Возможности автоматизация рабочих процессов в программном комплексе envi

      Комментарии к записи Возможности автоматизация рабочих процессов в программном комплексе envi отключены

Возможности автоматизация рабочих процессов в программном комплексе envi

Введение 

Возрастающая достоверность изображений, взятых со спутников дистанционного зондирования Почвы (ДЗЗ), делает их все более надежными и востребованными источниками получения информации об объектах. технологические модули и Инструменты, помогающие легко и точно извлекать данные из изображений, очень ответственны для ответа как научных, так и производственных задач.

Сейчас эксперты по обработке данных ДЗЗ и иные эксперты, трудящиеся с пространственной информацией в разных областях, выбирают ENVI — ведущее ПО по извлечению информации из изображений, взятых способами ДЗЗ. В ENVI реализованы новейшие научно обоснованные методы, созданные в соответствии с последними тенденциями развития разработок обработки изображений.

С выходом новых предположений функционал ENVI делается все более адаптированным для ответа конкретных прикладных задач. Автоматизированные модули рабочих процессов (workflows) и мастера (wizards) снабжают эргономичное пошаговое исполнение сложных операций, применяя простые интерфейсы. Это разрешает решать задачи обработки данных ДЗЗ кроме того экспертам с маленьким  опытом.

Главное внимание при выходе новых предположений ENVI уделяется разработке прикладных проблемно-ориентированных модулей, снабженных описаниями каждой стадии, что разрешает скоро и легко приобретать желаемые результаты на базе космических снимков. Наличие описания снабжает стремительное освоение модулей как специалистами, так и новичками в сфере тематической обработки снимков. Модули рабочих процессов ENVI приспособлены для применения разных типов данных.

Результаты, приобретаемые по завершении работы модулей смогут быть напрямую экспортированы в базы данных ГИС, Гугл Earth или перенесены в ArcGIS для отчётной документации и подготовки карт.

В ENVI модули рабочих процессов снабжают ответ многих самый востребованных задач обработки изображений, как панхроматических, так и мульти- и гиперспектральных. Ниже обращение отправится о модулях ENVI Feature Extraction, SPEAR Tools, и Target Detection Wizard.

МОДУЛЬ ENVI FEATURE EXTRACTION

Модуль ENVI Feature Extraction — встроенный модуль ENVI, разрешающий скоро и действенно дешифрировать пространственные объекты по космическим снимкам. Довольно часто перед учёными, инженерами, ГИС-экспертами стоит задача автоматизированного выделения каких-либо целевых объектов на снимках. Но процесс ручной оцифровки объектов сопряжен со сложностями распознавания образов и временными трудозатратами.

К тому же, при работе с мульти- и гиперспектральными снимками эксперт-дешифровщик видит только картину, взятую в следствии комбинирования только трех спектральных каналов в цветовой RGB-модели.

Модуль ENVI Feature Extraction возможно удачно использован для автоматизированного дешифрирования таких объектов как транспортные средства, строения, дороги, мосты, реки, озера, поля. Модуль оптимально подходит для извлечения информации из панхроматических и мультиспектральных снимков очень высокого разрешения. Дешифрирование основано на применении спектральных, текстурных и морфологических дешифровочных показателей.

Дополнительные комплекты эти, такие как, к примеру, цифровые модели рельефа, смогут быть кроме этого добавлены в рабочий процесс с целью улучшить итог дешифрирования. Рабочий процесс по извлечению целевой информации со снимков выстроен так, дабы оператор тратил меньше времени на познание подробностей обработки и больше сосредотачивался на интерпретации результатов дешифрирования.

Модуль ENVI Feature Extraction идеально подходит для:

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

Классические методы классификации изображений, реализованные в большинстве программных пакетов по обработке данных ДЗЗ, основаны на попиксельной обработке. Сущность ее кратко содержится в отнесении каждого пикселя растрового изображения к определенному классу, на базе некоторых правил  в соответствии со значением его спектральной энергетической яркости. Точность данного подхода в большинстве случаев зависит от количества спектральных пространственного разрешения и каналов снимков.

Для автоматизированного дешифрирования снимков очень высокого разрешения, обширно применяемых на данный момент, более предпочтительным есть объектно-ориентированный подход, разрешающий применять для выделения объектов не только спектральные, вместе с тем текстурные и морфологические особенности объектов, отобразившихся на снимках.

