Дискретная модель гистограммы при первоначальной обработке изображений дистанционного зондирования земли

Аннотация

This article analyzes the preprocessing of remote sensing images based on the discrete histogram model. The effectiveness, significance, quality, and uniqueness of the model are highlighted. In addition, the practical importance of infrared channels in enhancing the efficiency of object recognition in remote sensing of the Earth is demonstrated. Keywords: remote sensing, infrared channel, algorithm, pixel, normalization, NDVI, matrix, discrete histogram. Bugungi kunga kelib yerni masofadan zondlash usullari va texnologiyalari va har xil turdagi faoliyatning deyarli barcha sohalariga integratsiyalashgan hamda eng jadal rivojlanayotgan tarmoqlardan biri hisoblanadi. Shu munosabat bilan turli masofadan zondlash tizimlari tomonidan 150 Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г. olingan axborotni qayta ishlash texnologiyalari va vositalaridan foydalanish tobora dolzarb bo‘lib bormoqda va ularni amalga oshirish va rivojlantirish ilmliy ahamiyatga ega hisoblanadi. Bugungi kunda raqamli tasvirlarga dastlabki ishlov berish protsyeduralarini rivojlantirishning turli bosqichlarida ularni optimallashtirish va muayyan shartlar, vazifalarga moslashtirish hamda natijalarni rasmiylashtirish, har tomonlama umumlashtirishni talab qiladi [3]. Raqamli signal modelini shakllantirishda 𝑓(𝑥,𝑦) masofadan olingan tasvirni diskretlash natijasida 𝑀 satr va 𝑁 ustundan iborat matrisa olinganligidan kelib chiqiladi: 𝑓(0,0) 𝑓(0,1) … 𝑓(0,𝑁−1) 𝑓(0,1) 𝑓(1,1) … 𝑓(1,𝑁−1) 𝐴 = (𝑥,𝑦) = | | (1) 𝑓(𝑀−1,0)𝑓(𝑀−1,1)… 𝑓(𝑀−1,𝑁 −1) Real sharoitga yaqinlashish uchun 𝜇(𝑥,𝑦) asl (chiqish) kadr bilan shovqinning qo‘shimcha yig‘indisi natijasida hosil bo‘lgan 𝑔(𝑥,𝑦) shovqinli tasvirini ko‘rib chiqaylik. 𝑔(𝑥,𝑦) = 𝑓(𝑥,𝑦)+𝜇(𝑥,𝑦) (2) Bu yerda, har bir (𝑥,𝑦) nuqtadagi shovqin qiymatlari o‘zaro bog‘liq bo‘lmaydi va o‘rtacha nolga teng deb taxmin qilinadi. Masofadan zondlashning real sharoitlariga mos keladigan ko‘p holatlarda masalaning bunday shakllantirilishi haqiqiydir [2]. Quyidagi proseduraning maqsadi shovqinli tasvirlar seriyasini {𝑔 (𝑥,𝑦)} summalash orqali shovqin darajasini pasaytirishdan iborat. 𝑖 Agar shovqin shakllantirilgan shartlarga javob bersa, unda quyidagilar haqiqiy bo‘ladi. Tasvir 𝑔̅(𝑥,𝑦) faqat shovqin 𝜇(𝑥,𝑦) dan farq qiluvchi 𝐾 - kadrlar 𝑔 (𝑥,𝑦) o‘rtacha hisobda olinadi. 𝑖 𝐾 1 𝑔̅(𝑥,𝑦) = ∑𝑔 (𝑥,𝑦) (3) 𝐾 𝑖 𝑖=0 Bundan kelib chiqadiki: 𝐸{𝑔̅(𝑥,𝑦)} = 𝑓(𝑥,𝑦) (4) 𝑖 bu yerda, 𝐸{𝑔̅(𝑥,𝑦)} – 𝑔̅(𝑥,𝑦) tasodifiy o‘zgaruvchining matematik kutilishi. 𝑖 Shunday qilib, summalashtirilgan shovqinli ilovalar sonining ko‘payishi bilan 𝑔̅(𝑥,𝑦) dan 𝑓(𝑥,𝑦) gacha asimptotik yaqinlashish amalga oshiriladi. Amalda, bu ta’sir turli manbalar uchun alohida tanlangan tarzda namoyon bo‘ladi va o‘rtacha amalga oshirilganlar sonining mezonini aniqlash zarur bo‘ladi. Bunday hollarda, dengiz qirg‘oqlari hududlari tasvirlarini ko‘rib chiqiladi, ularning o‘ziga xosligi degeneratsiyalangan gistogramma portretlari bilan bog‘liq bo‘ladi. Masofadan zondlash tasvirlarini qayta ishlash algoritmlari uchun kirish ma’lumotlar 1- jadvalda keltirib o‘tilgan. 1-jadval Kirish ma’lumotlari K a t a o o X r d i n K o o r d i n a t a Y Y o r q i n l i k q i y m a t i A e r o z o l n i n g p t i k q a l i n l i g i S i r t h a r o r a t i N a m l i k N D V I D e n g i z s a t h i b a l a n d l i g i o 34.0500 -118.2500 150 0.1 25.0 60% 0.65 100 34.0510 -118.2510 145 0.15 24.5 62% 0.70 105 34.0520 -118.2520 148 0.12 24.8 61% 0.68 102 ... ... ... ... ... ... ... ... Ushbu ma’lumotlar CSV formatida yoki Excel kabi elektron jadvallarga kiritilishi mumkin va keyin atmosfera buzilishlarini to‘g‘rilash, yorqinlikni normallashtirish, ob’yektlarni tasniflash va boshqalar kabi tasvirni oldindan qayta ishlash algoritmlarida ishlatiladi. 151 Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г. Quyida taklif qilinayotgan algoritm ushbu masalani hal qilishga qaratilgan. Shuni ta’kidlash kerakki, bu masala ushbu kontekstda asosiy hisoblanadi, chunki chuqur soyalarning katta maydonlari bilan yuqori kontrastli relyeflar uchun algoritmdan foydalanish har doim ham o‘zini oqlamaydi [1]. Ishlab chiqilgan algoritmning asosi har bir o‘rtacha bosqichning gistogrammasini qayta ishlash, so‘ngra asl va normallashtirilgan gistogrammalar orasidagi farqlarni normallashtirish va tahlil qilishdan iborat. Diskret gistogramma modelining funksiyasi quyidagicha ifodalanadi: 𝑘 𝑘 𝑛 𝑗 𝑠 = 𝑇(𝑟 ) = ∑𝜌 (𝑟) = ∑ 𝑘 = 0,1,…,𝐿−1 (5) 𝑘 𝑘 𝑟 𝑗 𝑛 𝑗=0 𝑗=0 bu yerda, 𝑛 – tasvirdagi piksellarning umumiy soni; 𝑛 – yorqinlik nuqtalari soni; 𝐿 - 𝑗 yorqinlik darajalari soni. Bu funksiya manba tasviridagi yorqinlik qiymati 𝑟 bo‘lgan har bir pikselni chiqish 𝑘 tasviridagi element qiymati 𝑠 bo‘lgan mos keladigan element bilan taqqoslaydi. 𝑘 Normallashtirilgan gistogramma berilgan 𝜌 (𝑧) dan 𝑖 = 0,1,…,𝐿−1 to‘plamda olinadi va 𝑧 quyidagi ko‘rinishga ega bo‘ladi: 𝑘 𝜂 = 𝐺(𝑧 ) = ∑𝜌 (𝑧 ) = 𝑠 𝑘 = 0.1,…,𝐿−1. (6) 𝑘 𝑘 𝑧 𝑗 𝑘