Программный комплекс для обработки и анализа спутниковых РСА-изображений

Радарные изображения (РСА - Радиолокационное Синтезирование Апертуры, SAR - Synthetic-Aperture Radar, синтетическая апертура) можно получать со спутников не зависимо от погоды и времени суток. В настоящее время современные спутники получают посредством синтеза апертуры изображения с разрешением около 1 метра на пиксел. На таких изображениях хорошо представлены объекты, созданные человеком, особенно из металла. Однако изображения этого типа имеют очень сильные искажения как пространственные, так и яркостные. Характеризуются высоким уровнем спекл-структуры, возникающей вследствие когерентной обработки отраженного сигнала, имеющего случайную фазу из-за атмосферных флуктуаций и сложной формы отражающей поверхности.

Задачи обработки РСА-изображений:

геометрическая и радиометрическая коррекция;
анализ спекл-структуры для определения статистических характеристик отражающих поверхностей;
пространственная частотная фильтрация, обеспечивающая выделение и визуализацию объектов заданного типа;
текстурный анализа, обеспечивающий устойчивое разделение объектов различных типов, учитывающие рельефные характеристики;

Научно-технический задел.

С 2010 года в ОИПИ НАН Беларуси проводятся фундаментально-ориентированные исследования по обработке РСА-изображений (задание КИ 1.27 «Разработка алгоритмов и программного комплекса обработки радарных спутниковых изображений высокого разрешения» ГКПНИ «Космические исследования» на 2010-2012 годы (отв. исп. Дудкин А.А.) и задание 3.2.07 КИ-2015 «Разработать методы, алгоритмы и экспериментальные программы для оперативной обработки радарных спутниковых изображений высокого разрешения на основе геоинформационных систем» (отв. исп. Старовойтов В.В.).

Получены следующие основные результаты:

- алгоритмы предобработки радарных спутниковых изображений, обеспечивающие выделение и визуализацию объектов заданного типа;
- алгоритмы нечеткой кластеризации радарных спутниковых изображений, основанные на использовании фрактальных и текстурных характеристик;
- алгоритмы распознавания типов площадных объектов на основе нейросетевой классификации гистограммных характеристик;
- программный комплекс обработки радарных спутниковых изображений высокого разрешения, основанный на разработанных алгоритмах обработки (фильтрации, сегментации, классификации), предназначенный для решения задач мониторинга состояния площадных объектов на основе анализа радарных данных дистанционного зондирования поверхности Земли;
- алгоритмы фильтрации и методика оценки качества фильтрации радарных изображений с синтезированной апертурой.

В рамках договора № Ф16СРБГ-004 от “20” июля 2016 г. (Старовойтов В.В.) разработан метод адаптивного сжатия широкого динамического диапазона радарных космических изображений с максимальным сохранением контраста изображения.

Кроме того, в рамках НТП СГ «Разработка и освоение в серийном производстве семейства высокопроизводительных вычислительных систем с параллельной архитектурой (суперкомпьютеров) и создание прикладных программно-аппаратных комплексов на их основе» (Шифр «Скиф») разработаны совместно с БГУИР (отв. исп. Поденок Л.П.) системы обработки радиолокационных и оптических сигналов, автоматического распознавания и селекции целей в реальном масштабе времени и моделирования широкополосных пространственно-временных радиолокационных сигналов с использованием вычислительных модулей СКИФ. Лабораторией выполнено:

- выбор типа и параметров пространственно-временной структуры зондирующего сигнала (совместно с СОЛКОМтехом (Гейстер С.Р.);
- разработка системы моделирования широкополосных пространственно-временных радиолокационных сигналов;
- моделирование на кластере «Скиф» процесса формирования радиолокационного сигнала, отраженного от движущегося объекта произвольной формы (моделирования процесса формирования радиолокационного портрета) при облучении его широкополосным сигналом.

В рамках предпроектных исследований по данному проекту разработаны ансамбли нейронных сетей для классификации радарных изображений (участие в международном конкурсе Statoil/C-CORE Iceberg> Classifier Challenge).