путем высокочастотной фильтрации – скользящим усреднением в пределах нескольких периодов колебания несущей (т.е. в интервале нескольких точек растра).
В простейшем случае усреднение осуществляется в рамках прямоугольного скользящего окна. Вычислительные возможности современных компьютеров позволяют в реальном времени организовать наиболее корректное усреднение – путем свертки со скользящей колоколообразной функцией (так наз. гаусс-размытие). Колоколообразная функция позволяет дифференцировано (более «тонко») учитывать вклады отдельных точек в среднее значение, - в зависимости от их положения (отклонения) по отношению к центру усреднения [3], [4]. Использование колоколообразной функции принадлежности позволяет снизить критичность выбора радиуса окна усреднения.
Вычислительные возможности современных компьютеров позволяют оперативно выбирать радиус усреднения непосредственно наблюдая, в режиме реального времени, влияние изменения этого параметра на результирующую картину. Минимальный радиус усреднения, при котором устраняется влияние шумов дискретизации, достаточно четко фиксируется по этой картине. На рис.7 показан результат гаусс-размытия изображения - рис.6.

Рис.7. Результат статистического усреднения.

Этот результат определяется радиусом размытия в 7 точек растра (пикселей). При меньшей величине этого параметра следы дискретизации еще наблюдаются.
На практике, задачу выделения малоконтрастных структур приходится решать на фоне глобальных изменений яркости, амплитуда которых может в значительной мере превосходить амплитуду искомого сигнала. Собственно примером такой ситуации и является изображение, показанное на рис.3 (для наглядности оно повторено ниже на рис.8).


Рис.8. Изображение, нуждающееся в выравнивании.	Рис.9. Выравнивающая «маска».

Морская поверхность слева внизу выглядит заметно темнее. Это изображения необходимо выровнять, - убрать мешающую глобальную яркостную составляющую. В нашей работе, для определения этой составляющей использовалась та же классическая операция гаусс-размытия, только, соответственно, с гораздо большим размером (радиусом) окна усреднения. На рис.9 показана полученная таким образом картина (радиус окна усреднения равнялся 40-ти пикселям).
Практика показала целесообразность ограничения, областей выравнивания с помощью таких «масок», только теми участками, где это действительно необходимо. Для этого, получаемые маски следует подвергать нелинейному преобразованию, сводящемуся к растягиванию необходимого участка их яркостного диапазона до максимума (с отбрасыванием «лишнего»). На рис.10 показан результат подобной операции. Здесь гистограмма была растянута до максимума (255)начиная со 150-го яркостного уровня.


Рис.10. Модифицированная маска.	Рис.11. Результат выравнивания.

Необходимая степень маскирования изображений (степень вычитания глобальной составляющей) определяется непосредственно по желаемой степени выравнивания результирующей картины.
Естественно, операции усреднения, а также, - выравнивания сужают яркостный диапазон исследуемых изображений (собственно для этого они и предназначены). После этих операций, яркостный диапазон следует опять растягивать до максимума.
На рис.11 показан результат выравнивания изображения - рис.8.

* * *

Рассмотренные методики и процедуры послужили технологической основой работ по сопоставлению космических снимков Северо-Западного шельфа Черного моря и Акватории Азовского моря с тематическими (геологическими) картами этих районов.
Решение этой задачи затрудняется тем обстоятельством, что особенности геологической структуры морского дна отображаются на космических снимках крайне неустойчиво. Для получения изображений информативных в геологическом плане требуется сочетание благоприятных метеорологических и гидрологических условий, в первую очередь, - безветрия и спокойного моря, с минимальными проявлениями мутьевых потоков. Кроме того, космические снимки (КС), в основном, предназначены для анализа изображений суши. Съемочная аппаратура настраивается, прежде всего, на передачу ее яркостного диапазона, который гораздо шире, чем диапазон изображения водной поверхности. Последней, как уже отмечалось, достается весьма ограниченное число яркостных градаций, из-за чего здесь особенно сильно сказывается влияние различных помех. Блики, «засветы», аппаратурные помехи, зачастую, превосходят амплитуду полезного сигнала. Требуется индивидуальный подход не только к каждому КС, но и к каждому каналу отдельного кадра (и более того – к отдельным участкам одного и того же кадра). Искусство подбора индивидуальной комбинации обрабатывающих процедур для каждого изображения, собственно, и составляло основную задачу компьютерной обработки КС в рамках данной тематики.
Плодотворно решить эту задачу можно только в тесном контакте с геологами, геоморфологами и другим специалистам, которые являются конечным оценщиком и заказчиком результатов компьютерной обработки КС. Именно они знают то, что нужно искать. Их знания и опыт, модели которыми они оперируют, пока что не поддаются формализации. Ставилась задача в максимальной степени приблизить этих специалистов к процессу обработки КС. Предполагалась передача необходимых методик и процедур в их непосредственное использование. Внимание акцентировалось на возможности применения общедоступных программных пакетов обработки изображений. Такая организация работы позволила интенсифицировать исследования.
Было проанализировано большое количество КС, среди которых были отобраны те, редкие, представлявшие информативную ценность, с точки зрения структурного дешифрирования изображения морской поверхности. Для спутников NOAA соотношение таких изображений к общему количеству имело порядок 1:100. Для спутника «Океан-О» - 1:10. Наиболее качественными были снимки спутника “Landsat”, однако их было получено всего несколько штук.
Здесь необходимо акцентировать внимание на следующей проблеме. Для решения задач геологического прогноза необходимо перебрать большое количество космических снимков. Ознакомиться с их оригиналами – весьма проблематично. По идее, для этой цели предназначены их квиклуки, выставленные в Internet’е. Однако, как уже отмечалось, морской поверхности достается, на космических изображениях, весьма ограниченное количество яркостных градаций. Но и они «съедаются» при сжатии (в частности, при наиболее употребительной – jpg компрессии). Морская поверхность изображается слишком большими квадратами (однородными зонами), - гораздо большими, чем изображение суши. На рис.12 приведен фрагмент квиклука снимка космического аппарата “Landsat (здесь, и в дальнейшем, показываются по одному каналу из видимой области). На рис.13 – тот же фрагмент после максимального растяжения яркостного диапазона морской поверхности.


