ERD AS Inc
ФОТОГРАММЕТРИЯ
И ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ.
Практический курс на базе программных продуктов
Erdas Imagine 9.1 и Leica Photogrammetry Suite
Лисицин В.Э.
Киев 2007
1
Чисииин Владимир Эдуардович
Фотограмметрия и дистанционное зондирование. Практический курс
на базе программных продуктов Erdas Imagine 9.1 и Leica
Photogrammetry Suite.
Рецензент: профессор, канд. техн, наук В.Д. Шипулин (ХНАГХ).
Печатается в авторской редакции.
Данное издание подготовлено на базе материалов,
предоставленных в электронном виде фирмой ERDAS Inc.
В работу включены такие вопросы как распознавание и
классификация объектов на изображениях, работа с цифровыми
моделями местности и векторными слоями, обработка одиночного
снимка и блока снимков, создание мозаик изображений. Большое
внимание уделено описанию возможностей автоматической обработки
изображений. Это модуль совмещения изображений IMAGINE
AutoSync , модуль векторизации IMAGINE Easytrace, автоматическое
построение цифровых моделей местности в редакторе Terrain Editor.
Некоторые разделы предваряются теоретическими сведениями,
необходимыми для более глубокого понимания вопросов обработки
данных.
Представляемые материалы являются практической частью курса
фотограмметрии и дистанционного зондирования, читаемого автором
в Харьковской национальной академии городского хозяйства.
2
Содержание
1.	Начало работы в пакете ERDAS IMAGINE 9..............8
1.1.	Старт. Особенности пакета.......................8
1.1.1.	Пользовательские настройки..................8
1.1.2.	Организация файлов при помощи каталога
изображений........................................11
1.1.3.	Визуализатор. Основные приемы работы.......13
2.	Векторные слои в ERDAS IMAGINE....................28
2.1.	Формат ArcCoverage.............................28
2.2.	Операции с векторными слоями в ERDAS IMAGINE....31
2.2.1.	Копирование векторного слоя................31
2.2.2.	Открытие векторного слоя в Визуализаторе...32
2.2.3.	Работа с атрибутами векторных слоев........34
2.2.4.	Задание критериев выбора...................35
2.2.5.	Редактирование векторного слоя.............36
2.2.6.	Создание нового векторного покрытия........38
2.2.7.	Создание нового shape-файла................41
2.2.8.	Преобразование растрового слоя в векторный.44
2.3.	Инструмент автоматической векторизации IMAGINE
Easytrace...........................................46
2.3.1.	Возможности программы IMAGINE Easytrace....46
2.3.2.	Подготовка шаблонов........................48
2.3.3.	Векторизация...............................50
2.3.4.	Практическое использование инструмента
автоматической векторизации IMAGINE Easytrace.......52
3.	Цифровые модели местности.........................59
3.1.	ЦММ с постоянным шагом сетки...................60
3.1.1.	Примеры регулярных ЦММ.....................60
3.1.2.	Редактирование ЦМР.........................62
3.1.3.	Хранение ЦМР в формате GRID................64
3.1.4.	Универсальные форматы хранения ЦМР.........65
3.2.	ЦММ с переменным шагом сетки...................68
3.2.1.	Структурные элементы ЦММ...................69
3.2.2.	Представление ЦММ в формате TIN............70
3.3.	Анализ местности...............................73
3.3.1.	Как средствами ERDAS IMAGINE построить
профиль местности?.................................78
3.4.	Использование Визуализатора ERDAS IMAGINE для
работы с ЦМР........................................80
3
3.4.1.	Изучение структуры ЦМР посредством пакета
ERDAS IMAGINE........................................80
3.4.2.	Создание поверхностей с использованием
ASCII-файла.........................................82
3.4.3.	Трехмерное наложение снимка на рельеф
местности...........................................86
3.5.	Практическое использование Редактора Рельефа.....89
3.5.1.	Основные приемы работы в Редакторе Рельефа...89
3.5.2.	Редактирование цифровой модели местности....103
3.6.	Автоматическое извлечение цифровой модели
местности при помощи пакета LPS.....................119
3.6.1.	Подготовка съемочного блока.................120
3.6.2.	Установка опций автоматического
извлечения ЦММ.....................................122
3.6.3.	Создание новых регионов.....................123
3.6.4.	Задание точности автоматического извлечения
ЦММ..................................................128
3.6.5.	Задание дополнительных точек.................129
3.6.6.	Извлечение и просмотр ЦММ....................131
3.6.7.	Открытие созданных файлов в Визуализаторе
ERDAS IMAGINE.......................................132
3.6.8.	Создание отчета..............................134
4.	Геометрические модели изображения...................136
4.1.	Определение геометрической модели изображения.
Геокодирование и геопривязка..........................136
4.2.	Геометрическое трансформирование одиночного
снимка................................................138
4.2.1.	Полиномиальные преобразования................143
4.2.2.	Трансформирование............................144
4.2.3.	Расчет минимального числа опорных точек при
трансформировании с использованием полиномов........147
4.2.4.	Недостатки нелинейного трансформирования......148
4.2.5.	Особенности передискретизации
трансформируемого изображения.......................150
4.2.6.	Оценка среднеквадратической ошибки
трансформирования...................................153
4.2.7.	Контрольные точки............................155
4.3.	Разновидности геометрических моделей снимка......158
4.3.1.	World-файл и aux-файл изображения............160
4
4.3.2.	Как для снимка в ERDAS IMAGINE изменить
проекцию, создать world-файл, построить
пирамиды изображений?.................................161
4.3.3.	Совмещение и слияние изображений...............163
4.4.	Совмещение двух снимков средствами
ERDAS IMAGINE..........................................165
4.5.	Слияние изображений при помощи вэйвлетов..........173
4.6.	Геометрическое трансформирование одиночного
снимка в ERDAS IMAGINE.................................177
4.7.	Ортотрансформирование одиночного снимка
средствами ERDAS IMAGINE...............................188
4.8.	Возможности модуля IMAGINE AutoSync...............202
4.9.	Практическая работа с модулем IMAGINE AutoSync....204
4.9.1.	Работа с Мастером совмещения изображений
модуля IMAGINE AutoSync...............................204
4.9.2.	Рабочая станция модуля IMAGINE AutoSync........210
4.10.	Кадровая камера..................................222
4.10.1.	Подготовка файла блока........................222
4.10.2.	Ввод опорных и контрольных точек..............234
4.10.3.	Выполнение автоматического сбора связующих
точек.................................................248
4.10.4.	Выполнение аэротриангуляции...................250
4.10.5.	Ортотрансформирование снимков.................253
4.11.	Измерение точек в стереорежиме при помощи
Менеджера Проектов LPS.................................256
4.11.1.	Подготовка данных.............................256
4.11.2.	Измерение точек...............................262
4.12.	Цифровая камера..................................275
4.12.1.	Создание нового блока снимков.................275
4.12.2.	Ввод элементов внутреннего ориентирования.....284
4.12.3.	Просмотр параметров внешнего ориентирования...285
4.12.4.	Автоматический сбор связующих точек...........285
4.12.5.	Проверка точности связующих точек.............288
4.12.6.	Выполнение аэротриангуляции...................288
4.12.7.	Ортотрансформирование снимков.................292
4.13.	Сенсор с поперечной разверткой SPOT..............295
4.13.1.	Создание нового проекта.......................295
4.13.2.	Добавление снимков в блок.....................297
4.13.3.	Задание модели сенсора........................298
4.13.4.	Запуск инструмента измерения точек............300
4.13.5.	Сбор опорных точек............................302
5
4.13.6.	Установка функции автоматического (х, у)
перемещения..........................................306
4.13.7.	Определение последних двух опорных точек......310
4.13.8.	Определение источника вертикальных данных.....313
4.13.9.	Установка атрибутов «тип» (type) и «вариант
использования» (usage) для опорных точек..............314
4.13.10.	Добавление второго снимка в блок.............316
4.13.11.	Определение модели сенсора....................316
4.13.12.	Запуск инструмента измерения точек...........317
4.13.13.	Сбор опорных точек на втором снимке..........318
4.13.14.	Выполнение автоматического сбора связующих
точек.................................................320
4.13.15.	Проверка точности связующих точек............321
4.13.16.	Выполнение триангуляции......................321
4.13.17.	Ортотрансформирование снимков................323
5.	Сшивка изображений. Инструменты мозаики...............326
5.1.	Сшивка двух аэрофотоснимков.......................326
5.2.	Автоматическое генерирование секущих линий........338
5.3.	Создание мозаики изображений для снимков LANDSAT...341
5.4.	Цветовые преобразования аэрофотоснимков
инфракрасного диапазона, включаемых в мозаику
изображений.........................................347
5.5.	Изменение контраста изображении при помощи
инструмента построения мозаики..........................363
5.6.	Использование инструмента MosaicPro...............366
6.	Основы классификации и распознавания изображений......378
6.1.	Задачи, решаемые в процессе распознавания.........378
6.2.	Сущность кластерного анализа......................383
6.2.1.	Кластеризация мультиспектральных изображений...386
6.2.2.	Методы формирования кластеров..................387
6.3.	Обучение по образцам..............................388
6.3.1.	Управляемое обучение по образцам...............388
6.3.2.	Обучающие выборки и сигнатуры..................389
6.3.3.	Создание непараметрических обучающих выборок...391
6.3.4.	Хранение параметров обучающих выборок
в файлах. Атрибуты сигнатур..........................392
6.3.5.	Автономное обучение по образцам................393
6.3.6.	ISODATA - кластеризация........................394
6.3.7.	RGB-кластеризация..............................396
6.4.	Решающие правила классификации....................398
6.4.1.	Непараметрические решающие правила.............398
6
6.4.2.	Параметрические решающие правила..............403
6.4.3.	Общая схема принятия решения по
классификации пикселей...............................406
6.4.4.	Оценка качества обучающих выборок.............407
6.5.	Практическое выполнение классификации
в ERDAS IMAGINE.........................................410
6.5.1.	Выполнение автономной классификации...........410
6.5.2.	Оценка результатов автономной классификации...411
6.5.3.	Управляемая классификация. Подготовка
параметрических обучающих выборок....................415
6.5.4.	Создание непараметрических обучающих выборок..419
6.5.5.	Оценка качества обучающих выборок.............424
6.5.6.	Выполнение управляемой классификации..........428
Список литературы.......................................430
7
1.	Начало работы в пакете ERDAS
IMAGINE 9.1
1.1.	Старт. Особенности пакета.
1.1.1.	Пользовательские настройки
Для запуска пакета выберите из меню «Пуск» опцию ERDAS
IMAGINE 9.1. Главная инструментальная панель пакета возникнет в
верхней части экрана.
При первом знакомстве с главной инструментальной панелью
ERDAS IMAGINE, можно отметить, что пользовательский интерфейс
сильно отличается от GUI - стандартов Windows приложений. Дело в
том, что изначально пакет разрабатывался под семейство ОС UNIX и
Windows-вариант, сохранил преемственность многих модулей и
интерфейса. Набор кнопок быстрого доступа главной
инструментальной панели, дублирует список модулей и задач опции
Main главного меню ERDAS IMAGINE:
Start Imagine Viewer;
Import/Export;
Data Preparation;
Map Composer;
Image Interpreter;
Image Catalog;
Image Classification;
Spatial Modeler;
Vector;
Radar;
Virtual GIS;
- LPS;
Stereo Analyst;
8
IMAGINE AutoSync
В зависимости от того, в какой поставке был приобретен данный
пакет, список модулей в меню Main может отличаться от
приведенного выше.
Все пользовательские настройки текущего сеанса
устанавливаются при помощи опции Session главного меню.
Например, при первом запуске ERDAS IMAGINE, кнопки быстрого
доступа инструментальной панели отображаются в виде больших
иконок. Кроме того, над кнопками отсутствуют всплывающие
подсказки. Изменим эти настройки.
1. Из главного меню ERDAS IMAGINE выберите пункт Session
| Preferences (Предпочтения). Откроется диалоговое окно позволяющее
производить всевозможные настройки пакета.
2.	В списке Category выберите пункт User Interface & Session,
регулирующий настройки пользовательского интерфейса и текущего
сеанса.
3.	Для изменения размера иконок на панели настроек
пользовательского интерфейса находим поле Icon Panel Display Options
и, из списка значений данного поля выбираем пункт Small Icons.
4.	Для включения всплывающих подсказок, на той же панели
находим переключатель Use Bubble Help и устанавливаем его.
Имеется две возможности сохранить настройки заданные при
помощи данного диалогового окна.
9
1. При сохранении изменения коснуться только данного
пользователя, определяемого именем и паролем, задаваемыми при
входе в Windows. Для этого по завершению настройки следует нажать
кнопку User Save.
2. При сохранении изменения коснуться всех пользователей
Windows на данном компьютере. Для этого по завершению настройки
следует нажать кнопку Global Save.
Так или иначе, после сохранения настроек, диалоговое окно
следует закрыть (кнопка Close). Изменения вступят в силу после
повторного запуска ERDAS IMAGINE.
Еще одна настройка, которая будет полезна пользователям на
начальном этапе работы. Оконный интерфейс выявляет еще одну
особенность данного пакета. Вместо SDI и MDI - организации
принятой в Windows в ERDAS IMAGINE каждый модуль запускается в
виде автономного окна. А широкое использование немодальные
диалоговых окон, с одной стороны облегчает процесс обмена данными
между модулями, но с другой стороны затрудняет доступ к
пространству рабочего стола при запуске нескольких задач
одновременно.
Часто, при запуске задач на выполнение (расчеты, длительная
обработка, конвертирование) ERDAS IMAGINE отображает окно
состояния процесса - процент выполнения задачи. По завершению
задачи следует нажать кнопку ОК окна состояния для его закрытия.
IWWWBWT иуигт XJ
44 ОМ""'".      1	'
I ** 1	L ' ”	Help
Но обычно, это окно бывает перекрыто другими окнами. Зададим
такие установки, чтобы по завершению процесса окно состояния
закрывалось автоматически.
1. В списке Category диалогового окна Preferences, выберите
пункт User Interface & Session.
2. Справа, на панели настроек пользовательского интерфейса
сбросьте переключатель Keep Job Status Box.
10
1.1.2. Организация файлов при помощи каталога
изображений
ERDAS IMAGINE поставляется с большим набором
демонстрационных изображений. В целях обеспечения целостности
данных каждому пользователю рекомендуется создавать отдельную
копию рабочих данных в своем рабочем каталоге. Для управления
наборами изображений в пользовательских каталогах применяется
модуль Image Catalog (каталог изображений), запускаемый из
основного меню ERDAS IMAGINE.
Запустить его можно, выбрав из меню Main подпункт Image
Catalog. При этом открывается оболочка для работы с текущим
каталогом изображений. Параметры текущего каталога изображений
(список файлов, их тип, характеристики) записываются в файле
настроек с расширением .ict.
Рассмотрим несколько типичных приемов работы с Image Catalog.
Создадим новый файл настроек каталога изображений. Для этого в
Image Catalog из меню выберем пункт File | New. В диалоговом окне
зададим имя создаваемого файла настроек каталога изображений и
путь к нему, (например, c:\students\stud3.ict). Файл настроек создан.
При первом запуске Image Catalog начинает работу с
изображениями, заданными в файле настроек default.ict и
размещаемыми в каталоге <IMAGINE_HOME>/examples. Изменив
установки по умолчанию, организуем доступ к пользовательскому
каталогу изображений.
11
1.	Из главного меню ERDAS IMAGINE выберите пункт Session |
Preferences (Предпочтения). Откроется диалоговое окно настроек
пакета.
2.	В списке Category диалогового окна Preferences, выберите
пункт Image Catalog.
3.	На правой панели диалогового окна найдите опции Catalog
Directoiy (директория пользовательского каталога изображений) и
Default Catalog (имя файла настроек каталога изображений,
выбираемое по умолчанию). Задайте соответствующие строковые
параметры, указывающие на файл stud3.ict, созданный Вами ранее.
4.	Нажмите кнопку User Save. Теперь, после перезапуска Image
Catalog будет осуществлять выбор изображений из файла настроек в
установленной Вами директории.
Чтобы добавить изображение в файл настроек Image Catalog, в
меню Edit главного окна каталога изображений выберите пункт
Catalog Image. Чтобы удалить изображение из файла настроек Image
Catalog, мышкой выделите в поле Record таблицы изображений те
записи, которые следует удалить, а затем в меню Edit выберите пункт
Delete Image. Для выделения нескольких записей одновременно,
используйте клавишЬ Shift и Ctrl. Чтобы получить развернутую
информацию по изображению, выделите соответствующую запись и в
меню View выберите пункт Image Info.
Удобным приемом при выборе изображений в Image Catalog
является применение инструментария графических запросов. Он
позволяет для файлов изображений, содержащих географическую
привязку, осуществлять их выбор с учетом границ растров в рамках
векторной карты.
1.	В меню View модуля Image Catalog выберите пункт Graphical
Quety Viewer. Векторная карта мира появиться в диалоговом окне.
12
2.	При помощи инструментальной кнопки Select an area for
zooming -El (Выбор области изменения масштаба) мышкой выберите
интересующую Вас область.
