ВЕЙВЛЕТ-АНАЛІЗ СУПУТНИКОВИХ ЗНІМКІВ ЗЕМНОЇ ПОВЕРХНІ

При обробці супутникових зображень земної поверхні є актуальною задача шумоподавлення. Відносно новим є спосіб шумоподавлення за допомогою вейвлет-функцій. Вейвлети дозволяють аналізувати різні типи сигналів і ефективно усувати шум, тому особливий інтерес представляє дослідження їх можливостей для підвищення якості зображень [1].

Вейвлети представлені великим числом базисних функцій, що робить математичний апарат вейвлет-аналізу більш гнучким для представлення і обробки зображень. Зокрема, з його допомогою можуть проводиться дослідження можливостей вейвлет-фільтрів для обробки різних типів зображень.

Серед професійного і найбільш сучасного програмного забезпечення, що здатне розв’язувати досить складні задачі практичного використання вейвлетів і вейвлет-перетворень, можна виділити три основних програмних пакети – Mathcad Professional, MATLAB, Mathematica. Ці програмні комплекси використовуються як для самого аналізу властивостей вейвлет-функцій і вейвлет-перетворень, так і для їх використання в задачах обробки цифрових сигналів і зображень.

Мета роботи – з’ясувати, який тип вейвлетів забезпечує найкращу фільтрацію зображення при різних типах завад і шумів.

Практичну реалізацію фільтрації зображень з різними варіаціями відповідних параметрів проводили в системі MATLAB 7.8. Операцію фільтрації зображень проводили з файлами у форматі *.mat. Імпорт файлів супутникових знімків, отриманих у форматі *.jpg (табл. 1) та переведенням у сірій напівтон, проводили за допомогою наступного коду:

function [X]=map(f,r,g,b)
% f – назва файлу у форматі *.jpg
A=imread(f);
A=double(A);
Xrgb=r*A(:,:,1)+g*A(:,:,2)+b*A(:,:,3);
NbColors=255;
X=wcodemat(Xrgb,NbColors);
map=gray(NbColors);
end;

Значення коефіцієнтів r, g, b змінювали в межах від 0,1 до 0,6.

Для фільтрації завад у вигляді хмарності на знімку (1) використовували 7 типів вейвлетів. З їх допомогою відфільтровували завади наперед вибраного полігону (рис. 1) з подальшою декомпозицією двох зображень вибраного полігону, їх накладанням та відновленням. Необхідною умовою даної операції є однаковий розмір зображень.

Таблиця 1. Параметри супутникових знімків 

 

Для отримання найкращих результатів фільтрації при підборі деталізуючих коефіцієнтів було прийнято рішення використовувати практично однакові значення для всіх видів вейвлетів, тим самим ми мали змогу встановити дійсні відмінності в результаті використання кожного типу вейвлету.

Рис. 1. Полігон на супутникових знімках

Умовно процедуру фільтрації можна розбити на три етапи:

1. Визначення базисного вейвлету, який буде використаний для сепарабельного розкладу, кількісті нулевих моментів, а також визначення рівня декомпозиції, при якому буде проводитися даний розклад. На основі вибраних параметрів проводити аналіз зображення, яке складається із сепарабельного двовимірного прямого і оберненого вейвлет-перетворення, в результаті якого ми отримуємо необхідні вейвлет-коефіцієнти. Отримані коефіцієнти в подальшому використовуються для фільтрації зображення.

2. На другому етапі існує можливість зміни кількості вейвлет-коефіцієнтів за трьома складовими: вертикальною, горизонтальною і діагональною на кожному із рівнів декомпозиції.

3. Третій етап – це процес фільтрації, який реалізується за допомогою накладання і відновленням зображень супутникових знімків з хмарністю (1) і без хмарності (2) при визначеному рівні порогової оцінки з використанням GUI-інтерфейсу розширення Wavelet Toolbox системи MATLAB (рис. 2).

Рис. 2. Вікно розширення Wavelet Toolbox 4.4 системи Matlab при накладанням і відновленням зображень

В подальшому можемо проводити виділення контурів географічних об’єктів очищеного від завад зображення обраним методом.

В результаті виконаних вейвлет-перетворень імпортованих супутникових знімків встановлено, що для розв’язку задачі фільтрації завад у вигляді хмарності підходять вейвлети Гаара і Добеші. Найкращі показники фільтрації реалізується при глибині розкладу 2-го рівня. Збільшення глибини розкладу перетворення починає формувати згладжену версію вихідного зображення, тобто відфільтровуються не тільки завади, а і деякі локальні особливості об’єктів.

Сукупність проведених операцій дозволяє більш чітко визначити контури географічних об’єктів на супутникових знімках для картографічних і геодезичних задач.

Розглянутий спосіб обробки можна застосовувати при аналізі будь-яких зображень для деталізації об’єктів дослідження.

Список літератури

1. Дьяконов В.П. Matlab. Обработка сигналов и изображений. Специальный справочник / В.П. Дьяконов В.П. – СПб.: Питер, 2002. – 608 с.
2. Воскобойников Ю.Е. Фильтрация сигналов и изображений: Фурье и вейвлет-алгоритмы / Ю.Е. Воскобойников, А.В. Гочаков, А.Б. Колкер. – Новосибирск : Изд-во Новосибирского ГАСУ (СИБСТРИН), 2010. – 195 c.
3. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде Matlab / Р. Гонсалес, Р. Вудс, C. Эддинс. – М.: Техносфера, 2006. – 616 с.