3 / 12
Метод объектно-ориентированной классификации объектов подстилающей поверхности…
ISSN 1812-3368. Вестник МГТУ им. Н.Э. Баумана. Сер. Естественные науки. 2017. № 3
137
В различных работах пиксельно-ориентированный и объектно-ориенти-
рованный подходы сравнивались между собой в задачах распознавания объектов
на космических изображениях поверхности Земли [8–10]. В некоторых работах [11,
12] в качестве алгоритма пиксельной классификации использован метод макси-
мального правдоподобия, объектно-ориентированная классификация реализована
по методу
eCognition
[13]. В работе [14] дополнительно применен референсный
набор векторных данных, существенно улучшивший результат классификации;
этот подход имеет смысл в хорошо картированных регионах, но не применим
в удаленных районах. Объектный подход для поиска изменений использован
в работе [15]. Также применяют подходы с участием нечетких множеств [16].
Во многих случаях применение объектно-ориентированного подхода показывает
повышение точности распознавания целевых объектов.
Арктический регион практически недоступен для наблюдений со спутников,
находящихся на геостационарной орбите, а среднеорбитальные метеорологические
космические аппараты не могут обеспечить наблюдение высокоширотных районов
с необходимой периодичностью. В связи с эти большое значение приобретает раз-
работка и совершенствование методов сбора и обработки информации о состоянии
и изменениях объектов в системе космического мониторинга высокоширотной
Арктики. При этом есть некоторые принципиальные проблемы для космического
дистанционного зондирования в высокоширотных зонах 75–90 северной широты:
– не все автоматические спутники, пилотируемые космические корабли и
долговременные станции проходят над высокоширотной Арктикой вследствие
ограниченного наклона орбиты [17];
– нерегулярность освещенности северного полярного региона создает до-
полнительные трудности для оптического дистанционного зондирования, ко-
торое практически бесполезно в течение долгой полярной ночи;
– интенсивные тени на космических изображениях, возникающие при соче-
тании низкого положения Солнца и горного рельефа, затрудняют распознава-
ние объектов на поверхности;
– тепловые инфракрасные или микроволновые изображения не имеют этих
недостатков, но обладают обычно более низким пространственным разрешени-
ем, что также затрудняет распознавание некоторых объектов.
В связи с этим актуальна разработка специальных объектно-ориентирован-
ных методов обработки космических изображений для арктических регионов.
Метод объектно-ориентированной классификации.
С учетом особенно-
стей предметной области был разработан метод объектно-ориентированной
классификации, состоящий из двух этапов: на первом проводится неконтроли-
руемая классификация (кластеризация) точек изображения с учетом их спек-
тральных, текстурных особенностей, а также взаимного расположения; затем
выделенные регионы классифицируются байесовским классификатором.
Блок-схема взаимодействия методов объектно-ориентированной классифи-
кации классов подстилающей поверхности приведена на рис. 2.