3.	При помощи инструментальной кнопки Query all images within
current boundaries (Выбрать все изображения внутри области)
запустите графический запрос.
4.	Файлы, географически относящиеся к выделенной области,
будут выделены в таблицы изображений Image Catalog.
5.	При помощи инструментальной кнопки Display selected image
in Single Imagine Viewer C3I (Показать изображения) запустите
просмотр выделенных изображений в Визуализаторе.
1.1.3.	Визуализатор. Основные приемы работы.
Мы уже научились запускать Визуализатор из Image Catalog.
Однако, чаще нам придется выполнять его запуск из основного меню
ERDAS IMAGINE. Для этого существует две возможности:
- в ERDAS IMAGINE из основного меню Main выбрать подпункт
Start IMAGINE Viewer;
воспользоваться кнопкой быстрого доступа Viewer В из
главной инструментальной панели ERDAS IMAGINE;
На экране появится основное окно Визуализатора. Это главный
рабочий инструмент при работе с растровыми и векторными слоями
ERDAS IMAGINE.
13
Рассмотрим выполнение основных операций в Визуализаторе.
Загрузка изображений в Визу ализатор.
1. В основном меню Визуализатора выбираем geyrn File | Open |
Raster Layer. Откроется диалоговое окно выбора файла.
2.	Выбираем файл lanier.img.
3.	Переходим на вкладку Raster Options в диалоговом окне
открытия файла.
4.	На панели Layers to Colors установим модель отображения
цветов R, G и В в спектральные каналы изображения в виде Red - 4,
Green -5, Blue-З. Установим переключатель Fit to Frame.
5.	Нажимаем OK.
6.	В окне визуализатора откроется файл lanier.img. При
перемещении курсора над клиентской областью окна Визуализатора,
внизу, на информационной панели отображается информация о
системе координат и используемой проекции.
7.	Используйте линейки прокрутки клиентского окна
Визуализатора, либо кнопку IS (Roam/Rotate Image) главной
инструментальной панели для прокрутки изображения.
8.	Используйте кнопки	(Zoom In / Zoom Out) главной
инструментальной панели для увеличения и уменьшения масштаба
отображения растра. Используйте опции меню Визуализатора View |
Zoom для задания фиксированного масштаба увеличения и
уменьшения растра.
14
Функции запросов Визуализатора.
Используйте функции запросов, для того, чтобы получать
подробную информацию по каждому пикселю отображаемого растра.
1.	Изображение lanier.img должно быть уже открыто в
Визуализаторе. Из меню Визуализатора выберите пункт Utility |
Inquire Cursor. Откроется диалоговое окно курсора запроса.
2.	Над изображением в Визуализаторе появится перекрестие
позиционирования курсора. Вы можете захватить перекрестие и
переместить мышью в новое положение. Информация о точке,
находящейся в данный момент под перекрестием, отобразится в
диалоговом окне запроса с использованием курсора. Можно
выполнить обратное действие, - в диалоговом окне задать требуемые
координаты в полях ввода X и Y. Тогда перекрестие переместиться в
заданную точку изображения. Перемещение выполнится
автоматически, если установлен переключатель Auto Apply. В
противном случае, перемещение перекрестия будет выполнено только
после нажатия кнопки Apply (Применить).
В диалоговом окне запроса с использованием курсора
представлена следующая информация по текущему пикселю:
-	количество спектральных диапазонов (каналов) изображения;
-	модель отображения компонент R, G, В цвета в спектральные
каналы;
-	файловые значения яркости пикселей по каждому спектральному
диапазону;
-	значения из таблицы перекодировки цвета для каждого
спектрального диапазона;
15
3.	Нажмите кнопку Close. Диалоговое окно курсора запроса
закроется.
4.	Из меню Визуализатора выберите Utility | Inquire Box.
Откроется диалоговое окно запроса с использованием прямоугольной
области. Над изображением в Визуализаторе появится прямоугольник.
Вы можете захватить его мышью, переместить в новое положение или
изменить размеры. Информация о левой верхней точке
прямоугольника, а так же его размерах, отобразится в диалоговом окне
запроса с использованием прямоугольной области. Выбирая опции из
списка Туре, можно задавать размерность в единицах измерения карты
или в пикселях. Режим запроса с использованием прямоугольной
области будет нами активно использоваться в дальнейшем.
5.	Нажмите кнопку Close. Диалоговое окно запроса с
использованием прямоугольной области закроется.
Выполнение измерений.
Панель измерительных инструментов Визуализатора позволяет
оценить расстояние между точками, линейные размеры и площади,
отрезки линий и полигонов, параметры прямоугольников и эллипсов.
1.	Из меню Визуализатора выберите Utility | Measure. Откроется
окно измерительных инструментов.
16
2.	Нажмите кнопку Measure positions йвй (Измерения точек)
инструментальной панели диалогового окна. В этом режиме, после
щелчка мышью в клиентской области окна Визуализатора, в поле
Measurement Description отображаются координаты текущей точки.
3.	Нажмите кнопку Measure Lengts and Angles (измерения
длин и углов) инструментальной панели диалогового окна. В этом
режиме, после определения в Визуализаторе полилинии, в поле
Measurement Description отображается длина заданной полилинии.
4.	Нажмите кнопку Close для закрытия диалогового окна
измерительных инструментов.
Просмотр нескольких изображений в едином Визуализаторе.
1.	Изображение lanier.img остается открытым в Визуализаторе. В
основном меню Визуализатора выбираем File | Open | Raster Layer. В
открывшемся диалоговом окне выбираем файл Insoils.img.
2.	Переходим на вкладку Raster Options. Сбрасываем
переключатель Clear Display. Нажимаем ОК. Теперь в Визуализаторе
одновременно отрыты два файла lanier.img и Insoils.img. Эти файлы
отображаются виде двух непрозрачных растровых слоев. Поэтому,
верхний слой слой (Insoils.img) полностью закрывает нижний
(lanier.img).
3.	Изменим порядок отображения слоев. В основном меню
Визуализатора выбираем View | Arrange Layers. Откроется диалоговое
окно задания порядка отображения слоев.
4.	В диалоговом окне мышкой переместите слой Insoils.img в
конец списка и нажмите клавишу Apply. Теперь слой lanier.img
перемещается наверх и полностью перекрывает слой Insoils.img.
17
5.	Закройте диалоговое окно задания порядка отображения
слоев, нажав кнопку Close.
6.	В основном меню Визуализатора выбираем Utility | Swipe.
Откроется диалоговое окно совместного отображения двух слоев
находящихся на вершине списка (утилита Шторка).
7.	Выбор радиопереключателей Vertical или Horizontal на панели
Direction позволяет задать вертикальное или горизонтальное
направление перекрытия при просмотре пары изображений.
Ползунковый переключатель групповой панели Swipe Position
регулирует величину области перекрытия пары изображений.
Переключатель Auto Mode запускает сканирование области
перекрытия в автоматическом режиме.
8.	Нажав кнопку Cancel, закройте диалоговое окно утилиты
«Шторка».
18
9.	В основном меню Визуализатора выбираем Utility | Flicker.
Откроется диалоговое окно поочередного отображения двух слоев
находящихся на вершине списка.
10.	Установкой переключателя Auto Mode групповой панели
Automatic Flicker, задайте автоматический режим переключения между
отображаемыми слоями. После этого, два слоя, находящихся на
вершине списка, будут поочередно отображаться в Визуализаторе.
11.	Закройте диалоговое окно поочередного отображения слоев.
12.	Закройте все слои, представленные в Визуализаторе,
используя опцию основного меню File | Clear. Чтобы закрыть, только
слой, находящийся на вершине списка, используйте кнопку & (Close
Top Layer).
Создание связи при просмотре в двух Визуализаторах.
Можно создать географическую или спектральную связь, при
просмотре изображений в двух Визуализаторах. В случае
географической связи, при выполнении скроллинга изображения в
одном Визуализаторе, изображение во втором Визуализаторе будет
перемещаться синхронно с первым изображением. Поэтому, в обоих
Визуализаторах будет отображаться одна и та же область. В случае
спектральной связи, трансформирование, применяемое к изображению
в первом Визуализаторе, будет выполнено и во втором Визуализаторе,
в том случае, если в последнем открыто то же самое изображение.
19
1.	В Визуализаторе откройте файл lanier.img. В основном меню
выберите пункт View Zoom In By 2. Изображение будет
отображаться с двойным увеличением
2.	В ERDAS IMAGINE из основного меню выберите пункт Main |
Start IMAGINE Viewer и запустите второй Визуализатор.
3.	В основном меню первого Визуализатора выберите пункт
View | Tile Viewers. Оба Визуализатора позиционируются на экране
монитора так, чтобы не перекрывать друг - друга.
4.	Во втором Визуализаторе откройте файл Insoils.img. В
основном меню второго Визуализатора выберите пункт View | Scale |
Image То Window. Изображение будет отображаться так, чтобы
полностью вписаться в габариты клиентской области окна второго
Визуализатора.
5.	В меню первого Визуализатора выберите пункт View |
Link/Unlink Viewers | Geographical. Появиться окно, требующее указать
Визуализатор, связываемый с первым Визуализатором.
6.	Переместите курсор мыши на изображение во втором
Визуализаторе и щелкните внутри клиентской области окна.
Географическая связь изображений в двух визуализаторах будет
установлена. Поверх изображения во втором Визуализаторе появится
прямоугольник, задающий размеры связанных областей изображений.
7.	Мышью переместите внутри второго Визуализатора
ограничивающий прямоугольник. Обратите внимание, как при этом
синхронно меняется область отображения в окне первого
Визуализатора. Мышью измените габариты ограничивающего
прямоугольника внутри второго Визуализатора. Отметьте, как
изменилась область просмотра в первом Визуализаторе.
8.	Скроллируйте изображение в первом Визуализаторе.
Ограничивающий прямоугольник внутри второго Визуализатора
синхронно переместится в новое положение.
9.	В меню первого Визуализатора снова выберите пункт View |
Link/Unlink Viewers | Geographical. Переместите курсор мыши на
изображение во втором Визуализаторе и щелкните внутри клиентской
области окна. Географическая связь будет удалена.
10.	Закройте второй Визуализатор.
20
Область интересов.
Часто приходиться производить операции не над всем
изображением в целом, а над отдельной его частью. В этом случае, на
изображении следует выделить область интересов (Area Of Interest,
AOI) - геометрическую область, очерчивающую интересующий нас
регион.
1.	В Визуализаторе откройте файл lanier.img. В основном меню
выберите пункт AOI | Tools. Откроется панель инструментов
построения областей интересов (AOI).
2.	Построения областей выполняется при помощи мыши. В
пределах изображения можно задавать несколько AOI. Для задания
AOI в виде прямоугольника, эллипса или полигона используйте,
О — *4
* панели.
Замыкание полигональной области выполняется двойным щелчком
мыши. Созданные области, отображаются в Визуализаторе
штриховыми линиями. Для выбора на изображении одной из
нескольких AOI, используйте инструментальную кнопку Reset Window
Tools HI (Сброс). Выделив на изображении область интересов, Вы
можете мышью переместить ее в другое место на изображении, либо
изменить размеры AOI. Для удаления неправильно построенной
области, выделите ее мышкой и выберите в меню Визуализатора AOI |
Cut.
3.	В качестве упражнения создайте несколько областей
интересов изображения lanier.img, используя различные типы AOI.
21
4.	В меню Визуализатора выберите пункт AOI | Seed Properties.
Появится диалоговое окно свойств инструмента разрастания регионов,
позволяющее автоматически строить и перестраивать области
интересов в соответствии с заданными критериями.
5.	Установите переключатель Area. В соответствующем ему поле
ввода задайте значение 400. Из списка выберите в качестве единиц
измерения опцию # pixels. Сбросьте переключатель Distance. В поле
Spectral Euclidean Distance задайте значение 20.00.
6.	Нажмите кнопку Options и в диалоговом окне установите
переключатель Include Island Polygons. Данная опция задает правило
включения внутренних областей в интегральную область разрастания.
При сброшенном переключателе, области, не проходящие по
спектральному критерию, не будут включены в интегральную область
разрастания. А при установленном переключателе, такое включение
будет осуществлено. Ниже показаны исходная область и две
результирующие области интересов для этих случаев.
22
7.	В панели инструментов построения AOI, нажмите кнопку
Region Grow AOI i!3 (Разрастание области интересов). Курсор примет
форму перекрестия. В Визуализаторе выберите одну из областей
темно-синего цвета и щелкните внутри нее мышью. Область интересов
вокруг заданной зоны будет построена автоматически, в соответствии
с параметрами, установленными в диалоговом окне Seed Properties.
8.	В окне Seed Properties установите значение 26.00 в поле
Spectral Euclidean Distance, а в поле ввода для Area, задайте значение
800. Нажмите кнопку Redo. Размеры области интересов изменятся.
9.	Закройте инструментальную панель построения AOI, нажав
кнопку Close.
10.	В меню Визуализатора выберите View | Arrange Layers. В окне
задания порядка отображения слоев видно, что появился слой AOI,
содержащий созданные области интересов.
II.	В Визуализаторе выберите пункт меню File | Save | AOI Layer
As. Введите имя файла, под которым будет сохранен АО1-слой.
Нажмите ОК.
12.	В окне задания порядка отображения слоев выделите AOI-
слой, затем из контекстного меню выберите пункт Delete Layer. Слой,
23
содержащий области интересов бу дет удален из визуализатора.
Поскольку он был предварительно сохранен, мы всегда можем
восстановить его. Для этого, из меню Визуализатора следует выбрать
пункт File | Open | AOI Layer и указать тот файл, в котором были
сохранены AOI.
Редактирование атрибутивной информации тематических слоев.
1.	Откройте в Визуализаторе файл lanier.img, представляющий
собой непрерывный слой.
2.	Используя вкладку Raster Options, не закрывая lanier.img,
поверх него, в том же Визуализаторе откройте файл Insoils.img,
представляющий тематические слои растра. Непрозрачное
изображение Insoils.img полностью перекроет lanier.img.
3.	В меню Визуализатора выберите пункт Raster | Attributes.
Откроется редактор атрибутов растра Insoils.img.
4.	Охарактеризуем некоторые, наиболее важные атрибуты
редактируемой таблицы. В столбце Class Names представлено
название класса, в столбце Color — цвет, которым представлен данный
класс на изображении, в столбце Opacity — признак прозрачности
области заполнения данного класса.
5.	Редактирование полей для всех столбцов, кроме Color
осуществляется простым вводом в соответствующей ячейке нового
значения. Поля столбца Color редактируются путем установки
курсора мыши в соответствующей ячейке, щелчка правой клавиши
мыши и выбора соответствующего цвета из контекстного меню.
6.	Можно менять порядок следования полей, а также создавать
новые атрибутивные поля редактируемой таблицы. Для этого в
24
главном меню окна редактора выбираем Edit | Column Properties.
Откроется окно свойств табличных столбцов.
7.	Выделяя в списке Columns интересующий нас атрибут, при
помощи кнопок Up, Down, Top, Bottom , меняем порядок следования
данного атрибута при отображении в таблице. Устанавливая
переключатель Editable, включаем возможность редактирования
свойств данного атрибута. Посредством кнопки Delete, удаляем
данный атрибут из списка свойств класса. А кнопка New позволяет
создать новый атрибут. Формат нового атрибута задается при помощи
кнопки Format.
8.	Закроем окно Column Properties.
9.	Класс, представленный в таблице редактирования под
номером 24 имеет имя «MADISON SNDY CLAY LOAM,6-10%,Е». В
Визуализаторе области, относящиеся к этому классу, отображаются
оранжевым цветом. Исправим для этого класса значение
прозрачности (opacity) с 1 на 0. После этого области представляемые
этим классом станут прозрачными и под ними «проступит»
изображение слоя lanier.img.
Редактирование цвета пикселей тематического растрового слоя.
1.	На вершине списка слоев должен находиться тематический
слой Insoils.img. В меню Визуализатора выберем пункт Utility | Inquire
Cursor. В диалоговом окне запроса с использованием курсора, введите
координаты позиционирования курсора Х=237808.691674,
Y=3799436.646722. Курсор переместится в указанную точку
тематического слоя
2.	В таблице атрибутов диалогового окна запроса с
использованием курсора, для текущего пикселя поле Class Names
содержит название “WATERS”, а из цветовых составляющих только
25
компонента синего цвета (Blue) имеет ненулевое значение (135.000).
Данный пиксель соответствует классу объектов “Водные ресурсы”, а
значение для данного класса содержится в поле Pixel Value. Оно равно
34. Пиксель окрашен в синий цвет. Изменим окраску текущего
пикселя.
3.	В основном меню выберите пункт AOI | Tools. В панели
инструментов AOI выберите инструментальную кнопку построения
точечной области интересов + .(Create Point AOI) Мышкой установите
точечную АО1 на изображении по координатам, соответствующим
редактируемому пикселю.
4.	В меню Визуализатора выберем пункт Raster | Fill. Откроется
диалоговое окно редактирования цвета пикселей растрового слоя.