Рис.12. Оригинальный квиклук.	Рис.13. «Растянутый» квиклук.

Ясно, что по таким препаратам мы не можем должным образом оценить качество изображения. Это тем более справедливо, так как нам желательны именно те снимки, на которых морская поверхность выглядит максимально однородной. На рис.14 приведен квиклук одного из таких снимков.

Рис.14. Квиклук изображения, которое предполагается приобрести.

Выходом из этой ситуации была бы организация возможности ознакомления с улучшенными квиклуками, по части отображения морской поверхности (хотя здесь уместнее будет говорить не об улучшении, а о доведении до кондиции). Такие квиклуки получались бы из исходных изображений после предварительного растяжения до максимума яркостного изображения морской поверхности. На рис.15 показан фрагмент такого квиклука, отображающего то же изображение, что и квиклук на рис.12-13.

Рис.15. Улучшенный квиклук.

Выигрыш в качестве - очевиден. При том, что по своим параметрам, это именно квиклук, - той же размерности и объема.
Представляется целесообразным организация взаимодействия заинтересованных пользователей с целью выдвижения совместных предложений дистрибьютерам космических снимков, по части предоставления возможности ознакомления с подобными квиклуками. Аргументировать здесь можно тем, что все те, кого интересуют изображения морской поверхности, могли бы увереннее заказывать и покупать космические снимки. Это в целом могло бы расширить круг потребителей – покупателей материалов космической съемки.
Вероятно, такая услуга должна оплачиваться.
Весьма желательно договориться, чтобы перед прореживанием (уменьшением размерности) и сжатием растянутых исходников, размывать их по Гауссу с радиусом в несколько пикселей (прядка 5-ти), с последующим растягиванием яркостного диапазона до максимума. Операция недорогая, но, как было показано, очень полезная.
Кроме того, следует прозондировать возможность поканальной покупки снимков. Весьма интересной была бы возможность покупки снимков с уменьшенным разрешением. Причем, именно с уменьшенным разрешением, а не снимков с другого более «дешевого» аппарата. Крайне желательно, после предварительного анализа картины с низким разрешением, иметь возможность приобрести тот же снимок с большим разрешением.
Среди главных адресатов этих предложений следует выделить следующих четырех:

-    Eurimage, catalog – einet <http://einet.eurimage.com/>,
-    Esrin – EOLI (odisseo)
        <http://odisseo.esrin.esa.it/eoli/eolinojava.html>,
-    USGS – GloVis <http://glovis.usgs.gov/>,
-    Michigan State University – Center for Global Change and Earth Observation <http://www.globalchange.msu.edu/>,
     catalog from <http://www.landsat.org/index.html>

В принципе, к этим организациям можно обратиться и через посредников:

-    ECOMM (Kiev), <http://www.ecomm.kiev.ua/>
-    Scanex (Moscow), <http://www.scanex.ru/>
-    Data+ (Moscow), <http://www.dataplus.ru/>
-    ULRMC (kiev). <http://www.ulrmc.org.ua/>

Среди учредителей последней выступает Altarum <>– бывший Мичиганский институт исследования окружающей среды (ERIM). Возможно, это поможет наладить контакт с исключительно мощным дистрибьютером космических снимков – Мичиганским университетом.

/ Проект письма в Eurimage через ECOMM /

СПИСОК ЛИТЕРАТУРЫ

1.    Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин. М.:Мир. 1972. 230С.
2.    Грузман И.С., Киричук В.С., Косых,Г.И. Перетягин В.П., Спектор А.А. - ЦИФРОВАЯ ОБРАБОТКА ИЗОБРАЖЕНИЙ В ИНФОРМАЦИОННЫХ СИСТЕМАХ - Новосибирск 2000.
3.    Zadeh L.A. FUZZY SETS //Information and Control. 1965. No.8. P.338-353.
4.    Шульга В.И. «В развитие принципов прикладной геометрии» / <https://shulga.tripod.com/geometry/R.htm>
5.    Шульга В.И. Практика компьютерной обработки спутниковой информации при решении нефтегазогеологических задач на шельфе / Матеріали регіональної наради “Можливості сучасних ГІС/ДЗЗ – технологій у сприяні вирішення проблем Причерноморського регіону”. Одеса - 2003р., 11-14 листопада. стор.80-82. / ДНВЦ “Природа” НКАУ та Мінекоресурсів.