RU2702423C1

RU2702423C1 - Способ определения уровня загрязнения морской поверхности

Info

Publication number: RU2702423C1
Application number: RU2018146298A
Authority: RU
Inventors: Валерий Григорьевич Бондур; Владимир Евгеньевич Воробьев; Виктор Викторович Замшин; Вячеслав Федорович Давыдов
Priority date: 2018-12-25
Filing date: 2018-12-25
Publication date: 2019-10-08

Abstract

Изобретение относится к области дистанционного зондирования подстилающей поверхности и может найти применение при контроле гидрологических процессов на морской поверхности и экологического загрязнения шельфовых зон. Способ определения уровня загрязнения морской поверхности включает зондирование прибрежных акваторий, содержащих эталонные участки, средствами, установленными на аэрокоптере, с получением синхронных снимков видеокамерой и регистрограмм спектрометра с их привязкой по координатам системой позиционирования «ГЛОНАСС», выделение контуров областей загрязнений на видеоснимках программным расчетом функции яркости изображения I(х, у), вычисление селектируемых параметров сигнала внутри выделенных контуров: средневзвешенной длины волны (λ) отраженного светового потока; средней длины волны пространственного спектра (l) волнения поверхности; фрактальной размерности видеоизображения (Ω), определение параметра загрязнения П для анализируемого и соответствующего ему эталонного участка как произведения селектируемых параметров

определение разницы |ΔП| для анализируемого и эталонного участков, оценку уровня загрязнения в процентах через отношение ΔП к П эталонного участка. Техническим результатом является повышение достоверности и точности результатов определения загрязнений. 4 ил.

Description

Изобретение относится к области дистанционного зондирования подстилающей поверхности и может найти применение при контроле гидрологических процессов на морской поверхности и экологического загрязнения шельфовых зон.

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, течений, либо при изменении коэффициента поверхностного натяжения и коэффициента преломления воды в местах загрязнений нефтепродуктами, бытовыми стоками, скоплениях планктона и т.д.

Для обнаружения аномалий подстилающей поверхности при дистанционном зондировании используют различные методы и средства.

Известен «Способ обнаружения аномалий морской поверхности», Патент RU №2/109 304, 1998 г. - аналог. Способ включает получение изображения морской поверхности радиолокатором с синтезированной аппаратурой, преобразование пространственной зависимости функции яркости изображения I (х, у) в матрицу цифровых отсчетов |m×n|, обработку матрицы, отличающийся тем, что изображение разбивают на мозаику фрактальных участков, вычисляют огибающую пространственного спектра и автокорреляционную функцию сигнала каждого участка, рассчитывают интегральный признак Z=R/B и сравнивают его с фоновым Z₀=R₀/B₀, выводят на отображение участки, для которых Z/Z₀>2, синтезируют из последовательности проанализированных участков мозаичную картину 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.

Недостатком аналога является относительно невысокое пространственное разрешение радиолокаторов (порядка 10 м), в то время как требуемое пространственное разрешение отраженного сигнала для восстановления спектра ветрового волнения методом Фурье-преобразования изображений составляет менее 1 метра.

Ближайшим аналогом к заявленному техническому решению является «Способ идентификации загрязнений морской поверхности» - Патент RU №2664235, 2018 г. Способ ближайшего аналога 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 S рельефа для анализируемого и соответствующего ему эталонного участка как

где S₀ - геометрическая площадь участка, определение разности ΔП для анализируемого и эталонного участков, оценку уровня загрязнения в процентах через отношение ΔП к П эталонного участка.

Недостатками ближайшего аналога являются:

- невозможность непосредственного использования из-за различия технологий обработки сигнала;

- не все признаки загрязнения в отраженном сигнале использованы для определения уровня загрязнения морской поверхности, в частности цветности отраженного светового потока.

Задача, решаемая заявленным способом, состоит в повышении достоверности и точности результатов определения загрязнений путем синхронных измерений двух параметров сигнала: спектра и его цветности, а также достижения требуемого пространственного разрешения путем размещения измерителя на аэрокоптере.