5.	Установим в поле Fill Width диалогового окна значение
25.000, соответствующее классу MADISON SNDY CLAY и меняющее
цвет пикселя на серый. Нажмем кнопку Apply. Цвет текущего пикселя
изменится.
6.	Чтобы отменить закраску пикселя, в меню Визуализатора
выберем пункт Raster | Undo.
7.	Зададим полигональную область интересов внутри класса
объектов “WATERS”, используя кнопку Ив(Р1асе a Simple Closed
Polygon). Снова нажмем кнопку Apply диалогового окна
редактирования цвета пикселей. Цвет пикселей в рамках AOI
изменится на серый.
8.	Отменим закраску пикселей растра, выбрав пункт Raster |
Undo. Закроем диалоговое окно.
Использование «экранной лупы».
1. Чтобы просмотреть в увеличенном масштабе определенную
область изображения, в меню Визуализатора выберите пункт View |
26
Create Magnifier (Создать «экранную лупу»). В первом Визуализаторе
будет образована прямоугольная область, задающая на изображении
область увеличения (прямоугольная область запроса). Далее, будет
открыт второй Визуализатор, где в увеличенном масштабе будет
отображаться выбранная область.
2. Чтобы сменить фрагмент, отображаемый во втором
Визуализаторе, следует изменить расположение прямоугольной
области запроса в первом Визуализаторе. Подведите к прямоугольнику
мышь, нажатием левой клавиши захватите его и переместите в новое
местоположение. Теперь во втором Визуализаторе в увеличенном
масштабе будет отображаться новая область.
27
2. Векторные слои в ERDAS IMAGINE
2.1. Формат ArcCoverage
Структура векторных слоев в ERDAS IMAGINE базируется на
модели данных Arcinfo, предложенной компанией ESRI. В основе этой
модели лежит векторное покрытие (coverage). Программные продукты
ERDAS IMAGINE обеспечивают весь набор операций с векторными
покрытиями формата Arcinfo. При этом не требуется приобретение
отдельной лицензии на использование форматов данных компании
ESR1.
Как правило, векторные слои организуют так, чтобы не смешивать
разнородную информацию - точечные темы (отдельные объекты,
отметки высот) представлены точечными векторными слоями.
Линейные объекты (русла рек, границы объектов) сведены в линейные
векторные слои, а полигональные объекты (озера, страны)
организованы в виде полигональных векторных слоев. Но, векторный
слой в формате покрытия может содержать одновременно и точки и
линии и полигоны.
Рис 2.1. Покрытие может содержать точки, линии и полигоны
одновременно
Итак, покрытие, представляющее некий векторный слой может
одновременно хранить данные о точках, линиях и полигонах. Все эти
объекты находятся в сложных топологических отношениях —
пересечения, включения, нахождения на границе. Информация о
топологии тоже сохраняется в формате покрытия, но для ее
обновления (например, после создания или редактирования покрытия)
следует использовать специальные функции ERDAS IMAGINE.
28
Рис 2.2. Инструменты Clean Vector Layer и Build Vector Layer
Topology модуля Vector Utilities для построения топологических
отношений векторного покрытия
Помимо топологических связей в формате покрытия
предусмотрено хранение еще нескольких важных сущностей. Это,
прежде всего - вершины (vertices), или узловые точки линий и
полигонов.
Рис 2.3. Вершины 1,2,3 и 4 формируют векторный сегмент из
прямых линий, а вершины 5,6,7,8 и 9 многоугольник
Координаты вершин тоже сохраняются в покрытиях. Координаты
векторных данных, полученные из источника, не имеющего
геопривязки, соответствуют файловым координатам. Но чаще всего
координаты вершин определяются картографическими координатами.
Еще одна сущность, сохраняемая в покрытиях это тики (tics). Тики
являются связующим звеном между вектором в форме покрытия и
29
картографической координатной системой. Поясним это на примерах.
Если Вы создаете новое покрытие на поверхности растрового слоя,
содержащего опорные точки, то эти опорные точки станут тиками
нового покрытия, задавая связь между координатами вектора и
проекцией растра. Фактически, тики являются опорными точками
векторного слоя.
При создании векторного слоя в формате покрытия, он по
умолчанию уже содержит два тиха, имеющих индивидуальные
индексы (ID). Выполняя трансформирование векторного покрытия из
одной проекции в другую, Вы задаете метод трансформирования
(например, аффинное преобразование) и координаты тиков (опорных
индексами на исходном и результирующем покрытиях будут
использованы для получения параметров преобразования из одной
проекции в другую.
Физически, покрытие представляет собой набор файлов,
содержащих данные об объектах векторного покрытия, об атрибутах
объектов и об их связях. Приведем некоторые имена файлов,
содержащихся в одноименном подкаталоге покрытия и их описания.
Таблица 1
Типы файлов	Файл	Описание
Файлы, содержащие определения объектов	ARC	Координаты и топология линий
	CNT	Координаты центроидов полигонов
	LAB	Координаты и топология меток
	TIC	Координаты тиков
Файлы атрибутов объектов	ААТ	Атрибутивная таблица линий (дуг)
	PAT	Атрибутивная таблица полигонов (точек)
Файлы связей объектов	PAL	Файл взаимных связей полигонов/линий/точек
Файлы описания слоя	BND	Граничные координаты слоя
	LOG	Протокол изменений слоя (history file)
	PRJ	Файл координат проекции
	TOL	Файл допусков (tolerance file)
30
Помимо модели данных Arcinfo, ERDAS IMAGINE поддерживает
множество векторных форматов от различных производителей.
Скажем несколько слов о широко распространенных векторных
форматах компании ESRI. Первый формат это shape-файлы. В ERDAS
IMAGINE возможно создание и изменение таких файлов, а так же
редактирование и выборка по запросу атрибутов. Второй формат —
SDE (Spatial Database Engine). Это специализированный формат
хранения геоданных на сервере СУБД. В данной редакции ERDAS
IMAGINE поддерживается только просмотр, но не редактирование
данных в формате SDE. Для выполнения более сложных операций,
например трансформирования, данные, находящиеся в shape и SDE-
форматах предварительно следует перевести в формат покрытий.
2.2. Операции с векторными слоями в ERDAS
IMAGINE
2.2.1.	Копирование векторного слоя
Пользователю рекомендуется создать отдельную копию рабочих
данных в своем рабочем каталоге. Поэтому, мы выполним
копирование исходного векторного слоя zone88, хранящегося в
каталоге демонстрационных данных ERDAS IMAGINE, в директорию,
выбранную пользователем.
1.	В главном меню ERDAS IMAGINE выберите опцию Main |
Vector. Откроется набор инструментов Vector Utilites.
31
2.	В диалоговом окне выберите опцию Copy Vector Layer.
3.	В открывшемся диалоговом окне Copy Vector Layer, в поле
ввода Vector Layer to Сору выберите файл zone88 (тип вектора -
покрытие) из каталога демонстрационных данных ERDAS IMAGINE.
4.	В поле ввода Output Vector Layer введите имя файла
zone88_New, под которым в выбранной Вами директории будут
сохранены векторные данные.
5.	Нажмите ОК, чтобы запустить процесс копирования.
6.	По завершению процесса копирования, закройте диалоговое
окно Vector Utilities.
2.2.2.	Открытие векторного слоя в Визуализаторе
В данном упражнении мы выполним совместное открытие
векторного и растрового слоев в рамках единого Визуализатора.
1.	Откройте в Визуализаторе файл germtm.img, представляющий
растровый слой.
2.	В Визуализаторе выберите опцию меню File | Open | Vector
Layer.
3.	В диалоге открытия файла, выберите скопированный в Вашу
пользовательскую директорию файл zone88_New и перейдите на
вкладку Vector Options.
4.	Убедитесь, что переключатель Clear Display сброшен и
нажмите ОК. В рабочем окне Визуализатора совместно отобразятся
растровый и векторный слои.
5.	Из меню Визуализатора выберите пункт Vector | Viewing
Properties. Откроется окно визуальных свойств векторного слоя.
32
6.	Установите переключатели Points и Attributes в окне
визуальных свойств. В списке задания атрибутивного поля,
отображаемого в качестве метки, вместо ZONE88# выберите AREA.
7.	В поле установки стиля для переключателя Arcs нажмите
кнопку ^(Установка стиля) и выберите из списка стиль Other.
Откроется окно установки стиля линейных объектов векторного слоя.
8.	В поле Outer Color при помощи кнопки установки стиля iJ
задайте цвет Orange для линейных объектов. В поле Width задайте
толщину линий 2.00.
9.	Закройте окно установки стиля линейных объектов.
10.	Нажмите кнопку Apply в окне визуальных свойств векторного
слоя, чтобы сделанные Вами изменения вступили в силу.
33
2.2.3.	Работа с атрибутами векторных слоев
Особенностью векторных слоев - покрытий, подобных слою,
открытому в предыдущем упражнении, является то, что они могут
содержать и отображать одновременно объекты следующих типов:
-	линейные объекты;
-	точечные объекты;
-	полигональные объекты;
-	тики;
Каждому из этих объектов соответствует свой набор атрибутов.
Изучим приемы работы с атрибутами объектов векторного слоя.
1.	Используем векторный слой zone88_New, открытый нами
ранее в Визуализаторе.
2.	В меню Визуализатора выберите Vector | Attributes. Откроется
окно атрибутов векторного слоя.
3.	В меню View диалогового окна имеется возможность выбрать
тип атрибутов - Point Attributes, Line Attributes, Polygon Attributes или
Tic Polygon Attributes. Список атрибутов примет определенный вид, в
зависимости от выбранной опции. В нашем упражнении мы будем
работать с линейными атрибутами и поэтому выберем опцию Line
Attributes.
4.	Выделите запись под номером 68, щелкнув мышкой по ней в
поле Record таблицы. Линейный объект, соответствующий
выделенной записи подсветится в окне Визуализатора желтым цветом.
Для выделения в таблице нескольких объектов одновременно,
используйте клавишу Shift. Можно выполнить обратное действие,
34
мышкой в окне Визуализатора выделить линейный объект, при этом
соответствующая ему запись в таблице атрибутов будет выделена.
5.	Щелкнув правой клавишей мыши в поле Record таблицы
атрибутов, из контекстного меню выберите опцию Select All. Все
записи таблицы и все линейные объекты Визуализатора окажутся
выделенными.
6.	Щелкнув правой клавишей мыши в поле Record таблицы
атрибутов, из контекстного меню выберите опцию Select None.
Выделение со всех записей таблицы и линейных объектов будет снято.
2.2.4.	Задание критериев выбора
Поставим задачу - выделить все линейные объекты, для которых
значение атрибута LENGTH больше 700.
1.	Щелкнув правой клавишей мыши в поле Record таблицы
атрибутов, из контекстного меню выберите опцию Criteria. Откроется
окно задания критериев выбора при работе с атрибутами.
2.	В списке атрибутов Columns, выберите поле Length, щелкнув
по нему мышкой. В поле ввода критерия отбора Criteria появится
строка $"LENGTH".
3.	В списке Compares, выберите тип сравнения >, щелкнув по
нему мышкой. Критерий отбора в поле Criteria изменится на
«"LENGTH" >.
4.	Введите 700 - сравниваемое числовое значение в поле Criteria,
так, чтобы окончательно оно приняло вид «"LENGTH" > 700.
5.	Нажмите кнопку Select. Все линейные объекты,
соответствующие данному критерию будут выделены в
Визуализаторе.
35
6. Закройте окно задания критериев.
7. В меню Визуализатора выберите Vector | Enable Editing.
Теперь можно редактировать векторный слой.
8.	В меню окна атрибутов векторного слоя выберите Edit |
Column Attributes. Откроется окно, позволяющее добавлять, удалять и
изменять атрибуты векторного слоя.
еапЕп
Cdutms:
FNODEft
TNODEft
LPOLYtt
RPOLYH
LENGTH
Z0NE88tt
Z0NE88-ID

Уйе |Nev<Attribute


9.	Нажмите кнопку New, для создания нового атрибута. В поле
Title введите имя атрибута New Attribute. В поле Туре задайте тип
создаваемого атрибута — Real. Нажмите ОК. Окно изменения
атрибутов закроется. В таблице окна атрибутов векторного слоя
появиться новый столбец - New_Attribute.
10.	Закройте окно атрибутов векторного слоя.
2.2.5.	Редактирование векторного слоя
1.	В меню Визуализатора выберите Vector | Enable Editing, если
режим редактирования не был включен ранее. Теперь можно вносить
изменения в векторный слой. Редактирование, как и ранее, будем
изучать ня примере линейных объектов.
2.	Щелкните мышкой на любом линейном объекте, чтобы
выделить его.
3.	В меню Визуализатора выберите Vector | Tools. Появится
инструментальная панель редактирования векторного слоя.
36
л
4.	На инструментальной панели выберите кнопку Split *
(Расщепить). С ее помощью можно производить расщепление
линейных объектов. Курсор примет вид перекрестия.
5.	Щелкните мышкой в середине выделенного линейного
объекта, чтобы произвести его расщепление на два субсегмента. В
точке расщепления будет создан дополнительный узел.
6.	Снова щелкните мышкой на линейном объекте, выбранном на
предыдущем шаге. Будет выделен один из задаваемых точкой
расщепления субсегментов.
7.	Нажав и удерживая клавишу Shift, выделите второй
субсегмент. В меню Визуализатора выберите пункт Vector | Join. Узел,
созданный при расщеплении будет удален и произойдет слияние двух
субсегментов в один линейный объект.
8.	В меню Визуализатора выберите пункт Vector | Reshape.
Вершины сегментов линейного объекта будут активированы.
9.	Захватите мышкой одну из вершин и переместите ее в новое
местоположение. Таким образом, можно редактировать линейные
объекты.
37
10.	В меню Визуализатора выберите пункт View | Undo.
Изменения, выполненные при редактировании, будут отменены.
Закройте инструментальную панель редактирования векторного слоя,
нажав кнопку Close.
2.2.6.	Создание нового векторного покрытия
1.	В Визуализаторе должны быть открыты векторный и
растровый слои, используемые в предыдущих упражнениях.
2.	Используя меню Main | Start IMAGINE Viewer, откройте
второй Визуализатор, в котором и будем создавать новый векторный
слой.
3.	Расположите Визуализаторы на экране монитора так, чтобы
они не перекрывались, при помощи опции Session | Tile Viewers
главного меню ERDAS IMAGINE.
4.	Откройте во втором Визуализаторе файл germtm.img,
представляющий растровый слой. При открытии, используйте опцию
Fit to Frame.
5.	В меню второго Визуализатора выберите File | New | Vector
Layer. Убедитесь, что в открывшемся диалоговом окне, тип
создаваемого векторного слоя установлен в Arc Coverage.
6.	Введите имя файла zone88sub, под которым в выбранном
Вами каталоге будут сохранены создаваемый векторный слой.
7.	В появившемся диалоговом окне выберите переключатель
Single Precision (одинарная точность) и нажмите ОК. Во втором
Визуализаторе будет создан новый векторный слой, который пока не
содержит никаких объектов.
8.	В меню первого Визуализатора выберите Vector | Options. В
появившемся диалоговом окне установите в положение Contained In
радиопереключатель Select By. Нажмите Apply а затем Close.
38
P tofeSnac
i»' ArcSr«p
P Weed
totojpgp .	13110226'
rw - i 30.0226 ।--
V4sr ‘ jopttons for: j:/l
*,, ф-.|.л “ 2
ta / 30.0226
& Ививй । з
9.	В меню первого Визуализатора выберите Vector | Attributes.
Откроется диалоговое окно атрибутов векторного слоя.
10.	В меню диалога установите опцию View | Point Attributes.
11.	В меню первого Визуализатора выберите Vector | Tools. В
открывшейся инструментальной панели редактирования векторного
слоя выберите кнопку М выделения объектов при помощи области,
ограниченной эллипсом.
12.	В рабочем окне первого Визуализатора создайте область,
ограниченную эллипсом. Объекты, попавшие внутрь этой области,
будут выделены желтым цветом. Кроме того, в диалоговом окне
атрибутов векторного слоя будут подсвечены все записи,
соответствующие выделенным объектам (с учетом установленной
опции Point Attributes).
13.	Для выделенных в Визуализаторе объектов, выполним
экспорт, например, атрибута ZONING в текстовый файл. Выделите
столбец ZONING, щелкнув мышкой по его заголовку. Затем, щелкнув
правой клавишей мыши в заголовке столбца ZONING, из контекстного
меню выберите опцию Column options | Export.
14.	В диалоговом окне экспорта укажите имя ASCII файла
zoning.dat, в своей директории и нажмите ОК. Экспорт будет
выполнен. Закройте диалоговое окно атрибутов векторного слоя.
39
15.	В меню первого Визуализатора выберите Vector | Сору.
Выделенные в Визуализаторе объекты будут скопированы в буфер
Windows.
16.	В меню второго Визуализатора выберите Vector | Paste.
Скопированные в буфер Windows объекты будут вставлены в новый,
пустой векторный слой. Сохраните измененный слой, выбрав в меню
второго визуализатора пункт File | Save | Top Layer.
17.	В меню второго Визуализатора выберите Vector | Attributes.
Откроется диалоговое окно атрибутов созданного векторного слоя. В
данном случае атрибутивная информация пока отсутствует.
