Автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення
The method for increasing the efficiency of automated detection of changes in urban development using multispectral satellite images of submeter spatial resolution of the visible and IR bands has been developed that employs the principal component analysis (PCA) for data of all spectral channels. By...
Gespeichert in:
| Datum: | 2018 |
|---|---|
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russisch |
| Veröffentlicht: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2018
|
| Schlagworte: | |
| Online Zugang: | https://journal.iasa.kpi.ua/article/view/125945 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | System research and information technologies |
| Завантажити файл: |  |
Institution
System research and information technologies| _version_ | 1867334329387974656 |
|---|---|
| author | Mozgovoy, Dmitry K. |
| author_facet | Mozgovoy, Dmitry K. |
| author_institution_txt_mv | [
{
"author": "Dmitry K. Mozgovoy",
"institution": "Кафедра электронных средств телекоммуникаций Днепровского национального университета имени Олеся Гончара, Днепр"
}
] |
| author_sort | Mozgovoy, Dmitry K. |
| baseUrl_str | http://journal.iasa.kpi.ua/oai |
| collection | OJS |
| datestamp_date | 2019-01-17T13:29:35Z |
| description | The method for increasing the efficiency of automated detection of changes in urban development using multispectral satellite images of submeter spatial resolution of the visible and IR bands has been developed that employs the principal component analysis (PCA) for data of all spectral channels. By processing the multi-time images from the Pleiades-1A satellite, vector layers of detected changes in urban development were obtained thus confirming the high efficiency of the suggested method. Due to the high degree of automation of the satellite imagery processing, the developed technique allows to significantly reduce the labor intensity and, as a result, increase the efficiency of updating maps. |
| doi_str_mv | 10.20535/SRIT.2308-8893.2018.2.02 |
| first_indexed | 2025-07-17T10:23:27Z |
| format | Article |
| fulltext |
Д.К. Мозговой, 2018
Системні дослідження та інформаційні технології, 2018, № 2 15
УДК 004.9
DOI: 10.20535/SRIT.2308-8893.2018.2.02
АВТОМАТИЗИРОВАННОЕ ОБНАРУЖЕНИЕ ИЗМЕНЕНИЙ
ГОРОДСКОЙ ЗАСТРОЙКИ ПО МУЛЬТИСПЕКТРАЛЬНЫМ
СПУТНИКОВЫМ СНИМКАМ СУБМЕТРОВОГО
РАЗРЕШЕНИЯ
Д.К. МОЗГОВОЙ
Аннотация. Предложен метод повышения эффективности автоматизирован-
ного обнаружения изменений городской застройки по мультиспектральным
спутниковым снимкам субметрового пространственного разрешения видимого
и инфракрасного диапазонов с применением преобразования главных компо-
нент (PCA) для данных всех спектральных каналов В результате обработки
разновременных снимков со спутника Pleiades-1A получены векторные слои
обнаруженных изменений городской застройки и подтверждена высокая эф-
фективность данного метода. Благодаря высокой степени автоматизации про-
цессов обработки спутниковых снимков разработанная методика позволяет
существенно снизить трудоемкость и тем самым повысить оперативность об-
новления карт.
Ключевые слова: спутниковый мониторинг, городская застройка, разновре-
менные снимки, обработка изображений, преобразования главных компонент,
обновление карт.
Актуальность тематики исследований. Интенсивное развитие новейших
технологий строительства в последние десятилетия стало одной из основ-
ных причин стремительного роста динамики изменений городской застрой-
ки во всем мире. Причем эта тенденция наблюдается как в секторе жилищ-
ного строительства (высотного и малоэтажного), так и в секторе возведения
промышленных и коммерческих объектов. Поэтому задача разработки вы-
сокоэффективных методов автоматизированного обнаружения изменений
городской застройки является важной и актуальной задачей в сфере инфор-
мационных технологий.
Текущее состояние. Для регулярного обновления баз пространствен-
ных данных при актуализации карт городов традиционно использовались
данные наземных измерений и аэрофотоснимки. При этом периодичность
обновления карт городов была чрезвычайно низкой (обычно один раз в не-
сколько лет), что было обусловлено высокой трудоемкостью сбора и обра-
ботки данных. Благодаря значительному прогрессу в области разработки
оптико-электронных спутниковых сканеров субметрового пространственно-
го разрешения (см. таблицу) [1, 2] в последние годы для оценки динамики
изменений наземных объектов и актуализации карт городов все шире ис-
пользуются спутниковые снимки [3–5].
