Автоматизированная классификация спутниковых РСА-изображений для целей мониторинга ледового покрова арктических морей
В процессе дешифрирования радиолокационных (PJI) изображений может быть определён целый ряд важных параметров, характеризующих состояние ледяного покрова. К числу таких характеристик относится возраст морского льда, сплоченность, вектора дрейфа, торосистость. По результатам дешифрирования составляется ледовая карта, на которой детали ледовой обстановки отображаются принятыми условными… Читать ещё >
Содержание
- ГЛАВА 1. МОНИТОРИНГ ЛЕДЯНОГО ПОКРОВА ПРИ ПОМОЩИ СПУТНИКОВЫХ РАДИОЛОКАТОРОВ С СИНТЕЗИРОВАННОЙ АПЕРТУРОЙ (PCА)
- 1. 1. Основные принципы и проблемы дистанционного зондирования морских льдов
- 1. 2. Основные виды морских льдов и их радиолокационные сигнатуры
- 1. 3. Применение РСА для мониторинга ледяного покрова
- 1. 3. 1. Основные принципы работы РСА
- 1. 3. 2. Радиометрическая, калибровка спутниковых радиолокационных изображений. Определение УЗПР по РЛ-изображениям
- 1. 3. 3. Применение спутниковых радиолокаторов для мониторинга ледяного покрова
- 1. 4. Основные проблемы и подходы к автоматической классификации морского льда
- 1. 5. Выводы по главе 1
ГЛАВА 2. ИССЛЕДОВАНИЕ АВТОМАТИЧЕСКОГО АЛГОРИТМА КЛАССИФИКАЦИИ МОРСКИХ ЛЬДОВ, ОСНОВАННОГО НА ЛИНЕЙНОМ ДИСКРИМИНАНТНОМ АНАЛИЗЕ С ИСПОЛЬЗОВАНИЕМ ТЕКСТУРНЫХ ПРИЗНАКОВ И СТАТИСТИЧЕСКИХ МОМЕНТОВ ЯРКОСТИ РСА ИЗОБРАЖЕНИЯ.
2.1. Описание автоматического алгоритма классификации морских льдов, основанного на линехнюм дискриминантном анализе.
2.2. Текстурные признаки и статистические моменты яркости РСА изображения.
2.3. Спутниковые данные и наземные наблюдения.
2.3.1. Спутниковые РСА изображения и наземные наблюдения, полученные в ходе проведения эксперимента SIZEX 92.
2.3.2. Наземные наблюдения и спутниковые РЛ-изображения, полученные в ходе выполнения проекта ''Ice Routes".
2.4. Оценка вклада текстурных признаков и статистических моментов яркости РСА изображения в разделение классов морского льда.
2.4.1. Применение пошагового дискриминантного анализа для выбора наиболее информативных признаков при разделении классов морского льда.
2.4.2. Результаты классификации выборок с различными наборами признаков РСА изображений. Н
2.4.3. Применение канонического корреляционного анализа для оценки вклада признаков в разОеление классов морского льОа.
2.5. Тестирование работы алгоритма и обсуждение результатов классификации.
2.6. Выводы по главе 2.
ГЛАВА 3. АВТОМАТИЗИРОВАННЫЙ АЛГОРИТМ КЛАССИФИКАЦИИ МОРСКИХ ЛЬДОВ, ОСНОВАННЫЙ НА МОДЕЛИ МНОГОСЛОЙНОЙ НЕЙРОННОЙ СЕТИ (МНС) С ИСПОЛЬЗОВАНИЕМ ТЕКСТУРНЫХ ПРИЗНАКОВ И СТАТИСТИЧЕСКИХ МОМЕНТОВ ЯРКОСТИ РСА ИЗОБРАЖЕНИЯ.
3.1. Требования, предъявляемые к автоматическому алгоритму классификации морского льда, и обоснование выбора к лассификатора.
3.2. Описание автоматического алгоритма классификации морского льда.
3.3. Модель многослойной нейронной сети.
3.4. Выбор параметров многослойной нейронной сети.
3.5. Тестирование работы нейросетевого алгоритма и обсуждение результатов классификации.