Как раз объектно-ориентированный подход к выделению объектов на снимках реализован в модуле ENVI Feature Extraction. Прекрасные результаты дешифрировании при применении данного подхода смогут быть взяты кроме того при ограниченном числе спектральных каналов а также при применении одноканальных панхроматических изображений. Объект представляет собой выделенную по особенным правилам область на снимке с свойственными однородными спектральными, текстурными и морфологическими чертями.

Рабочий процесс дешифрирования целевых объектов включает сегментацию изображений, расчет атрибутов (дешифровочных показателей) для каждого сегмента с образованием объектов и классификации объектов (контролируемой или на базе правил) (рис. 1). Модуль разрешает пользователю осуществлять контроль процесс дешифрирования и приспособить его под конкретные целевые объекты дешифрирования.

Рабочий процесс включает два первичных этапа: нахождение объектов и извлечение объектов. Задача нахождения объектов включает генерирование и сегментацию объектов (рис. 2).

В то время, когда эти два этапа выполнены пользователь может экспортировать полученные сегменты в векторный формат или выполнить классификацию изображения. Второй этап – классификация изображений – возможно осуществлена или с применением методов контролируемой классификации, или на базе заданного комплекта правил отнесения объектов к тому либо иному классу. Результаты классификации смогут быть сохранены в векторном или в растровом формате.

Одним из самые важных качеств ENVI Feature Extraction есть возможность предпросмотра результатов на каждом этапе рабочего процесса. Трансформации исходных параметров осуществляются «на лету» и мгновенно отображаются в окне предпросмотра. Окно предпросмотра, со своей стороны, возможно передвигать по экрану, его размеры кроме этого возможно поменять (рис.

3).

Объектно-ориентированный подход снабжает значительное сокращение временных затрат, если сравнивать с классическими способами дешифрирования. Наличие функции предпросмотра разрешает скоро и действенно оценить классификации результатов и точность сегментации, не ждя до тех пор пока изображение не будет всецело обработано. Это особенно принципиально важно при экспертной «подгонке» исходных классификации и параметров сегментации.

Когда удовлетворительные параметры отысканы, возможно запускать метод для обработки всего изображения.

Последним этапом рабочего процесса есть классификация объектов. Оператор может самостоятельно создать обучающие выборки на сегментированном изображении, импортировать результаты полевого эталонирования или задать правила, определяющие методы дешифрирования отдельных классов (рис. 4).

Так, модуль ENVI Feature Extraction разрешает автоматизировано дешифрировать объекты по панхроматическим и мультиспектральным изображениям. Вкупе с другими методами классификации, дешёвыми в ENVI (контролируемая, неконтролируемая классификации, классификация по способу дерева принятия ответов, нейронных сетей), модуль ENVI Feature Extraction снабжает максимально полный арсенал технических средств, нужных для автоматизированного дешифрирования снимков.

КОМПЛЕКТ ИНСТРУМЕНТОВ SPEAR TOOLS

Неповторимый комплект инструментов SPEAR Tools (Spectral Processing Exploitation and Analysis Resource), интегрирован в базисный функционал ENVI, рекомендован для оптимизации спектральной обработки снимков. SPEAR Tools интегрирует самый распространенные операции по обработке снимков в автоматизированные пошаговые рабочие процессы.

Созданные для геопространственного анализа изображений, инструменты SPEAR Tools в значительной мере уменьшают время, нужное для исполнения таких операций как повышение пространственного разрешения (pan-sharpening), разновременной анализ (change detection), классификация поверхностей и других. Инструменты снабжены пошаговыми руководствами и владеют интуитивно понятным интерфейсом, что снабжает удобство пользования и простоту освоения (рис. 5).

В состав SPEAR Tools включены 15 разнообразных рабочих процессов, оптимизированных для обработки мультиспектральных изображений. Применяя замечательные и проверенные инструменты, уже реализованные в ENVI, SPEAR Tools предоставляет несложной и надежный метод генерирования результатов обработки изображений.

SPEAR Tools включает следующие инструменты:

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

Anomaly Detection

Инструмент снабжает поиск любых объектов либо областей на снимке, спектральная яркость которых отличается от фоновой спектральной яркости (спектральных аномалий) (рис. 6). В ENVI реализован метод Reed-Xiaoli Detector (RXD) для выделения и поиска целевых объектов, каковые статистически отделены от фона изображения.

Инструмент включает опции разбиения изображения, задания порога чувствительности и возможность ручного редактирования выделенных в автоматизированном режиме аномалий.

