RU2664255C2 - Method for sea surface contamination identification - Google Patents
Method for sea surface contamination identification Download PDFInfo
- Publication number
- RU2664255C2 RU2664255C2 RU2015151473A RU2015151473A RU2664255C2 RU 2664255 C2 RU2664255 C2 RU 2664255C2 RU 2015151473 A RU2015151473 A RU 2015151473A RU 2015151473 A RU2015151473 A RU 2015151473A RU 2664255 C2 RU2664255 C2 RU 2664255C2
- Authority
- RU
- Russia
- Prior art keywords
- image
- analyzed
- areas
- images
- area
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 25
- 238000011109 contamination Methods 0.000 title abstract description 3
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 239000003653 coastal water Substances 0.000 claims description 2
- 239000000126 substance Substances 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000005311 autocorrelation function Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000004907 flux Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005755 formation reaction Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000001429 visible spectrum Methods 0.000 description 2
- 230000035508 accumulation Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Image Processing (AREA)
Abstract
Description
Изобретение относится к области океанологии и может найти применение при контроле гидрологических процессов на морской поверхности, обнаружении движущих подводных объектов, течений, экологического загрязнения шельфовых зон.The invention relates to the field of oceanology and can find application in the control of hydrological processes on the sea surface, the detection of moving underwater objects, currents, and environmental pollution of shelf zones.
Физически аномалия взволнованной морской поверхности проявляется в изменении пространственного спектра волнения относительно тестовых (эталонных) участков. Последнее, как правило, происходит при взаимодействии между собой разнородных физических процессов: ветрового волнения и внутренних волн, выходящих на поверхность, подводных течений, либо при изменении коэффициента поверхностного натяжения воды в местах загрязнения нефтепродуктами, скоплениях планктона и т.д.Physically, the anomaly of the agitated sea surface manifests itself in a change in the spatial spectrum of waves relative to the test (reference) areas. The latter, as a rule, occurs when heterogeneous physical processes interact with each other: wind waves and internal waves reaching the surface, underwater currents, or when the coefficient of surface tension of water changes in places of pollution by oil products, accumulations of plankton, etc.
Для обнаружения аномалий подстилающей поверхности при дистанционном зондировании используют различные методы и средства.Various methods and tools are used to detect anomalies in the underlying surface during remote sensing.
Известен «Способ идентификации типов растительности», патент RU №2242716, A01G, 23/00, 2004 г., - аналог. В способе-аналоге получают изображение подстилающей поверхности в виде зависимости спектральной яркости I (х, у) от пространственных координат, разбивают изображение на мозаику участков, вычисляют фрактальную размерность и автокорреляционную функцию сигнала изображения каждого участка и сравнивают их с эталонными, изображение регистрируют в зеленой полосе видимого спектра по двум взаимно ортогональным по поляризации каналам приема, рассчитывают средний уровень сигнала изображения в каждом канале, вычисляют попиксельные отношения I1 (x, у), I2 (x, у) изображений с большим средним к меньшему и формируют синтезированную матрицу изображений из этих соотношений, методами пространственного дифференцирования выделяют контуры на синтезированном изображении, рассчитывают числовые характеристики сигнала фрагментов изображений внутри выделенных контуров и по значениям коэффициентов фрактальной размерности и ширине автокорреляционной функции сигнала судят о принадлежности фрагмента изображения к данному типу растительности на нем.The well-known "Method of identifying vegetation types", patent RU No. 2242716, A01G, 23/00, 2004, is an analogue. In the analogue method, an image of the underlying surface is obtained in the form of a dependence of the spectral brightness I (x, y) on spatial coordinates, the image is divided into a mosaic of sections, the fractal dimension and the autocorrelation function of the image signal of each section are calculated and compared with the reference ones, the image is recorded in a green bar visible spectrum along two mutually orthogonal polarization receiving channels, calculate the average level of the image signal in each channel, calculate the pixel-by-pixel ratio I 1 (x, y), I 2 (x, y) images with a large average to smaller and form a synthesized image matrix from these ratios, using spatial differentiation to isolate the contours on the synthesized image, calculate the numerical characteristics of the signal of the image fragments inside the selected contours and from the values of the coefficients the fractal dimension and the width of the autocorrelation function of the signal are judged on the belonging of the image fragment to this type of vegetation on it.