18.	В диалоговом окне атрибутов выберите пункт меню View |
Point Attributes. Теперь работа будет вестись с точечными атрибутами.
Для создания атрибутов нового векторного слоя выберите пункт меню
Edit | Create Attributes диалогового окна. Автоматически будут
созданы, например, геометрические атрибуты точечных объектов,
содержащие координаты X и Y. Никакие дополнительные атрибуты
автоматически не создаются. Для их создания выполним импорт
атрибутов.
19.	Выберите пункт меню Edit | Column Attributes. Появится окно,
позволяющее добавлять, удалять и изменять атрибуты векторного
слоя.
20.	В диалоговом окне нажмите кнопку New, для создания нового
атрибута. В поле TITLE введите название атрибута ZONING. В поле
TYPE выберите тип атрибута INTEGER. В поле Precision выберите
Single - точность представления атрибута. Нажмите ОК. Атрибут
ZONING для нового слоя будет создан. Диалоговое окно закроется.
21.	В диалоговом окне атрибутов щелкните мышью в поле любой
записи столбца Record и из контекстного меню выберите пункт Select
All. Все записи таблицы будут выделены.
22.	Щелкните мышью в заголовке столбца описывающего новый
атрибут ZONING. Столбец ZONING будет выделен. Щелчком правой
клавиши мыши вызовите контекстное меню Import, для выполнения
операции импорта атрибутивных значений из ASCII файла.
23.	В диалоговом окне импорта укажите имя ASCII файла
zoning.dat, созданного ранее и нажмите ОК. Импорт значений атрибута
ZONING будет произведен. Соответствующие значения в
одноименном столбце изменятся.
24.	Сохраните векторный слой во втором Визуализаторе, выбрав
пункт меню File | Save | Top Layer. Закройте оба Визуализатора.
40
2.2.7.	Создание нового shape-файла
1.	Откройте в Визуализаторе файл germtm.img, представляющий
растровый слой.
2.	В меню Визуализатора выберите File | New | Vector Layer.
Установите тип создаваемого векторного слоя в Shapefile (*.shp).
Задайте имя файла zone88shape, под которым в выбранной Вами
директории будут сохранены создаваемые Вами векторные данные.
3.	В диалоговом окне выберите тип Polygon Shape для
создаваемого шейп-файла и нажмите ОК. Шейп-файл будет создан.
4.	Выберите в меню Визуализатора опцию Vector | Tools.
Появится инструментальная панель редактирования векторного слоя.
5.	На инструментальной панели редактирования векторного слоя
выберите кнопку 1^1 (Place a Simple Closed Polygon) для создания
полигональных объектов. Создайте полигон с четырьмя вершинами.
Автоматическое замыкание полигона произойдет при двойном щелчке
мышкой.
6.	Выберите в меню Визуализатора опцию Vector | Attributes для
просмотра атрибутов созданного векторного слоя. Убедитесь, что в
диалоговом окне установлена опция View | Polygon Attributes.
41
7.	Продолжим изучение приемов редактирования векторного
слоя.
8.	Разделим полигон, созданный на предыдущем шаге на два
полигона. Воспользуемся кнопкой Й (Split Polygon by a Polyline)
инструментальной панели редактирования векторного слоя. Проведите
мышью разделительную линию, рассекающую полигон на две части.
Выход из режима задания разделительной линии осуществляется по
двойному щелчку мыши.
9.	Теперь вместо одного полигонального объекта, наш шейп-
файл содержит два. Вот как выглядит их атрибутивная таблица. Видно,
что был произведен автоматический пересчет атрибутов AREA и
PERIMETER.
10.	Создадим еще один полигон, имеющий общее ребро с одним
из существующих полигонов. Для этого воспользуемся кнопкой Create
new Polygon by appending to existing Polygons ® (Создать новый
полигон, присоединением к существующему).
11.	Перед началом оцифровки щелкните левой клавишей мыши
внутри существующего полигона. Продолжайте оцифровку, добавляя
вершины нового полигона. Для окончания процесса снова щелкните
левой клавишей мыши внутри существующего полигона.
42
12.	Теперь полигональные объекты будут выглядеть так, как
показано на рисунке
13. Снова отобразим атрибутивную таблицу векторного слоя.
14.	Создадим еще один полигон, и объединим его с одним из
существующих полигонов. Для этого воспользуемся кнопкой Replace
a portion of a polygon КЗ (Изменить часть полигона).
15.	Снова, перед началом оцифровки щелкните левой клавишей
мыши внутри существующего полигона. Продолжайте оцифровку,
добавляя вершины нового полигона. Для окончания процесса
щелкните левой клавишей мыши внутри существующего полигона.
16.	Окончательно полигональные объекты будут иметь вид,
показанный ниже на рисунке.
43
17.	Атрибутивная таблица примет окончательный вид.
18.	Сохраните векторный слой в Визуализаторе, выбрав пункт
меню File | Save | Top Layer. Закройте Визуализатор.
2.2.8.	Преобразование растрового слоя в векторный
1.	В главном меню ERDAS IMAGINE, выберите пункт Main |
Vector. Откроется диалоговое окно выбора инструментов для работы с
векторными слоями. В нем выберите утилиту Raster То Vector.
2.	В качестве растра подлежащего преобразованию в векторный
слой укажите файл Insoils.img. В качестве имени выходного
векторного слоя задайте Vectl , в своем рабочем каталоге.
Создаваемый слой будет иметь тип ArcCoverage. Нажмите ОК. Перед
Вами откроется диалоговое окно задания дополнительных опций
преобразования растрового слоя в векторный.
44
3.	Убедитесь, что радиопереключатель Output Coverage Type
установлен в положение Polygon — объекты создаваемого векторного
слоя должны иметь тип полигонов.
4.	При необходимости задайте в поле Weed Tolerance величину
допуска на минимальное расстояние между вершинами огибающих
линий полигонов. Чем выше это число, тем грубее будет
производиться генерализация сегментов полигонов.
5.	Нажмите ОК. По завершению преобразования откройте
созданное покрытие Vectl в Визуализаторе. Из меню Визуализатора
выберите пункт Vector | Viewing Properties и в окне визуальных
свойств векторного слоя установите толщину линий и цвет
отображения векторных объектов.
ГГ~ I Ч.iMTMi WUli it.
45
2.3.	Инструмент автоматической векторизации
IMAGINE Easytrace
При извлечении геопространственных данных со снимков
основные затраты труда приходятся на векторизацию объектов.
Например, чтобы на снимке оцифровать некоторое озеро, требуется
вручную, очень тщательно обвести его границы, создавая множество
вершин полигона, для того, чтобы вписаться в сложные границы
природного объекта. Малейшая ошибка потребует впоследствии
коррекции положения вершин.
На сегодняшний день очень актуален вопрос создания программ
автоматического извлечения и перевода в векторную форму объектов
(feature extraction) со снимков. Эта задача настолько сложна, что на
сегодняшний день нет ни одной программы, работающей полностью в
автоматическом режиме, которая бы не требовала значительного
объема пост-обработки полученных векторных данных. Зачастую,
такая пост-обработка по трудозатратам сравнима с ручной
векторизацией.
Тем не менее, программы полуавтоматической обработки,
существующие на данный момент, могут хотя и не полностью, но в
существенной мере сократить долю ручного труда и уменьшить
стоимость обработки в процессе извлечения объектов со снимков.
В таких полуавтоматических системах оператор находит
необходимые объекты на снимке и указывает программе их
расположение, вручную задавая несколько опорных узлов векторных
сегментов. Имея эту информацию, программа самостоятельно
завершает векторизацию указанного объекта. Такой
полуавтоматический подход имеет право на существование только в
том случае, если он обеспечивает существенный выигрыш в скорости
и точности по сравнению с ручными методами векторизации.
2.3.1.	Возможности программы IMAGINE Easytrace
Для эффективного решения задач векторизации компания Leica
Geosystems предлагает мощный модуль IMAGINE Easytrace, который,
при приобретении отдельной лицензии встраивается в штатный
Визуализатор. На текущий момент функциональность модуля
IMAGINE Easytrace развивается в направлении полуавтоматической
46
векторизации объектов ленточного типа (ribbon features) и
выделения границ объектов.
Под объектами ленточного типа на снимках будем понимать
линейные объекты с однородной структурой и, приблизительно
постоянной, вдоль всей их протяженности шириной. Кроме того, такие
объекты характеризуются переменным радиусом кривизны вдоль всей
линии протяженности. Примерами объектов с такими свойствами на
снимках являются реки и дороги.
Программа Easytrace позволяет создавать векторные сегменты
двумя способами. Первый способ - в виде осевой линии, проведенной
приблизительно по центру, на равном удалении от краев объекта
(режим “Centerline”). Второй способ - в виде двух линий повторяющих
контур по краям объекта (режим “Ribbon”).
Задача выделения границ объектов (режим “Boundaries”)
возникает, например, при векторизации объектов гидрологии, участков
различного сельскохозяйственного назначения. Выходная информация
представляется в виде замкнутых линейных векторных сегментов.
Рис 2.4. Три режима векторизации объектов в IMAGINE Easytrace: а —
одной линией; б — двумя линиями; в — выделение границ
47
При обработке мхльтиспектральных изображений, программа
IMAGINE Easytrace может выполнять анализ, используя любые три
спектральных канала снимка, как по отдельности, так и в
совокупности. Предварительно, средствами Визуализатора следует
выполнить отображение выбранных каналов в каналы R, G и В
видимого диапазона. В процессе обработки, программа выполнит
синтез всех каналов (или одного выбранного) в единый вирлуальный
канал, содержащий только компоненту интенсивности в терминах
цветовой модели IHS. Этот промежуточный канал и служит
источником информации об изображении для внутренних алгоритмов
IMAGINE Easytrace.
Конечно, такое усреднение RGB-значений и потеря цветовой
компоненты изображения в ряде случаев мешают качественному
выделению объектов. Например, мы без труда визуально распознаем
границы дорожных объектов благодаря очевидным цветовым
различиям с фоном снимка. При одинаковой с фоном составляющей
интенсивности, эти дорожные объекты не будут распознаны
программой Easytrace в ситуации, когда отброшена информация о
цвете. Чтобы обойти эту ситуацию, Вы можете использовать для
синтеза в программе IMAGINE Easytrace не все три канала RGB , а
какой-нибудь один - тот, в котором извлекаемые объекты обладают
наибольшей контрастностью.
Панхроматические снимки, обладающие достаточной
контрастностью, также могут быть обработаны данной программой.
2.3.2.	Подготовка шаблонов
Для извлечения объектов ленточного типа программе IMAGINE
Easytrace предварительно надо задать шаблон, наиболее полно
описывающий векторизуемый объект. Сравнивая этот шаблон с
элементами снимка, программа в процессе векторизации отслеживает
положение курсора и по критериям сходства находит на снимке
наиболее подходящее место для размещения очередной вершины
линейного векторного сегмента.
Шаблон представляет собой маску размером IxN пикселей,
накладываемую на наиболее характерную область ленточного объекта
в поперечном направлении.
48
Рис 2.5. Шаблон на снимке накладывается на фрагмент дорожного
полотна. Выполнив анализ пикселей накрываемых маской, программа
создаст критерии сравнения для корректного извлечения информации
о векторизуемом объекте
На примере векторизации дорожного полотна рассмотрим процесс
подготовки шаблона для объектов ленточного типа в программе
IMAGINE Easytrace. Он сводится к нанесению по обеим сторонам
дороги двух точек, через которые будет проведена поперечная секущая
линия, определяющая положение маски. Точки должны быть нанесены
как можно точнее и максимально близко к краям трассы.
Рис 2.6. Наиболее типичные ошибки при подготовке шаблонов.
Выбран не самый характерный участок дороги (1). Шаблон не лежит
на радиусе кривизны в данной точке дороги (2). Одна из точек
шаблона не лежит на кромке дороги (3). Обе точки шаблона не лежат
на кромках дороги (4). Правильно заданный шаблон (5).
Если Вы векторизуете группу однотипных объектов ленточного
типа, нет необходимости для каждого такого объекта задавать новый
49
шаблон. В данной ситуации, система обеспечивает повторное
использование созданного шаблона (опция “Reuse temp.”).
Еще заметим, что в режиме выделения границ объектов Вам
вообще не требуется задавать шаблон. Внутренние алгоритмы
программы делают это автоматически.
2.3.3.	Векторизация
В качестве примера рассмотрим процесс векторизации на снимке
дорожного полотна. Для начала работы Вам необходимо вручную
задать начальную точку, - первую вершину создаваемого векторного
сегмента. Выберите на изображении дороги точку и щелкните мышью
на ней. Это, так называемая «затравка». Теперь, при перемещении
мыши, программа будет находить наилучшее положение линии,
повторяющей контуры дороги и наращивать векторный сегмент. Так
будет продолжаться до тех пор, пока Вы не выполните двойной
щелчок мышью. Тем самым Вы укажете конечную точку
векторизацию фрагмента дороги.
Теперь, при помощи внутренних алгоритмов, программа создаст
прямоугольную область поиска, примерно ограниченную начальной и
конечной точками в одном направлении и крайними точками шаблона
в другом.
Рис 2.7. Прямоугольная область поиска сформирована точками
шаблона (А,В) и крайними точками сегмента дороги (1,2)
В пределах зоны поиска, программа закончит создание векторного
сегмента, автоматически сгенерировав необходимое число его вершин.
Иногда внутренние алгоритмы IMAGINE Easytrace не могут
корректно сгенерировать промежуточные вершины. Такая ситуация
возникает на сильно искривленных участках дороги. В этом случае
50
оператору следует вручную добавить несколько промежуточных
точек, выполнив однократный щелчок левой клавишей мыши и
уменьшить тем самым влияние кривизны. При этом дополнительные
области поиска будут формироваться на этих промежуточных точках.
Рис 2.8. Между начальной (1) и конечной (5) точками оператор
добавляет промежуточные точки (2, 3, 4), чтобы корректно обработать
сильно искривленный участок
С помощью «горячих» клавиш, оператор может в процессе
векторизации временно переключаться из режима автоматической
генерации вершин в ручной режим, повышая точность обработки
«проблемных» участков.
Дадим еше несколько рекомендаций по выполнению векторизации
при помощи программы IMAGINE Easytrace.
1.	Если последняя точка создаваемого фрагмента окажется вне
зоны экранной видимости (например, при скроллировании),
результаты работы алгоритма могут стать непредсказуемыми. Всегда
следите за тем, чтобы последняя из добавляемых точек находилась в
области видимости экрана. Отсюда следует еще один важный вывод -
программа IMAGINE Easytrace всегда строит трассу между начальной
и конечной точкой области поиска. Не следует задавать слишком
большую область поиска,- добавляйте промежуточные точки, для
более качественной векторизации.
2.	Для сильно искривленных объектов (русла некоторых рек на
мелкомасштабных снимках), придется добавлять значительное
51
количество промежуточных точек вручную, для сохранения точности
векторизации.
3.	Пространственное разрешение снимка, содержимое
изображения и сложность сцены всегда влияют на процесс
векторизации. Обычно городские территории менее однородны и
представляют собой более сложные сцены, чем снимки сельской
местности, гор, пустыни.
4.	На участках плотной застройки, прилегающих к трассам,
алгоритм программы IMAGINE Easytrace может не выявить границ
векторизуемого объекта по причине очень неоднородной информации
по краям трассы. В этом случае придется выполнять векторизацию
вручную.
5.	Если контрастности снимка недостаточно для качественной
векторизации, следует предварительно провести обработку
изображения (улучшить его контрастность, четкость, выполнить
фильтрацию).
2.3.4. Практическое использование инструмента
автоматической векторизации IMAGINE Easytrace
1.	Откройте в Визуализаторе растровый файл
waldkirch ads40_sub.img из каталога примеров Erdas Imagine.
52
2.	Из меню Визуализатор выберите пункт File | New | Vector
Layer. Откроется диалоговое окно создание нового векторного слоя.
3.	Выберите каталог, в котором у Вас есть право записи для
хранения векторного слоя. Тип создаваемого вектора - покрытие
(ArcCoverage). Дайте новому слою имя tour_trace. Нажмите ОК.
4.	В появившемся диалоговом окне установите
радиопереключатель New Coverage Precision в значение Single
Precision, задав одинарную точность создаваемого слоя. Нажмите ОК.
5.	Автоматически откроется панель инструментов работы с
векторными слоями.
53
6.	Выберите на панели кнопку инструмента Easytrace -J .
Появится диалог установки параметров модуля Easytrace.
7.	В диалоговом окне установите переключатель Easy Tracing,
чтобы были доступны опции настройки автоматической оцифровки.
Установите радиопереключатель Feature Туре в значение Centerline —
Вы будете сейчас векторизовать дороги, и линейные сегменты вектора
будут при этой установке создаваться вдоль осевых линий дорог.
Установите переключатель Tracing mode в значение Rubber Band. Тем
самым, Вы задаете режим следования за курсором но алгоритму
«гибкой ленты». Нажмите кнопку Advan. Settings, для запуска
диалогового окна дополнительных установок.
