В статье говорится, что RGB 1 изображения, полученные при помощи цифровых камер, можно использовать для решения задач распознавания типов поверхности Земли (растений). Приводится набор шагов, которые необходимо реализовать, чтобы обрабатывать изображения, полученные с борта беспилотных летательных аппаратов (БПЛА), в режиме реального времени. Применение аналога вегетационного индекса позволяет выделить на RGB изображении растения, что увеличивает вероятность правильного распознавания типов поверхности (растений). Рассматриваются методики предварительной и тематической обработки изображений, необходимой для уверенного распознавания типов поверхности. Для задачи распознавания типа растительности применяется текстурный анализ. Приводятся результаты обработки реальных изображений. 1. Кашкин В.Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: учеб. пособие / В.Б. Кашкин, А.И. Сухонин. – М.: Логос, 2001.– 264 с./
2. Чандра А.М. Дистанционное зондирование и географические информационные системы / А.М. Чандра, С.К. Гош. – М.: Техносфера, 2008.– 312 с./
3. Фетисов В.С. Беспилотная авиация: терминология, классификация, современное состояние. – Уфа: Фотон, 2014.– 217 с./
4. Старовойтов В.В. Цифровые изображения: от получения до обработки / В.В. Старовойтов, Ю.И. Голуб. – Минск: ОИПИ НАН Беларуси, 2014.– 202 с./
5. Яншин В.В., Калинин Г.А. Обработка изображений на языке Си для IBM PC: Алгоритмы и программы. – М: Мир, 1994.– 240 с./
6. Прэтт У. Цифровая обработка изображений. – М.: Мир, 1982, Т. 1–2.– 1104 с./
7. Шапиро Л., Стокман Дж. Компьютерное зрение = Computer Vision. – М.: Бином. Лаборатория знаний, 2006.– 752 с./
8. Визильтер Ю.В., Желтов С.Ю., Бондаренко А.В, Ососков М.В., Моржин А.В. Обработка и анализ изображений в задачах машинного зрения. – М.: Физматкнига, 2010.– 672 с./
9. Hruska, R., Mitchell, J. Anderson, M., Glenn, N.F. Radiometric and geometric analysis of hyperspectral imagery acquired from an unmanned aerial vehicle // Remote Sens.– 2012. – No. 4. – P. 2736–2752./
10. Shepherd, J.D., Dymond, J.R. Correcting satellite imagery for the variance of reflectance and illumination with topography // Int. J. Remote Sens.– 2003. – Vol. 24. – P. 3503–3514./
11. Hruska, R., Mitchell, J., Anderson, M., Glenn, N.F. Radiometric and geometric analysis of hyperspectral imagery acquired from an unmanned aerial vehicle // Remote Sens.– 2012. – No. 4. – P. 2736–2752./
12. Colomina, I., Molina, P. Unmanned aerial systems for photogrammetry and remote sensing: A review // ISPRS J. Photogramm. Remote Sens.– 2014. – Vol. 92. – P. 79–97./
13. Huang, W., Zhang, L., Li, P.-X. A Topographic Correction Approach for Radiation of RS Images by Using Spatial Context Information // Acta Geodaetica Et Cartographica Sinica.– 2006. – Vol. 35, No. 8. – P. 286–290./
14. Dybayah, R., Rich, P. Topographic solar radiation models for GIS // International Journal of Geographical Information Systems.– 1995. – No. 9. – P. 405–419./
15. Bolstad, P.V., Smith, J.L. An Evaluation of DEM Accuracy: Elevation, Slope Aspects // Photographic Engineering and Remote Sensing.– 1994. – Vol. 60, No. 11. – P. 1327–1332./
16. Toutin, T. Geometric Processing of Remote Sensing Images: Models, Algorithms and Methods // International Journal of Remote Sensing.– 2004. – Vol. 25, No. 10. – P. 1893–1924/
17. Kim, J., Kim, T. Fast and robust geometric correction for mosaicking UAV images with narrow overlaps // International Journal of Remote Sensing.– 2017. – Vol. 38, No. 8–10. – P. 2557–2576./
18. Reinhard, E., Adhikhmin, M., Gooch, B. Shirley, P. Color transfer between images // IEEE Computer graphics and applications. –2001. – Vol. 21, No. 5. – P. 34–41./
19. Meyer, G.E., Neto, C.J. Verification of color vegetation indices for automated crop imaging applications // Computers and electronics in agriculture.– 2008. – Vol. 63, No. 2. – P. 282–293./
20. Bannari, A., Morin, D., Bonn, F., Huete, A.R. A review of vegetation indices // Remote Sensing Reviews.– 1995. – Vol. 13. – P. 95–120. /
21. Haralick, R.M. Statistical and structural approaches to texture // Proc. of the IEEE.– 1979. – Vol. 67, No. 5. – P. 786–804./
22. Palm, C. Color texture classification by integrative cooccurrence matrices // Pattern Recognition.– 2004. – Vol. 37, No. 5. – P. 965–976./
23. http://phl.upr.edu/projects/visible-vegetation-index-vvi./
24. https://colorscheme.ru./

• Предыдущая статья
• Следующая статья

• изображения
• беспилотные летательные аппараты
• обработка изображений
• текстурный анализ
• типы поверхности