Постановка проблемы. Для обнаружения изменений на разновремен-
ных спутниковых снимках субметрового пространственного разрешения
обычно используются разностные изображения, позволяющие выявить из-
Д.К. Мозговой
ISSN 1681–6048 System Research & Information Technologies, 2018, № 2 16
менения в застройке по различию значений пар пикселей, имеющих одина-
ковые географические координаты на двух снимках, приведенных к одина-
ковому пространственному разрешению [6–8]. При этом, как правило, ис-
пользуют данные панхроматического канала, обеспечивающего наилучшую
детальность и чувствительность. Однако такой метод при своей простоте
обладает существенным недостатком: он не позволяет обнаружить изменения в
тех случаях, когда сравниваемые объекты имеют разные значения яркости в
мультиспектральных каналах, но одинаковые в панхроматическом канале.
Цель и задачи исследований. Основной задачей исследований являет-
ся повышение эффективности автоматизированного обнаружения измене-
ний городской застройки по мультиспектральным спутниковым снимкам
субметрового пространственного разрешения видимого и инфракрасных
диапазонов за счет использования данных всех спектральных каналов с це-
лью повышения оперативности и достоверности обновления карт городов.
Спутники с оптико-электронными сканерами субметрового разрешения
Разрешение
Спутник
Год
запуска
Страна-
оператор PAN/MS,
м
Радиоме-
трич, бит
Количе-
ство
каналов
Полоса
захва-
та, км
Точность
геопри-
вязки, м*
EROS-B 2006 Израиль 0,7 10 1 7 н.д.
Cartosat-2 2007 Индия 0,8 10 1 9,6 н.д.
WorldView-1 2007 США 0,5 11 1 17,6 5
GeoEye-1 2008 США 0,4/1,6 11 4 15 2…3
WorldView-2 2009 США 0,46/1,84 11 8 16 5
Cartosat-2B 2010 Индия 0,8 10 1 9,6 н.д.
Pleiades-1A 2011 Франция 0,5/2 12 4 20 4,5
Kompsat-3 2012 Корея 0,5/2 14 4 17 13
Pleiades-1B 2012 Франция 0,5/2 12 4 20 4,5
SkySat-1 2013 США 0,8/2,0 11 4 8 н.д.
Gaofen-2 2014 Китай 0,8/3,24 10 4 45 50
ASNARO-1 2014 Япония 0,5/2,0 11 6 10 10
WorldView-3 2014 США 0,3/1,2 11/14 8 13 3,5
SkySat-2 2014 США 0,8/2,0 11 4 8 н.д.
Kompsat-3A 2015 Корея 0,4/1,6 14 4 12 13
PeruSat-1 2016 Перу 0,7/2,0 12 4 10 н.д.
SkySat-3...7 2016 США 0,8/2,0 11 4 8 н.д.
Gokturk-1A 2016 Турция 0,7/2,8 12 4 20 10
SuperView-1A/B 2016 Китай 0,5/2 11 4 12 20
WorldView-4 2016 США 0,3/1,2 11 4 13 3
Mohammed-VIA 2017 Марокко 0,7/2,8 12 4 20 н.д.
SkySat-8...13 2017 США 0,8/2,0 11 4 8 н.д.
SuperView-1С/D 2018 Китай 0,5/2 11 4 12 20
*н.д. – нет данных
Исходные данные для исследований. В качестве тестового участка
для отработки методов повышения эффективности автоматизированного
обнаружения изменений городской застройки была выбрана территория го-
Автоматизированное обнаружение изменений городской застройки …
Системні дослідження та інформаційні технології, 2018, № 2 17
рода Хилдсбург (рис. 1), расположенного в штате Калифорния (США). Это
обусловлено тем, что в различных регионах данного штата наблюдается
достаточно высокая динамика развития городской инфраструктуры, в том
числе изменения застройки, в особенности жилья и коммерческих объектов.
Кроме того, через Хилдсбург проходят крупнейшие нефтегазопроводы,
вблизи которых согласно нормативам необходимо регулярно контролиро-
вать изменения застройки.
В качестве мультиспектральных данных для анализа были выбраны
разновременные снимки видимого и инфракрасного диапазонов со спутника
Pleiades-1A за 31 мая 2012 г. и 18 июня 2014 г. (рис. 1).
Методология исследований. Работы, проведенные в рамках исследо-
ваний, включали следующие этапы обработки и анализа снимков [9, 10]:
предварительную обработку (нормализацию) разновременных спут-
никовых снимков, одинаковую для старого и нового снимков, включающую
орторектификацию, повышение пространственного разрешения и корреля-
ционную привязку к эталону (рис. 2);
тематическую обработку нормализованных спутниковых снимков,
включающую фильтрацию теней и малоразмерных подвижных объектов
(машины, лотки выносной торговли и т.п.), расчет первой главной компо-
ненты, двухпороговую бинаризацию, морфологическую и объектную фильт-
рацию и векторизацию распознанных изменений (рис. 3).