К недостаткам способа-аналога следует отнести:The disadvantages of the analogue method include:
- невозможность непосредственного использования из-за различия технологий обработки сигнала;- the impossibility of direct use due to differences in signal processing technologies;
- недостаточная поляризуемость сигнала в одной (зеленой) полосе видимого спектра и, как следствие, невысокое контрастирование изображений при формировании синтезированной матрицы.- insufficient polarizability of the signal in one (green) band of the visible spectrum and, as a result, low contrasting of the images during the formation of the synthesized matrix.
Ближайшим аналогом по технической сущности к заявленному является «Способ обнаружения аномалий морской поверхности», патент RU №2109304, G01S, 11/06, 13/89, 1997 г.The closest analogue in technical essence to the claimed one is "Method for the detection of anomalies of the sea surface", patent RU No. 2109304, G01S, 11/06, 13/89, 1997
Способ ближайшего аналога включает получение изображения морской поверхности в виде матрицы цифровых отсчетов |m×n| элементов функции яркости I (х, у) от пространственных координат, обработку матрицы путем разбиения на мозаику фрактальных участков, вычисление огибающей пространственного спектра и автокорреляционной функции сигнала каждого участка, расчет интегрального признака z=R/В и сравнение его с фоновым z0=R0/В0, вывод на отображение участков, для которых z/z0>2, синтезирование из последовательности проанализированных участков мозаичной картины аномалии, где В, В0 - максимальные значения автокорреляционных функций электрического сигнала матриц аномалии и фона соответственно, R, R0 - ширина автокорреляционных функций на уровне 0,1 их максимального значения для аномалии и фона.The closest analogue method involves obtaining an image of the sea surface in the form of a matrix of digital samples | m × n | elements of the brightness function I (x, y) versus spatial coordinates, processing the matrix by mosaic of fractal sections, calculating the envelope of the spatial spectrum and the autocorrelation function of the signal of each section, calculating the integral feature z = R / B and comparing it with the background z 0 = R 0 / B 0, the output on the display areas for which z /
Недостатками способа ближайшего аналога являются:The disadvantages of the method of the closest analogue are:
- недостаточная достоверность результата из-за неиспользования при обработке сигнала всех координат взволнованной морской поверхности: х, у, z;- insufficient reliability of the result due to the non-use in processing the signal of all coordinates of the excited sea surface: x, y, z;
- невозможность непосредственного использования из-за различия средств и технологий обработки сигнала;- the impossibility of direct use due to the difference in means and technologies of signal processing;
- не все из возможных параметров сигнала учитываются при расчете интегрального критерия.- not all of the possible signal parameters are taken into account when calculating the integral criterion.
Задача, решаемая заявленным способом, состоит в повышении достоверности идентификации путем измерения нескольких идентифицируемых параметров и увеличении чувствительности измерений путем контрастирования изображений, получаемых синхронно в ультрафиолетовом и красном участках спектра.The problem solved by the claimed method is to increase the reliability of identification by measuring several identifiable parameters and increase the sensitivity of measurements by contrasting images obtained synchronously in the ultraviolet and red parts of the spectrum.
Поставленная задача решается тем, что способ идентификации загрязнений морской поверхности включает зондирование прибрежных акваторий, содержащих эталонные участки, средствами, установленными на воздушно-космическом носителе, с получением изображений в ультрафиолетовом и красном участках солнечного спектра, привязку изображений по координатам системой позиционирования «ГЛОНАСС», формирование синтезированной матрицы из попиксельных отношений этих изображений, выделение контуров областей загрязнения программным расчетом градиента функции яркости I(х, у) синтезированного изображения, вычисление следующих параметров внутри выделенных контуров: среднего значения F частоты пространственного спектра функции яркости I(х, у) изображения, фрактальной размерности Ω изображения, площади Sp рельефа для анализируемого и соответствующего ему эталонного участка, определение параметра идентификации для анализируемого и соответствующего ему эталонного участка как 
Изобретение поясняется чертежами, где:The invention is illustrated by drawings, where:
фиг. 1 - зависимость коэффициента отражения от длины волны падающего светового потока;FIG. 1 - dependence of the reflection coefficient on the wavelength of the incident light flux;
фиг. 2 - выделенный контур загрязнения поверхности;FIG. 2 - selected contour of the surface;
фиг. 3 - амплитудно-частотные характеристики эталонной а) и загрязненной б) поверхностей;FIG. 3 - amplitude-frequency characteristics of the reference a) and contaminated b) surfaces;
фиг. 4 - функции фрактальной размерности эталонной в) и загрязненной г) поверхностей;FIG. 4 - functions of the fractal dimension of the reference c) and contaminated d) surfaces;
фиг. 5 - относительные Sp/S0 площади рельефов эталонной д) и загрязненной е) поверхностей в зависимости от балльности волнения;FIG. 5 - relative S p / S 0 relief areas of the reference e) and contaminated e) surfaces, depending on the intensity of the waves;
фиг. 6 - функциональная схема устройства, реализующая способ.FIG. 6 is a functional diagram of a device that implements the method.
