Прудиус і Н, Лазько О В, Лазько Л В, Семенов С А Національний університет «Львівська політехніка» Інститут телекомунікацій, радіоелектроніки та електронної техніки вул Ст Бандери, м Львів, 79013, Україна тел: 8032-2728572, e-mail: iprydyus@polynetlvivua lazko_new@yahoocom

Анотація – Розглядається запропонований авторами новий метод комплексування даних у багатоканальних супутникових системах дистанційного зондування, властивості якого було перевірено на підставі даних, отриманих за допомогою супутника Landsat 7 ЄТМ + Перевага запропонованого методу полягає у використанні багаторівневого походу до задачі комплексування інформації в різних спектральних діапазонах, і була підтверджена порівнянням з системами без комплексування або з комплексуванням на рівні даних

I                                       Введення

Сучасні системи спостереження, побудовані на основі сенсорів різного типу та відповідних підходів комплексування даних, дозволяють вирішувати різні завдання дистанційного зондування, моніторингу навколишнього простору, ідентифікації та супроводу обєктів [1] Після відповідної обробки, отримана інформація інтенсивно використовується в сільському господарстві, лісництві та земельному господарстві, картографії, геології, гідрології та моніторингу навколишнього простору Використовуючи оптичний і інфрачервоний діапазони, за допомогою сучасних супутникових систем моніторингу, можна отримати зображення в широкому діапазоні дозволяють здібностей [4]

II                              Основна частина

Незважаючи на існування великої кількості методів комплексування інформації, отриманої у формі зображень, їх можна кпассіфі-царювати за такими рівнями [1]: на підставі даних (пікселів), ознак і рішень Кожен із зазначених рівнів характеризируется різними схемами обробки інформації та різним обсягом обчислень

Комплексування на рівні даних разом з високими обчислювальними витратами може забезпечити найкращі результати, оскільки використовує дані від всіхсенсорів:

де, Ij – інтенсивність зображення i-ro каналу Wj – ваговий коефіціент i-ro каналу

Розглядаючи умова відсутності втрат в процесі прийому, якість комплексування даних на цьому рівні визначається використаними методами подальшої обробки

Комплексування на рівні ознак полягає в обєднанні ознак, які були виділені незалежно в кожному каналі 1/1з-за відсутності спільного аналізу інформації з сенсорів різних каналів, цей рівень має менші обчислювальні витрати

Комплексування на рівні рішень виробляється на базі рішень, прийнятих окремо за даними кожного з каналів Оскільки дані і рішення приймаються в кожному каналі незалежно, цей метод є менш чутливим до якості спільної реєстрації даних, однак для забезпечення вищої якості кінцевих зображень, точність обробки даних в кожному каналі має бути покращена Даний рівень характеризується найменшою обчислювальною складністю

У запропонованому багаторівневому методі комплексування вчиняється спільне застосування трьох зазначених рівнів комплексування

Властивості запропонованого методу були досліджені на основі даних, отриманих за допомогою супутника Landsat 7 ETIVi + з 7 каналами у видимому й інфрачервоному діапазонах

[Запропонований метод комплексування даних був протестований на основі рішення гідрологічної завдання, а саме, визначення меж водних обєктів при використанні 1-5 спектральних каналів супутника Landsat 7 ETIVi+

5 На основі отриманих даних була вирішена задача детекції водного обєкта, а саме, річки Вибір цього набору каналів був обумовлений рекомендаціями LTAP (Long Term Acquisition Plan) для супутника Landsat-7, в якому описані характеристики різних типів поверхонь в кожному з каналів Канали 1предложено використовувати як основні через їх високої чутливості до обєктів даного типу

Оцінка результатів комплексування проводилася шляхом порівняння карти розміщення шуканого обєкта (річки) з результатами роботи методу, шляхом розрахунку ймовірностей пропуску цілі і помилкової тривоги, як основних критеріїв відповідності отриманого результату оригіналу У разі, коли піксель реального зображення не присутній в отриманому зображенні, говоримо про поняття пропуску цілі в протилежному випадку, коли піксель отриманого зображення не присутній в реальному зображенні, говоримо про поняття помилкової тривоги Важливість ймовірностей пропуску цілі і помилкової тривоги в різних системах різна: в одних системах ставка робиться на максимальне зменшення значення однієї з ймовірностей, в той час як значення інший не є критичним і не вимагає додаткових витрат для його зменшення Прикладом систем, де критичним є значення ймовірності пропуску цілі, виступають системи сигналізації У них пропуск цілі абсолютно неприпустимий, в той час як витрати в результаті помилкового спрацьовування системи будуть значно менше витрат її неспрацьовування Ситуація є зворотною в пропускних системах, де ймовірність помилкової тривоги повинна бути якомога меншою, а значення ймовірності пропуску цілі не є критичним При розробці дослідженого багаторівневого методу комплексування в основу було покладено критерій Неймана-Пірсона [5], в якому основна увага була зосереджена на зменшенні значень ймовірності пропуску цілі при забезпеченні відповідного рівня ймовірності помилкової тривоги

