RF http://novacenter.ru/cmsms/opportunities-en
C http://novacenter.ru/cmsms/opportunities-en
A opportunities
RP opportunities
SL ru-RU
PL ru-RU

Основные возможности

Базовый функционал программного комплекса

Обработка данных космической съемки

Открытие снимков различных космических аппаратов:

Aist2D, EO-1, FORMOSat 2, Gaofen-2, GeoEye-1, IKONOS 2, Kanopus-B, Kanopus-1, Kanopus-2, Kanopus-3, Landsat 1, Landsat 2, Landsat 3, Landsat 4, Landsat 5, Landsat 6, Landsat 7, Landsat 8, Landsat 9, Meteor-M2, PlanetScope, Pleiades-1A, Pleiades-1B, QuickBird-2, RapidEye, Resurs-DK1, Resurs-P №1, Resurs-P №2, Resurs-P №3, Sentinel-2, Spot 5, Spot 6, Spot 7, Triplesat 1, Triplesat 2, Triplesat 3, VNREDSat 1A, WorldView-1, WorldView-2, WorldView-3.
Cosmo-SkyMED h5, Cosmo-SkyMED XML, TerrraSAR-X/TanDEM-X passport, Radarsat-2 Passport, Seninel 1A,B, SLC converted data, RCM manifest

Первичная обработка

Сведение каналов

В программном комплексе IMC есть возможность устранить смещение между каналами мультиспектральных данных. Устранение смещения происходит путем привязки спектральных каналов к панхроматическому.

Устранение не сведения каналов в ПК IMC. Снимок с КА “Канопус-В”, Москва, стадион “Лужники”. Слева - исходное изображение, справа - после обработки.

Уточнение геопривязки

Приведен пример уточнения привязки снимков в программном комплексе IMC. Исходные данные: маршруты с КА “Канопус-В”. Нагляднее всего расхождение маршрутов видно на дороге. И это расхождение по взаимной привязке составляет около 100 м. На первом изображении - исходный снимок, на втором - опорные точки для последующей привязки изображения, на третьем - изображение после обработки.

Уточнение привязки геоданных происходит с использованием имеющихся пространственных данных, таких как растры с пространственной привязкой или векторные объекты, которые имеют нужную систему координат. Это позволяет связать два снимка так, чтобы одни и те же объекты на этих снимках были расположены по одним координатам при помощи опорных точек.

В программном комплексе реализована функция автоматического поиска связующих точек, а так же инструментарий для самостоятельного набора опорных точек самим оператором.

Предварительная обработка

Предварительная обработка

Предварительная обработка в ПК IMC включает в себя:

  • чтение паспорта снимка;
  • формирование композитного изображения;
  • назначение цветовых каналов;
  • атмосферную коррекцию изображения;
  • удаление неинформативных полей.

Чтение паспорта снимка

Паспорт снимка содержится в наборе исходных данных в текстовом формате или формате XML. В ПК IMC данные из паспорта считываются автоматически с последующим формированием композитного изображения.

Также автоматически заполняется информация о каналах изображения: диапазоны длин волн, ширина диапазонов, коэффициент усиления, сдвиг. И метаданные: наименование КА, время/дата съемки, тип сенсора, тип слоя, разрешение, облачность

Атмосферная корекция

Целью атмосферной коррекции является получение отражательной способности поверхности (которая характеризует свойства поверхности) от удаленных зондов путем удаления атмосферных эффектов.

В ПК IMC есть два способа проведения атмосферной коррекции: общая коррекция и модель атмосферы.

Общая атмосферная коррекция настраивается вручную оператором при наличии необходимых параметров.

Во втором способе проводится атмосферная коррекция по графику пропускания атмосферы, который можно выбрать из предложенного списка или загрузить необходимый.

Атмосферная коррекция на снимке Landsat - 8, проведенная в ПК IMC по графику коэффициента пропускания. Слева - исходное изображение, справа - изображение после атмосферной коррекции.

Паншарпенинг

Процесс паншарпенинга на снимке с КА “Канопус - В”, выполненный в IMC. Слева направо показаны: панхроматический снимок (2 м), мультиспектральное изображение (10 м), паншарпенинг - как результат слияния (2 м).

Паншарпенинг позволяет получить из панхроматического и мультиспектрального каналов двух продуктов одно изображение. Панхроматический канал, как правило, имеет более высокое пространственное разрешение, мультиспектральный – более низкое. В результате слияния каналов получается цветное изображение с высоким разрешением.

Устранение шума

В ПК IMC реализованы методы фильтрации, использующиеся для устранения шума и единичных дефектов, представляющего собой резкие локальные скачки яркости, в том случае, если основными объектами для анализа являются площадные объекты.

Устранение шумов и царапин на архивном снимке в программном комплексе IMC.

