Skip to Content

ВЗГЛЯД ИЗ КОСМОСА

Сегодня для бесперебойного функционирования большинства отраслей экономики необходим постоянный мониторинг природных и антропогенных ландшафтов на основе данных дистанционного зондирования Земли. Созданием программного обеспечения обработки космических снимков активно занимаются сотрудники отделов прикладных проблем управления и системного обеспечения Института математики и механики УрО РАН. В конце прошлого года Виктор Костоусов, Федор Корнилов и Александра Дунаева получили премию Губернатора Свердловской области за разработку алгоритмических и программных средств обработки космических изображений земной поверхности с использованием высокопроизводительных суперкомпьютерных технологий. Мы поговорили об этом проекте с зав. отделом прикладных проблем управления ИММ УрО РАН кандидатом физико-математических наук Виктором Борисовичем Костоусовым.
— Какие именно задачи помогает решить обработка данных дистанционного зондирования Земли?
— Получать детальную и регулярно обновляемую информацию о развитии инфраструктуры городских агломераций и других населенных пунктов, отслеживать состояние сельскохозяйственных земель и лесных массивов, обнаруживать незаконные вырубки и выявлять опасные экологические явления, оценивать масштаб стихийных бедствий — все это возможно благодаря обработке данных аэро- и космической съемки. Аэросъемка имеет намного более высокие разрешение и уровень перекрытия по сравнению с космической, но требует значительно больших затрат времени и средств, кроме того использовать летательные аппараты получается не всегда. Преимущества космической съемки — широкий пространственный охват, возможность проводить регулярные наблюдения за интересующей территорией, малое время обработки данных. Со спутников поступают снимки различного разрешения и спектрального состава. Например, для сельскохозяйственного и экологического мониторинга незаменима информация из инфракрасной, невидимой человеческим глазом, части электромагнитного спектра. Космические снимки служат источником еще одного ценного типа данных: поля высот строений и рельефа местности. Для решения задач картографии и кадастрового учета, оценки темпов жилого и промышленного строительства, обнаружения карстовых явлений необходимы трехмерные модели поверхности, которые сегодня строятся методами наземных измерений и требуют значительного времени и ресурсов. Без информации, полученной благодаря космической съемке, невозможна также безопасная навигация беспилотных летательных аппаратов.

