Сравнение и синтез алгоритмов анализа изображений: обработка NDVI и RGB для мониторинга окружающей среды на основе беспилотных летательных аппаратов

Аннотация

Оценка состояния растительности является фундаментальной операцией, необходимой для точного земледелия, экологии и управления экологическими рисками. Нормализованный разностный индекс растительности (NDVI) использует данные об отражательной способности в красном и ближнем инфракрасном (ИК) диапазонах в качестве основного индекса, позволяющего оценивать состояние растительности и выявлять признаки стресса. Внедрение таких систем сопряжено с трудностями при попытке их использования в рамках бюджетных ограничений, поскольку они требуют многоспектральных датчиков, включающих ИК-каналы. В исследовании оцениваются три алгоритмических подхода посредством полного анализа, включающего (i) метод NDVI, (ii) метод преобразования каналов только RGB и (iii) синтезированный гибридный алгоритм, который применяет нормализацию NDVI к преобладанию зеленого цвета для стандартных RGB-камер. Исследование включает математические выкладки, а также методы радиометрической интерпретации, потребности в калибровке и расчеты распространения ошибок для всех исследованных подходов. В исследовании разработана система, которая выполняет предварительную обработку данных изображений БПЛА посредством геометрической коррекции, радиометрической нормализации, фильтрации шума и компенсации освещения. Система становится более полезной благодаря обсуждению сценариев внедрения БПЛА, ограничений планирования полетов и рабочих процессов геопространственной постобработки. В тексте приводятся примеры использования, связанные с лесными пожарами, в качестве примеров ситуаций быстрой оценки, в которых карты стресса растительности помогают принимать решения после события, однако эти примеры не являются основным фокусом. Результаты исследования показывают, что NDVI, основанный на классических методах, обеспечивает лучшие результаты для количественного биофизического анализа, но методы, основанные на RGB, хорошо работают для качественной сегментации при использовании ограниченных аппаратных ресурсов. Разработанный алгоритм обеспечивает более высокие результаты идентификации растительности, чем методы преобразования RGB, и является полезным решением для организаций, у которых отсутствуют системы, оснащенные ближним инфракрасным излучением. В документе представлены рекомендации, которые помогают пользователям выбирать методы в зависимости от их конкретных требований к уровню точности, бюджетным ограничениям, временным затратам на развертывание и трудностям эксплуатации системы.