В.В. Радчук, В.А. Слободян - Автоматизированная классификация структурных признаков загрязнения моря

Аннотация

В.В. Радчук, В.А. Слободян Автоматизированная классификация структурных признаков загрязнения моря.Повышение эффективности мониторинга экологического состояния морей необходимо быстро определить тип загрязнений, а также генезис и следствия.Это предлагается сделать на основе тематического дешефрирования космических снимков.

Общая постановка проблемы

Основными факторами антропогенного загрязнения моря являются: речной сток; береговой сток; абразия берегов; разливы нефти и нефтепродуктов разного происхождения [1]. В первую очередь, интенсивному загрязнению подвергаются прибрежные воды. Для повышения эффективности мониторинга их экологического состояния необходимо быстро и эффективно определять тип загрязнений, а также их генезис и следствия. Это можно сделать на основе тематического дешифрирования космических снимков.

Базируясь на практическом опыте тематической обработки космических снимков с разными типами загрязнений, выделены наиболее информативные естественные дешифровочные признаки каждого типа загрязнения, характерные для Черного и Азовского морей. Все они систематизированы и описаны словесно [2]. Однако для эффективного мониторинга морских акваторий оказывается недостаточным применение только естесственных дешифровочных признаков. Для автоматизации процесса идентификации аномального явления на морской поверхности необходимо выделение исскуственных дешифровочных признаков.

Исследование информативности тестовых фигур

Для достижения цели предложен метод выделения признаков по взаимной корреляции исследуемого контура и контуров набора тестовых фигур. Такой подход использовался, например, в распознавании рукописного текста [3, 4]. На основе полученных в [5] результатов разработан алгоритм автомитического опредления типа загрязнения.

Корреляционный анализ тестовых фигур показал, что из 10 предложенных фигур для дальнейшего анализа целесообразно использовать 8, т.к. две из них коррелированы со всеми остальными фигурами [5].

Используя метод, описанный в [5], были сформированы выборки данных для каждого типа загрязнения. Загрязнения одного типа были объеденены в суммарную выборку. По полученным данным строились гистограммы, определялись значения математического ожидания и дисперсии каждого класса при исследовании каждой тестовой фигуры. Анализ показал, что исследуемые законы распределения можно считать нормальными.

Для дальнейшего анализа в качестве решающего правила был выбран байесовский классифи-катор (1.1) [6]. Со статистической точки зрения он соответствует оптимальному качеству классификации.

где - апостериорная вероятность.

Расчет вероятностей по формуле Байеса дал возможность сформировать матрицы ошибок определения типов загрязнений по каждой тестовой фигуре. Анализ полученных результатов позволил выделить наиболее информативные тестовые фигуры – треугольник, квадрат и пятиугольник. Вероятность правильного распознавания типов загрязнений по этим фигурам варьируют от 0,6 до 0,9.

Алгоритм распознавания типов загрязнений морских акваторий

Результаты корреляционного и вероятностного анализа использовались для построения алгоритма определения типов загрязнений морских акваторий. Процесс распознавания причины аномального явления на морской поверхности включает в себя следующие этапы:

1. получение космических снимков Черного и Азовского морей;

2. выделение контура аномального участка на морской поверхности;

3. преобразование контура фигуры в развертку;

4. аппроксимация контура;

5. создание математической модели выделенного контура;

6. расчет коэффициентов корреляции исследуемого пятна и отобранных для анализа тестовых фигур (треугольник, квадрат, пятиугольник);

7. расчет вероятностей типов загрязнений по одномерным, двухмерным и трехмерным плотностям распределения;

8. определение максимального значения вероятности и принадлежности исследуемого пятна к одному из классов загрязнений.

Перспективность использования методов дистанционного зондирования для решения задач мониторинга морских акваторий основана на возможности регистрации современной дистанционной аппаратурой широкого спектра значащих параметров водной среды. К ним относятся, прежде всего: вариации гидрооптических характеристик, в первую очередь цвета и мутности; изменения гидродинамических параметров; вариации температуры.

Выводы

В работе предложен алгоритм распознавания типов загрязнений Черного и Азовского морей с применением тестовых фигур. Решение данной задачи обосновано необходимостью автоматизировать процесс космического мониторинга морских акваторий. Анализ полученных экспериментальных результатов показал, что применение разработанного алгоритма позволяет идентифицировать типы загрязнений с достаточной вероятностью, что дает возможность автоматизировать процесс распознавания аномальных явлений на морской поверхности.

Список использованной литературы

1. Красовский Г.Я., Петросов В.А. Інформаційні технології космічного моніторингу водних екосистем і прогнозу водоспоживання міст. – К.: Наукова думка, 2003. – 224 с.

2. Красовский Г.Я. Аэрокосмический мониторинг поверхностных вод. – Л.:ВНИИКАМ, 1992.– 231с.

3. Гонсалес Р., Дж. Ту. Принципы распознавания образов: Пер. с англ. – М.: Мир, 1978. – 416 с.

4. Прэтт У. Цифровая обработка изображений: Пер. с англ. – М.: Мир, 1982. – Кн. 2. – 480 с.

5. Слободян В.А. Исследование информативности тестовых фигур с применением корреляционного анализа // Авиационная и космическая техника и технология. – 2008. – №2 (49). – С. 89 – 92.

6. Вентцель Е.С., Овчаров Л.А. Теория случайных процессов и ее инженерные приложения. – М.: Высш. шк.., 2000. – 383с.

7. Брашеван А.Н. Статистическая модель многомодовых экспериментальных данных // Радиоэлектронные и компьютерные системы. – 2003. – №2. – С.82 – 85.

8. Гелецян Д. Векторизация растровых изображений.

9. Математические модели электронных аппаратов и систем / М.Ф. Бабаков, А.В. Попов, М.И. Луханин. – Учеб. пособие. – Харьков: Нац. аэрокосмический ун-т «Харьк. авиа. ин-т», 2003. – 109 с.