3.6. Выводы по главе 3.
ГЛАВА 4. СРАВНЕНИЕ РЕЗУЛЬТАТОВ КЛАССИФИКАЦИИ МОРСКИХ ЛЬДОВ ПРИ
ПОМОЩИ МНС И ЛДА АЛГОРИТМОВ.
4.1. Сравнение результатов классификации сданными наземных наблюдений.
4.2. Сравнение результатов классификации РСА изображений ERS и RADARSAT.
4.3. Сравнение результатов автоматической классификации с результатами экспертной классификации.
4.4. Выводы по главе 4.
Список литературы
- Александров В.Ю., Бушуев A.B. Использование статистических характеристик радиолокационных изображений льдов для их распознавания //Труды ААНИИ. 1977. Т. 343. С. 151−154.
- Александров В.Ю. Оценка влияния гидрометеоров на характеристики радиолокационных изображений морских льдов // Исслед. Земли из Космоса, 1987, № 2, С. 37−43.
- Александров В.Ю., Лощилов В. С., Проворкин A.B. Исследование айсбергов и морских льдов в Антарктике по данным РСА спутника «Алмаз-1» // Айсберги мирового океана, под ред. Попова И. К. и Воеводина В. А., С. Петербург: Гидрометеоиздат, 1996. 157 с.
- Андреев Г. А., Потапов A.A., Галкина Т. В., Колесников А.К, Орлова Т. И., Хлявич Я. Л. О классификации изображений по их текстурным признакам //Исслед. Земли из Космоса, 1990, № 2, С. 91−96.i
- Афифи A.A., Эйзен С. Р. Статистический анализ // Подход с использованием ЭВМ. М.: Мир, 1982. 488 с.
- Белъчанский Г. И., Дуглас Д. С., Мордвинцев КН. Идентификация типов морского льда по радарным данным спутников «0кеан-01» и эталонным таблицам // Исслед. Земли из Космоса, 1998, № 6, С. 52−65.
- Белъчанский Г. И., Коробков Н. В., Использование искусственных нейронных сетей для анализа спутниковых данных дистанционного зондирования // Исслед. Земли из Космоса, 1998, № 4, С. 111−120.
- Бородачев В.Е., Таврило В. П., Казанский М. М. Словарь морских ледовых терминов. С. Петербург: Гидрометеоиздат, 1994. 126 с.
- Бушуев A.B., Быченков Ю. Д., Лощилов B.C., Масанов А. Д. Исследование ледяного покрова с помощью радиолокационных станций бокового обзора (PJIC БО) // Методическое пособие. Л.: Гидрометеоиздат, 1983. 120 с.
- Тарбук C.B., Гершензон В. Е. Космические системы дистанционного зондирования Земли. М: Издательство, А и Б, 1997. 296 с.
- Григорьева О.H., Клепиков С. А., Сажин С. М., Хоменок М. И. Программный комплекс интерактивной обработки и анализа изображений «Эврика»// Труды ГосНИЦИПР, 1988, вып. 31, С. 62−68.
- Долгополое Б.Я., Захаров М. Ю., Лупян Е. А. Комплекс программ сегментации и классификации многоканальных спутниковых изображений // Исслед. Земли из Космоса, 1993, № 6, С. 49−56.
- Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: «Мир», 1976, 511 с.
- Исследование морской поверхности, ледяного и ледникового покровов с помощью спутниковой радиолокационной станции бокового обзора. Л.: Гидрометеоиздат, 1990, 40 с.
- Кровотынцев В.А., Милехин O.E. Характеристики радиолокационного обратного рассеяния по морских льдов Арктики по данным ИСЗ «Океан» //Исслед. Земли из Космоса, 1998, № 2, С. 69−80.
- Международная символика для морских ледовых карт и номенклатура для морских льдов // Под ред. Б. А. Крутских Л.: Гидрометеоиздат, 1984, 56 с.
- Пермитина JI.И., Григорьева О. Н., Хоменок Н. И., Краснопевцева Е. Б. Предварительная цифровая обработка спутниковых снимков, полученных радиолокатором с синтезир’ованной апертурой // Труды НПО «Планета», 1991, вып. 40, С. 102−112.
