Факторы, критерии и требования к изобразительному качеству материалов аэрофотосъемки, получаемой для целей картографирования
+7 (383) 343-12-55 vestnik@ssga.ru
Ru
En
Ru
En
Авторам публикаций
Вестник СГУГиТАрхив журнала Факторы, критерии и требования к изобразительному качеству материалов аэрофотосъемки, получаемой для целей картографирования

Факторы, критерии и требования к изобразительному качеству материалов аэрофотосъемки, получаемой для целей картографирования

Картография и геоинформатика
УДК: 528.71
DOI: 10.33764/2411-1759-2020-25-4-104-119
И. А. Аникеева 1
Год: 2020
Том: 25
№: 4
Страницы: 104 - 119
1 АО «Роскартография», 109316, Россия, г. Москва

Финансирование: -

Аннотация:

Оценка изобразительного качества материалов аэрофотосъемки, получаемых для целей картографирования, представляет сегодня актуальную проблему. Целью данной статьи является разработка системы критериев изобразительного качества топографических аэрофотоснимков и требований к ним. В статье рассмотрен набор факторов, определяющих изобразительное качество снимков, – естественные (природные) условия съемки, технические и технологические условия и параметры. Проведен анализ влияния перечисленных факторов на материалы аэрофотосъемки, показаны вызванные ими основные дефекты снимков – нерезкость (смаз), дымка, потеря информации в светах и тенях, высокий уровень случайного шума, нарушение цветового баланса. Определены способы выявления данных дефектов и оценки степени их влияния на изобразительное качество аэроснимков как визуальными, так и автоматическими методами. Показано, что оценку изобразительного качества необходимо проводить в части структурометрических и градационных (фотографических) характеристик снимков. Также показано, что, кроме приведенных характеристик, на изобразительное качество аэроснимков могут оказывать влияние случайные факторы, появление которых не поддается прогнозированию. Вызванные данными факторами дефекты выявляются при визуальном контроле оператора. Приведены требования к части критериев изобразительного качества, которые позволяет установить данный этап исследования.

Ключевые слова (RU):

аэрофотоснимки, изобразительное качество, нерезкость снимка, дымка, потеря информации в светах и тенях, случайный шум, цветовой баланс, гистограмма, структурометрические характеристики, градационные (фотографические) характеристики

Ключевые слова (EN):

aerial imagery, fine image quality, blurring, haze, loss of information in highlights and shadows, random noise, color balance, histogram, structural characteristics, gradation (photographic) characteristics

Читать статью Скачать JATS XML

Библиографический список:

  1. Srivastava G. S. An Introduction to Geoinformatics. – McGraw-Hill Education, 2014. – 278 p.
  2. Кучко А. С. Аэрофотография. Основы и метрология. – М. : Недра, 1974. – 272 с.
  3. Аникеева И. А., Кадничанский С. А. Оценка фактической разрешающей способности аэрои космических фотоснимков по пограничной кривой // Геодезия и картография. – 2017. – Т. 78, № 6. – С. 25–36. doi: 10.22389/0016-7126-2017-924-6-25-36.
  4. Аникеева И. А. Обоснование допустимых размеров пикселя на местности и параметров сжатия аэро- и космических изображений, получаемых для целей картографирования // Вестник СГУГиТ. – 2019. – Т. 24, № 2. – С. 109–130. doi: 10.33764/2411-1759-2019-24-2-109-130.
  5. Чандра А. М., Гош С. К. Дистанционное зондирование и географические информационные системы. – М. : Техносфера, 2008. – 312 с.
  6. Хрящев Д. А. Об одном методе определения наиболее подходящей для анализируемого цифрового изображения модели аддитивного шума // Изв. Волгоградского государственного технического университета. – 2011. – № 3 (76). – С. 24–31.
  7. Лапшенков Е. М. Неэталонная оценка уровня шума цифрового изображения на основе гармонического анализа // Компьютерная оптика. – 2012. – Т. 36, № 3. – С. 439–447.
  8. Зотов П. В. Цифровой шум изображения и его прикладное значение в криминалистике // Вестник Саратовской государственной юридической академии. – 2015. – № 6. – С. 175–179.
  9. Лапшенков Е. М. Реализация методов оценки уровня шума изображения в среде Matlab // Вестник Московского государственного университета приборостроения и информатики. Серия: приборостроение и информационные технологии. – 2013. – № 44. – С. 96–106.
  10. Комар В. Г. Количественные критерии качества изображения для оценки кинематографических систем // Техника кино и телевидения. – 2000. – № 10.
  11. Ghazal M., Amer A., Ghrayeb A. Structure-Oriented Spatio-Temporal Video Noise Estimation // Proc. IEEE Int. Conference on Acoustics, Speech, and Signal Processing (ICASSP). – Toulouse, France, 2006 – P. 845–848.
  12. Сурин В. А., Тырсин А. Н. Исследование свойств цифрового шума в контрастных изображениях // Изв. вузов. Физика. – 2016. – Т. 59, № 8-2. – С. 93–96.
  13. Самойлин Е. А. Алгоритмы оценивания импульсного шума в задачах цифровой фильтрации оптических изображений // Оптический журнал. – 2006. – Т. 73, № 12. – С. 42–46.
  14. Miao C. Research on denoising processing of computer video electromagnetic leakage reduction image based on fuzzy degree // EURASIP Journal on Image and Video Processing. –2019. – Vol. 2019. – Article number 9. doi: 10.1186/s13640-018-0405-4 https://doi.org/10.1186/s13640-018-0405-4.
  15. Chen M., Zhang H., Han Q., Huang C. C. A convex nonlocal total variation regularization algorithm for multiplicative noise removal // EURASIP Journal on Image and Video Processing. – 2019. – Vol. 2019. – Article number 28. doi: 10.1186/s13640-019-0410-2 https://doi.org/10.1186/s13640-019-0410-2.
  16. Аникеева И. А. Оценка уровня сигнал/шум аэро- и космических изображений [Электронный ресурс]. – 2019. – Режим доступа: https://www.roscartography.ru/wp-content/uploads/2019/11/rakurs-2019-anikeeva.pdf.
  17. Ancuti C. O., Ancuti C., De Vleeschouwer C., Bekaert P. Color Balance and Fusion for Underwater Image Enhancement // IEEE Transactions on Image Processing. – 2018. – Vol. 27, No. 1. – P. 379–393. doi: 10.1109/TIP.2017.2759252.
  18. Hussain M. A., Akbari A. S. Color Constancy Adjustment Using Sub-Blocks of the Image // IEEE Access. – 2018. – Vol. 6. – P. 46617–46629. doi: 10.1109/ACCESS.2018.2866792.
  19. Ancuti C. O., Ancuti C., De Vleeschouwer C., Sbert M. Color Channel Compensation (3C): A Fundamental Pre-Processing Step for Image Enhancement // IEEE Transactions on Image Processing. – 2020. – Vol. 29. – P. 2653–2665. doi: 10.1109/TIP.2019.2951304.
  20. Аникеева И. А. Метод и алгоритм автоматической оценки качества цветопередачи цифровых аэро- и космических фотоснимков // Геодезия и картография. – 2018. – Т. 79, № 7. – С. 45–56. doi: 10.22389/0016-7126-2018-937-7-45-56.