Change Detection

Инструмент обнаружения трансформаций Change Detection снабжает возможность сравнения изображений, взятых на одну и ту же территорию за разные даты. Инструмент разрешает в автоматизированном режиме выделить области, где случились трансформации (рис. 7). В инструменте Change Detection реализованы следующие способы обнаружения относительных трансформаций:

  • Преобразование. Исходные комплекты данных объединяются в единый файл, а после этого обрабатываются при помощи специальных методов (анализ основных компонент, минимальная шумовая часть, анализ свободных компонент), в следствии чего вычисляется степень корреляции объектов на исходных изображениях.
  • Вычитательный способ. Нормализованный разностный вегетационный индекс (NDVI), отношение красного канала к светло синий каналу и неестественное отношение вычисляются для исходных комплектов данных. Разностные изображения, отображающие случившиеся трансформации, получаются в следствии вычитания из исходных изображений взятых 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 светло синий спектральных каналах. Объекты, для которых в следствии случившихся трансформаций случилось повышение спектральной яркости, отобразятся в голубых тонах. Объекты, для которых случилось уменьшение спектральной яркости, отобразятся в красных тонах. Указанные цвета индицируют случившиеся трансформации ии их направленность. 

Гугл Earth Bridge

Гугл Earth Bridge снабжает несложной метод экспорта растровых и векторных данных из ENVI в Гугл Earth (рис. 8). Гугл Earth Bridge  формирует KML-файлы, которые содержат векторные эти (включая границы снимков).

Растровые эти экспортируются в виде эскизов изображений (thumbnails)  с возможностью их наложения на определенную область поверхности Гугл Earth.

Image-to-Map Registration

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

Independent Componenets Analysis

Инструмент Independent Componenets Analysis  преобразует исходное мультиспектральное изображение по способу свободных компонент. В следствии преобразования создается новый многоканальный растр, содержащий линейную комбинацию исходных спектральных каналов. Этот метод спектрального преобразования формирует новое изображение с взаимно свободными значениями спектральных яркостей.

Изображения, полученные в следствии преобразования по способу свободных компонент, разрешают различить объекты, даже если они имеют очень малое распространение на снимке. Рабочий процесс адаптирован для мультиспектральных и гиперспектральных данных.

Lines of Communication

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

Metadata Browser

Встроенный браузер метаданных считывает главные метаданные в формате NITF (National Imagery Transmission Format) и отображает их в эргономичном для восприятия виде. В дополнении к этому этот инструмент разрешает сравнивать разновременные изображения и предоставлять в режиме 3D-графики данные о расположении спутника в момент съемки, местоположения Солнца и геометрии съёмки (рис. 10).

Также, имеется возможность одновременного просмотра метаданных разных снимков для оценки их пригодности и качества для ответа разных задач.

Terrain—based Orthorectification

Модуль Terrain—based Orthorectification рекомендован для ортотрансформирования снимков с применением 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 подлинным координатам на местности, кроме этого устранены искажения, вызванные влиянием рельефа и геометрией съёмки.

Pan Sharpening

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

Relative Water Depth

Инструмент Relative Water Depth позволяет стремительного построения растровых карт относительных глубин водных объектов. При помощи Relative Water Depth пользователь может взять достаточно неспециализированную картину батиметрии водоема. При наличии информации о замерах глубин в контрольных точках возможно составить уравнение зависимости полной глубины от относительной и постараться выстроить батиметрическую карту в безотносительных размерах.

Spectral Analogues

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

TERCAT (Terrain Categorization)

Этот модуль рекомендован для исполнения автоматизированной классификации спектрально однородных пикселей изображения в заданные классы (рис. 12). Результирующие классы смогут быть заданы пользователем или машинально сгенерированы в следствии работы метода. В модуле TERCAT дешёвы все стандартные методы классификации, реализованные в ENVI, плюс дополнительный метод, названный  Winner Takes All (Победитель берет всё).

Сущность его содержится в одновременном применении нескольких стандартных способов классификации. Пикселю присваивается самоё вероятное значение по итогам всех классификаций.

Vegetation Delineation and Stress Detection

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

Vertical Stripe Removal

Для некоторых спектрально однородных областях не изображении смогут находиться эффекты вертикальных полос, в которых яркость пикселей отличается от яркости фоновых объектов. Довольно часто такие помехи мешают обычной визуализации снимка и смогут привести к неверной интерпретации пикселей при спектральной обработке. Инструмент Vertical Stripe Removal способен удалить эти артефакты.