- Радиолокация поверхности Земли из комоса // Под ред. JI.M. Митника и С. В. Викторова. JL: Гидрометеоиздат, 1990, 200 с.2Ъ.Скурихин А. Н. Нейронные сети: определения, концепции, применение // Обзор. М.: ЦНИИатоминформ, 1991, 53 с.
- Спиридонов Ю.Т., Пичугин А. П. Влияние метеоусловий на характеристики радиолокационных изображений земной поверхности из космоса//Исслед. Земли из Космоса, 1984, № 6, С. 21−27.
- Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1982, 215 с.
- Черепанов Н.В., Федотов В. И. Пространственная неоднородность строения ледяного покрова полярных морей // Труды ААНИИ. 1986. Т. 396. С. 46−52.
- Alexandrov V.Yu. et ah SAR ice charting validation and assessment (Ice Routes tech. rep.) // NIERSC tech. rep. 12, contract № WA-96-AM-1136, 1998. 77 p. i
- Analysis of SAR data of the polar oceans // ed. Tsatsoulis C., Kwok R. chapter 2: Identifying ice floes and computing ice floe distributions in SAR images, Springer-Verlag, 1998, 290 p.
- Atkinson P.M., Tatnall A.R.L., Neural networks in remote sensing // Int. J. of Remote Sensing. 1997. Y. 18. № 4. P. 699−709.31 .Barber D.G., Shokr M.E., Fernandes R.A., Soulis E.D., Flett D.G., LeDrew
- E.F. A comparison of second-order classifiers for SAR sea ice discrimination //Photogram. Eng. and Remote Sensing. 1993. V. 59. № 9. P. 1397−1408.
- Beaven S.G., Gogineni S.P., Shanablen M. Radar backscatter signatures of thin sea ice in the central Arctic // Int. J. of Remote Sensing. 1994. V. 15. № 5. P. 1149−1154.
- Benediktsson J.A., Sveinsson J.R. Neural networks in remote sensing // Int. J. of Remote Sensing. 1997. V. 18. № 4. P.
- Benedihtsson J.A., Sveinsson J.R. Feature extraction for multisource dataclassification with artificial neural networks // Int. J. of Remote Sensing. 1997. V. 18. № 4. P. 727−740.
- Bertoia C., Gineris D., Partington K., Soh L., Tsatsoulis C. Transition from research to operations: ARKTOS-a knowledge-based sea ice classification sistem//Proc. of IGARSS Symposium. Hamburg. Germany. 1999.
- Bishop CM. Neural networks for pattern recognition. Oxford: Clarendon Press, 1995,481 p.
- Bogdanov A.V., Sandven S, Johannessen O.M., Alexandrov V. Yu. Automatic
- Classification of RADARS AT S AR Images of the Northern Sea Route, Proc. of IGARSS'99, Hamburg, Germany, 28June-2July 1999, vol. 2, pp. 15 701 572.
- Chou J, Weger R. C., Ligtenberg J. M., Kuo K. S., Welch R. M., Breeden P. Segmentation of polar scenes using multi-spectral texture measures and morphological filtering // Int. J. of Remote Sensing. 1994. V. 15. № 5. P. 1019−1036.
- Collins M.J., Livingstone C.E., Raney R.K. Discrimination of sea ice in the Labrador marginal ice zone from synthetic aperture radar image texture // Int. J. of Remote Sensing. 1997. V. 18. № 3. P.' 535−571.
- Daida J., Samadani R., Vesecky J. F. Object-oriented feature-tracking algorithms for SAR images of Marginal ice zone I I IEEE Trans, on Geosc. and Remote Sensing. 1990. V. 28. № 4. P. 573−589.
- Delves L. M., Wilkinson R., Oliver C. J., White R. G. Comparing the performance of SAR segmentation algorithms // Int. J. of Remote Sensing. 1992. V. 13. P. 2121−2149.
- Al.Dubuc B., Zucker S. W, Tricot C., Quiniou J.F., Wehbi D. E. Evaluating the fractal dimension of surfaces // Proc. R. Soc. Lond. 1989. № A 425. P. 113 127.
- Eckes C., Fritzke B. Report on neural networks (Ice Routes rep. D6) // Institutfuer Neuroinformatik, Ruhr-Universitaet. Bochum, Germany. 1998. 57 p.
- ENVISAT-1 Mission&system summary//ESA. 1998. 84 P.
- Falco T., Francis F., Lovejoy S., Schertzer D., Kerman B., Drinkwater M. Universal multifractal scaling of synthetic aperture radar images of sea-ice // IEEE Trans, on Geosc. and Remote Sensing. 1996. V. 34. № 4. P. 906−914.
- Fang A.K. Microwave scattering and emission models and their applications. Artech house, Inc. 1994. 573 p.
- Fetterer F.M., Gineris D., Kwok R., Sea ice maps from Alaska SAR Facility1imagery: An assessment // J. Geophys. Res. 1994, V. 99, № Cll. P. 22,44 322,458.
- Fukuda S., Hirosawa H. Suppression of speckle in synthetic aperture radar images using wavelet // Int. J. of Remote Sensing. 1998. V. 19. № 19 P. 507 519.
- Ghinelli B.M. G., Bennett J.C. The application of artificial neural networks and standard statistical methods to SAR image classification // Proc. of IGARSS Symposium. 1997. P. 1211−1213.
- Haverkamp D., Tsatsoulis C. Information fusion for estimation of summer MIZ ice concentration from SAR imagery // IEEE Trans, on Geosc. and
- Remote Sensing. 1999. V. 37. № 3. P. 1278−1291.
- He D.C., Wang L. Textural filters based on the texture spectrum // Pattern Recognition. 1991. V. 24. № 12. P. 1187−1195.
- Hepner G.F. Artificial neural network classification using a minimal training set: comparison to conventional supervised classification // Photogrammetric Engineering and Remote Sensing. 1990. V. 56. № 4. P. 469−473.
- Holmes Q.A., Ntiesch D.R., Shuchman RA. Textural analysis and real-time classification of sea ice types using digital SAR data // IEEE Trans, on Geosc. and Remote Sensing. 1984. V. GE 22. № 2. P. 113−120.
- Johannessen O.M. et al. ERS-1 SAR routing of L’Astrolabe through the Northeast Passage. // Proc. of the Central Symposium of the «International
- Space Year», Munich, Germany, ESA SP-341, pp. 997−1002.
- Johannessen O.M. et al. ICEWATCH-real-time sea ice monitoring of the northern sea route using satellite radar technology // Proc. of IGARSS Symposium. 1997. V. 4. P. 1681−1685.
- Barents Sea by ERS-1 SAR during SIZEX 92 // First ERS-1 symposium.1992. P. 73−74.62 .Johnson R.A., Wichern D.W. Applied multivariate statistical analysis. Prentice-Hall International Inc, 1992, 642 p.
- Kaminsky E.J., Barad H., Brown W. Textural neural network and version space classifiers for remote sensing // Int. J. of Remote Sensing. 1997. V. 18. № 4. P. 741−762.
- Key J., Maslanik J .A., Schweiger A.J. Classification of merged AVHRR and SMMR Arctic data with neural networks // Photogrammetric Engineering and Remote Sensing. 1989. V. 55. № 9. P. 1331−1 338.
- Kohonen T. Self-Organizing and Associative Memory, Berlin, Springer Verlag, 1989.
- Kwok R., Baltzer T. The geophysical processor system at the Alaska SAR Facility //Photogrammetric Engineering and Remote Sensing. 1995. V. 61. № 12. P. 1445−1453.
- Kwok R., Rignot E., Holt B., Onstott R. Identification of sea ice types in spaceborne synthetic aperture radar data // J. Geophys. Res. 1992. V. 97. № C2. P. 2391−2402.
- Lachenbruch P.A. Discriminant Analysis. Hafher Press, 1975. 128 c.
- Laur H., Bally P., Meadows P., Sanchez J., Schaettler B., Lopinto E. ERS SAR calibration. Derivation of the backscattering coefficient a in ESA ERS SAR PRI products. // Tech. Rep. ES-TN-RS-PM-HL09. issue 2. ESA/ESRIN, 1996. 41 p.
