Анализ адекватности γ-коррекции эффекта затенения при спектральных сьемках поверхности Земли с применением беспилотных летательных аппаратов


DOI: 10.34759/trd-2023-130-22

Авторы

Гумбатов Д. А.

Национальное аэрокосмическое агентство Азербайджана, ул. Ахундова Сулеймана Сани, 1, Баку, AZ1115, Азербайджанская Республика

e-mail: h.dilan@mail.ru

Аннотация

Объектом исследования является эффект затенения при спектральных сьемках земли с применением БПЛА, оснащенных спектральными камерами. Предметом исследования является адекватность гамма-коррекции эффекта затенения, осуществляемой при спектральных сьемках. Целью исследования является исследование степени адекватности метода гамма коррекции для объектов, которые частично затенены. Эффект затенения в реальной исследуемой сцене должен быть учтен при изучении состояния растительности с использованием различных вегетационных индексов. Так, например, значения таких широко распространенных индексов как NDVI и LAI несколько выше на солнечно-освещенных участках, по сравнению с затененными участками. Эффект затенения также может дать полезную информацию геометрического характера о расположении дистанционно изучаемых объектов среды. Показано существенное различие в степени адекватности γ-коррекции применительно к однотипным объектам с идентичной степенью затененности в случае применения методов геометрического и алгебраического усреднения. Средняя величина DN в общем случае может быть вычислена двумя способами: 1. Метод геометрического усреднения. 2. Метод алгебраического (сверточного) усреднения.

Обнаруженное различие состоит в том, что в случае геометрического усреднения адекватность γ коррекции понимается в смысле равенства усредненной величины логарифма скорректированной величины геометрического усреднения затененных и незатененных частей объектов к усредненной величине логарифма для незатененной части. Однако, в случае алгебраического усреднения адекватность γ коррекции понимается в смысле равенства усредненной величины логарифма незатененной части к усредненной величине логарифма γ-скорректированной величины затененной части объектов.

Ключевые слова:

БПЛА, коррекция, эффект затенения, мультиспектральные и гиперспектральные камеры, дистанционное зондирование