Требования к программному и аппаратному обеспечению. Размеры
файлов мультиспектральных снимков высокого пространственного разре-
шения, как правило, достаточно большие (например, одна сцена, снятая
в видимом и инфракрасном диапазоне, может занимать несколько гигабайт).
Поэтому для оперативной обработки снимков со спутника SuperView-1A
в реальном времени желательно использовать современные компьютеры
с многоядерными процессорами класса Intel I–7 или выше и объемом опера-
тивной памяти не менее 64 Гбайт. Программное обеспечение может быть
как платным (ERDAS, ENVI, ArcGIS и т.п.), так и свободным (SNAP, SAGA,
GRAAS, QGIS и т.п.), работающим как в среде MS Windows, так и в среде
Рис. 1. Территория съемки и исходные спутниковые снимки
Д.К. Мозговой
ISSN 1681–6048 System Research & Information Technologies, 2018, № 2 18
Linux. Для обеспечения большей степени автоматизации процедур обработ-
ки возможно использование соответствующих инструментов (например,
Imagine Model Maker в пакете ERDAS, Graph Builder в пакете SNAP) или
языков программирования и специализированных утилит (например, IDL
впакете ENVI, Python + GDAL в системе QGIS).
Результаты исследований. После нормализации и фильтрации муль-
тиспектральных данных видимого и инфракрасного диапазонов со спут-
ника Pleiades-1A были получены 1-е главные компоненты снимков за
Рис. 2. Основные этапы предварительной обработки спутниковых снимков
Рис. 3. Основные этапы тематической обработки спутниковых снимков
Автоматизированное обнаружение изменений городской застройки …
Системні дослідження та інформаційні технології, 2018, № 2 19
31 мая 2012 г. (рис. 4) и 18 июня 2014 г. (рис. 5), по которым определялись
изменения застройки (рис. 6).
На различных тестовых участках территории съемки получено доста-
точно точное выделение границ распознанных изменений застройки и
подтверждена высокая устойчивость предложенного метода даже без ис-
пользования дополнительных масок растительности и водных объектов.
Основные преимущества предложенной методики по сравнению с су-
ществующими методами, которые используют только данные панхромати-
ческого канала, заключаются в способности обнаружить изменения в тех
случаях, когда сравниваемые объекты имеют одинаковые значения альбедо
на старом и новом снимках в панхроматическом канале, что позволяет су-
щественно повысить достоверность выявления изменений. Высокая степень
автоматизации процессов обработки спутниковых снимков позволяет с ис-
Нормализованный снимок Фильтрация мелких объектов 1-я главная компонента
Рис. 4. Результаты обработки нормализованного снимка за 31 мая 2012 г.
Нормализованный снимок Фильтрация мелких объектов 1-я главная компонента
Рис. 5. Результаты обработки нормализованного снимка за 18 июня 2014 г.
Д.К. Мозговой
ISSN 1681–6048 System Research & Information Technologies, 2018, № 2 20
пользованием разработанной методики существенно снизить трудоемкость
и тем самым повысить оперативность обновления карт.
Практическое применение предложенной методики достаточно обшир-
на, поскольку она позволяет проводить автоматизированного обнаружение
изменений не только городской застройки, но и любых других природных и
антропогенных объектов (дорожная сеть, растительные и водные объекты и
т. п.). Поэтому она может быть использована в интересах как различных го-
сударственных служб, так и частных компаний и коммерческих структур.
При программной реализации данной методики в виде геоинформацион-
ного веб-сервиса [11, 12] она может быть использована для оперативного
информирования широких слоев населения — наиболее массового поль-
зователя.
Направления дальнейших исследований. В настоящее время ведется
отработка предложенной методики с использованием многоспектральных
снимков различных участков Земли, полученных с действующих спутников
субметрового разрешения, с целью определения оптимальных параметров
обработки для основных типов современных бортовых сканеров с учетом
региона и условий съемки. Проводится модернизация методики в части ис-
пользования дополнительных масок растительности и водных объектов
с целью повышения устойчивости и качества распознавания.
ВЫВОДЫ
Предложена методика повышения эффективности автоматизированного об-
наружения изменений городской застройки по мультиспектральным спут-
никовым снимкам субметрового пространственного разрешения видимого и
инфракрасного диапазонов, обеспечивающая повышение оперативности и
достоверности обновления карт городов.