отличных показателей достигаются при удалении полос как раз в регионах однородного фона на изображении. (постоянный уровень спектральной яркости по всему полю изображения).

Watercraft Finder

Рабочий процесс Watercraft Finder создан для ответа задач обнаружения судов в открытых акваториях на базе обработки снимков очень высокого разрешения (рис. 14). Инструмент кроме этого возможно использован для дешифрирования судов в прибрежных территориях.

Показателем, снабжающим обнаружение судна, есть отражение им волн в ближнем инфракрасном канале, в то время как окружающая водная поверхность в данном диапазоне характеризуется интенсивным поглощением. Так, судно выглядит как спектральная аномалия и возможно легко выявлено в автоматизированном режиме.

Так, независимо от уровня подготовки пользователя, SPEAR Tools разрешает скоро и надежно решать широкий спектр задач автоматизированной обработки снимков и приобретать результаты в эргономичном и наглядном виде.

МОДУЛЬ TARGET DETECTION WIZARD

Обычно кое-какие объекты на снимках не смогут быть выявлены в режиме визуального дешифрирования. При помощью модуля ENVI Target Detection пользователи смогут действенно найти объекты интереса, независимо от опыта дешифрирования снимков. Сопровождаемый пояснениями рабочий процесс включает 8 методов.

Мастер Target Detection делает пошаговый процесс по обнаружению объектов и снабжает получение результатов высокой точности. Рабочий процесс оптимизирован для гиперспектральных и мультиспектральных изображений. В качестве объектов дешифрирования при применении мастера смогут выступать участки распространения своеобразных грунтов, минералов, или отдельные неестественные объекты (к примеру транспортные средства).

При условии в случае если дешифровщику как мы знаем, что на территории содержится хотя бы один объект интереса, мастер Target Detection возможно использован для обнаружения аналогичных объектов на области покрытия снимка. Инструментарий мастера возможно легко адаптирован для выделения конкретных объектов в соответствии с потребностями пользователей.

Обнаружение целевых объектов на протяжении работы мастера включает следующие шаги (рис. 15):

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

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

  • Согласованная фильтрация (Matched Filtering, MF);
  • Ограниченная минимизация энергии (Constrained Energy Minimization, CEM);
  • Адаптивная оценка когерентности (Constrained Energy Minimization, CEM);
  • Способ 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).

В то время, когда нужные способы выбраны, мастер запускает пошаговую работу методов по обнаружению целевых объектов. Преимуществом работы в мастере Target Detection есть возможность предварительного просмотра результатов работы отдельных интерактивного задания и алгоритмов исходных параметров (рис. 17).

По окончании получения удовлетворительных результатов дешифрирования целевых объектов, пользователь может выполнить кое-какие улучшающие преобразования, такие как фильтрация и агрегирование результатов. На последнем этапе посредством специального эргономичного интерфейса имеется возможность анализа каждого выделенного объекта в отдельности с целью удаления неверно выявленных при дешифрировании артефактов.

Заключение

Компания Exelis уделяет громадное внимание формированию способов автоматизации рабочих процессов и всегда совершенствует соответствующий инструментарий ENVI. Инструменты, снабжающие автоматизацию рабочих процессов ENVI несложны в применении, владеют дружественным интерфейсом и созданы с учетом специфики ответа самый 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), разрешающий скоро и действенно строить мозаики на базе геопривязанных изображений в едином окне мастера. Инструмент владеет интерактивными возможностями  предпросмотра, цветового линии выравнивания и генерирования пореза.

Кроме этого в новой версии усовершенствованы такие рабочие процессы как Image Registration workflow (геопривязка изображений) и  RPC Orthorectification Workflow (Ортотрансформирования с применением RPC). В качестве цифровой модели рельефа при ортотрансформировании, если не указано иное, по умолчанию употребляется глобальная ЦМР GMTED2010.  Скорость рабочего процесса ортотрансформирования увеличена в 25 раз.

В рабочий процесс THOR hyperspectral material identification (Гиперспектральная идентификация объектов) включен метод спектрального сравнения ACE. Он снабжает оценку возможностей при интерпретации результатов идентификации объектов на базе расчета статистики Байеса.

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

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

Автоматизация рабочих процессов


Интересные записи на сайте:

Подобранные по важим запросам, статьи по теме: