ИСТИНА

Технология охватывает следующие вычислительные процедуры, реализуемые в рамках создаваемой аппаратно-программной системы обработки гиперспектральных аэрокосмических изображений: - экстракция калиброванных гиперспектральных данных (сотни спектральных каналов видимой и ближней инфракрасной области с разрешением в единицы нанометра), их распаковка в соответствии с форматом записи данных при аэро- и космической съемке; - трансформация гиперспектральных данных (нормализация спектров, уточнение пространственного и спектрального разрешения, выбор каналов и тестовых участков с учетом сопровождающих данных аэрофотосъемки тестовой территории); - устранение программным образом возможных сдвигов спектров по оси длин волн путем привязки данных к полосам поглощения атмосферного кислорода, а также устранение других возможных искажений отдельных кадров гиперспектральной съемки; - RGB-синтезирование откорректированных спектров обрабатываемого изображения, построение ансамблей спектров, используемых для обучения классификатора (вычислительной процедуры) по тестовой выборке данных; - выделение контуров объектов интереса (природные экосистемы, лесные и торфяные пожары и др.) на RGB-синтезированном изображении; нахождение средних спектров и их стандартных отклонений в пределах выделенных контуров (для исходных и нормированных на интегральную энергию спектров) на изображении; - определение данных системы глобального спутникового позиционирования (GPS) из самолетной маршрутной съемки, автоматическое отображение маршрутов в системе Google Earth или другой навигационной системе для их географической привязки на местности с учетом планов лесоустройства, топографических карт, результатов предшествующих аэросъемок выбранной территории; - обоснование фактических погрешностей координатной привязки выбранных объектов на основе сравнения маршрутов аэросъемки и используемых материалов лесоустройства при автоматизации совместной привязки данных дистанционного зондирования и наземных обследований; - реализация вычислительных процедур обучения разных классификаторов (линейный и квадратичный дискриминантный анализ, метод опорных векторов и др.) по спектральным признакам оконтуренных объектов; - рассмотрение особенностей разных классификаторов при экстраполяции результатов обучения на все пиксели обрабатываемого изображения, т.е. собственно распознавание объектов по обучающим спектрам с обоснованием оптимального числа спектральных каналов и точности распознавания; - восстановление объема фитомассы и других параметров состояния лесной растительности с использованием результатов моделирования полей уходящего излучения, регистрируемого аппаратурой гиперспектрального зондирования, и результатов распознавания объектов; - наземная валидация получаемой информационной продукции обработки гиперспектральных изображений.