Обнаруженные изменения Вектор и старый снимок Вектор и новый снимок
Рис. 6. Обнаруженные изменения и векторные слои, наложенные на растр
Автоматизированное обнаружение изменений городской застройки …
Системні дослідження та інформаційні технології, 2018, № 2 21
ЛИТЕРАТУРА
1. Satellite Missions Database. — Available at: https://directory.eoportal.org/web/ eo-
portal/satellite-missions
2. Борзов С.М. Обнаружение антропогенных зон на основе поиска пространст-
венных аномалий в крупномасштабных спутниковых изображениях / С.М.
Борзов, О.И. Потатуркин // Автометрия. — 2012. — № 5. — С. 104–111.
3. Арбузов С.А. Разработка методики автоматизированной обработки аэро- и кос-
мических снимков для мониторинга городских территорий: автореф. дисс.
на соискание ученой степени канд. техн. наук. — Новосибирск: ФГБОУ
ВПО «Сибирская государственная геодезическая академия», 2011.
4. Барладін О.В. Геоінформаційний підхід та проблематика щодо оновлення пла-
ново-картографічних матеріалів з використанням аеро- та космічних знім-
ків / О.В. Барладін, Л.І. Миколенко, О.Ю. Скляр // Геодезія, картографія і
аерофотознімання. — 2009. — Вип.. 71. –– 76 с.
5. Алипбеки О.А. Контроль и мониторинг изменений инфраструктуры города Ас-
таны по космическим данным ДЗЗ со спутника KazEOSat-1 / О.А. Алипбе-
ки, Т.М. Мырзагалиев // Геоматика. — 2016. — № 1. — C. 55–58.
6. Філіпович В.Є. Особливості космічного моніторингу урбанізованих ландшаф-
тів / В.Є. Філіпович // Фізична географія та геоморфологія. — 2013. —
Вип.3. — С.143–150.
7. Хлебникова Е.П. Особенности обнаружения изменений инженерно-
технических сооружений при интерпретации и анализе космических
изображений / Е.П. Хлебникова, М.Т. Абишева // Интерэкспо ГЕО-Сибирь-
2016. XII Междунар. науч. конгр., 18–22 апреля 2016 г., Новосибирск:
Междунар. науч. конф. «Дистанционные методы зондирования Земли и фо-
тограмметрия, мониторинг окружающей среды, геоэкология»: сб. материа-
лов: в 2 т. — Новосибирск: СГУГиТ, 2016. — Т. 1. — С. 9–14.
8. Мясников Ф.С. Анализ алгоритмов обнаружения на космических снимках /
Ф.С. Мясников // Сборник научных трудов «Передача, обработка, воспри-
ятие текстовой и графической информации». — Екатеринбург, 2015. —
С. 66–70.
9. Satellite monitoring of deforestation as a result of mining / V.V. Hnatushenko,
D.K. Mozgovoy, V.V. Vasyliev. — Available at:
http://www.nvngu.in.ua/index.php/en/monographs/1489-engcat/archive/2017-
eng/ contents-5-2017/environmental-safety-labour-protection/4138-satellite-
monitoring-of-deforestation-as-a-result-of-mining.
10. Satellite Monitoring of Consequences of Illegal Extraction of Amber in Ukraine /
V.V. Hnatushenko, D.K. Mozgovoy, V.V. Vasyliev, O.O. Kavats. — Available
at: http://www.nvngu.in.ua/index.php/en/component/jdownloads/finish/67-02/
8619-02-2017-hnatushenko/0.
11. Мозговой Д.К. Геоинформационные веб-сервисы EOS DA / Д.К. Мозговой,
В.В. Васильев, М.В. Черненко // Междунар. науч.-практ. форум «Наука и
бизнес». — 1 июля 2016 года, Днепр. — С. 54–61.
12. Мозговой Д.К. Мониторинг природных и антропогенных процессов с помо-
щью веб-сервиса Landsat Viewer / Д.К. Мозговой, В.В. Васильев // Вісник
ДНУ. Ракетно-космічна техніка. — 2016. — Вип. 13. — Т. 24. — № 4. —
С. 95–101.
