Разработка алгоритмических и программных средств регистрации и визуализации локальных гиперспектральных данных

Одним из современных методов исследования поверхности объектов, их физических и химических свойств, является дистанционная неразрушающая идентификация объектов с использованием оптических приборов. Этот метод подразумевает использования программного обеспечения для регистрации большого объема спектральной информации и порождает необходимость создания алгоритмических и программных решений для обработки этих данных. Актуальной задачей является применение дистанционной съемки в робототехнике и мехатронике. Конструирование и использование мобильных комплексов дистанционного зондирования осложнено ограничениями на состав и мощность вычислительных средств, энергоресурсов и средств передачи информации. Внедрение программного комплекса, позволяющего проводить автономную обработку информации, сокращает временные затраты на передачу информации, повышает надежность системы за счет отсутствия необходимости передачи данных во внешние ресурсы для обработки, увеличивает оперативность принятия решения, зачастую позволяет полностью автоматизировать систему, в которую входит система дистанционной идентификации.

Хорошо известно и широко используется для исследования поверхностей и составляющих их материалов дистанционное зондирование — удаленное наблюдение авиационными и космическими средствами, оснащёнными различными видами регистрирующей аппаратуры [19, 20].

Появление фото и видеоаппаратуры высокого спектрального разрешения, работающих в видимом и близлежащих к нему спектрах электромагнитного излучения, позволило использовать спектральную информацию для исследования физико-химических свойств поверхностей в интересах средств мониторинга Земли [23]. Спектральные исследования или спектральный анализ основываются на способности материалов поглощать и отражать свет [37]. Основой спектрального анализа является предположение об однозначном соответствии отраженного сигнала и состава отражающей поверхности. Для достаточно большого числа спектральных каналов (одновременно регистрируемых спектральных диапазонов для одной и той же точки поверхности, которые возможно разграничить), на которых производится измерение интенсивности отраженного сигнала, для различных отражающих материалов наблюдаются различные спектры отраженного сигнала.

Увеличение числа каналов в одном и том же диапазоне приводит к увеличению точности спектрального разрешения измерений и значительному увеличению объема обрабатываемых данных [10]. Наличие двадцати и более каналов в приборе, регистрирующем одновременно интенсивность излучения сигнала для всех длин волн и пространственной координаты исследуемой поверхности, позволяет говорить об использовании в спектральных исследованиях гиперспектрометра. Соответственно гиперспектральным анализом называется спектральный анализ, проводимый для числа спектральных каналов (числа длин волн, для которых измеряется интенсивность) от нескольких десятков до тысяч. Интенсивность отраженного сигнала зависит, разумеется, и от интенсивности сигнала подсветки [46], в качестве которой может быть использованы как естественные источники света — Солнце [7], Луна, так и искусственное освещение, и от способности к самостоятельному излучению сигнала.

Основными величинами, подлежащими измерению при спектральном анализе, являются длина волны, интенсивность отраженного сигнала и пространственная координата исследуемой поверхности. Поэтому центральным объектом гиперспектрального анализа является гиперкубмассив данных, образуемых двумя пространственными координатами и значениями интенсивности отраженного сигнала для каждой длины волны от поверхности, разбитой на пиксели. Программное обеспечение формирует гиперкуб путем интегрирования всего объема регистрируемой информации в единый массив данных (рис.В.1).

Основное функциональное отличие гиперспектрального анализа от мультиспектрального заключается в возможности использования для тематической обработки (то есть обработки полученных данных с целью выявления объектов на общем фоне, удовлетворяющих заранее известным критериям) изображения его спектральных характеристик. Отсутствие фактического усреднения интенсивности излучения по 3−5 диапазонам длин волны позволяет сохранить уникальность данных передаваемых отраженным излучением. Это позволяет применять информацию, теряемую при использовании мультиспектрального анализа, для определения химического состава поверхностей.

В задачах дистанционного зондирования объекты, наблюдаемые на поверхности Земли, расположены на значительном удалении от исследовательского прибора, обладают намного меньшими геометрическими размерами, чем ширина полосы обзора (полоса поверхности, попадающая в поле видимости гиперспектрометра) [14]. В рассматриваемых в диссертации задачах локальных гиперспектральных исследований размеры объектов сопоставимы, а зачастую и превышают полосу обзора прибора, а расстояние от исследовательского прибора до.