Техническая сущность изобретения состоит в следующем. При загрязнении воды взвесями, пленками органических веществ, планктоном изменяется ее коэффициент поверхностного натяжения в пределах от (0,071…0,03) Н/м. Изменение коэффициента поверхностного натяжения приводит к демпфированию мелкодисперсной ветровой ряби морского волнения на участках загрязнения и, как следствие, к изменению спектра пространственных волн. Одновременно с изменением спектра изменяется и коэффициент преломления морской воды, что приводит к изменению формы волнения и коэффициента отражения падающего светового потока.The technical essence of the invention is as follows. When water is contaminated by suspensions, films of organic substances, plankton, its surface tension coefficient changes in the range from (0.071 ... 0.03) N / m. A change in the surface tension coefficient leads to damping of finely dispersed wind ripples of sea waves in the contaminated areas and, as a result, to a change in the spectrum of spatial waves. At the same time as the spectrum changes, the refractive index of sea water also changes, which leads to a change in the waveform and reflection coefficient of the incident light flux.
Основным методом идентификации объектов является сравнение с эталоном. В качестве идентифицируемых параметров в заявленном способе измеряются:The main method for identifying objects is comparison with a reference. As identifiable parameters in the claimed method are measured:
- пространственный спектр волнения, F;- spatial spectrum of waves, F;
- форма волнения, технической характеристикой которого является фрактальная размерность, Ω;- waveform, the technical characteristic of which is the fractal dimension, Ω;
- относительная площадь рельефа пикселей изображения, Sp/S0.is the relative relief area of the image pixels, S p / S 0 .
При этом степень загрязнения морской поверхности оценивают через отношение изменения совокупности измеряемых параметров (Δ) к их значениям для эталонного участка (Δ/Пэтал) %. Для повышения чувствительности измерительного тракта зондирование осуществляют в зонах, разнесенных на края солнечного спектра. Поскольку коэффициенты отражения падающего светового потока в зонах существенно отличаются, последнее позволяет осуществить контрастирование изображений.The degree of pollution of the sea surface is estimated through the ratio of changes in the set of measured parameters (Δ) to their values for the reference area (Δ / P etal )%. To increase the sensitivity of the measuring path, sounding is carried out in zones spaced at the edges of the solar spectrum. Since the reflection coefficients of the incident light flux in the zones differ significantly, the latter allows the contrasting of images.
Коэффициент отражения К электромагнитного поля от подстилающей поверхности определяется соотношениями Френеля:The reflection coefficient K of the electromagnetic field from the underlying surface is determined by the Fresnel relations:
где 
γ - угол скольжения, для зондирования в надир γ→π/2.γ is the slip angle; for sounding in nadir, γ → π / 2.
Для зондирования в надир коэффициент отражения в первом приближении будет равен:For sounding in nadir, the reflection coefficient in the first approximation will be equal to:
где n - коэффициент преломления.where n is the refractive index.
Коэффициент преломления n существенно зависит от длины волны λ светового потока. Эта зависимость аппроксимируется числовым рядом Коши вида:The refractive index n substantially depends on the wavelength λ of the light flux. This dependence is approximated by the numerical Cauchy series of the form:
где А, В, С - коэффициенты аппроксимации.where A, B, C are approximation coefficients.
Расчетная зависимость коэффициента отражения для морской воды иллюстрируется графиком фиг. 1. Таким образом, формирование синтезированной матрицы из попиксельных отношений ультрафиолетового изображения к изображению красной зоны позволяет подчеркнуть край между загрязненной поверхностью и эталонной (чистой) поверхностью.The calculated dependence of the reflection coefficient for sea water is illustrated in the graph of FIG. 1. Thus, the formation of the synthesized matrix from the pixel-by-pixel ratios of the ultraviolet image to the image of the red zone makes it possible to emphasize the edge between the contaminated surface and the reference (clean) surface.
