Increasing the Informativity of Multispectral Satellite Images Using Texture Analysis Data
Open Access
- 1 April 2022
- journal article
- research article
- Published by M.V. Lomonosov Northern (Arctic) Federal University in Lesnoy Zhurnal (Forestry Journal)
- No. 2,p. 84-104
- https://doi.org/10.37482/0536-1036-2022-2-84-104
Abstract
Рассматривается задача повышения информативности тематической обработки мультиспектральных изображений среднего (10–30 м) и высокого (1–4 м) пространственного разрешения, получаемых зарубежными и отечественными спутниковыми системами дистанционного зондирования Земли, за счет привлечения дополнительной текстурной информации с панхроматических спутниковых изображений сверхвысокого пространственного разрешения (≲(1–0,4) м). Объектом исследования стали изображения тестовых полигонов на территории Савватьевского лесничества (Тверская обл.) со спутников Landsat 8, Sentinel 2 и WorldView 2, оснащенных мультиспектральной аппаратурой. Для валидации результатов расчетов использованы геопривязанные данные наземных обследований. В качестве спектральных признаков взяты значения спектральной отражательной способности в каналах видимого и ближнего инфракрасного диапазонов, нормализованные на соответствующую интегральную характеристику. В целях извлечения текстурных признаков на основе распределения совместной встречаемости уровней серого (текстурные признаки Харалика) в пределах скользящего окна, пробегающего с заданным пространственным шагом изображение, вычисляли статистические характеристики. Проведен корреляционный анализ текстурных признаков с учетом изменений расстояния и угла смежности. Для выбранных определяющих признаков: автокорреляции, асимметрии, контраста и корреляции – показано, что первые три могут быть использованы с произвольным выбранным направлением смежности, а последний необходимо рассматривать в двух различных направлениях. Установлено, что при решении задачи распознавания природных и антропогенных объектов все рассмотренные алгоритмы классификации обеспечивают существенное повышение точности при совместном использовании спектральных и текстурных признаков по сравнению с традиционной спектральной классификацией. Этот результат продемонстрирован для всех полученных различными спутниками изображений тестовых полигонов. Можно сделать предварительный вывод, что предлагаемый комплексный подход тематической обработки позволяет повысить качество распознавания объектов в случае использования изображений как среднего, так и высокого пространственного разрешения. Оценки, полученные при построении тематических карт доминантных и субдоминантных отделов лесной растительности, показали близкие точности классификации по различным исходным мультиспектральным изображениям (с разбросом не более 5 % около среднего значения 85 %). По большей части это связано с наличием специфических погрешностей результатов наземной лесной таксации и говорит о необходимости их актуализации с применением данных дистанционного спутникового зондирования. Для цитирования: Зотов С.А., Дмитриев Е.В., Мельник П.Г., Кондранин Т.В. Повышение информативности мультиспектральных спутниковых изображений с использованием данных текстурного анализа // Изв. вузов. Лесн. журн. 2022. № 2. С. 84–104. DOI: 10.37482/0536-1036-2022-2-84-104 Финансирование: работа выполнена при финансовой поддержке РФФИ, проект № 20-07-00370 «Фундаментальные проблемы повышения информативности обработки данных оптоэлектронных авиакосмических устройств высокого пространственного и спектрального разрешения».Keywords
This publication has 9 references indexed in Scilit:
- Applications in Remote Sensing to Forest Ecology and ManagementOne Earth, 2020
- Spectral texture classification of high-resolution satellite images for the state forest inventory in RussiaPublished by SPIE-Intl Soc Optical Eng ,2019
- Tree species classification in tropical forests using visible to shortwave infrared WorldView-3 images and texture analysisISPRS Journal of Photogrammetry and Remote Sensing, 2019
- Haralick texture features from apparent diffusion coefficient (ADC) MRI images depend on imaging and pre-processing parametersScientific Reports, 2017
- The accuracy of large-area forest canopy cover estimation using Landsat in boreal regionInternational Journal of Applied Earth Observation and Geoinformation, 2016
- Linear vs. quadratic discriminant analysis classifier: a tutorialInternational Journal of Applied Pattern Recognition, 2016
- Automated retrieval of forest structure variables based on multi-scale texture analysis of VHR satellite imageryISPRS Journal of Photogrammetry and Remote Sensing, 2014
- Global, 30-m resolution continuous fields of tree cover: Landsat-based rescaling of MODIS vegetation continuous fields with lidar-based estimates of errorInternational Journal of Digital Earth, 2013
- Forest canopy cover and canopy closure: comparison of assessment techniquesEuropean Journal of Forest Research, 2009