- Lee J.S. Digital image enhancement arid noise filtering by use of local statistics. // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1980. № 2. P. 636−643.
- Lee C., Landgrebe D.A. Decision boundary feature extraction for non-parametric classifiers // IEEE Trans, on Sistems, Man and Cybernetics. 1993. № 23. P. 433−444.
- Lyden J.D., Burns B.A., Majfett A.L. Characterization of sea ice types using synthetic aperture radar // IEEE Trans, on Geosc. and Remote Sensing. 1984. V. GE-22. № 5. P. 431−439.
- Microwave remote sensing of sea ice // ed. Carsey F.D., Geophysicalmonograph 68, American Geophysical Union, Washington, 1992, 462 p. i
- Nystuen J.N., Garcia F.W. Sea ice classification using SAR backscatter statistics // IEEE Trans, on Geosc. and Remote Sensing. 1992. V. 30. № 3. P. 502−509.
- Onstott R.G., Moore R.K., Weeks W.F. Surface-based scatterometer results of Arctic sea ice // IEEE Trans, on Geosc. and Electronics. 1979. V. GE-17. P. 78−85.
- Preston M. I., Quegan S. Validation of segmentation techniques for SAR images // Proc. of IGARSS Symposium
- RADARSAT data products specifications // Tech. Rep. RSI-GS-026. RADARSAT International 1997. 160 P.
- Rees W.G., Satchell M.J.F. The effect of median filtering on synthetic apertureradar images//Int. J. of Remote Sensing. 1997. V. 18. № 13. P. 2887−2893.81 .Sandven S., Johannessen O.M., Lundhaug M., Dalen 0., Solhaug J., Kloster
- K., Alexandrov V. Yu., Melentev V.V., Bogdanov A. Sea Ice Studies using
- RADARSAT SAR in the Eurasian Arctic // Proc. of the ADRO Symposium, Montreal, 1998.
- Sandven S., Dalen 0., Kloster K., Yu., Melentyev V.V., Alexandrov V. SAR sea ice interppetation guide I I Revised draft, ver 2.1, Norway, 2000 84 p.
- Sandven S., et al. Integrated use of new microwave satellite data for improved sea ice observation (IMSI) // User requirements for improved sea ice products, NERSC tech. rep. № 128, contract № ENV4-CT96−0361, 1997. 63 p.
- Sandven S., et al. Integrated use of new microwave satellite data for improved sea ice observation (IMSI) // Development of new satellite ice data products, NERSC tech. rep. № 145, 1998. 76 p.
- Shokr M. E. Evaluation of second-order texture parameters for sea iceclassification from radar images // J. Geophys. Res. 1991. V. 96. № C6. P. 10,625−10,640.
- Shokr M. E., Wilson L. J., Surdu-Miller D. L. Effect of radar parameters on sea ice tonal and textural signatures using multi-frequency polarimetric SAR data // Photogrammetric Engineering and Remote Sensing. 1995. V. 61. № 12. P. 1463−1473.
- Soh L.-K., Tsatsoulis C. Multisource data and knowledge fusion for intelligent SAR sea ice classification // Proc. of IGARSS Symposium. Hamburg. Germany. 1999.
- Soh L.-K., Tsatsoulis C. Segmentation of satellite imagery of natural scenes using data mining // IEEE Trans, on Geosc. and Remote Sensing. 1999. V. 37. № 2. P. 1086−1099.
- Soh L.-K., Tsatsoulis C. Texture analysis of SAR sea ice imagery using gray level co-occurrence matrices // IEEE Trans, on Geosc. and Remote Sensing. 1999. V. 37. № 2. P. 780−795.
- Soh L.-K., Tsatsoulis C., Holt B. Identifying ice floes and computing ice floe distributions // in Analysis of SAR data of the polar oceans, ed. C. Tsatsoulis and R. Kwok.
- Stejfen, Heinrichs J. Feasibility of sea ice typing with synthetic aperture radar (SAR): Merging of Landsat thematic mapper and ERS 1 SAR satellite imagery //J. Geophys. Res. 1994. № 99. P. 22,413−22,424.