Библиографический список

  1. Антонов Д.А., Жарков М.В., Кузнецов И.М., Лунев Е.М., Пронькин А.Н. Определение навигационных параметров беспилотного летательного аппарата на базе фотоизображения и инерциальных измерений // Труды МАИ. 2016. № 91. URL: https://trudymai.ru/published.php?ID=75632
  2. Корнеев М.А., Максимов А.Н., Максимов Н.А. Методы выделения точек привязки для визуальной навигации беспилотных летательных аппаратов // Труды МАИ. 2012. № 58. URL: https://trudymai.ru/published.php?ID=33061
  3. Волокитин Д.А., Князева В.В., Румянцев Д.С. Система стабилизации и управления видеокамерой для аэровидеосъёмки с беспилотного летательного аппарата // Труды МАИ. 2015. № 83. URL: https://trudymai.ru/published.php?ID=62159
  4. Beniaich A., Silva M.L.N., Avalos F.A.P., Menezes M.D., Candido B.M. Determination of vegetation cover index under different soil management systems of cover plants by using an unmanned aerial vehicle with an onboard digital photographic camera // Semina: Ciencias Agrarias, 2019, vol. 40 (1), pp. 49-66. DOI:10.5433/1679-0359.2019v40n1p49
  5. Arroyo J., Guijarro M., Pajares G. An instance-based learning approach for thresholding in crop images under different outdoor conditions // Computers and Electronics in Agriculture, Athens, 2016, vol. 127, pp. 669-679. DOI:1016/j.compag.2016.07.018
  6. Dandois J.P., Olana M., Ellis E.C. Optimal altitude, overlap and weather conditions for computer vision UAV estimates of forest structure // Remote Sensing, 2015, vol. 7, no. 10, pp. 13895-13920. DOI:3390/rs71013895
  7. Hunt J., Raymond E., Hively W.D., Fujikawa S., Linden D., Daughtry C.S., McCarty G. Acquisition of NIR-green-blue digital photographs from unmanned aircraft for crop monitoring // Remote Sensing, 2010, vol. 2 (1), pp. 290–305. DOI:3390/rs2010290
  8. Torres-Sanchez J., Pena J.M., Castro A.I., Lopez-Granados F. Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV // Computers and electronics in agriculture, 2014, vol. 13, pp. 104-113. DOI:1016/j.compag.2014.02.009
  9. Wen J., Liu Q., Liu, Q., Xiao Q., Li X. Scale effect and scale correction of land-surface albedo in rugged terrain // International Journal of Remote Sensing, 2009, vol. 30, pp. 5397–5420. DOI:1080/01431160903130903
  10. Aboutalebi M., Torres-Rua A. F., McKee M., Nieto H., Kustas W., Coopmans C. The impact of shadows on partitioning of radiometric temperature nto canopy and soil temperature based on the contextual two-source energy balance model (TSEB-2T) // Proceedings SPIE. Autonomous air and ground sensing systems for agricultural optimization and phenotyping IV, 2019, vol. 11008 (3). DOI:1117/12.2519685
  11. Niu H., Zhao T., Wang D., Chen Y. Evapotranspiration Estimation with UAVs in Agriculture: A Review // Conference: 2019, Boston, Massachusetts, July 7- July 10, 2019. DOI:13031/aim.201901226
  12. Aboutalebi M., Torres-Rua A. F., McKee M., Nieto H., Kustas W. P., Coopmans C. Validation of digital surface models (DSMs) retrieved from unmanned aerial vehicle (UAV) point clouds using geometrical information from shadows // Proceedings of SPIE. The International Society for Optical Engineering. Autonomous air and ground sensing systems for agricultural optimization and phenotyping III, 2019. DOI:1117/12.2519694
  13. Chen Y., Wen D., Jing, L., Shi P. Shadow information recovery in urban areas from very high resolution satellite imagery // International Journal of Remote Sensing, 2007, vol. 28 (15), pp. 3249–3254. DOI:1080/01431160600954621
  14. Nieto H., Kustas W.P., Torres-Ra A., Alfieri J.G., Gao F. et al. Evaluation of TSEB turbulent fluxes using different methods for the retrieval of soil and canopy component temperatures from UAV thermal and multispectral imagery // Irrigation Science, 2019, vol. 37 (3), pp. 389-406. DOI: 10.1007/s00271-018-0585-9
  15. Qin W., Wang, J., Ma L., Wang F., Hu N. et al. UAV-Based Multi-Temporal Thermal Imaging to Evaluate Wheat Drought Resistance in Different Deficit Irrigation Regimes // Remote Sensing, 2022, vol. 14, pp. 5608. DOI: 10.3390/ rs14215608
  16. Aboutalebi M., Torres-Rua A. F., McKee M., Kustas W., Nieto H., Coopmans C. Behavior of vegetation/soil indices in shaded and sunlit pixels and evaluation of different shadow compensation methods using UAV high-resolution imagery over vineyards // Proceedings of SPIE. The International Society for Optical Engineering. Autonomous air and ground sensing systems for agricultural optimization and phenotyping III, 2018, July 30, pp. 10664. DOI:1117/12.2305883
  17. Elarab M., Ticlavilca A.M., Torres-Rua A.F., Maslova I., McKee M. Estimating chlorophyll with thermal and broadband multispectral high resolution imagery from an unmanned aerial system using relevance vector machines for precision agriculture // International Journal of Applied Earth Observation and Geoinformation, 2015, vol. 43, pp. 32-42. DOI:1016/j.jag.2015.03.017
  18. Sarabandi P., Yamazaki F., Matsuoka M., Kiremidjian A. Shadow detection and radiometric restoration in satellite high resolution images // Conference: Geoscience and Remote Sensing Symposium, IGARSS ’04. 2004, vol. 6. DOI:1109/IGARSS.2004.1369936
  19. Victor J.D. Tsai. Automatic Shadow Detection and Radiometric Restoration on Digital Aerial Images, IGARSS 2003 // Conference: Geoscience and Remote Sensing Symposium, 2003, vol. 2. DOI:1109/IGARSS.2003.1293899
  20. Arévalo V., González J. An experimental evaluation of non-rigid registration techniques on Quickbird satellite imagery // International Journal of Remote Sensing, 2008, vol. 29 (2), pp. 513–527. DOI:1080/01431160701241910

Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2024

 Вход