Повышение линейного разрешения

Материалы аппаратуры «Геотон-Л1». Слева изображен исходный снимок, который имеет разрешение 1 м. В результате обработки удалось повысить разрешение до 0,57 м.

В программном комплексе IMC есть возможность повышения линейного разрешения снимков и оценка качества исходных материалов.

Тематическая обработка

Методы тематической обработки спутниковых снимков позволяют детально изучать изображения и получать векторные слои с атрибутивной информацией, в том числе и в автоматическом режиме. В программном комплексе IMAGE MEDIA CENTER реализован широкий спектр инструментов для тематической обработки спутниковых снимков.

Анализ изображений в псевдоцветах

Анализ изображений в псевдоцветах включает:

  • применение различных комбинаций цветовых каналов;
  • метод наибольшего подобия;
  • использование цветовых пространств (RGB, CMYK, Lab, HLS, HSB).

Анализ изображений в псевдоцветах полезен при выявлении конкретных объектов, как например, выявление пожаров на снимках.

Одна из тематических задач, которую можно решить с помощью ПК IMC - выявление пожаров. Слева - исходный снимок с КА Landsat - 8, справа - изображение в псевдоцветах.

Формирование и анализ индексных изображений

В ПК IMC есть возможность расчета индексов для решения разных тематических задач. С помощью вегетационного индекса можно отделить растительность от других объектов. Слева - исходных снимок с КА Santinel - 2, справа - индексное изображение.

Значение яркости каждого пиксела индексного изображения формируется путем проведения математических операций, в которых в качестве параметров используются значения яркости каждого пиксела из разных каналов снимка.

В зависимости от цели исследования используются различные индексы:

  • вегетационные индексы;
  • почвенные индексы;
  • водные индексы;
  • снежные индексы;
  • пользовательские индексы.

Для формирования индексных изображений в ПК IMC реализован инструмент "Калькулятор каналов", который позволяет пользователю составлять любые математические формулы с использованием каналов изображения.

Кластеризация

Если неизвестно какие объекты присутствуют на исходном изображении, в ПК IMC есть возможность проведения классификации без обучения двумя способами: с учетом k - средних и нечеткой кластеризации.

Метод кластеризации с учетом k - средних - наиболее популярный, его суть состоит в: распределении объектов выборки по кластерам, пересчете центров кластеров.

Метод нечеткой кластеризации при котором каждая точка данных может принадлежать более чем одному кластеру.

После проведения кластеризации необходимо дешифрирование полученных классов, чтобы определить, каким объектам они соответствуют.

Таким образом, классификацию без обучения применяют:

  • если заранее неизвестно какие объекты есть на снимке;
  • на снимке большое количество объектов (более 30) со сложными границами;
  • также можно применять, как предварительный этап перед классификацией с обучением.
- морская вода - смешение воды - вода - песок - взвеси - почва - болота - глубинные участки
В ПК IMC есть возможность применения классификации без обучения для решения одной из самых распространенных тематических задач - классификация объектов. Слева - исходное изображение с КА Santinel - 2, справа - тематическая карта с классифицированными объектами.

Классификация с обучением

- деревья - кустарники - трава - вода - почва - песок - проезжая часть - ж/д пути - здания
С помощью классификации с обучением можно создавать тематические карты подстилающих поверхностей в ПК IMC.

Для контролируемой классификации используются эталонные области, которые определяет оператор исходя из их принадлежности определенному классу объектов. Для последующего распознавания в качестве обучающих выборок используются значения пикселей эталонных областей в различных спектральных диапазонах.

Таким образом, каждый пиксель изображения относится к определенному классу на основании последовательного сравнения со всеми созданными эталонами. При контролируемой классификации сначала определяются информационные классы, а затем, на их основе, спектральные.

После набора классов в ПК IMC есть возможность выбрать способ классификации:

  • метод наименьшего расстояния;
  • метод наибольшего подобия;
  • классификация по расстоянию Махаланобиса.

Спектральный анализ

Основными величинами, подлежащими изменению при спектральном анализе, являются длина волны, интенсивность отраженного сигнала и пространственная координата исследуемой поверхности.

В ПК IMC реализованы следующие методы спектрального анализа:

  • корреляция с/без учета амплитуды;
  • двоичное кодирование;
  • спектрально-угловое картирование;
  • ортогональная проекция подпространства.
- хвойный лес - вспаханное поле - трава - грунт - поля - посевы
Спектральный анализ может быть полезен для выявления объектов, классификации данных по их спектральным характеристикам наземных объектов. Например, одной из самых распространенных задач, который решает ПК IMC - классификация растительности по породному составу.

Текстурный анализ

С помощью текстурного анализа в ПК IMC, можно определить некоторые характеристики рассматриваемого объекта. Так например на снимке можно выделить разные породы растительности. Первый - исходный снимок, второй - текстурный анализ, третий - результат анализа, в результате обработки были отделены высокие деревья от кустарников.