Поставленная задача решается тем, что способ определения уровня загрязнения морской поверхности включает зондирование прибрежных акваторий, содержащих эталонные участки, средствами, установленными на аэрокоптере, с получением синхронных снимков видеокамерой и регистрограмм спектрометра с их привязкой по координатам системой позиционирования «ГЛОНАСС», выделение контуров областей загрязнений на видеоснимках программным расчетом функции яркости изображения I(х, у), вычисление селектируемых параметров сигнала внутри выделенных контуров: средневзвешенной длины волны (λ) отраженного светового потока; средней длины волны пространственного спектра

волнения поверхности; фрактальной размерности видеоизображения (Ω), определение параметра загрязнения П для анализируемого и соответствующего ему эталонного участка как произведения селектируемых параметров

определение разницы |ΔП| для анализируемого и эталонного участков, оценку уровня загрязнения в процентах через отношение ΔП к П эталонного участка.

Изобретение поясняется чертежами, где:

фиг. 1 - спектрограммы цветности (коэффициент спектральной яркости - КСЯ) отраженного светового потока 1) эталонной и 2) загрязненной поверхности;

фиг. 2 - выделенный контур загрязнения поверхности на видеоизображении;

фиг. 3 - амплитудно-частотные характеристики пространственного волнения а) эталонной и б) загрязненной поверхности;

фиг. 4 - функциональная схема устройства, реализующая способ.

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 и формы отраженного сигнала. Одновременно, в областях загрязнений изменяется коэффициент преломления морской воды, что приводит к изменению цветности отраженного светового потока. Области загрязнений на спектрозональных снимках приобретают оранжево-красный или темно-вишневый оттенок. В качестве селектируемых параметров сигнала для оценки уровня загрязнений в заявленном способе использованы:

- средневзвешенная длина волны цветности отраженного светового потока, λ мкм;

- средняя длина волны пространственного спектра

м;

- форма волнения, технической характеристикой которой является фрактальная размерность Ω.

При этом, уровень загрязнения морской поверхности оценивают через отношение изменения совокупности перечисленных параметров (Δ) к совокупности их значений (П) для эталонного участка (Δ/П)%. Коэффициент преломления морской воды (n) зависит от длины волны (λ) светового потока. Как правило, эта зависимость аппроксимируется числовым рядом Коши вида:

где А, В, С - коэффициенты аппроксимации.

Проводились экспериментальные измерения коэффициента спектральной яркости морской поверхности [см., например, Л.И. Чапурский «Отражательные свойства природных объектов в диапазоне 400…2500 нм МО СССР, 1986 г. Стр. 82, табл. 8.1]

Реализации измерений коэффициента спектральной яркости (КСЯ) морской поверхности эталонной 1 и загрязненной 2 иллюстрируются графиками фиг. 1. Средневзвешенная длина волны λ_ср делит площадь под графиками 1, 2 пополам в диапазоне от 400 до 800 нм. В соответствии с фиг. 1 эти значения составили: λ_этал=0,54 мкм, λ_загр=0,60 мкм. Затем осуществляют обработку снимков цифровой видеокамеры. Установлено, что психологически, восприятие образа объекта человеком-оператором происходит на уровне контуров. Последнее достигается путем выделения контуров (контурного рисунка) на изображениях, осуществляемое 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. Выделение контуров на изображении с использованием масок различных операторов представляется стандартной математической операцией [см., например, П.А. Минько «Обработка графики Photoshop CS2», изд. Эксмо, 2007 г., стр. 47-56]. В частности, например, перекрестный оператор Робертса рассчитывают в окне (маске) 2×2 элемента для каждой дискретной точки изображения I(х, у) из соотношения:

R(i,j)=|I(i,j)-I(i+1,j+1|-|I(i+1,j)-I(i,j+1)

Вычисленное значение оператора сравнивают с установленным порогом R(i, j)>П, выводят на экран точки, для которых R(i, j) превышает порог. После выделения контура на видеоизображении рассчитывают количественные значения селектируемых параметров.

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

где F_max - максимальная частота спектра функции [см., например, Теоретические основы радиолокации, под ред. В.Е. Дулевича, Сов. Радио, М, 1964 г., стр. 212]. Волнение морской поверхности, в баллах, оценивают по шкале Бофорта:

В соответствии со шкалой Бофорта, наименьшая длина волны (рябь) составляет 0,3 м. Следовательно, для неискаженного восстановления спектра ветрового волнения, по его изображению видимого диапазона, пространственное разрешение цифровой видеокамеры должно составлять порядка 15 см на пиксель.

Космические средства на больших высотах из-за расплывания фокуса в стратифицированных слоях атмосферы не обеспечивают требуемого пространственного разрешения. Поэтому в заявленном техническом решении в качестве носителя средств измерений используют аэрокоптер с высотой наблюдения несколько сот метров.