Психологически восприятие образа объекта человеком-оператором происходит на уровне контуров. Последнее достигается путем выделения контуров (контурного рисунка) на изображениях, осуществляемого методами пространственного дифференцирования [см., например, Дуда P.O., Харт П.Е. «Распознавание образов и анализ сцен», перевод с англ., изд. Мир, М., 1976 г. «Пространственное дифференцирование», стр. 287-288]. Существует несколько стандартных операторов (Робертса, Лапласа, Собела), позволяющих вычислить контуры на двумерных изображениях. В частности, например, перекрестный оператор Робертса рассчитывают в окне (маске) 2×2 элемента, для каждой дискретной точки изображения I (х, у) из отношения:Psychologically, the perception of the image of an object by a human operator occurs at the contour level. The latter is achieved by highlighting the contours (contour drawing) in the images by spatial differentiation methods [see, for example, Duda P.O., Hart P.E. “Pattern Recognition and Scene Analysis”, translation from English, ed. World, M., 1976 "Spatial differentiation", pp. 287-288]. There are several standard operators (Roberts, Laplace, Sobel) that allow you to calculate the contours in two-dimensional images. In particular, for example, the Roberts cross operator is calculated in a window (mask) of 2 × 2 elements, for each discrete image point I (x, y) from the relation:
Вычисленное значение оператора сравнивают с установленным порогом R (i, j)>П, выводят на экран точки, для которых R (i, j) превышает порог. Выделение контуров на изображении с использованием масок различных операторов представляется стандартной математической операцией [см., например, П.А. Минько. «Обработка графики Photoshop CS2», из-во Эксмо, 2007 г., стр. 47-56]. После выделения контура на синтезированном изображении рассчитывают количественные значения идентифицирующих параметров.The calculated value of the operator is compared with the set threshold R (i, j)> П, points for which R (i, j) exceed the threshold are displayed. The selection of contours in the image using masks of various operators is represented by a standard mathematical operation [see, for example, P.A. Minko. “Photoshop CS2 Graphics Processing,” from Eksmo, 2007, pp. 47-56]. After isolating the contour in the synthesized image, quantitative values of the identifying parameters are calculated.
Падающий световой поток на взволнованную морскую поверхность по-разному отражается от него. Гребни волн отражают падающий поток практически зеркально, в то время как скаты волн - диффузно. Поэтому текстура изображения морской поверхности повторяет ее геометрию, т.е. изображение содержит информацию о спектре волнения. В соответствии с теоремой Котельникова-Шеннона, непрерывная функция однозначно определяется своими дискретными отсчетами через интервал 
Амплитудно-частотный спектр G (Fx, Fy) волнения может быть восстановлен по его изображению расчетом Фурье-преобразования матрицы отсчетов из |m×n| элементов в соответствии с зависимостью:The amplitude-frequency spectrum G (F x , F y ) of the wave can be restored from its image by calculating the Fourier transform of the matrix of samples from | m × n | items according to dependency:
где Fx, Fy - спектр волнения по координатам х, у;where F x , F y is the wave spectrum along the x, y coordinates;
I (х, у) - функция яркости изображения;I (x, y) - image brightness function;
m, n - число строк, столбцов матрицы |m×n|.m, n is the number of rows, columns of the matrix | m × n |.
Расчет спектра осуществляют алгоритмами быстрого Фурье-преобразования (БФП) по стандартным программам, входящим в комплект специализированного программного обеспечения ПЭВМ типа MATH CAD, ER MAPPER [см., например, НТИ «Специализированное программное обеспечение MATH CAD 6.0 PLUS», издание 2-е стереотипное, М.: Информационно-издательский дом «Филинъ», 1997 г., стр. 441]. АЧХ пространственных спектров двух изображений а) эталонного участка и б) загрязненного участка иллюстрируются графиками фиг. 3.Spectrum calculation is carried out by fast Fourier transform (BFP) algorithms according to standard programs included in the package of specialized PC software such as MATH CAD, ER MAPPER [see, for example, NTI “Specialized software MATH CAD 6.0 PLUS”, 2nd stereotyped edition , M .: Information and publishing house "Filin", 1997, p. 441]. The frequency response of the spatial spectra of two images a) of the reference area and b) of the contaminated area are illustrated by graphs of FIG. 3.
