Специалисты, работающие с данными дистанционного зондирования Земли (ДДЗ), часто сталкиваются с проблемой "сшивания" изображений. Дело в том, что в большинстве случаев данные поступают к нам в виде так называемых сцен, или гранул, то есть мультиспектральных изображений фиксированной площади.
К примеру, сцена со спутника Landsat 8 (сенсоры OLI/TIRS) в неполярных широтах охватывает площадь 185 на 180 км, гранулы от Sentinel-2 (MSI) - 100 на 100 км. В качестве иллюстрации ниже приведена схема расположения сцены 231074 (спутник Landsat 8, номер витка 231, номер ряда в витке 74 в системе позиционирования WRS-2) и её соседних сцен.
Проблема сшивания сцен возникает, когда интересующая нас область исследований находится на стыке 2-х сцен, то есть занимает часть одной сцены и часть соседней.
В случае, если эти две сцены находятся на одном витке (в нашем примере это сцены 231073-231074 и 231074-231075), спектральные характеристки соседних сцен практически не меняются, так как между съёмками этих сцен проходит очень мало времени. В нашем примере между съёмкой 2-х соседних сцен на одном витке проходит 24 секунды.
Всё меняется, когда нам нужно сшить соседние сцены с разных витков. В этом случае разница во времени съёмки измеряется уже в днях. Это приводит к значительным изменениям спектральных характеристик снимков, которые зависят от таких параметров как состояние атмосферы на момент съёмки, угол подъёма Солнца, азимут Солнца и даже от расстояния от Солнца до Земли.
Такая значительная разница в спектральных характеристиках делает невозможным корректный морфологический и структурометрический анализ интересующей нас территории.
Например, изображение с двух соседних витков в сервисе Microsoft Bing Maps выглядит следующим образом:
Для сглаживания этого эффекта мы разработали и реализовали в виде программного продукта оригинальную самообучающуюся нейронную сеть на базе фреймворка Tensorflow. Важной особенностью нашего алгоритма является отсутствие этапа предварительного обучения; сеть самообучается на входных данных и не требует настройки каких-либо внешних параметров.
Схема одной из фаз алгоритма сглаживания показана ниже в системе Magnolia rsLab Workflow, нашей собственной системе редактирования процессов обработки космической информации:
В качестве иллюстрации мы хотим привести результат работы нашей программы по сшивке 2-х соседних сцен со спутника Landsat 8. Мы намерянно выбрали очень разнесённые между собой по времени сцены.
| Левая часть | Правая часть | |
|---|---|---|
| Номер сцены | 232073 | 231074 |
| Дата съёмки | 2019-09-29 | 2019-08-05 |
| Время съёмки | 14:23:51 | 14:17:48 |
| Угол подъема Солнца (°) | 58.75 | 41.70 |
| Азимут Солнца (°) | 61.71 | 41.90 |
| Расстояние до Солнца (а.е.) | 1.0018429 | 1.0145005 |
Таким образом, соседние сцены разнесены между собою на 55 дней, что очень существенно сказывается на их спектральных характеристиках, как это видно на исходных данных:
Ближний инфракрасный канал (B4)
Композитное изображение (B4B3B2)
Ниже показаны результаты работы нашей программы бесшовной "склейки" сцен:
Ближний инфракрасный канал (B4)
Композитное изображение (B4B3B2)
С некоторыми другими нашими проектами и решениями можно ознакомиться на странице Проекты.