В программном комплексе IMC есть возможность решения ряда тематических задач с помощью текстурного анализа - совокупности методов качественного и количественного определения характеристик объектов, процессов и явлений на земной поверхности и в атмосфере, основанная на исследовании их структурных особенностей на данных ДЗЗ.

Под текстурой понимается набор признаков изображения, характеризующих его степень однородности, изотропности, регулярности.

Работа с векторными данными

Работа с векторными данными в рамках ПК IMC включает в себя создание и назначение стилей отображения векторных объектов, а также формирование классификаторов с учетом типов объектов, масштаба отображения и набора атрибутивных данных.

Функционал ПК IMC позволяет создавать векторные объекты любой сложности (маркеры, линии, полигоны, составные объекты).

Векторные слои могут быть сохранены в международных форматах SHP и TAB, а также во внутреннем формате IMF, который позволяет хранить растровые и векторные слои с атрибутивной информацией в едином документе.

В ПК IMC есть возможность создавать карты с векторными наборами данных. На изображении - векторная карта побережья, снимок с КА Landsat - 8, Краснодарский край.

Условные знаки

Созданная векторная карта в ПК IMC с применением условных знаков, снимок с КА Landsat - 8, Мурманская область.

В IMC возможно создание и редактирование любых стилей условных знаков.

Программный комплекс позволяет редактировать условные знаки по многим параметрам, таких как:

  • цвет;
  • угол поворота;
  • размер;
  • дополнительные параметры в виде свечения, тени, обводки и д.р.

Буферные зоны

В программном комплексе IMC есть возможность добавления буферных зон по нормативам в зависимости от задачи пользователя.

Можно создавать векторные буферные зоны для охранной зоны линий электропередач, железнодорожных путей, автостоянок, газопроводов и т.д., в зависимости от решаемой конкретной задачи, а так же есть инструментарий для создания пользовательской буферной зоны со значениями, задаваемыми оператором и возможность построения буферных зон пересекающихся объектов.

Буферные зоны могут помочь при решении задачи мониторинга охранной зоны линий электропередач. В ПК IMC есть возможность создания буферных зон по нормативу для охранных зон ЛЭП в зависимости от напряжения.

Проверка топологии

- векторные объекты - результат проверки топологии
1) Результат проверки топологии – найденное самопересечение. 2) Результат проверки топологии – найденное перекрытие. 3) Результат проверки топологии – поиск пустот. 4) Результат проверки топологии – поиск висячих узлов в заданном радиусе. 5) Результат проверки топологии – фильтрация пустот

Проверка топологии может выполняться как для всех объектов редактируемого векторного слоя, так и для текущей выборки векторных объектов. По результатам проверки создается новый векторный слой с детектированными ошибками.

Проверка топологии может включать в себя:

1) Поиск самопересечений полигонов: в результате проверки создается векторный слой с точками в местах самопересечений полигонов.

2) Поиск перекрытий полигонов: в результате проверки создается векторный слой с полигональными объектами, детектирующими перекрытия полигонов.

3) Поиск пустот между полигонами: в результате проверки создается векторный слой с полигональными объектами, детектирующими пустоты между полигонами.

4) Поиск висячих узлов: в результате проверки создается векторный слой с точечными объектами, детектирующими узлы, расположенные на расстоянии, меньше заданного пользователем относительно других линейных объектов слоя.

5) Секция «Фильтрация объектов по площади» позволяет отфильтровать объекты, площадь которых меньше заданной.

Ранжирование плотности векторных объектов

Объекты полигональной темы изображаются точками, число которых, умноженное на вес точки, соответствует значению выбранного для отображения на карте атрибута. Используется для демонстрации распределения какого-либо явления по площади.

Инструмент предназначен для составления карт плотности точечных объектов векторного слоя. По окончании работы алгоритма создается растровый слой со значениями плотности.

На изображении, выполненная с помощью алгоритма ранжирования плотности объектов, карта плотности точек для векторного слоя построек на территории приморского города Краснодарского края.

Работа с таблицей атрибутов

Результат проведения тематической обработки для решения задачи: выявление очагов пожара на снимке с КА Landsat - 8, представлен в виде атрибутивной таблицы с площадями очагов и их координатами.

В ПК IMC есть возможность создания и редактирования атрибутивных таблиц для векторных объектов. Таблица может служить для подсчета результатов данных проведенной обработки. Можно создавать символьные, числовые, логические и другие поля, а также составлять математические выражения, например, для подсчета площади векторных объектов.

В ПК IMC есть возможность редактировать и выполнять поиск по атрибутам с помощью SQL - запросов.

Атрибутивную информация возможно сохранить в формате .csv.

Совмещение космических снимков
с сервисами WMS, WFS

В IMC есть возможность добавления в документ веб-слоя на базе данных WMS и WFS.

