КОМПЛЕКСИРОВАНИЯ ИЗОБРАЖЕНИЙ В ШИРОКОПОЛОСНЫХ СПУТНИКОВЫХ СИСТЕМАХ МОНИТОРИНГА НА ОСНОВЕ МНОГОУРОВНЕВОГО МЕТОДА

February 11, 2013 by admin Комментировать »

Прудиус и. Н., Лазько О. В., Лазько Л. В., Семенов С. А. Национальный университет «Львовская политехника» Институт телекоммуникаций, радиоэлектроники и электронной техники ул. Ст. Бандери, г. Львов, 79013, Украина тел.: 8032-2728572, e-mail: iprydyus@polynet.lviv.ua; lazko_new@yahoo.com

Аннотация – Рассматривается предложенный авторами новый метод комплексирования данных в многоканальных спутниковых системах дистанционного зондирования, свойства которого было проверено на основании данных, полученных с помощью спутника Landsat 7 ЕТМ+. Преимущество предложенного метода состоит в использовании многоуровневого похода к задаче комплексирования информации в разных спектральных диапазонах, и была подтверждена сравнением с системами без комплексирования или с комплексированием на уровне данных.

I.                                       Введение

Современные системы наблюдения, построенные на основе сенсоров разного типа и соответствующих подходов комплексирования данных, позволяют решать различные задачи дистанционного зондирования, мониторинга окружающего пространства, идентификации и сопровождения объектов [1]. После соответствующей обработки, полученная информация интенсивно используется в сельском хозяйстве, лесничестве и земельном хозяйстве, картографии, геологии, гидрологии и мониторинге окружающего пространства. Используя оптический и инфракрасный диапазоны, с помощью современных спутниковых систем мониторинга, можно получить изображения в широком диапазоне разрешающих способностей [4].

II.                              Основная часть

Несмотря на существование большого количества методов комплексирования информации, полученной в форме изображений, их можно кпассифи- цировать по следующим уровням [1]: на основании данных (пикселей), признаков и решений. Каждый из указанных уровней характеризируется разными схемами обработки информации и разным объёмом вычислений.

Комплексирование на уровне данных вместе с высокими вычислительными расходами может обеспечить наилучшие результаты, поскольку использует данные от всехсенсоров:

где, Ij – интенсивность изображения i-ro канала; Wj – весовой коефициент i-ro канала.

Рассматривая условие отсутствия потерь в процессе приёма, качество комплексирования данных на этом уровне определяется использованными методами последующей обработки.

Комплексирование на уровне признаков состоит в объединении признаков, которые были выделены независимо в каждом канале. 1/1з-за отсутствия совместного анализа информации из сенсоров разных каналов, этот уровень имеет меньшие вычислительные расходы.

Комплексирование на уровне решений производится на базе решений, принятых отдельно по данным каждого из каналов. Поскольку данные и решения принимаются в каждом канале независимо, этот метод является менее чувствительным к качеству совместной регистрации данных, однако для обеспечения высшего качества конечных изображений, точность обработки данных в каждом канале должна быть улучшена. Данный уровень характеризируется наименьшей вычислительной сложностью.

В предложенном многоуровневом методе комплексирования совершается совместное применение трёх указанных уровней комплексирования.

Свойства предложенного метода были исследованы на основе данных, полученных с помощью спутника Landsat 7 ETIVi+ с 7 каналами в видимом и инфракрасном диапазонах.

[Предложенный метод комплексирования данных был протестирован на основе решения гидрологической задачи, а именно, определения границ водных объектов при использовании 1-5 спектральных каналов спутника Landsat 7 ETIVi+.

5  На основе полученных данных была решена задача детекции водного объекта, а именно, реки. Выбор этого набора каналов был обусловлен рекомендациями LTAP (Long Term Acquisition Plan) для спутника Landsat-7, в котором описаны характеристики разных типов поверхностей в каждом из каналов. Каналы 1предложено использовать как основные из-за их высокой чувствительности к объектам данного типа.

Оценка результатов комплексирования проводилась путём сравнения карты размещения искомого объекта (реки) с результатами работы метода, путём расчёта вероятностей пропуска цели и ложной тревоги, как основных критериев соответствия полученного результата оригиналу. В случае, когда пиксель реального изображения не присутствует в полученном изображении, говорим о понятии пропуска цели; в противоположном случае, когда пиксель полученного изображения не присутствует в реальном изображении, говорим о понятии ложной тревоги. Важность вероятностей пропуска цели и ложной тревоги в различных системах разная: в одних системах ставка делается на максимальное уменьшение значения одной из вероятностей, в то время как значение другой не является критическим и не требует дополнительных расходов для его уменьшения. Примером систем, где критическим является значение вероятности пропуска цели, выступают системы сигнализации. В них пропуск цели абсолютно недопустим, в то время как расходы в результате ложного срабатывания системы будут значительно менше расходов её несрабатывания. Ситуация является обратной в пропускных системах, где вероятность ложной тревоги должна быть как можно меньшей, а значение вероятности пропуска цели не является критическим. При разработке исследованного многоуровневого метода комплексирования в основу было положено критерий Неймана-Пирсона [5], в котором основное внимание было сосредоточено на уменьшении значений вероятности пропуска цели при обеспечении соответственного уровня вероятности ложной тревоги.