8.	В диалоговом окне дополнительных установок установите
значение параметра Smothness в 86 (весовой фактор сглаживания
линейных сегментов), значение параметра Straightness в 66 (весовой
фактор отклонения от направления движения курсора) и значение
параметра Image Feature в 30 (весовой фактор точности обводки
54
векторизуемых объектов). Радиопереключатель Color Band For Easy
Tracing установите в значение All — Все каналы мультиспектрального
изображения участвуют в автоматической оцифровке. Нажмите ОК.
Диалоговое окно дополнительных установок закроется.
9.	С помощью инструмента увеличьте изображение и выберите
на снимке участок с несколькими нелинейными сегментами дорог.
10.	На инструментальной панели работы с векторными слоями
выберите кнопку создания линейных векторных объектов (Place а
line feature in the coverage).
11.	Левой клавишей мыши выполните два щелчка в поперечном
направлении дороги (по одному с каждой стороны дороги), стараясь
максимально точно попасть на границу дорожного полотна. Этим
действием Вы зададите информацию о ширине векторизуемого
участка дороги и создадите текстурный шаблон для отслеживания при
оцифровке положения курсора по алгоритму «гибкой ленты».
12.	Теперь можно начинать оцифровку. Подведите мышь к началу
оцифровываемой области и сделайте однократный щелчок мышью.
Перемещайте курсор мыши. Инструмент Easytrace будет
автоматически отслеживать перемещение курсора и создавать новые
линейные сегменты векторного слоя с учетом изгибов дорожного
полотна.
55
13.	Для выхода из режима автоматической оцифровки дважды
щелкните мышью.
14.	Чтобы откорректировать созданный линейный сегмент
(добавить, удалить, переместить вершины), выделите его и на
инструментальной панели работы с векторными слоями нажмите
кнопку Изменение линейного сегмента (Reshape a single line) .
Обратите внимание, программа автоматически создала
вершины векторного сегмента с определенным шагом.
15.	Чтобы изменить цвет или толщину линии векторного слоя
дорог, выберите из меню Визуализатора пункт Vector | Viewing
Properties. В диалоге визуальных свойств векторного слоя установите
переключатель Arcs и для соответствующего ему стиля выберите
значение Other. В соответствующем диалоге выберите нужный цвет и
толщину линии. Мы подробно не останавливаемся на этом пункте,
поскольку техника изменения визуальных свойств вектора была
описана ранее.
56
16.	Теперь научимся выполнять автоматическую векторизацию
полигональных объектов. На панели настройки параметров Easytrace
установите радиопереключатель Feature Туре в значение Boundaiy —
сейчас Вы будете оцифровывать зеленые насаждения. Снова нажмите
кнопку Advan. Settings, для запуска диалогового окна дополнительных
установок. В окне дополнительных установок нажмите кнопку Reset,
для возврата к установкам по умолчанию. Установите значение
параметра Image Feature в 90.
17.	Нажмите ОК, чтобы закрыть диалог дополнительных
установок. На инструментальной панели работы с векторными слоями
57
нажмите кнопку создания полигональных векторных объектов
t^ifPlace a simple closed polygon).
18.	Выбираем объект из группы зеленых насаждений и начинаем
его векторизацию. Для остановки, выполним двойной щелчок мышью.
19.	Сохраните созданный векторный слой.
58
3.	Цифровые модели местности
Помимо карт и планов, земная поверхность может быть
представлена в виде цифровых моделей местности (ЦММ, digital
terrain model, DTM).
Цифровой моделью местности называют дискретное,
компьютерное представление объектов рельефа в виде массива точек с
известными планиметрическими координатами (X, Y) и высот точек
земной поверхности. При помощи цифровой модели местности
выполняется аппроксимация рельефа с учетом его природных
характеристик и условий, а также связей между объектами
расположенными на земной поверхности. Для более полного описания
топографии в цифровую модель местности могут быть включены
дополнительные структурные элементы и кодовые обозначения,
характеризующие связи и отношения между соответствующими
точками ЦММ.
Итак, ЦММ - это трехмерное, топографическое представление
некоторого фрагмента земной поверхности.
Более общее определение - цифровая модель поверхности (Digital
Surface Model, DSM). Цифровая модель поверхности представляет
высоты связанные с земной поверхностью, включая топографию и,
возможно, искусственно созданные объекты на земной поверхности
(здания, сооружения).
Рис 3.1. Представления земной поверхности: а - в виде цифровой
модели местности; б — в виде цифровой модели поверхности
59
3.1.	ЦММ с постоянным шагом сетки
Будем называть узлами точки с известными трехмерными
координатами, формирующие ЦММ. При постоянном шаге между
узлами говорят о регулярной структуре ЦММ. Если шаг переменный,
структура ЦММ нерегулярная.
Цифровые модели местности подразделяются на:
-	регулярные ЦММ;
-	иррегулярные ЦММ;
-	структурные ЦММ;
3.1.1.	Примеры регулярных ЦММ
Исходные данные для регулярных ЦММ можно представить в
следующем виде:
Т, т, п, Хо, Yo, Ah,	(3,1)
где
Т - постоянный шаг сетки;
п, пг- число узловых точек по горизонтали (вертикали);
Хо, Yo - координаты начальной узловой точки;
Ah — массив высот местности в узловых точках (Нц,...
Рис 3.2. Регулярные модели местности с размещением узловых
точек в вершинах правильных многоугольников: а — квадратов; б —
треугольников; в - шестиугольников
60
Регулярные ЦММ используются на равнинных участках
местности со слабо изменяющимся рельефом, - при планировании
городских улиц, стадионов, аэродромов. Недостаток данной модели
заключается в том, что иногда, требуемая точность аппроксимации
рельефа достигается лишь при очень высокой плотности точек
модели. Плотность размещения узловых точек в некоторых случаях
может быть в 5 — 20 раз выше по сравнению с другими видами ЦММ,
поэтому пропорционально увеличивается и размер файла требуемого
для хранения цифровой модели.
Разновидностью регулярных ЦММ являются цифровые модели
рельефа (ЦМР, Digital Elevation Model, DEM). ЦМР тоже являет собой
дискретное представление непрерывных значений высот местности
посредством массива, с постоянным шагом задающее Z - координату.
Чтобы создать ЦМР, прямоугольная сетка с постоянным шагом
накладывается на топографический контур. Значения высот
считываются в точках пересечения сетки с изолиниями высот либо
интерполируются.
зо 28 22yja ।
11* 15 15* l.f
23 18 1Z 8
______
Рис 3.3. Значения высот в узлах ЦМР получены наложением
прямоугольной сетки на изолинии высот и интерполяцией. Серым
цветом выделена область высокой плотности изолиний высот. Здесь
модели с регулярным шагом сетки работают плохо.
Свойство регулярности ЦМР позволяет организовать хранение
данных о рельефе в виде растровых форматов. В самом деле,
постоянный шаг сетки растра определяет координаты пикселей. Если
каждому пикселю сетки вместо значений цветовых компонент
присвоить значение высоты, то без дальнейших модификаций можно
считать такую растровую структуру цифровой моделью рельефа и
использовать для ее предварительного редактирования приемы работы
с файлами изображений.
61
3.1.2.	Редактирование ЦМР
Цифровые модели рельефа, поступающие из различных
источников, могут содержать некорректные данные - «всплески» и
«провалы» высот, отсутствие значений в некоторых узлах. Это явление
напоминает искажение растров случайными шумами и может быть
вызвано неточностями измерений, погрешностями при
автоматическом извлечении данных о рельефе при помощи
программных средств и другими факторами. Ошибки, содержащиеся в
цифровой модели рельефа, редактируются путем изменения отдельных
узловых значений данных, представляющих ЦМР. В ERDAS
IMAGINE ЦМР храниться в том же img-формате, что и растровые
файлы. Поэтому, файл ЦМР можно открыть в обычном Визуализаторе
ERDAS IMAGINE и для его редактирования использовать те же
приемы, что используются при редактировании пиксельных значений
растровых слоев.
Рис 3.4. Файл цифровой модели рельефа, открытый в
Визуализаторе ERDAS IMAGINE
А решение более специализированных задач редактирования
ЦММ, а также автоматического извлечения со снимков информации о
высотах, выполняется в ERDAS IMAGINE при помощи модуля Terrain
Editor.
62
Начните с предварительного, «грубого» редактирования.
Возможно, проще сначала удалить информацию из целых областей
ЦМР, с неправильными данными, а затем задать новые значения
высот. Редактируя растровые данные, Вы можете изменять исходные
значения пикселей несколькими способами.
1.	Задавать для пикселей внутри определенной области растра
постоянное значение. Применительно к ЦМР это означает, что вы
присваиваете постоянное значение высоты (координату Z) всем
пикселям некоторой области снимка. Этот подход уместен, например,
если редактируется область, относящаяся к водной поверхности озера.
2.	Если в пределах заданной области значение координаты Z не
является постоянной величиной, но область однородна, с малыми
вариациями высот, можно вместо постоянного значения присвоить
пикселям выделенного региона некоторое усредненное значение.
Усреднение производится по координате Z всех пикселей,
включаемых в выделенную область.
3.	Если необходимо исключить влияние на рельеф в данной
точке высоты некоторого объекта (например — дерева или отдельно
стоящего здания), можно вычесть из исходной высоты некоторое
константное значение. Такой подход можно распространить на все
пиксели некоторой области, задающей, например лесной массив. Тогда
на первом шаге рельеф моделируется по верхушкам деревьев (bias
elevations), а на втором шаге, значения высот смоделированной
поверхности уменьшаются на величину, равную средней высоте
деревьев. Более общая операция — выравнивание поверхности по
окружающим точкам, (Fit Surface to Points) эффективна в случае
удаления в ЦМР артефактов («всплесков», «провалов»), окруженных
точками с корректными значениями высот.
4.	Рассматривая «всплески» и «провалы», как шум на
изображении, можно сгладить его применением пространственной
фильтрации. Для этого необходимо выделить редактируемую область
и задать маску фильтра.
5.	Если примерно известна форма трехмерного графика
изменения высоты в узлах ЦМР, можно применить интерполяционный
подход с использованием полиномов. Зная координаты и значения
высот в нескольких узлах редактируемой области ЦМР (опорных
точках), можно составить полином, интерполирующий значения высот
в других узлах ЦМР. Степень полинома определяется сложностью
формы интерполируемого графика изменения высоты. Выбранная
степень полинома определяет набор полиномиальных коэффициентов
и потребное для интерполяции количество опорных точек. Теперь
63
высота V в узле ЦМР с координатами (х,у), определится при помощи
полинома как:
v = a0 + ахх + а2у + й3х2 +a4xy + a5j2 + ...	(3.2)
Закончив предварительное редактирование, переходите к
«чистовому». Теперь Вы можете уточнять и редактировать значения в
очень маленьких областях интересов или, даже в отдельных точках.
Такое высокоточное редактирование чрезвычайно затратное по
времени и должно разумно соотноситься с этапом предварительного
редактирования.
3.1.3.	Хранение ЦМР в формате GRID
Формат GRID, представляемый компанией ESRI, также удобен,
как для хранения изображений, так и для хранения цифровых моделей
рельефа. Название GRID (сетка, решетка) происходит от растровой
организации данных при помощи сетки ячеек. Информация в формате
GRID представлена в виде регулярной, сжатой, тайловой (tiled)
структуры. Хранение данных GRID организовано по принципу
покрытий ArcCoverages, в виде набора файлов внутри специального
каталога. В файлах содержится информация, как по геометрии, так и
по атрибутике растра. Один каталог, содержащий GRID, представляет
один непрерывный или тематический слой. Возможна организация
растра в виде нескольких слоев. Для этого применяется расширенный,
стековый формат хранения данных GRID Stack, особенностью
которого является хранение атрибутивной информации всех слоев,
включенных в стек в отдельном каталоге.
Для непосредственного открытия в Визуализаторе ERDAS
IMAGINE, а также в операциях экспорта и импорта стековый формат
доступен под названием GRID Stack 7.x.
64
в, '	VW *	‘	 «И
['slkl
11” mg)
T Group 4 (“ cit|
Г-cot)
Г-flb)
4 (Man)
1A(“.1a)
Bin®)
.*1
Рис 3.5. Среди форматов доступных для непосредственной
загрузки в Визуализатор ERDAS IMAGINE присутствует несколько
разновидностей GRID
3.1.4.	Универсальные форматы хранения ЦМР
Универсальные форматы ЦМР не привязаны к какому-либо
программному пакету цифровой обработки изображений. Это
форматы, в которых цифровые модели рельефа поставляют крупные
организации, связанные с геодезическими измерениями,
кадастровыми работами и геологическими изысканиями. Два самых
известных, универсальных формата представления ЦМР,
используемых в ERDAS IMAGINE эго:
-	USGS DEM;
-	DTED;
Изначально, данные о высотах точек земной поверхности удобно
задавать в координатах «широта/долгота». Для этого рассматривается
фрагмент земной поверхности ограниченный двумя параллелями и
двумя меридианами.
65
Рис 3.6. Участок земной поверхности, для которого задается ЦМР
Одна строка пикселей фрагмента ЦМР называется профилем.
Однако, разворачивая такой фрагмент на плоскости, можно заметить,
что площадь представляемая пикселями верхнего ряда («размер»
пикселя) отличается от площади представляемой пикселями нижнего
ряда. На практике можно просто разрешить данную ситуацию - с
изменением широты, использовать в профиле переменное количество
пикселей для моделирования территорий одинаковой площади.
Рис 3.7. Сравните площадь, охватываемую пикселями верхнего и
нижнего профилей ЦМР
Обычно растр, содержащий ЦМР, используется совместно с
другими растрами — снимками местности. В таком случае, он должен
быть трансформирован из географической системы в координатную
систему снимка, например в UTM (Universal Transverse Mercator).
66
Конечно, номенклатурный лист ЦМР размером 1° х 1° слишком
велик. Для крупномасштабных карт требуются цифровые модели
рельефа областей размером в несколько угловых минут или секунд.
Кроме того, ЦМР по своей сути является структурой с регулярным
шагом. Поэтому, при переходе к цифровому (пиксельному)
представлению можно определить пространственное разрешение
структуры ЦМР, сохраненной в географической проекции, как
количество угловых секунд, содержащееся в одном пикселе. Или
иначе, как расстояние в угловых секундах между двумя соседними
точками высот. Задавать такое расстояние в метрах некорректно,
поскольку оно меняется с изменением широты. В англоязычной
литературе иногда говорят о arc/second — формате хранения данных
ЦМР.
Если растр, содержащий ЦМР, трансформирован в
картографическую проекцию, то расстояние между соседними
точками высот следует задавать в единицах данной картографической
проекции, например - в метрах.
Геологическая служба США (United States Geological Survey,
USGS) предлагает ЦМР территории США в формате USGS DEM. Для
прочих территорий пользователю придется искать другие источники
приобретения ЦМР или создавать цифровую модель рельефа
самостоятельно, например, по стереопарам, с использованием
программных продуктов ERDAS IMAGINE. Созданные в ERDAS
IMAGINE данные ЦМР можно при помощи операций экспорта
перевести в универсальный формат USGS DEM. А при помощи
операций импорта можно загружать существующие данные формата
USGS DEM в привычном img-представлении ERDAS IMAGINE.
Данные, приобретаемые в организации USGS, предлагаются в
виде ASCII-файлов и обычно, доступны в двух масштабах.
I. Масштаб 1:24000, охватывающий территорию приблизительно
7.5'х 7.5' или 12x14км. Эта ЦМР имеет пространственное
разрешение 30x30 метров и привязана к координатной системе UTM.
2. Масштаб 1:250000, охватывающий территорию
приблизительно 1° х 1° или 90x110 км. Данные хранятся в
географической проекции WGS72 и доступны только в arc/second -
формате. Расстояние между соседними точками высот — 3 угловых
секунды.
67
Разрядность ЦМР в формате USGS — 16 бит, поэтому диапазон
высот, представляемых каждым пикселем составляет от -32768 до
32767 метров.
Данные в формате DTED (Digital Terrain Elevation Data)
предлагаются американским агентством NIMA (National Imagery and
Mapping Agency) и распространяются только среди правительственных
организаций США. Предлагаются два варианта поставки:
-	DTED 1, покрывающий территорию размером 1° х 1° ;
-	DTED 2, покрывающий территорию размером 1° х 1° или менее.
Оба варианта поставляются в 16-разрядном arc/second - формате.
Данные в файлах форматов USGS DEM и DTED ориентированны
так, что северное направление задано не в верхней, а в правой части
растра. При импортировании таких данных, ERDAS IMAGINE
разворачивает их на 90° против часовой стрелки, чтобы корректно
обрабатывать координаты.
3.2.	ЦММ с переменным шагом сетки
Существует несколько вариантов формальной организации данных в
цифровых моделях местности с иррегулярным шагом сетки. Например,
для иррегулярных ЦММ, с узловыми точками, размещаемыми на
горизонталях, данные представляются в виде:
Hi, ЛЛ7;1
H2,Ah2',f	(3.3)
Hif Ahi, J
где
Hi,... H, - высоты, определяемые горизонталями;
АИ^ - массив, содержащий для горизонтали с индексом i плановые
координаты п узловых точек XtI, Yu,... Xin Yin (n меняется с изменением
индекса горизонтали).