Оперативное получение высотных данных по космической съемке и автоматизация процесса дешифрования значительно увеличат скорость и точность принятия управленческих решений. Это и есть наша цель при разработке программного комплекса автоматического построения высокодетальной цифровой модели местности по спутниковым снимкам.
— В чем особенности вашего программного комплекса?
— Мы строим цифровую модель земной поверхности с помощью двухэтапного алгоритма стереосопоставления, который в отличие от большинства аналогичных методов позволяет обрабатывать спутниковые снимки городской застройки. Для стереосопоставления необходимо как минимум два снимка одного и того же участка территории, полученные с разных точек съемки. Оба снимка черно-белые и высокодетальные с разрешением менее одного метра. Одновременно с этой парой для дешифрирования объектов местности используются два мультиспектральных, т.е. цветных, снимка с меньшим разрешением.
Снимки земной поверхности поступают со спутников регулярно, и хотя здесь многое зависит от метеоусловий, в течение месяца реально получить качественные изображения. Было бы здорово, если бы можно было загрузить космические снимки в компьютер, нажать кнопку, и программа выдала бы детальную карту местности, которая обновлялась бы раз в месяц. Это, как уже говорилось, очень способствовало бы планированию градостроительства, развитию дорожной сети, возможно, даже удалось бы отслеживать динамические процессы, например, транспортный трафик.
Но на деле все гораздо сложнее. Первоначальная обработка космических изображений дает на выходе не план города, а полуфабрикат — цифровую матрицу высот строений и рельефа местности. Эта матрица «грубая», она отражает то, что видит камера, — верхушки деревьев, крыши домов, движущиеся и временно припаркованные машины, которые оказались в этом месте в момент съемки. На следующем этапе надо классифицировать все эти объекты. Мы выделяем четыре типа поверхностей: облака (их нужно по возможности удалить со снимка), вода (для водных поверхностей нет необходимости проводить затратное по времени и ресурсам стереосопоставление), растительность и объекты инфраструктуры (дома, дороги и т.д.). Полученная классификация неокончательна, но позволяет настроить алгоритм стереосопоставления на каждый конкретный тип объектов, что повышает итоговую точность и снижает затраты ресурсов на расчеты. Мы можем по-разному обрабатывать области различной природы: более подробно — территории застройки, насыщенные объектами, менее детально — гладкие поверхности, например, водные. На последнем этапе происходит дешифрирование всех полученных данных. Для реализации алгоритма, благодаря которому обнаруживаются строения, мы используем подход, основанный на обучении нейронных сетей специальной архитектуры.
— Каким образом можно обучить искусственную нейронную сеть — ведь это математическая модель?
— Искусственная нейронная сеть – это действительно математическая модель, которая строится по принципу организации и функционирования биологических нейронных сетей — нервных клеток живого организма. Ее параметры, а их тысячи, настраиваются путем обучения на примерах так же, как обучаются живые системы.
Сегодня использование нейронных сетей — самый популярный и перспективный метод обработки изображений. Однако для обработки с их помощью космической съемки необходимо решить ряд сложных проблем, связанных с выбором архитектуры сети и подбором данных для обучения. Мы выбрали такую модификацию сети, для обучения которой использовались данные о поле высот рельефа и объектов местности, и достигли высокого качества обнаружения строений и сооружений.
Трудность заключается и в том, что при появлении существенно отличающихся данных, например, снимков другой природной зоны или другого сезона нейронные сети нужно переобучать. Для переобучения можно использовать разметку строений, полученную с помощью электронной топографической карты, но часто такие карты недостаточно точны, поэтому был разработан дополнительный алгоритм выделения высотных объектов по цифровой модели поверхности. Этот алгоритм позволяет достаточно надежно обнаруживать строения, а для повышения качества локализации мы разработали также специальный алгоритм сегментации изображений, способный в отличие от существующих учитывать имеющуюся информацию о высоте объектов.
Полученная в результате цифровая модель поверхности имеет разрешение 1 м на пиксель с точностью порядка метра в плане и по высоте, что по качеству соответствует лучшим решениям в данной области. Работоспособность программного комплекса проверена при обработке данных различных типов ландшафтов и сезонов природы.
— Когда речь идет о компьютерных программах, первостепенное значение имеет время, которое требуется для их реализации. Насколько быстр ваш алгоритм? 
— Это действительно важнейший вопрос. Стереосопоставление космических снимков — процедура, затратная по времени и ресурсам, поэтому разработка программного комплекса, пригодного для принятия оперативных решений, потребовала подготовки специальной структуры выполнения расчетов, допускающей распараллеливание и использование высокопроизводительных мультипроцессорных систем — суперкомпьютеров. Проведенные эксперименты показали, что для обработки «сцены» площадью порядка 150 км2 на двух тысячах вычислительных ядер требуется около 5 минут. Для сравнения: на обычном компьютере это заняло бы сутки.
— Есть ли аналоги вашей разработки в России и за рубежом?
— Сегодня целый ряд компаний предлагает услуги по дешифрированию данных дистанционного зондирования Земли: Научный центр оперативного мониторинга Земли, Сканэкс и другие. Как правило, они пользуются собственными геоинформационными системами, предполагающими ручную обработку и извлечение требуемых данных специально обученным оператором. Среди отечественных разработчиков автоматических систем отмечу АО «Ракурс» и их комплекс программ «PHOTOMOD». По функциональности он в целом шире нашего программного комплекса, однако при автоматическом построении моделей поверхности больше опирается на обработку аэросъемки, а мы уже говорили о том, что аэросъемка весьма затратна и связана с некоторыми ограничениями. Так что по качеству и производительности обработки данных дистанционного зондирования Земли большого и сверхбольшого объема наш алгоритм, во всяком случае пока, аналогов не имеет.
Беседовала
Е. Понизовкина
фото на с. 4 вверху— В.Б. Костоусов, А.В. Дунаева, Ф.А. Корнилов; внизу — схема областей применения метода: картография, строительство, кадастр, геоморфология.
На с. 5 сверху вниз: исходный мультиспектральный снимок; результат классификации зданий с помощью нейронной сети;
трехмерная модель местности.
 
Год: 
2019
Месяц: 
май
Номер выпуска: 
9-10
Абсолютный номер: 
1194
Изменено 21.05.2019 - 14:15


2021 © Российская академия наук Уральское отделение РАН
620049, г. Екатеринбург, ул. Первомайская, 91
document@prm.uran.ru +7(343) 374-07-47