III.                                  Заключение

Полученные результаты показывают, что предложенный многоуровневый метод обеспечивает наименьшую вероятность ошибки (вероятность пропуска цели – 0,0642 против 0,1040, и вероятность ложной тревоги – 0,0022 против 0,0039) по сравнению с системами, которые используют отдельные каналы. Сравнение с системами, где было использовано комплексирование на уровне пикселей, показало, что при немного худшей вероятности ложной тревоги (0,0022 – как результат работы метода, против 0,0005 – в случае пиксельного комплексирования 1-го, 3-го и 5-го каналов) было достигнуто значительное улучшение вероятности пропуска цели (0,0642 – как результат работы метода, против 0,2826 – в случае пиксельного комплексирования данных 1-го, 2-го и 3-го каналов).

IV.                           Список литературы

[1] Hall D. (ed) andLllnasJ. (ed.), Handbook of Multisensor Data Fusion, CRC Press LLC, 2001.

[2] A. K. Jain and R. C. Dubes. Algorithms for Clustering Data, Prentice Hall, 1988.

[3] P. Felzenszwalb, D. Huttenlocher, Image Segmentation Using Local Variation, Proc. IEEE, Conference on Computer Vision and Pattern Recognition, pp. 98-104, 1998.

[4] I. Prudyus, T. Holotyak, L. Lazko, Multilevel data fusion in multichannel imaing systems, Proc. SPIE, Photonics applications in astronomy, communications, industry and high- energy physics experiments IV, volume 6159, pp. 61594C- 1-61594C-5, Wilga, Poland, 2005.

[5] Гмурман В. Ε., Теория вероятностей и математическая статистика. М.: BLU, 2000.

IMAGE FUSION IN WIDEBAND PASSIVE SATELLITE MONITORING SYSTEMS BASED ON MULTILEVEL APPROACH

Prudyus I. N., Lazko O. V., Lazko L. V., Semenov S. A.

Institute of Telecommunications,

Radio Electronics and Electronic Devices,

Lviv Polytechnic National University

S.                    Bandery Str, Lviv 79013, Ukraine Ph.: +380 (32) 2728572, e-mail: iprydyus@polynet.lviv.ua, iazko_new@yahoo.com

Abstract – A new data fusion technique for multichannel remote sensing satellite systems is suggested, whose properties have been verified using the data received via the Landsat 7 ETM+ satellite. The principal advantage of this technique, confirmed by comparisons at the data level between systems with or without data fusion, is the application of a multilevel approach to the data fusion problem.

I.                                         Introduction

Modern monitoring systems involving various types of sensors and respective approaches to the data fusion offer an opportunity of addressing different problems of remote sensing, ambient monitoring, target detection and tracking. Using optical and infrared bands, modern satellite monitoring systems deliver images in a wide range of resolutions.

II.                                        Main Part

Despite numerous data fusion techniques available, all of them may be classified by pixel (data), attribute, and solution levels. Each of these levels employs different approaches to data processing.

The suggested multilevel data fusion technique provides joint implementation of all three data fusion levels.

Features of this technique were investigated on the basis of data received from the Landsat 7 ETM+ satellite involving 7 channels in visible and infrared bands.

The suggested data fusion technique has been tested by solving a hydrologic problem, I. e. determining the boundaries of water bodies using channels 1-5 ofthe Landsat 7 ETM+ satellite.

The obtained data was used to detect a water body (river). The above set of bands was selected in view of the LTAP recommendations for the Landsat-7 satellite where features of various surface types for each channel are described. The application of the channels 1-5 as principal channels was suggested because of their high sensitivity to such objects.

III.                                       Conclusion

Available results show that the suggested multilevel technique provides minimal error probability (undetection probability of 0.0642 vs 0.1040 and false alarm probability of 0.0022 vs 0.0039) compared to systems that use separate channels. Compared to systems using pixel fusion, it has been established that for a slightly inferior false alarm probability (0.0022 as a result of the technique employed vs 0.0005 for the pixel fusion ofthe bands 1, 3, and 5), a considerable improvement in the undetection probability (0.0642 vs 0.2826 for the pixel fusion ofthe bands 1, 2 and 3) has been achieved.

Источник: Материалы Международной Крымской конференции «СВЧ-техника и телекоммуникационные технологии», 2006г. 

Оставить комментарий

микросхемы мощности Устройство импульсов питания пример приемника провода витков генератора выходе напряжение напряжения нагрузки радоэлектроника работы сигнал сигнала сигналов управления сопротивление усилитель усилителя усиления устройства схема теория транзистора транзисторов частоты