Амплитудно-частотный спектр G(F_x, F_y) волнения может быть восстановлен по его изображению расчетом Фурье-преобразования матрицы отсчетов из |m×n| элементов в соответствии с зависимостью:

где F_x, F_y - спектр волнения по координатам х, у;

I(х, у) - функция яркости изображения;

m, n - число строк, столбцов матрицы |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.

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].

Фрактальная размерность Ω 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.

Пусть (x₁, y₁) и (х₂, у₂) - двумерные координаты точек, а третья координата, яркость, задана в виде функции координат I(х, у).

Тогда ε - осцилляцией значений (I) будет разность наибольшего и наименьшего значения (I) в (ε) окрестности (х, у).

После этого ε - вариацию значения I вычисляют как:

где a, b - пределы, в которых изменяется переменная х;

с, d - пределы, в которых изменяется переменная у.

Фрактальная размерность матрицы вычисляется как размерность Хаусдорфа:

Вычисление фрактальной размерности изображений объектов осуществляют по специализированной программе. Текст программы приведен ниже в примере реализации.

В целом, показатель загрязнения морской поверхности представляется как зависимость от произведения селектируемых параметров

Пример реализации способа

Заявленный способ может быть реализован по схеме фиг. 4. Функциональная схема содержит носитель - аэрокоптер (1) с установленными на нем средствами измерений: цифровая видеокамера (2) и спектрометр видимого диапазона СП-9 (типа «Астра») (3). 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 районов записывают в бортовое запоминающее устройство (6) с одновременной привязкой изображений по координатам от аппаратуры потребителей (7), космической системы позиционирования «ГЛОНАСС». После посадки носителя массивы полученных измерений помещают на сервер хранения данных (8). Тематическую обработку изображений осуществляют в центре обработки (9), где через устройство ввода (10) информацию из сервера хранения передают 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, на винчестер (14) записывают программы специализированного программного обеспечения MATH CAD. Затем, программным методом, осуществляют выделение контуров на видеоизображении [см., например, П.А. Минько «Обработка графики Photoshop CS2», изд. Эксмо, 2007 г., стр. 47-56 глава №. Методы выделения областей].

Результат выделения области загрязнения иллюстрируется фиг. 2. 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 длины волны пространственного спектра принимают значение, делящее площадь под графиками фиг. 3 пополам. Эти значения соответственно составили: для загрязненного участка

эталонного

По специализированной программе рассчитывают фрактальную размерность изображений выделенного контура и эталонного участка.

Текст программы вычисления фрактальной размерности изображений:

Фрактальная размерность изображения, по Хаусдорфу, занимает интервал [2…3].

Например, фрактальная размерность эталонного участка Ω₁=2,4, текущего загрязненного участка Ω₂=2,6. В целом, для расчетных графиков фиг. 1, 3 селектируемые параметры сигналов составили величины:

- эталонный участок: λ₁=0,54 мкм,

Ω₁=2,4;

- загрязненный участок: λ₂=0,60 мкм,

Ω₂=2,6

Произведения параметров П₁=2,9, П₂=5,2

Модуль разности |ΔП|=2,3

Уровень загрязнения:

Заявленный способ может быть реализован на существующей технической базе.

Эффективность способа характеризуется высокой чувствительностью измерений, достоверностью результатов, возможностью документальной визуализации с нанесением участков загрязнений на контурную карту прибрежной зоны.

Claims

Способ определения уровня загрязнения морской поверхности включает зондирование прибрежных акваторий, содержащих эталонные участки, средствами, установленными на аэрокоптере, с получением синхронных снимков видеокамерой и регистрограмм спектрометра с их привязкой по координатам системой позиционирования «ГЛОНАСС», выделение контуров областей загрязнений на видеоснимках программным расчетом функции яркости изображения I(х, у), вычисление селектируемых параметров сигнала внутри выделенных контуров: средневзвешенной длины волны (λ) отраженного светового потока; средней длины волны пространственного спектра
волнения поверхности; фрактальной размерности видеоизображения (Ω), определение параметра загрязнения П для анализируемого и соответствующего ему эталонного участка как произведения селектируемых параметров
определение разницы |ΔП| для анализируемого и эталонного участков, оценку уровня загрязнения в процентах через отношение ΔП к П эталонного участка.