WMS сервис позволяет загружать векторные данные, которые содержат информацию о границах государств и административном делении, данных рельефа, об объектах природы, топографические данные, данные об энергетических ресурсах и д.р.

WFS сервис позволяет загружать векторные данные, которые содержат обобщенную информацию о демографии различных стран и всего Мира, границах государств и административном делении, данные рельефа, топографические данные, данные об энергетических ресурсах.

На изображении фрагмент маршрута с КА Канопус - В, совмещенный с веб-слоем на основе данных с сервиса WMS.

Каталогизация данных

Созданная база данных космических снимков и маршрутов с разных космических аппаратов на территорию Российской Федерации.

В IMC возможно формирование и хранение базы данных, содержащих маршруты съемки и отдельные снимки, а так же функции поиска информации в электронном каталоге, обеспечивающие выборку информации по искомым значениям.

Параметры поиска:

  • маршрут;
  • тип КА;
  • аппаратура;
  • дата съемки;
  • территория;
  • описание;

Автоматизация процессов

Программный алгоритм (макрос), заранее записанная последовательность пользовательских действий, которые можно применять к разным наборам исходных данных. Механизм макросов используется для автоматизированного решения однотипных задач по заданным алгоритмам обработки в IMC.

Записанный макрос позволяет в автоматическом режиме проводить тематическую обработку, от предварительной обработки материалов космической съемки до графические и текстовые отчеты на основе результатов обработки.

После записи макросы сохраняются в формате MCR. Действия в алгоритме могут быть в любой момент добавлены, удалены, перезаписаны.

  • возможность сохранения алгоритма в формате MCR;
  • возможность последующего редактирования макроса;
  • работа с относительными путями;
  • запуск макроса в серверном режиме.
Показать схему работы алгоритма макроса
На изображении показаны этапы решения тематической задачи: “Мониторинг водных объектов” в ходе выполнения макроса. Cнисок с КА Santinel - 2, Омская область. На первом изображении - исходный снимок, на втором - индексное изображение, выполненное в ходе работы алгоритма, на третьем - результирующая карта.

Пример работы алгоритма

Мониторинг паводков и наводнений

Чтобы провести мониторинг паводкоопасных участков или смоделировать зону наводнений, можно выполнить готовый алгоритм или создать свой, для последующего решения типовых задач.

Первым этапом выполнения алгоритма является задание рабочих директорий - запись относительных путей с помощью которых будет взаимодействовать макрос (открытие и сохранение файлов).

Следующий этап - предварительная обработка снимка: открытие паспорта, коррекция изображения, удаление неинформативных полей и создание границы снимка.

После предварительной обработки проводится тематическая. Для моделирования наводнений создается изображение, рассчитываемое с помощью индекса NDWI по архивному и актуальному снимку. К индексному изображению применяется цветовой ряд. С помощью выбранного диапазона значений отделяются водные объекты от других.

Для векторного слоя воды создается атрибутивная таблица со значениями площадей.

Для того, чтобы выделить участки, которые могут оказаться в опасной зоне, подгружаются дополнительные векторные объекты с данными о строениях, дорожной сети, социально-значимые объекты и другие.

После проведения тематической обработки создается результирующая карта с исходным снимком и полученными векторными объектами.

По данным результирующей карты формируется отчет с основной информацией, полученной в результате тематической обработки: граница снимка на общей карте, результирующая карта, таблица с атрибутами.

Посмотреть схему алгоритма тематической задачи
01 / 05
  • предварительная обработка, архивный и актуальный снимок
  • тематическая обработка, получение индексного изображения актуального и архивного снимка
  • тематическая обработка, применение цветового ряда
  • результирующая карта
  • отчет

Формирование отчетов

Для комплексной оценки результатов тематической обработки в ПК IMC реализована возможность формирования отчетов, которые могут содержать: снимки, тематические карты, легенду, графики, диаграммы и т.д.

Отчетные формы предназначены для дальнейшей печати и представлены в основных размерах бумаги (А4, А3, А2, 640 х 480 и т.д.), либо предусматривается возможность произвольного размера, заданного оператором.

Также возможно формирование отчета в портретной и альбомной ориентации.

На отчете представлен результат тематической обработки в виде сформированного отчета: моделирование затоплений со снимка с КА Landsat - 8, Кировская область.
На отчете представлен результат тематической обработки в виде сформированного отчета: мониторинг пожаров со снимка с КА Landsat - 8, остров Мадейра.

Отчеты в программном комплексе Image Media Center могут быть как графические, так и текстовые, и могут быть сохранены в форматах JPG, PDF, CSV.

Функционал ПК IMC позволяет создавать шаблоны отчетов, которые удобно использовать для демонстрации результатов выполнения конкретной задачи с различными входными данными, например, в ходе разновременного мониторинга.