68
Рис 3.8. ЦММ такого типа позволяют задать большее число точек
в областях плотного нанесения горизонталей
Высококачественные ЦММ такого типа могут быть получены в
ходе нанесения горизонталей с применением цифровых
стереоскопических моделей изображения. В ERDAS IMAGINE для
работы со стереопарами и стереомоделями используется специальный
модуль Stereo Analyst. Заметим, однако, что в ERDAS IMAGINE не
существует специального формата (подобно форматам img или GRID)
для хранения ЦММ в виде точек на горизонталях. Горизонтали
рассматриваются как структурные элементы (наборы линий и дуг)
включаемые в другие форматы ЦММ
3.2.1.	Структурные элементы ЦММ
При построении ЦММ мы увеличиваем число узловых точек в тех
областях, где рельеф подвержен резким изменениям. Иногда,
особенности рельефа таковы, что нет необходимости задавать
дополнительные точки. Достаточно задать некоторый замкнутый
полигон, и установить в модели постоянное значение высоты внутри
этого полигона. К такому решению подводит, например
моделирование региона ограничивающего озеро или горное плато.
Другая ситуация - обрывистый берег реки. Вместо создания густой
сети узловых точек можно для некоторого сегмента берега задать две
точки, лежащие на моделируемой поверхности и соединить их прямой
линией. И линия и полигон из предыдущего примера являются
структурными элементами, вводимыми в цифровую модель
местности с целью уменьшения количества узловых точек.
Иррегулярные структурные ЦММ это модели, основанные на
структурных линиях, размещающихся по характерным изломам
рельефа и с учетом ситуационных особенностей местности. Эти ЦММ
69
обладают наименьшей исходной плотностью точек местности, за счет
того, что в пределах одной структурной линии между каждой парой
точек допустима линейная интерполяция высот.
Данные, содержащие m структурных элементов или отдельных
групп узловых точек, задаются в виде:
Ahj) Cd г,
Ah2, Cd2', -
Ahm Cdm<,^
(3-4)
где
Cd, — признак, задающий набор узловых точек, сведенных в
структурный элемент рельефа или организованных в виде отдельной
группы с индексом /;
Ah, - массив, содержащий координаты Хц,Уц,Нц, ... X,„,Y
для п узловых точек текущего набора (и меняется с изменением
индекса z набора точек).
Рис 3.9. На ЦММ выделен структурный элемент с признаком Cd=l,
ограничивающий область постоянных значений высоты рельефа
(например, озеро)
3.2.2.	Представление ЦММ в формате TIN
Формат TIN (triangulated irregular network, иррегулярная
триангуляционная сеть) подразумевает наличие вершин с известными
трехмерными координатами. Вершины соответствуют материальным
точкам (mass points) земной поверхности и наносятся неравномерно,
так, чтобы максимально полно смоделировать особенности рельефа
данной поверхности. За счет неравномерного шага размещения
вершин, TIN - модель может иметь более высокое пространственное
70
разрешение при описании поверхностей с интенсивным изменением
высоты рельефа. Каждая вершина (vertex) при помощи ребер (edges)
соединяется с соседними вершинами, образуя сеть треугольников.
Рис 3.10. Построение TIN-модели: а - соединение вершин при
помощи ребер; б — модель в трехмерном представлении
Соединение вершин выполняется так, чтобы построенные
треугольники удовлетворяли критерию Делоне.
71
Рис 3.11. Критерий Делоне для четырех узлов триангуляционной
сети выражается в том, что две противолежащие вершины можно
соединить ребром лишь тогда, когда окружность, проведенная через
любые три вершины (включая эти две противолежащие), не содержит
четвертую вершину: а — построенное ребро отвечает критерию Делоне;
б - критерий Делоне не срабатывает
Подобно покрытиям, TIN-модели хранятся в виде набора данных в
специальной директории. Но в этой директории, в отличие от coverage
- представления, отсутствует стандартный каталог INFO. Вся
атрибутика и геометрия TIN-модели храниться в нескольких двоичных
файлах.
Рис 3.12. В Визуализаторе ERDAS IMAGINE при загрузке файлов
TIN-модели (расширение *.рго) ребра не показываются, а
отображаются только узлы сети
Следует сделать еще одно важное замечание. Редактируя файл
ЦМР, например в img-формате, Вы можете изменять только значения
72
высот (координату Z). Вы не можете редактировать координаты (X,Y)
точек ЦМР. Это является следствием того, что растровое
представление ЦМР содержит в своей основе пиксельную сетку
регулярной структуры. Свойства регулярности - шаг сетки и
координаты (X,Y) должны сохраняться неизменными. Чтобы обойти
это ограничение, следует вместо ЦМР, создавать иррегулярные модели
местности в TIN-формате. Редактируя данные в TIN-формате, Вы
можете применить более гибкий подход, изменяя все три координаты
узловых точек (X, Y, Z). Чтобы задать в TIN-модели более сложные
изменения рельефа, Вы, также можете добавлять линии разрыва и
контурные линии. Это свойство делает TIN-модели более гибкими, но,
в то же время и более сложными, а потому и менее
распространенными, по сравнению с растровыми (GRID и img)
форматами. Большие фрагменты поверхностей неэффективно хранить
в TIN-формате по причине высокого требования к точности.
Малейший пропуск данных при редактировании выливается в
очевидные артефакты.
Рис 3.13. Цифровая модель поверхности представлена двумя
способами: а - TIN-формат, содержащий артефакты (обведенные
белыми эллипсами) на верхушках и краях зданий; 6 — формат img,
адекватно описывающий местность
В таком виде, как было описано выше, TIN-формат используется
редко. Чтобы сгладить недостатки, присущие данному формату,
триангуляционная сеть, как правило, дополняется различного вида
структурными элементами. Помимо этого, сохраняется топология
сети, содержащая информацию о номерах узлов и о соседних
треугольниках, граничащих с каждым треугольником.
73
3.3.	Анализ местности
С вопросами изучения цифровых моделей местности тесно
связаны вопросы анализа местности (Terrain Analysis). Анализ
местности включает в себя обработку и графическое представление
данных высот местности.
В ERDAS IMAGINE применяется три метода для наглядного
представления данных о высотах.
1.	Представление информации о высотах в виде уклонов (slope
images). Характеризует «крутизну» поверхности в данной точке.
Уклоны часто выражают в процентах или градусах. На изображении,
«крутизна» уклона имитируется градациями серого цвета - чем
светлей пиксель, тем больше значение уклона в данной точке. В
ERDAS IMAGINE задается следующая модель отношения между
выражением уклона в процентах и выражением уклона в градусах:
-	угол 45° соответствует 100% уклону;
-	угол 90° соответствует 200% уклону;
-	угол менее чем 45° попадает в интервал 1-100%;
-	угол в диапазоне 45° - 90° попадает в интервал 100% - 200%
уклона;
Чтобы рассчитать уклон в каждой точке (пикселе) используется
плавающее окно размером 3x3 пикселя, то есть, для пикселя с
координатами X,Y, используются данные высот окружающих его
пикселей. Например, на рисунке, приведенном ниже, пиксели
a,b,c,d,f,g,h,i используются для расчета значения уклона в пикселе
е. При этом, считаем, что каждый пиксель имеет пространственное
разрешение относительно представляемой поверхности 30x30 метров.
а	b	С	10 m	20 m	25 m
d	е	г	22 m	30 m	25 m
9	h	i	2Om	24 m	18 m
74
Уклон будет рассчитан в
вычисляются средние изменения
направлениях X и Y.
следующем порядке. Сначала
высот на единицу расстояния в
ДХ1 = С-А = 25-10 = 15; ДИ = A-G = 10-20 = -10;
АУ2 = F-D = 25-22 = 3; ДУ2 = В-Н = 20-24 = -4;
АУЗ = /-G = 18-20 = —2; ДУЗ = С-1 = 25-18 = 7;
ДА = (ДХ1 + ДУ2 + ЛУЗ) /(3 * Xs) = 0.177;
ДУ = (ДУ1 + ДУ2 + ДУЗ) /(3 * Уу) = -0.078,
где
А.. .1. - значения высот в точках окна 3x3;
Xs - размер пикселя по X = 30 метров;
Ys - размер пикселя по Y = 30 метров.
v	v 7дх2+ду2
Уклон в точке е рассчитывается как: о =-—--= 0.0967;
Уклон в градусах рассчитывается как
Sd = Arctg(S) * — = Arctg(0.0967) * 57.30 = 5.54
я
Уклон в процентах рассчитывается как
Sp = S'* 100, если5<= 1;
Sp = 200 - 1001S, если S > 1.
-J
(3.5)
В нашем случае Sp = 0.0967*100 = 9.67%
Анализ при помощи изображений в виде уклонов часто
используется в дорожном проектировании. Например, если указан
максимальный уклон для любой дороги не более 15%, можно
выделить на изображении уклонов местности области не подходящие
для дорожного строительства, в пределах которых уклон больше чем
15%. Используйте функцию Slope модуля Image Interpreter для
создания файлов уклонов из файлов DEM.
75
2. Представление информации о высотах в виде экспозиции
склонов (aspect images). Представление информации о высотах при
помощи экспозиции склонов, это представление при помощи растра,
который градациями серого цвета задает превалирующее направление
уклона для каждого пикселя.
Экспозиция отсчитывается по часовой стрелке от северного
направления и задается в градусах (0-360). Значение 361°
используется, чтобы идентифицировать плоские поверхности
(например, водная поверхность). 0° соответствует северному
направлению, 90° - восточному, 180° - южному и 270°- западному. На
изображении, градации от 0° до 361° отображаются градациями серого
цвета.
Так же как и при расчете уклонов, для расчета экспозиции склонов
в каждой точке (пикселе) используется плавающее окно размером 3x3
пикселя, то есть, для пикселя с координатами X,Y, используются
данные высот окружающих его пикселей. Мы будем использовать
набор пикселей с теми же параметрами, что и для примера расчета
уклонов.
Экспозиция рассчитывается в следующем порядке. Сначала
вычисляются средние изменения высот на единицу расстояния в
направлениях X и Y.
/ДУ2 = Г-D = 25-22 = 3;
ДУЗ = Z-G = 18 —20 =-2;
- k— Os =\*Д	- -XSs,
ДУ2 = B-H = 20-24 = -4;
ДУЗ = C-I = 25-18 = 7;
ДХ = (ДУ1 + ДХ2 + ДХЗ) / 3 = 5.33;
ДУ = (ДУ1 + ДУ2 + ДУЗ) /3 = -2.33,
где
A...L — значения высот в точках окна 3x3.
Если /ДУ = 0 и ДУ = 0 то экспозиция соответствует плоской
поверхности и кодируется как 361 °. В противном случае вычисляется
угол ® (в радианах):
/ДУ
® = Arctg{-^) =1.98 радиана = 113.6 °
Экспозиция в точке е рассчитывается (в градусах) как:
76
A = 180 + ® = 180+ 113.6 ° = 293.6 °;
Анализ изображений в виде экспозиций склонов часто
используется в строительстве и сельском хозяйстве. Например,
возделывание сельскохозяйственной культуры на северном склоне
может быть обречено на неудачу из-за более низкой температуры и
долго не тающих снеговых покровов. Можно выделить на
изображении области местности, в пределах которых экспозиция
соответствует северному направлению. Используйте функцию Aspect
модуля Image Interpreter для создания файлов экспозиций из файлов
DEM.
3. Представление информации о высотах в виде отмывки
рельефа - затенения (shaded relief). Основано на определяемом
пользователем положении источника света (солнце) и имитации
областей рельефа, подсвечиваемых солнечным светом, или
находящихся в тени. Для каждой ячейки цифровой модели рельефа,
карта с отмывкой показывает тени, имитирующие освещенность
поверхности в зависимости от положения солнца и локального уклона
поверхности. Например, рассмотрим область высокогорья,
подсвечиваемую солнечным светом с северной стороны. При этом,
будет затенена та часть гор, которая не попадает в область подсветки с
северной стороны.
Затенение рельефа является эффективным инструментом при
анализе таких процессов, как таяние снега на рельефных
поверхностях. Можно сформировать набор изображений,
имитирующих движение солнца над ландшафтом.
Используйте функцию Shaded Relief модуля Image Interpreter для
создания файлов затенения рельефа из файлов DEM. Каждому
пикселю будет присвоено значение в интервале -1...+1, чтобы
визуализировать количество отражаемой солнечной энергии участком
поверхности, описываемом данным пикселем. При этом будут
выполняться следующие правила:
-	отрицательные и нулевые значения описывают затеняемые
области;
-	положительные значения представляют солнечные участки,
значение +1 соответствует участкам с наивысшим показателем
отражения солнечных лучей;
77
Рис 3.14. Представление земной поверхности при помощи уклонов,
экспозиции и затенения рельефа.
3.3.1.	Как средствами ERDAS IMAGINE построить
профиль местности
Чтобы при помощи Erdas Imagine построить профиль местности
вдоль некоторой ломаной линии, потребуется цифровая модель высот
(DEM) данного района. Помимо этого, при решении данной задачи мы
будем, использовать цифровой снимок местности (в нашем примере —
файл lanier.img), приведенный к той же проекции и системе
координат, что и цифровая модель высот. Оба файла хранятся в img-
формате.
Сначала, выполним трехмерное наложение снимка на цифровую
модель высот. Для решения поставленной задачи этот шаг
необязателен. Вообще, профиль местности можно было бы строить с
использованием только файла DEM (в нашем примере — файл
Indem.img). Но, накладывая на рельеф соответствующий цифровой
снимок местности, мы получаем трехмерную картину исследуемого
региона, что повышает наглядность и упрощает задачу точного
нахождения на поверхности узлов ломаной линии, вдоль которой
будет выполняться построение профиля.
1.	Из главного меню ERDAS IMAGINE, выберите пункт Tools |
Image Drape. Перед вами появится специальный Визуализатор
Перспективного Изображения (Image Drape Viewer). В Визуализаторе
78
Перспективного Изображения, в первую очередь должен быть открыт
DEM - слой. Выберите файл Indem.itng и нажмите ОК. Цифровая
модель рельефа отобразится на экране. Затем, откройте снимок
lanier.img, вновь воспользовавшись кнопкой Open File Визуализатора,
с установками по умолчанию. Появится перспективное изображение
указанного снимка.
2.	В меню Визуализатора Перспективного Изображения выберите
Utility | Dump Contents into Viewer (Передать содержимое в
Визуализатор). Данные будут переданы в обычный двухмерный
Визуализатор. Теперь у Вас на экране присутствуют два визуализатора
- Визуализатор Перспективного Изображения, реализующий
трехмерное наложение снимка на рельеф местности, и второй,
обычный Визуализатор, содержащий плоскую картинку. На этом
втором Визуализаторе мы и нанесем ломаную линию, вдоль которой
будет построен профиль местности.
3.	Из главного меню ERDAS IMAGINE, выберите пункт Main |
Image Interpreter, а затем в появившемся наборе инструментов нажмите
кнопку Basic HyperSpectral Tools. В следующем наборе инструментов
нажмите кнопку Spatial Profile. Появится диалоговое окно для
построения профиля рельефа местности.
4.	В диалоговом окне Spatial Profile нажмите инструментальную
кнопку Create New Polyline In Viewer. Возникнет окно, содержащее
требование указать визуализатор, в который будет помещена ломаная
линия. Щелкните левой клавишей мыши внутри Визуализатора,
содержащего двумерное представление местности. После этого,
начинайте построение - однократный щелчок мыши на снимке
двумерного Визуализатора, создает новый сегмент ломаной линии,
двойной щелчок завершает ломаную линию и выводит требуемый
профиль местности в окне диалога Spatial Profile. Построенный
профиль можно сохранить как слой аннотаций или как img-файл
(пункт меню File | Save As в окне диалогового окна Spatial Profile).
79
80
3.4.	Использование Визуализатора ERDAS
IMAGINE для работы с ЦМР
3.4.1.	Изучение структуры ЦМР посредством пакета
ERDAS IMAGINE
1.	Из каталога демонстрационных файлов скопируйте в свою
рабочую директорию файл Indem.img. Присвойте копии имя
lndem_2.img. Запустите Визуализатор и откройте lndem_2.img. Файл
представляет собой растр, который при помощи специальных
атрибутов определенных для каждого пикселя, задает регулярную
структуру цифровой модели местности.
2.	Очевидно, что области визуализации ЦМР с одинаковым
цветом закраски описывают поверхности с одинаковой высотой. Как
это выражается количественно?
3.	Из меню визуализатора вызовите пункт Utility | Inquire Cursor.
Теперь, помещая курсор мыши в определенную точку изображения,
наряду с координатами можно просматривать атрибутивную
информацию указанного пикселя.
4.	Косвенно за информацию о высоте отвечает атрибутивное
поле LUT VALUE (значение в таблице перекодировки цветов). В нем
81
записывается цвет пикселя (в единицах градации серого цвета),
соответствующий высоте в указанной точке. Перемещая перекрестие
курсора, наблюдаем, как меняется значение в столбце LUT VALUE.