Рис.В.1 Пример гиперкуба. зондируемой поверхности составляет от десятков сантиметров до десятков метров.

Использование этого нового класса гиперспектральных приборов потребовало создания специального программного обеспечения для регистрации, сохранения, предварительной подготовки и дальнейшей обработки гиперспектральной информации. Требования к разрабатываемому программному обеспечению локального гиперспектрометра в сильной степени зависят от целевой задачи системы наблюдения и способа спектрального преобразования отраженного сигнала. Важной является проблема альтернативного выбора дифракционной решётки или призмы в качестве средства спектрального разложения. Из соображений снижения стоимости спектральных приемников и видеосенсоров желательно ограничиться единственным фотоприёмником. Достоверная математическая и программная модели локального гиперспектрометра позволяют выбрать его характеристики и установить необходимые зависимости между параметрами оптического канала и требованиями к программному обеспечению.

В диссертации разрабатываются алгоритмы и программные средства для гиперспектрального комплекса с единственной видеокамерой, обеспечивающие регистрацию и визуализацию спектральных сигналов, получаемых от объектов, расположенных вблизи гиперспектрометра.

Цель работы.

Создание и исследование алгоритмов и программных средств для анализа в полевых и лабораторных условиях возможности использования локальных гиперспектральных измерений при решении задач идентификации в мехатронике и робототехнике.

Основные задачи.

• разработка математической модели измерений, выполняемых лабораторным локальным гиперспектрометром- 7.

• анализ и классификация задач, решаемых локальным гиперспектрометром;

• создание модели алгоритмов для обработки локальных гиперспектральных данных и синтез состава программных средств их реализации;

• разработка программных средств для регистрации и визуализации локальных гиперспектральных данных и их лабораторная проверка.

Научная новизна:

• построена математическая модель для оценки погрешностей, вносимых в результаты работы программного обеспечения различными составляющими оптической подсистемы локального гиперспектрометра;

• разработан метод исправления оптических искажений гиперспектральных данных, отличающийся от известных методов повышенной точностью;

• разработана модель программного комплекса регистрации, обработки и визуализации локальных гиперспектральных данных.

Практическая значимость.

• разработанная математическая модель позволяет оценить погрешность измерений локального гиперспектрометра в зависимости от его параметров и расстояния до исследуемой поверхности;

• созданный программный комплекс позволяет провести экспериментальные работы в полевых условиях и сформировать базу сигнатур эталонных образцов для задач робототехники и мехатроники;

• программное обеспечение для обработки гиперспектрального сигнала обеспечивает возможность использования одной видеокамеры для построения контуров спектральных границ исследуемой поверхности;

• сконструированный в ходе диссертационного исследования экспериментальный локальный гиперспектрометр используется в ИПМ им. М. В. Келдыша РАН при проведении лабораторных экспериментов и в учебном процессе;

• разработанная модель программного обеспечения полезна при создании прикладных локальных гиперспектральных комплексов.

Публикации.

Основные результаты диссертации представлены в одном журнале из списка ВАК РФ, рекомендованного Экспертным советом по специальности «Математическое и программное обеспечение вычислительных машин, комплексов, систем и сетей» и в материалах пяти зарубежных и отечественных конференций.

Структура и состав диссертации.

Диссертация состоит из введения, трех глав, выводов, списка литературы. Она изложена на 116 страницах и содержит 4 таблицы, 58 рисунков и список литературы из 60 наименований.

Основные результаты диссертационного исследования:

1. Разработана модель локальных гиперспектральных измерений и выполнена теоретическая и экспериментальная оценка их погрешностей.

2. Разработана модель программного комплекса для регистрации, обработки и визуализации локальных гиперспектральных данных.

3. Созданы программные средства для регистрации и визуализации гиперспектральных данных однокамерного локального гиперспектрометра.

4. Проведены экспериментальные исследования сигналов локального гиперспектрометра на примере сцен натуральных и техногенных объектов.

Заключение

.