Поступила 02.04.2018
|
| id | journaliasakpiua-article-125945 |
| institution | System research and information technologies |
| keywords_txt_mv | keywords |
| language | Russian |
| last_indexed | 2025-07-17T10:23:27Z |
| publishDate | 2018 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| resource_txt_mv | journaliasakpiua/7e/b19bec1ba5bc2704c8792ebf4a962a7e.pdf |
| spelling | journaliasakpiua-article-1259452019-01-17T13:29:35Z Automated detection of changes in urban development on multispectral satellite imagery of submeter resolution Автоматизированное обнаружение изменений городской застройки по мультиспектральным спутниковым снимкам субметрового разрешения Автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення Mozgovoy, Dmitry K. satellite monitoring urban development multi-time images image processing principal component analysis updating maps спутниковый мониторинг городская застройка разновременные снимки обработка изображений преобразования главных компонент обновление карт супутниковий моніторинг міська забудова різночасові знімки обробка зображень перетворення головних компонент оновлення карт The method for increasing the efficiency of automated detection of changes in urban development using multispectral satellite images of submeter spatial resolution of the visible and IR bands has been developed that employs the principal component analysis (PCA) for data of all spectral channels. By processing the multi-time images from the Pleiades-1A satellite, vector layers of detected changes in urban development were obtained thus confirming the high efficiency of the suggested method. Due to the high degree of automation of the satellite imagery processing, the developed technique allows to significantly reduce the labor intensity and, as a result, increase the efficiency of updating maps. Предложен метод повышения эффективности автоматизированного обнаружения изменений городской застройки по мультиспектральным спутниковым снимкам субметрового пространственного разрешения видимого и инфракрасного диапазонов с применением преобразования главных компонент (PCA) для данных всех спектральных каналов В результате обработки разновременных снимков со спутника Pleiades-1A получены векторные слои обнаруженных изменений городской застройки и подтверждена высокая эффективность данного метода. Благодаря высокой степени автоматизации процессов обработки спутниковых снимков разработанная методика позволяет существенно снизить трудоемкость и тем самым повысить оперативность обновления карт. Запропоновано метод підвищення ефективності автоматизованого виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового просторового розрізнення видимого та інфрачервоного діапазонів із застосуванням перетворення головних компонент (PCA) для даних усіх спектральних каналів. У результаті оброблення різночасових знімків із супутника Pleiades-1A отримано векторні шари виявлених змін міської забудови та підтверджено високу ефективність такого методу. Завдяки високому ступеню автоматизації процесів оброблення супутникових знімків розроблена методика дозволяє істотно знизити трудомісткість і тим самим підвищити оперативність оновлення карт. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2018-06-20 Article Article application/pdf https://journal.iasa.kpi.ua/article/view/125945 10.20535/SRIT.2308-8893.2018.2.02 System research and information technologies; No. 2 (2018); 15-21 Системные исследования и информационные технологии; № 2 (2018); 15-21 Системні дослідження та інформаційні технології; № 2 (2018); 15-21 2308-8893 1681-6048 ru https://journal.iasa.kpi.ua/article/view/125945/136686 Copyright (c) 2021 System research and information technologies |
| spellingShingle | супутниковий моніторинг міська забудова різночасові знімки обробка зображень перетворення головних компонент оновлення карт Mozgovoy, Dmitry K. Автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення |
| title | Автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення |
| title_alt | Automated detection of changes in urban development on multispectral satellite imagery of submeter resolution Автоматизированное обнаружение изменений городской застройки по мультиспектральным спутниковым снимкам субметрового разрешения |
| title_full | Автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення |
| title_fullStr | Автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення |
| title_full_unstemmed | Автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення |
| title_short | Автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення |
| title_sort | автоматизоване виявлення змін міської забудови за мультиспектральними супутниковими знімками субметрового розрізнення |
| topic | супутниковий моніторинг міська забудова різночасові знімки обробка зображень перетворення головних компонент оновлення карт |
| topic_facet | satellite monitoring urban development multi-time images image processing principal component analysis updating maps спутниковый мониторинг городская застройка разновременные снимки обработка изображений преобразования главных компонент обновление карт супутниковий моніторинг міська забудова різночасові знімки обробка зображень перетворення головних компонент оновлення карт |
| url | https://journal.iasa.kpi.ua/article/view/125945 |
| work_keys_str_mv | AT mozgovoydmitryk automateddetectionofchangesinurbandevelopmentonmultispectralsatelliteimageryofsubmeterresolution AT mozgovoydmitryk avtomatizirovannoeobnaruženieizmenenijgorodskojzastrojkipomulʹtispektralʹnymsputnikovymsnimkamsubmetrovogorazrešeniâ AT mozgovoydmitryk avtomatizovaneviâvlennâzmínmísʹkoízabudovizamulʹtispektralʹnimisuputnikovimiznímkamisubmetrovogorozríznennâ |