Более темным участкам изображения соответствуют меньшие
значения высот. Как же получить истинное значение высоты в данной
точке?
5.	Чтобы получить истинные значения высот выберем в меню
визуализатора пункт Raster | Attributes. В открывшемся диалоговом
окне видно, что реальный диапазон высот для данного DEM
составляет 860 - 1308 м, а информация о высоте храниться в
атрибутивном поле Value.
6.	В рамках DEM создадим некоторую область, в пределах
которой зададим константное значение высоты. Построим
произвольную полигональную область интересов, а затем вызовем
Raster | Fill из меню визуализатора.
7.	В поле Fill With появившегося диалогового окна зададим
константное значение высоты равное 1100 и нажмем Apply. Атрибуту
Value ячеек попавших внутрь AOI будет присвоено константное
значение высоты. Закраска области DEM, в пределах AOI, изменится
на светло-серую.
82
8.	Закройте Визуализатор.
3.4.2.	Создание поверхностей с использованием
ASCII-файла
1.	В главном меню ERDAS IMAGINE, выберите пункт Tools |
Edit Text Files. Откроется текстовый редактор. В меню редактора
выберите File | Open. Укажите тип открываемого файла ASCII Data File
(*.dat). Выберите из каталога демонстрационных данных ERDAS
IMAGINE файл lnpts.dat. Он будет открыт в текстовом редакторе. В
данном ASCII - файле записаны координаты точек по которым мы
будем моделировать поверхность.
2.	В главном меню ERDAS IMAGINE, выберите пункт Main |
Data Preparation | Create Surface. Появился диалоговое окно создания
3-х мерной поверхности.
3.	В диалоговом окне щелкните на кнопке Read New Data
для считывания новых данных. Появится диалоговое окно ввода
параметров считываемых данных.
83
4.	Установите радиопереключатель окна в положение Point Data.
В поле файла-источника (Source File Туре) выберите ASCII file.
Введите имя файла lnpts.dat. Нажмите ОК. На экране появился
диалог Import Options в котором вы можете установить некоторые
дополнительные опции импортирования ASCII - файла в
трехмерную модель. Перейдите на вкладку Field Definition.
Просматривая файл в текстовом редакторе, Вы могли заметить, что
столбцы разделены запятыми. Поэтому, выберите в качестве символа -
разделителя (поле Separator Character) запятую (Comma). А в качесте
разделителя строк ASCII - файла (поле Row Terminator Character)
выберите символ NewLine(Unix). Если от начала ASCII - файла
следует пропустить несколько строк, не импортируя их, укажите число
этих строк в поле Number of Rows to Skip. Если в ASCII - файле
присутствуют комментарии, укажите символ, задающий их в поле
Comment Character.
5.	Чтобы проверить корректную работу параметров импорта,
откройте вкладку предварительного просмотра Input Preview.
6.	Изначально последовательность импорта координат задается в
полях столбца Input Field Number таблицы Column Mapping и
соответствует следующему порядку: X считывается из колонки
номер 1, У считывается из колонки номер 2, Z считывается из
колонки номер 3,. Необходимо изменить номера колонок. Введем в
столбце Input Field Number новые значения так, чтобы координата X
считывалась из колонки 2 (Field 2), координата У из колонки 3 (Field
3), координата Z из колонки 4 (Field 4).
7.	Нажмите ОК. Ваши точки теперь будут отображены на экране
в окне создания 3-х мерной поверхности. Причем, все точки будут
отмечены значком X в столбце USE таблицы. Это означает, что все
они будут участвовать в построении поверхности.
84
8.	Нажмите на кнопку Perform Surfacing (Выполнить построение
поверхности) ®. В открывшемся диалоге создания поверхности
укажите имя выходного файла Insurf.img. В поле Surfacing Method
задайте метод построения поверхности как Linear Rubber Sheeting
(Линейное преобразование по типу резинового листа). Используйте
предложенное по умолчанию значение размера ячейки выходного
файла (поле Output Cell Size). Включите флажок Ignore Zeros in Output
Stats. (Игнорировать нули в статистике выходного файла). Нажмите
ОК. Будет создан растр, описывающий трехмерную поверхность.
9.	Откройте созданный растр в Визуализаторе в режиме Gray Scale
(Градации серого цвета), используя вкладку Raster Options. В меню
Визуализатора выберите Raster | Attributes (Редактор атрибутов
растра). Записям в таблице с 0-й по 176-ю не соответствует ни один
пиксель (Histogram = 0). Изменим раскраску растра для различных
диапазонов высот.
10.	Просмотрите записи с помощью линейки прокрутки и
выберите первую строку, в которых значение Histogram отлично от
нуля. Для выбора таких записей мы будем использовать команду
Criteria (Выборка по критерию).
11.	Просмотрите записи с помощью линейки прокрутки и
выберите первую строку, в которых значение Histogram отлично от
нуля. Для выбора таких записей мы будем использовать команду
Criteria (Выборка по критерию).
12.	В меню редактора атрибутов растра выберите Edit | Column
Properties. Наша задача добавить в список атрибутов растра новое поле
Color, отвечающее за закраску пикселей. Появиться диалоговое окно
редактирования свойств атрибутов растра.
85
13.	Нажмите кнопку New для создания нового атрибута. В поле
Title задайте его имя как Color. В поле Туре задайте тип атрибута как
Color. Нажмите ОК.
14.	В меню редактора атрибутов растра выберите Edit | Colors
(Редактировать | Цвет). Установите опцию Slice Туре (Тип деления на
интервалы) в By Equal Areas (По равным площадям). Нажмите кнопку
Apply. Теперь вам будет легче увидеть разницу в значениях пикселей.
Нажмите кнопку Save (Сохранить) в редакторе атрибутов растра.
Закройте диалог выбора цвета и редактор атрибутов растра.
Замечание. В качестве модели разбивки на цветовые интервалы
можно использовать диапазоны поля Value, задавая их при помощи
опции меню Criteria редактора атрибутов растра и выбирая цвет
закраски из контекстного меню атрибута Color.
15.	В меню Визуализатора выберите Raster | Recompute Statistics.
16.	Сохраните растр и закройте его. Сново загрузить изображение
в Визуализатор, чтобы отобразить внесенные изменения. При
открытии используйте режим Pseudo Color вкладки Raster Options,
чтобы отобразить новую цветовую схему.
86
3.4.3.	Трехмерное наложение снимка на рельеф
местности
1.	В главном меню ERDAS IMAGINE, выберите пункт Tools |
Image Drape. Перед вами появится специальный Визуализатор
Перспективного Изображения (Image Drape Viewer). В этом
Визуализаторе первой должна быть открыта ЦМР. Выберите файл
eldodem.img и нажмите ОК. Цифровая модель рельефа отобразится
на экране. Затем, откройте снимок eldoatm.img, вновь
воспользовавшись кнопкой Open File с установками по умолчанию.
Появится перспективное изображение указанного вами снимка.
2.	В меню Визуализатора Перспективного Изображения выберите
Utility | Options. Измените некоторые параметры представления
изображения на дисплее. Включите опцию Exaggeration
(Увеличение по оси Z) и увеличьте значение Exaggeration до 3,0.
Откройте вкладку Background (Фон) и выберите в списке Image
(Изображение). В поле Image File Name (имя файла изображения)
выберите файл sky.img. В диалоге Options нажмите Apply
(Применить), и изображение неба (sky) появится в качестве фона
перспективного изображения.
3.	Закройте диалог Options. В меню Визуализатора
Перспективного Изображения выберите Utility | Dump Contents into
Viewer (Передать содержимое в Визуализатор). Данные будут
переданы в обычный двухмерный Визуализатор.
4.	В меню Визуализатора Перспективного Изображения
выберите View | Link-Unlink with Viewer (Связать с Визуализатором -
Разорвать связь с Визуализатором). После этого на экране появится
подсказка с предложением щелкнуть мышкой в окне обычного
двухмерного Визуализатора, с которым нужно связать Визуализатор
Перспективного Изображения. В Визуализаторе появятся метка
наблюдателя (Eye) и метка цели (Target). Вы можете изменить их
положение, "перетащив" метку в нужное положение мышью. Как
только вы отпустите кнопку мыши, трехмерная модель в
Визуализаторе Перспективного Изображения обновится в
соответствии с новым положением цели и наблюдателя.
87
5.	Для дальнейших изменений перспективного изображения
выберите в меню Визуализатора Перспективного Изображения
Position | Cunent Position (Текущее местоположение). В появившемся
диалоге можно ввести новые числовые значения координат или
изменить положения наблюдателя и/или цели, используя графический
профиль (Profile). Чтобы увидеть изменения, нажмите Apply.
6.	Закройте диалог Position Parameters. Теперь на панели
инструментов Визуализатора Перспективного Изображения (Image
Drape) щелкните на кнопке Show Sun Positioning (Показать положение
солнца). Черная точка на схеме показывает положение солнца.
Измените положение точки, перетащив ее мышью в другое место
круга. Нажмите Apply, чтобы применить новые условия освещения к
изображению в Визуализаторе Перспективного Изображения.
7.	Возможно сохранение положений наблюдателя и цели в файл.
В меню Визуализатора Перспективного Изображения выберите
Position | Position Editor (Редактор положений). Измените размер
открывшегося диалога, чтобы увидеть все столбцы таблицы.
Щелкните кнопку Add Position (Добавить положение) на панели
88
инструментов Редактора положений (Position Editor), - текущее
положение точек наблюдателя и цели будет внесено в таблицу
CellArray.
8.	Занесите в таблицу еще 5 различных вариантов
перспективного изображения. Для каждого положения в таблицу
можно добавить комментарий.
9.	Чтобы воспроизвести одно из перспективных изображений,
включенных в таблицу, щелчком мыши поместите индикатор в
необходимую строку таблицы и выберите Motion | Goto Cunent.
Воспроизведение следующего изображения, осуществляется
посредством выбора Motion | Goto Next. Список положений
(position list) может быть также сохранен (Save) или загружен
(Load) через меню File.
Файл положений может быть использован в IMAGINE VirtualGIS
для создания маршрута полета.
89
3.5.	Практическое использование Редактора
Рельефа
3.5.1.	Основные приемы работы в Редакторе Рельефа
1.	Запустите Менеджер Проектов LPS, выбрав из основного
меню Erdas Imagine 9.1 пункт Main | LPS.
В меню LPS выберите пункт File | Open, затем в диалоге открытия
файла	перейдите	в	директорию
<IMAGINE_HOME>/examples/orthobase/laguna_beach и выберите
файл laguna.blk. Нажмите ОК. Откроется проект, содержащий данные
нашего упражнения.
2.	Чтобы не испортить исходный файл проекта, мы будем
работать с его копией. Для этого, выберите из меню LPS пункт File |
Save As и сохраните исходный файл в директории, где у Вас есть
право записи под именем te_laguna.blk.
3.	Подключим к проекту файлы изображений. Для этого в меню
LPS выберите пункт Edit | Frame Editor. Будет запущено диалоговое
окно редактирования свойств снимков, включенных в проект.
Первый снимок, название которого отображается в диалоговом
окне - lagllpl.img.
90
4.	Чтобы подключить первый снимок, нажмите кнопку Attach. В
диалоговом окне выбора файлов перейдите в директорию
<IMAGINE_HOME>/exampIes/orthobase/laguna_beach и выберите
первый файл - lagllpl.img. Затем, удерживая нажатой клавишу Shift
выберите два других файла - lagllpl.img и lagl3pl.img. Нажмите ОК.
5.	В диалоговом окне редактирования свойств снимков два
раза нажмите кнопку Next, чтобы убедиться, что снимки
lagllpl.img и Iagl3pl.img подключены. Нажмите ОК. Диалоговое
окно Frame Editor закроется.
6.	В меню LPS выберите пункт Edit | Compute Pyramid Layers.
Сейчас Вы создаете дополнительные слои, содержащие пирамиды
изображений для исходных снимков. В диалоговом окне создания
пирамид изображений установите радиопереключатель в значение
All Images Without Pyramids и нажмите ОК. Вы запустите процесс
построения для тех снимков, для которых слои пирамид еше
отсутствуют.
7.	После завершения построения слоев пирамид сохраните
проект, выбрав в меню LPS пункт File | Save.
91
8.	До этого момента мы выполняли в редакторе LPS уже
знакомые по предыдущим упражнениям действия. Теперь подключим
в проект два файла цифровых моделей местности (ЦМР) в T1N-
формате. Для этого в проекте, на панели Проводника выделите из
списка объектов опцию DTMs, затем из контекстного меню выберите
опцию Add.
Н Block  tejaguna.b
» Q Images
I. I Orthos
9.	В диалоговом окне выбора файлов установите тип файла как
Terramodel TIN (*.рго) и выберите при помощи клавиши Shift из
подкаталога Tin два файла DTM - tin_Iagllpl_Iagl2pl.pro и
tin_Iagl2pl_Iagl3pl.pro. Нажмите ОК. Снова сохраните проект.
92

10.	На панели кнопок быстрого доступа LPS нажимаем кнопку
Редактор Рельефа (DTM Editing). Будет запущен Редактор
Рельефа. Левая панель Редактора Рельефа содержит различные
инструментальные вкладки панели задач. При открытии активна
вкладка Проводник (Project Explorer), управляющая файлами,
загруженными в Редактор Рельефа. Правая панель — рабочее окно, в
котором отображаются в стереорежиме загруженные снимки. На
момент открытия это окно пусто.
11.	Прежде чем начать работу, следует выполнить настройку
манипулятора мыши. В меню Terrain Editor выберите пункт Edit |
Devices. Появится окно настройки аппаратной части. В списке
устройств выберите манипулятор-мышь (System mouse).
93
12.	Нажмите кнопку Button Mappings Откроется диалоговое окно
назначения функций клавишам мыши. В списке Categories выберите
опцию Image Display. На панели выбора клавиши мыши (Customize
Button Assignment) выберите из списка левую клавишу (Left). Левой
клавиши мыши была по умолчанию назначена функция создания и
редактирования объектов. В поле Currently assigned to появиться
соответствующее значение - Create/Edit Feature.
13.	Установите переключатель CTRL и в списке выберите
значение Right. Вы устанавливаете функциональность правой клавиши
мыши в сочетании с клавишей Ctrl. В списке Commands/Buttons
выберите назначаемую функцию - Snap То Ground (прижать к
поверхности). Нажмите кнопку Assign. В поле Currently assigned to
появиться назначение для правой клавиши мыши в сочетании с
клавишей Ctrl - Create/Edit Feature.
94
14.	Нажмите кнопку Close, чтобы закрыть диалоговое окно
назначения функций клавишам мыши.
15.	В окне настройки аппаратной части нажмите кнопку Properties
(Свойства). В диалоговом окне свойств Вы можете изменить
чувствительность регулирования Z-координаты установкой
соответствующих значений на панели Axis-To-Ground Settings. Для
этого в поле Z строки Scroll Weel введите значение 0.05. Таким
образом, при каждом единичном изменении Z-координаты при
помощи колесика мыши, высота, задаваемая курсором, меняется на
0.05 единиц.
16.	Нажмите ОК, чтобы закрыть диалоговое окно свойств
манипулятора мышь. Нажмите Close, чтобы закрыть окно настройки
аппаратной части.
17.	Функция Snap То Ground будет работать эффективнее, если
Вы предварительно зададите некоторые свойства модуля корреляции,
который будет обрабатывать рельеф на снимках. Выберите из меню
Редактора Рельефа пункт Edit | Settings | Terrain Correlator. Будет
открыто диалоговое окно свойств коррелятора.
95
Ь < ।'i-I Correlator Properties
Tenan
Slope	Fiat .................. ..	Steep
СЫШ:	Lw, ----------—	---------- High
High
J2K j £ап^л]  £₽₽& j	tleip ]
18.	Установите ползунковый регулятор Terrain Slope в положение
Steep. Этим Вы задаете программе характер обрабатываемого рельефа,
относительную величину уклонов. Значение Flat соответствует
равнине, плоскому рельефу. Значение Steep соответствует гористой
местности, значительному уклону.
19.	Установите ползунковый регулятор Quality Threshold (Порог
качества) в положение приблизительно 70% от значения High. Выбор
величины этого параметра влияет на то, насколько точно коррелятор
будет выполнять «посадку» точки на поверхность. Слишком
маленькое значение порога повлечет за собой неточность выполнения
данной операции. Слишком большое может привести к тому, что
коррелятор вообще не справиться с задачей. Чем лучше качество
снимков, тем большее значение порога следует задавать. Значение по
умолчанию — 80%.
20.	Нажмите Apply, затем ОК. Диалоговое окно свойств
коррелятора будет закрыто.
21.	Теперь загрузим в рабочее окно Редактора Рельефа пару
снимков, которые мы будем использовать для редактирования в
стереорежиме. На панели Проводника Редактора Рельефа выделите из
списка объектов пару Iagl2pl.img-Iagllpl.img и мышкой перетяните
ее в стереоокно.
Iag13p1 img-lag11p1 img
|$| Iag13p1 img-lag12p1.img
Images
Ш lagllpl.img
® Iag12p1 img
lag! 3pl img
22.	Пара снимков будет отображена в стереоокне.