Одновременно установлено, что наибольший объем информации об объекте содержит его форма. Элементом формы объекта по Мандельброту является его фрактал [см., например, Mandelbrot В. Fractals, Forms, Chance and Dimensions, Freeman, San Francisco, 1977].At the same time, it was established that the largest amount of information about the object contains its form. Mandelbrot’s object shape element is its fractal [see, for example, Mandelbrot B. Fractals, Forms, Chance and Dimensions, Freeman, San Francisco, 1977].
Фрактальная размерность является числовым параметром, характеризующим структуру природных образований, в частности, для изображения этот параметр заключается в интервале [2…3]. Для вычисления фрактальной размерности используют метод осцилляций.Fractal dimension is a numerical parameter characterizing the structure of natural formations, in particular, for the image, this parameter lies in the interval [2 ... 3]. To calculate the fractal dimension, use the oscillation method.
Пусть (x1, y1) и (х2, у2) - двумерные координаты точек, а третья координата, яркость, задана в виде функции координат I (х, у).Let (x 1 , y 1 ) and (x 2 , y 2 ) be the two-dimensional coordinates of the points, and the third coordinate, brightness, is given as a function of the coordinates I (x, y).
Тогда ε - осцилляцией значений (I) будет разность наибольшего и наименьшего значения (I) в (ε) в окрестности (х, у).Then, the ε-oscillation of the values of (I) is the difference between the largest and smallest values of (I) in (ε) in a neighborhood of (x, y).
После этого ε - вариацию значений I вычисляют как:After this, ε - variation of the values of I is calculated as:
где a, b - пределы, в которых изменяется переменная х;where a, b are the limits within which the variable x varies;
с, d - пределы, в которых изменяется переменная у.c, d are the limits within which the variable y varies.
Фрактальная размерность матрицы вычисляется как размерность Хаусдорфа:The fractal dimension of the matrix is calculated as the Hausdorff dimension:
Вычисление фрактальной размерности изображений объектов осуществляют по специализированной программе. Текст программы приведен ниже в примере реализации. Расчетные значения функций фрактальной размерности эталонного в) и загрязненного г) участков иллюстрируются графиками фиг. 4.The calculation of the fractal dimension of images of objects is carried out according to a specialized program. The text of the program is shown below in an example implementation. The calculated values of the fractal dimension functions of the reference c) and contaminated d) sections are illustrated by the graphs of FIG. four.
Кроме длины волны в координатах х, у ветровое волнение по шкале Бофорта характеризуется высотой волн по координате Z. Именно по этой координате в областях аномалий наблюдаются наибольшие изменения. В пространстве данная координата определяет площадь рельефа взволнованной поверхности. Площадь рельефа Sp вычисляют как поверхностный интеграл функции z (х, у) [см., например, Н.С. Пискунов. Дифференциальное и интегральное исчисления для ВТУЗов, учебник, 5-е издание, М.: Наука, 1964 г., § 7. Вычисление площади поверхности, стр. 73-74]:In addition to the wavelength in x coordinates, y wind waves on the Beaufort scale are characterized by wave heights along the Z coordinate. It is along this coordinate that the greatest changes are observed in the areas of anomalies. In space, this coordinate determines the relief area of the excited surface. The relief area Sp is calculated as the surface integral of the function z (x, y) [see, for example, N.S. Piskunov. Differential and integral calculus for technical colleges, textbook, 5th edition, Moscow: Nauka, 1964, § 7. Calculation of surface area, pp. 73-74]:
Поскольку аналитическую зависимость z (х, у) получить невозможно, для вычисления Sp используют численные методы программного расчета [см., например, «Способ определения площади рельефа», Патенты RU №2251075, №2255357, 2005 г.]. Текст программы расчета площади раельефа пикселей изображения приведен ниже в примере реализации. Результат расчета относительной площади рельефа Sp/S0 иллюстрируются графиками фиг. 5.Since it is impossible to obtain the analytical dependence z (x, y), numerical methods for program calculation are used to calculate S p [see, for example, “The method of determining the relief area”, Patents RU No. 2251075, No. 22525357, 2005]. The text of the program for calculating the area of the relief of image pixels is shown below in the example implementation. The result of calculating the relative relief area S p / S 0 is illustrated by graphs of FIG. 5.