III                                  Висновок

Отримані результати показують, що запропонований багаторівневий метод забезпечує найменшу ймовірність помилки (ймовірність пропуску мети – 0,0642 проти 0,1040, і ймовірність помилкової тривоги – 0,0022 проти 0,0039) порівняно з системами, які використовують окремі канали Порівняння з системами, де було використано комплексування на рівні пікселів, показало, що при трохи гіршій ймовірності помилкової тривоги (0,0022 – як результат роботи методу, проти 0,0005 – у разі пиксельного комплексування 1-го, 3-го і 5-го каналів) було досягнуто значне поліпшення ймовірності пропуску цілі (0,0642 – Як результат роботи методу, проти 0,2826 – у разі пиксельного комплексування даних 1-го, 2-го і 3-го каналів)

IV                           Список літератури

[1] Hall D (ed) andLllnasJ (ed), Handbook of Multisensor Data Fusion, CRC Press LLC, 2001

[2] A K Jain and R C Dubes Algorithms for Clustering Data, Prentice Hall, 1988

[3] P Felzenszwalb, D Huttenlocher, Image Segmentation Using Local Variation, Proc IEEE, Conference on Computer Vision and Pattern Recognition, pp 98-104, 1998

[4] I Prudyus, T Holotyak, L Lazko, Multilevel data fusion in multichannel imaing systems, Proc SPIE, Photonics applications in astronomy, communications, industry and high- energy physics experiments IV, volume 6159, pp 61594C- 1-61594C-5, Wilga, Poland, 2005

[5] Гмурман В Ε, Теорія ймовірностей і математична статистика М: BLU, 2000

IMAGE FUSION IN WIDEBAND PASSIVE SATELLITE MONITORING SYSTEMS BASED ON MULTILEVEL APPROACH

Prudyus I N, Lazko O V, Lazko L V, Semenov S A

Institute of Telecommunications,

Radio Electronics and Electronic Devices,

Lviv Polytechnic National University

S                    Bandery Str, Lviv 79013, Ukraine Ph: +380 (32) 2728572, e-mail: iprydyus@polynetlvivua, iazko_new@yahoocom

Abstract – A new data fusion technique for multichannel remote sensing satellite systems is suggested, whose properties have been verified using the data received via the Landsat 7 ETM+ satellite The principal advantage of this technique, confirmed by comparisons at the data level between systems with or without data fusion, is the application of a multilevel approach to the data fusion problem

I                                         Introduction

Modern monitoring systems involving various types of sensors and respective approaches to the data fusion offer an opportunity of addressing different problems of remote sensing, ambient monitoring, target detection and tracking Using optical and infrared bands, modern satellite monitoring systems deliver images in a wide range of resolutions

II                                        Main Part

Despite numerous data fusion techniques available, all of them may be classified by pixel (data), attribute, and solution levels Each of these levels employs different approaches to data processing

The suggested multilevel data fusion technique provides joint implementation of all three data fusion levels

Features of this technique were investigated on the basis of data received from the Landsat 7 ETM+ satellite involving 7 channels in visible and infrared bands

The suggested data fusion technique has been tested by solving a hydrologic problem, I e determining the boundaries of water bodies using channels 1-5 ofthe Landsat 7 ETM+ satellite

The obtained data was used to detect a water body (river) The above set of bands was selected in view of the LTAP recommendations for the Landsat-7 satellite where features of various surface types for each channel are described The application of the channels 1-5 as principal channels was suggested because of their high sensitivity to such objects

III                                       Conclusion

Available results show that the suggested multilevel technique provides minimal error probability (undetection probability of 00642 vs 01040 and false alarm probability of 00022 vs 00039) compared to systems that use separate channels Compared to systems using pixel fusion, it has been established that for a slightly inferior false alarm probability (00022 as a result of the technique employed vs 00005 for the pixel fusion ofthe bands 1, 3, and 5), a considerable improvement in the undetection probability (00642 vs 02826 for the pixel fusion ofthe bands 1, 2 and 3) has been achieved

Джерело: Матеріали Міжнародної Кримської конференції «СВЧ-техніка і телекомунікаційні технології», 2006р