Пример реализации способаAn example implementation of the method
Заявленный способ может быть реализован по схеме фиг. 6. Функциональная схема содержит авиационный носитель (1) (типа самолетной лаборатории, созданной в рамках международной программы «Открытое небо») с установленными на нем цифровой видеокамерой (2) инфракрасного диапазона (типа «Фиалка МВ-Космос») и спектрозональной камеры (3) (типа «MOMS-2P», Германия). Трассовую покадровую съемку запланированных акваторий в полосе сканирования (4) осуществляют от бортового комплекса управления (БКУ) (5) на основе заложенных в БКУ программ включения бортовой аппаратуры. Результаты покадровой съемки участков акваторий записывают в бортовое запоминающее устройство (6) с одновременной привязкой по координатам изображений от аппаратуры потребителей (7) космической системы позиционирования «ГЛОНАСС». После посадки самолетного носителя массивы полученных измерений помещают на сервер хранения данных (8). Тематическую обработку изображений осуществляют в центре обработки (9), где через устройство ввода и передачи (10) информация из сервера хранения поступает в электронно-вычислительную машину (11) со стандартным набором периферийных устройств: процессор (12), оперативное запоминающее устройство (13), винчестер (14), дисплей (15), принтер (16), клавиатура (17), сервер Internet (18). Предварительно в оперативное запоминающее устройство (13) записывают программу специализированного программного обеспечения MATH CAD. Затем формируют кадры синтезированных матриц из попиксельных отношений ультрафиолетового изображения и зонального красного изображения.The claimed method can be implemented according to the scheme of FIG. 6. The functional diagram contains an aircraft carrier (1) (such as an aircraft laboratory created as part of the Open Sky international program) with an infrared digital video camera (2) (such as Violet MV-Cosmos) installed on it and a spectrozone camera (3 ) (type "MOMS-2P", Germany). Frame-by-frame shooting of planned water areas in the scanning strip (4) is carried out from the onboard control complex (BKU) (5) on the basis of the onboard equipment inclusion programs incorporated in the BKU. The results of frame-by-frame shooting of water areas are recorded in the on-board storage device (6) with simultaneous binding by coordinates of images from consumer equipment (7) of the GLONASS space positioning system. After landing the aircraft carrier, the arrays of the obtained measurements are placed on the data storage server (8). Thematic image processing is carried out in the processing center (9), where through the input and transmission device (10) information from the storage server enters an electronic computer (11) with a standard set of peripheral devices: a processor (12), random access memory (13) , Winchester (14), display (15), printer (16), keyboard (17), Internet server (18). Preliminarily, the program of specialized software MATH CAD is recorded in the random access memory (13). Then frames of the synthesized matrices are formed from the pixel-by-pixel ratios of the ultraviolet image and the zonal red image.
Данная операция реализуется использованием специализированного программного обеспечения [см., например, MATH CAD. 7.0. PLVS, издание 3-е стереотипное, Информационно-издательский дом «Филинъ», 1998 г., стр. 211, Векторизация элементов матрицы]. После этого осуществляют нормирование функции сигнала синтезированной матрицы в стандартной шкале 0…255 уровней квантования.This operation is implemented using specialized software [see, for example, MATH CAD. 7.0 PLVS, 3rd stereotyped edition, Filin Information and Publishing House, 1998, p. 211, Vectorization of matrix elements]. After that, the function of the signal of the synthesized matrix is normalized in a standard scale of 0 ... 255 quantization levels.
За счет контрастирования изображений достигается увеличение чувствительности тракта обработки, что обеспечивает достоверное выделение контуров на синтезированном изображении программным методом [см., например, П.А. Минько. «Обработка графики Photoshop CS2», изд-во «Эксмо», 2007 г., стр. 47-56, Глава 3. Методы выделения областей].Due to the contrasting of the images, an increase in the sensitivity of the processing path is achieved, which ensures reliable selection of the contours on the synthesized image by the program method [see, for example, P.A. Minko. “Photoshop CS2 Graphics Processing,” Eksmo Publishing House, 2007, pp. 47-56,
Результат выделения области загрязнения иллюстрируется фиг. 2.The result of isolating the contaminated area is illustrated in FIG. 2.
Затем алгоритмами быстрого Фурье-преобразования по программам специализированного программного обеспечения MATH CAD вычисляют пространственный спектр функции яркости I (х, у) внутри выделенного контура. За среднее значение частоты пространственного спектра принимают значение, делящее площадь под графиками фиг. 3 пополам. Эти значения соответственно составили: для загрязненного участка F1=0,3; для эталонного - F2=0,5.Then, the spatial spectrum of the brightness function I (x, y) inside the selected contour is calculated by the fast Fourier transform algorithms using the specialized software programs MATH CAD. The value dividing the area under the graphs of FIG. 3 in half. These values respectively amounted to: for the contaminated area F 1 = 0.3; for the reference - F 2 = 0.5.
По специализированной программе рассчитывают фрактальную размерность изображений выделенного контура и эталонного участка.According to a specialized program, the fractal dimension of the images of the selected contour and the reference area is calculated.
Текс программы вычисления фрактальной размерности изображенийTex program for calculating the fractal dimension of images
Фрактальная размерность изображения, по Хаусдорфу, занимает интервал [2…3].According to Hausdorff, the fractal dimension of the image occupies the interval [2 ... 3].
Результат программного расчета иллюстрируется графиками фиг. 4. Фрактальная размерность эталонного участка Ωв=2,4; загрязненного - Ωг=2,7.The result of the software calculation is illustrated by the graphs of FIG. 4. The fractal dimension of the reference section Ω in = 2,4; contaminated - Ω g = 2.7.
Для численного расчета площади рельефа пикселей изображения последовательно, от начала матрицы, изображение разбивают на окна |2×2| элемента. Аппроксимируют площадь рельефа в окне мозаикой треугольников. При известном пространственном разрешении одного пикселя (Δх, Δy) площади треугольников в окне находят по формуле Герона:For the numerical calculation of the relief area of the image pixels in sequence, from the beginning of the matrix, the image is divided into windows | 2 × 2 | item. They approximate the relief area in the window with a mosaic of triangles. With the known spatial resolution of one pixel (Δx, Δy), the area of the triangles in the window is found by the Heron formula:
где а, b, с - длины сторон треугольника; р - полупериметр. По теореме Пифагора рассчитывают длины сторон а, b, с [см. патент RU №2255357]. Поверхность рельефа Sp находят как сумму площадей треугольников каждого окна. Геометрическую площадь S0 участка определяют как сумму площадей пикселей обрабатываемого участка.where a, b, c are the lengths of the sides of the triangle; p is the half-perimeter. By the Pythagorean theorem, the lengths of the sides a, b, c are calculated [see RU patent No. 2255357]. The relief surface S p is found as the sum of the areas of the triangles of each window. The geometric area S 0 of the plot is defined as the sum of the pixel areas of the processed plot.
Расчет осуществляют программным методом на ПЭВМ.The calculation is carried out by software on a PC.
Текст программыProgram text
Результат программного расчета площади Sp/S0 иллюстрируются графиками фиг. 5.The result of the programmed calculation of the area S p / S 0 is illustrated by graphs of FIG. 5.
Для балльности ветрового волнения по шкале Бофорта, равной 3, эти значения составили: эталонного участка Sp/S0=2; загрязненного - Sp/S0=1,6. В целом для расчетных графиков фиг. 3, 4, 5 показатель идентификации эталонного участка: 
Заявленный способ может быть реализован на существующей технической базе.The claimed method can be implemented on an existing technical basis.
Эффективность способа характеризуется высокой чувствительностью измерений, достоверностью результатов, возможностью документальной визуализации с нанесением участков загрязнений на контурную карту прибрежной зоны.The effectiveness of the method is characterized by high sensitivity of measurements, reliability of the results, the possibility of documentary visualization with the application of areas of pollution on the contour map of the coastal zone.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2015151473A RU2664255C2 (en) | 2015-12-02 | 2015-12-02 | Method for sea surface contamination identification |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2015151473A RU2664255C2 (en) | 2015-12-02 | 2015-12-02 | Method for sea surface contamination identification |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2015151473A RU2015151473A (en) | 2017-06-07 |
| RU2664255C2 true RU2664255C2 (en) | 2018-08-15 |
Family
ID=59031506
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2015151473A RU2664255C2 (en) | 2015-12-02 | 2015-12-02 | Method for sea surface contamination identification |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2664255C2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2702423C1 (en) * | 2018-12-25 | 2019-10-08 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" | Method of determining level of contamination of sea surface |
| RU2709598C1 (en) * | 2018-12-25 | 2019-12-18 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" | Sea surface contamination meter |
| CN111861220A (en) * | 2020-07-22 | 2020-10-30 | 泰州市金海运船用设备有限责任公司 | Ocean oil stain leakage area detection alarm system |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115862010B (en) * | 2022-09-09 | 2023-09-05 | 滁州学院 | High-resolution remote sensing image water body extraction method based on semantic segmentation model |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2109304C1 (en) * | 1997-01-15 | 1998-04-20 | Московский государственный университет леса | Method of detection of sea surface anomalies |
| RU2479852C1 (en) * | 2011-08-02 | 2013-04-20 | Российская Федерация, От Имени Которой Выступает Министерство Промышленности И Торговли Российской Федерации | Method for remote determination of oil contamination of sea surface using microwave radar |
| RU2485544C1 (en) * | 2012-02-07 | 2013-06-20 | Федеральное государственное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-морского Флота "Военно-морская академия имени Адмирала Флота Советского Союза Н.Г. Кузнецова" | Method to determine abnormalities of sea surface |
-
2015
- 2015-12-02 RU RU2015151473A patent/RU2664255C2/en not_active IP Right Cessation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2109304C1 (en) * | 1997-01-15 | 1998-04-20 | Московский государственный университет леса | Method of detection of sea surface anomalies |
| RU2479852C1 (en) * | 2011-08-02 | 2013-04-20 | Российская Федерация, От Имени Которой Выступает Министерство Промышленности И Торговли Российской Федерации | Method for remote determination of oil contamination of sea surface using microwave radar |
| RU2485544C1 (en) * | 2012-02-07 | 2013-06-20 | Федеральное государственное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-морского Флота "Военно-морская академия имени Адмирала Флота Советского Союза Н.Г. Кузнецова" | Method to determine abnormalities of sea surface |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2702423C1 (en) * | 2018-12-25 | 2019-10-08 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" | Method of determining level of contamination of sea surface |
| RU2709598C1 (en) * | 2018-12-25 | 2019-12-18 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" | Sea surface contamination meter |
| CN111861220A (en) * | 2020-07-22 | 2020-10-30 | 泰州市金海运船用设备有限责任公司 | Ocean oil stain leakage area detection alarm system |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2015151473A (en) | 2017-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Winterbottom et al. | Quantification of channel bed morphology in gravel‐bed rivers using airborne multispectral imagery and aerial photography | |
| Rakwatin et al. | Stripe noise reduction in MODIS data by combining histogram matching with facet filter | |
| Botha et al. | Increased spectral resolution enhances coral detection under varying water conditions | |
| RU2664255C2 (en) | Method for sea surface contamination identification | |
| Kanno et al. | Modified Lyzenga's method for estimating generalized coefficients of satellite-based predictor of shallow water depth | |
| Alvarez-Mendoza et al. | Improving NDVI by removing cirrus clouds with optical remote sensing data from Landsat-8–a case study in Quito, Ecuador | |
| Zarei et al. | A comparison of machine learning models for soil salinity estimation using multi-spectral earth observation data | |
| RU2632176C1 (en) | Method for identifying sea surface contamination | |
| Kruse et al. | Techniques developed for geologic analysis of hyperspectral data applied to near-shore hyperspectral ocean data | |
| Amato et al. | Experimental approach to the selection of the components in the minimum noise fraction | |
| Axelsson et al. | Target detection in hyperspectral imagery using forward modeling and in-scene information | |
| Zhang et al. | Synergistic use of hyperspectral imagery, Sentinel‐1 and LiDAR improves mapping of soil physical and geochemical properties at the farm‐scale | |
| Danese et al. | Geophysical methods and spatial information for the analysis of decaying frescoes | |
| Wolfe et al. | Hyperspectral analytics in envi target detection and spectral mapping methods | |
| Combrexelle et al. | Hyperspectral image analysis using multifractal attributes | |
| RU2702423C1 (en) | Method of determining level of contamination of sea surface | |
| RU2675072C1 (en) | Method for determining anomalies of sea surface | |
| Khondoker et al. | The challenges of river bathymetry survey using Space borne remote sensing in Bangladesh | |
| Dai et al. | Detection of saturation in high-resolution Pushbroom satellite imagery | |
| Samadzadegan et al. | Evaluating the sensitivity of image fusion quality metrics to image degradation in satellite imagery | |
| Putri et al. | Bathymetry mapping using Landsat 8 multyspectral data of bangsring coastal area | |
| Thompson et al. | Airborne imaging spectroscopy to monitor urban mosquito microhabitats | |
| Kumar et al. | Sparse unmixing via variable splitting and augmented Lagrangian for vegetation and urban area classification using Landsat data | |
| Kolluru et al. | Haze correction of hyperspectral imagery over inland waters | |
| Sulma et al. | Adaptive threshold from the Sentinel-2 oil spill index for oil spill detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20181203 |