96
23.	Теперь выясним, какие существуют в Редакторе Рельефа
режимы для отображения пары снимков. В меню Редактора Рельефа
выберите пункт View | Layout | Split (режем «расщепления» окон).
Вместо стереоизображения, в рабочем окне Редактора Рельефа будут
отображены два дочерних окна, каждое из которых содержит
соответствующий снимок стереопары. Курсор мыши также
«расщепляется» на два символа, синхронно перемещаемых в дочерних
окнах.
97
24.	Для отображения в следующем режиме в меню Редактора
Рельефа выберите пункт View Layout | Tri-View (режим «три окна»).
Рабочее окно будет разделен на три дочерних окна. В верхнем окне
будет показана пара снимков в стереорежиме. Два нижних окна
содержат соответственно, левый и правый снимки пары в
увеличенном масштабе.
25.	Вернемся опять в стереорежим, выбрав в меню Редактора
Рельефа пункт View | Layout | Stereo. При невозможности аппаратной
поддержки со стороны видеокарты, будет реализован режим
анаглифического стерео. Оденьте соответствующие стереоочки.
26.	Изучим режимы работы с курсором мыши, устанавливаемые в
Редакторе Рельефа. Выберите из меню Редактора Рельефа пункт View |
Cursor Mode | Manual Toggle Mode (ручной режим). Чтобы в этом
режиме управлять положением курсора, Вы сначала должны сделать
активным стереоокно, щелкнув внутри него левой клавишей мыши.
27.	Нажмите на клавиатуре клавишу F3. Курсор в стереоокне
начнет перемещаться синхронно с перемещением мыши. В этом
режиме, при выходе за пределы стереоокна, курсор становится
невидимым. Чтобы восстановить его, следует снова нажать клавишу
F3.
98
28.	Перемещая в этом режиме курсор в стереоокне, наблюдайте,
как меняются координаты X и Y на панели статуса.
29.	Прокручивая вверх и вниз колесико мыши, регулируйте
превышение курсора так, чтобы он оставался на поверхности земли.
Заметьте, как при этом меняется координата Z на панели статуса.
V №	(DWeS 19St Z ёд.СЯЬMata !
30.	Вспомним, что мы назначили режим Snap То Ground (прижать
к поверхности) комбинации нажатий клавиши CTRL клавиатуры и
правой клавиши мыши. Выполните заданную последовательность
нажатий и слегка переместите курсор мыши. Будет произведено
автоматическое помещение курсора мыши на поверхность.
31.	Нажмите клавишу F3 клавиатуры. Вы выйдите из ручного
режима курсора.
32.	Выберите из меню Редактора Рельефа пункт View | Cursor
Behaviour | Fixed Image/Auto-Recentered Cursor (Неподвижное
изображение/Центрирующийся курсор). Выполните щелчок левой
клавишей мыши внутри стереоокна. Нажмите клавишу F3 на
клавиатуре. Переместите курсор мыши к краю изображения в
стереоокне. Наблюдайте, как программа выполнит центрирование
изображения относительно нового положения курсора.
33.	Выйдите из текущего режима, нажав клавишу F3 клавиатуры.
34.	Выберите из меню Редактора Рельефа пункт View | Cursor
Behaviour | Moving Image/Fixed Cursor (перемещение изображения при
фиксированном курсоре). Выполните щелчок левой клавишей мыши
внутри стереоокна, затем нажмите клавишу F3. При попытке
перемещения курсора мыши в этом режиме, он остается
неподвижным, а перемещается изображение. Но координаты X и Y на
панели статуса изменяются, так, как будто перемещается курсор. В
этом режиме Вы можете использовать колесико мыши для
регулирования величины параллакса правого и левого изображений.
Выберите несколько точек на стереоизображении. Вращением
колесика мыши добейтесь, чтобы курсор мыши «сел» на поверхность в
выбранный Вами точках.
35.	Выйдите из данного режима, нажав клавишу F3 клавиатуры.
36.	Теперь попрактикуемся в изменении масштаба отображения.
На панели кнопок быстрого доступа Редактора Рельефа
выберите кнопку увеличения €1 (Zoom In). Щелкая левой
99
клавишей мыши в стеореоокне. наблюдаем, что масштаб увеличения
изменяется вдвое. Это подтверждается значением появляющимся в
поле Zoom Level.
37.	Находясь в режиме увеличения, нажмите и удерживайте
среднюю клавишу мыши. При отсутствии средней клавиши, нажмите
и зафиксируйте колесико мыши. Начните перемещение мыши в
вертикальном направлении. Наблюдайте, как масштаб увеличения
меняется. Шаг изменения теперь не дискретен (кратный двум), а
непрерывно меняющийся.
38.	Чтобы избежать постоянных нажатий клавиши F3, существует
атоматический режим отображения курсора. Чтобы войти в него,
выберите из меню Редактора Рельефа пункт View | Cursor Mode |
Automatic Toggle Mode. Переключитесь в этот режим и
попрактикуйтесь в перемещении курсора. Заметим, что в этом режиме
недоступны опции «Перемещение изображения при фиксированном
курсоре)» и «Неподвижное изображение/Центрирующийся курсор».
39.	В любом режиме Вы можете легко минимизировать,
восстанавливать и делать активными вкладки панели задач. Для этого
используйте управляющие кнопки И.
40.	Выполним регулирование яркости и контраста. Для этого на
панели задач сделайте активной вкладку «Настройки изображения»
(Image Ajustments).
100
h&ageAdjuttmenlx
• ИВШЩЦЩ!.—ашж о 0
е МГ»1| .1 Illi: ------ ---О 0’.
Apply to; Let! ♦ Both	- fight
A«toaaticDsr®inic Range Adjwdment
• None
V/hofetmege
Displ^etjAsa	„._i_
1	[Recompute adjustm
__ SetAapefedt	|	Г
GeoBKAiy
v Epipda Coueefon
Inverted Stone
JW I
41.	Редактор рельефа позволяет Вам настраивать оба изображения
одновременно или по отдельности правое и левое. Чтобы выполнить
одновременную настройку, установите на вкладке Image Ajustments
радиопереключатель Apply То в значение Both (оба). Два
переключателя в виде вращающихся колесиков на вкладке Image
Ajustments позволяют регулировать яркость и контраст снимков.
Вращайте в вертикальном направлении верхний переключатель, чтобы
установить необходимую яркость пары снимков. Для изменения
контраста, вращайте нижний переключатель.
42.	Чтобы восстановить настройки яркости и контраста до
первоначальных значений, используйте кнопки Reset
Brightness и Reset Contrast 0 (Сброс яркости и сброс контраста)
на вкладке Image Ajustments.
43.	Для выполнения следующих упражнений установите масштаб
увеличения 8:1, выбрав соответствующее значение в списке Zoom
Level Редактора Рельефа.
101
44.	Далее, выполним загрузку набора данных для рельефа. Для
этого сделайте активной вкладку Terrain Files And Display.
45.	В списке Filename выберите файл tin_lagllpl_lag!2pl.pro и
нажмите кнопку Load. В зависимости от мощности Вашего
компьютера, понадобиться некоторое время для загрузки TIN-модели
рельефа.
46.	После загрузки, установите переключатель Display Contours ®
на панели Terrain Display, чтобы включить режим отображения
изолиний. На экране модель представляется в виде иррегулярной сети
102
треугольников. Установите масштаб увеличения 1:4, выбрав значение
4х в списке Zoom Level Редактора Рельефа.
47.	Нажмите кнопку Settings на вкладке Terrain Files And Display.
Откроется диалоговое окно настройки вида компонентов рельефа,
отображаемых в стереоокне.
48.	В диалоговом окне перейдите на вкладку Contours и на панели
Index Contours установите значение 4 в поле Weight (Толшина
изолиний). В поле Color выберите светло-синий цвет для отображения
изолиний. Если Вы хотите изменить шаг построения изолиний, задайте
другое значение в поле Countour Interval. Нажмите Apply, затем ОК,
чтобы применить сделанные изменения и закрыть диалоговое окно.
103
49.	Вы освоили начальные приемы работы в Редакторе Рельефа.
Закройте Редактор Рельефа. Закройте Менеджер Проектов LPS.
Завершите работу в ERDAS IMAGINE.
3.5.2.	Редактирование цифровой модели местности
Теперь, освоив основные приемы работы в Редакторе Рельефа, Вы
готовы приступить к редактированию цифровых моделей местности
(ЦММ). Вы научитесь:
-	добавлять и удалять узловые точки в TIN-модели;
-	удалять целые области триангуляционной сети;
-	редактировать области триангуляционной сети, используя
инструменты интерполяции поверхностей;
задавать постоянные значения высот для полигонов,
ограничивающих области на TIN-поверхности;
Изображения, используемые в проекте, представляют собой
снимки территории канадского университета Western Ontario.
Пространственное разрешение снимков - 15 см.
104
1.	Запустите Менеджер проектов LPS.
2.	В меню LPS выберите пункт File | Open. В диалоговом окне
открытия файла перейдите в директорию
<IMAGINE_HOME>/exampIes/western и выберите файл
western_accuracy.blk. Нажмите ОК. Откроется проект, содержащий
данные нашего упражнения.
3.	Сохраните копию файла проекта в директорию, в которой у
Вас есть право записи. Для этого выберите из меню LPS пункт File |
Save as и задайте имя копии файла te_western_acc.blk.
4.	В таблице, содержащей список изображений, включенных в
проект, ячейки атрибута Руг отображаются красным цветом. Это
означает, что не созданы пирамиды изображений. Щелкните левой
клавишей мыши по одной из этих ячеек. В диалоговом окне
построения пирамид изображений задайте режим All Images Without
Pyramids (Построить для всех изображений, не имеющих слоев
пирамид).
105
5.	Нажмите ОК. Пирамиды изображений будут построены и
ячейки окрасятся в зеленый цвет.
6.	В проводнике LPS раскройте ветвь DTMs, чтобы увидеть,
какие файлы ЦММ включены в проект.
ЯВЯВВШь.
S’ Е* 1ооЬ Це*>
п з ы о- © '+:
“stock-te_werte^_eccAk
+•• Й Images
l^a Orthos
4 DTMs
g| Un_areal_2S2_2S3.pro
Q Un_*ea2_2S2_Z53.pro
7.	В проект включены два файла ЦММ - tin_areal_252_253.pro
и tin_area2_252_253.pro. Вам необходимо присоединить их - указать
каталог, где реально сохраняются эти файлы.
8.	В таблице, содержащей список TIN-файлов, щелкните левой
клавишей мыши по одной из ячеек атрибута Online. Сейчас эти ячейки
отображаются красным цветом - сигнализирующим, что операция
присоединения файлов еще не выполнена.
106
9.	В диалоговом окне выбора файла установите тип файла
Terramodel TIN (*.рго), а затем перейдите в каталог
<IMAGINE_HOME>/examples/western/tin. Выберите файл
tin_areal_252_253.pro и нажмите ОК. Повторите операцию для файла
tin_area2_252_253.pro. Сохраните проект, выбрав в меню LPS пункт
File | Save.
10.	Запустите Редактор Рельефа, нажав на панели LPS кнопку
DTM Editing $	. Активизируйте вкладку Project Explorer
(Проводник) в окне Редактора Рельефа.
в* Image Pairs
Щ 251 img- 252 img
^3 Images
Е 251 img
fi 252 img
E 253 img
11.	В содержимом папки Image Pairs Проводника выделите пару
253.img-252.img и перетяните ее мышкой в стереоокно. В Редакторе
Рельефа в стереорежиме отобразится пара снимков.
107
12.	Выберите из меню Редактора Рельефа пункт View | Cursor
Mode | Manual Toggle Mode (ручной режим). Затем установите режим
перемещения изображения при фиксированном курсоре, выбрав из
меню Редактора Рельефа пункт View | Cursor Behaviour | Moving
Image/Fixed Cursor.
13.	Щелкните левой клавишей мыши внутри стереоокна, затем
нажмите клавишу F3 на клавиатуре.
14.	Наденьте стереоочки. Вращая колесико мыши, добейтесь в
очках качественного стереоизображения. Тем самым вы устраните
параллакс.
15.	Загрузим в Редактор Рельефа данные, которые нам предстоит
редактировать. Для этого активизируйте вкладку Terrain Files And
Display. В списке имен (Filename) выберите файл
tin_area2_252_253.pro и нажмите кнопку Load.
108
16.	Установите масштаб отображения 8:1, выбрав
соответствующее значение из списка поля Zoom Level.
17.	Выберите на панели Редактора Рельефа инструментальную
кнопку скроллирования изображения ^7(Roam). Войдя в режим
скроллирования, переместите изображение в стереоокне так, чтобы
триангуляционная сеть полностью была видна в центре экрана.
109
18.	Установите масштаб отображения 1:1. Триангуляционная сеть
отобразиться в стереоокне.
19.	Чтобы освободить стереоокно от избыточной информации,
отключим показ треугольников в TIN-модели и оставим только
отображение узлов. Для этого на вкладке Terrain Files And Display
отожмите кнопку Отображение Треугольников (Display Triangles).
Кроме того, следует перевести в нажатое состояние кнопку
Отображение Изолиний I ® (Display Contours).
ПО
20.	Активизируйте вкладку Перемещение Курсора (Move Cursor)
Редактора Рельефа.
111
21.	На панели Move То Point введите следующие значения для
координат курсора:
-	477828,4 для X;
-	4761503,5 для Y;
-	250,1 для Z;
22.	Нажмите кнопку Move То (Переместиться к). Курсор
переместится в заданную область, где Вы будете осуществлять
редактирование.
23.	Переключитесь в режим «три окна», выбрав в меню Редактора
Рельефа пункт View | Layout | Tri-View. Установите режим
фиксированного изображения при перемещении курсора (выбрав из
меню Редактора Рельефа пункт View | Cursor Behaviour | Fixed
Image/Moving Cursor).
24.	Научимся удалять узловые точки триангуляционной сети. Для
этого активизируйте вкладку Terrain Editing и войдите в режим
удаления точек, переведя в нажатое состояние кнопку Delete Tool
^(Удаление).
112
25.	Щелкните левой клавишей мыши внутри стереоокна и
нажмите клавишу F3 на клавиатуре.
26.	Переместитесь в ту область изображений, где узловые точки
лежат выше или ниже поверхности.
27.	Вращая колесико мыши, установите курсор приблизительно
на ту же высоту, что и выбранные точки.
28.	Подведите курсор к выбранной узловой точке и щелкните
левой клавишей мыши. Точка исчезнет. Изолиния будет
модифицирована с учетом произошедшего изменения.
29.	Повторите процедуру несколько раз, удаляя другие узловые
точки. Закончив удаление, нажмите F3, чтобы выйти за пределы
стереоокна.
30.	Чтобы отменить последнее удаление, нажмите кнопку Undo "
(Отмена) на вкладке Terrain Editing. Выполните отмену столько раз,
сколько точек Вы удалили. Нажатие кнопки Redo "“Х Повтор), приведет
к повторному удалению.
31.	Теперь попрактикуемся в добавлении узловых точек в TIN-
модель. На вкладке Terrain Editing переведите в нажатое состояние
кнопку Point Tool) *. (Работа с Точками).
32.	Снова активизируйте вкладку Перемещение Курсора (Move
Cursor) Редактора Рельефа и на панели Move То Point введите
следующие значения координат курсора:
- 477804,6 для X;
- 4761526,5 для Y;
- 242,3 для Z;
113
33.	Нажмите кнопку Move То (Переместиться к). Курсор
переместится в заданную область.
34.	Щелкните левой клавишей мыши внутри стереоокна и
нажмите клавишу F3 на клавиатуре.
35.	Подведите мышь к месту расположения курсора, и щелкните
левой клавишей. Будет добавлена узловая точка. Изменятся и
изолинии. Мы предварительно не регулировали положение курсора
относительно уровня поверхности в выбранном регионе. Поэтому, при
добавлении данной узловой точки, на поверхности образовалось
углубление. Об этом говорит и характер изолиний.
36.	Отмените последнее действие по добавлению точки, нажав
кнопку Undo " (Отмена) на вкладке Terrain Editing.
37.	Щелкните левой клавишей мыши внутри стереоокна и
нажмите клавишу F3 на клавиатуре.
38.	Отрегулируйте превышение курсора над поверхностью. В
данной точке, курсор должен располагаться непосредственно на
поверхности.
39.	Теперь добавьте несколько дополнительных точек в ЦММ. В
редактируемой области ЦММ достаточно грубо, с неточностями
задает рельеф. Это видно при простом просмотре в стереоочках.
114
Добавляя дополнительные тонки, мы добиваемся более точного
представления рельефа. Необходимо только следить, чтобы курсор
находился точно на поверхности при добавлении новой точки.
40.	Добавив несколько точек, нажмите клавишу F3, чтобы выйти
за пределы стереоокна.
41.	Мы научились удалять одну, выбранную точку.
Попрактикуемся в удаление группы точек. На вкладке Terrain Editing
переведите в нажатое состояние кнопку Выделение объектов в
пределах заданной области^ (Area Select).
42.	На панели Terrain Edit Operators вкладки Terrain Editing в
списке Operator (Операция) выберите значение Delete Selected Points.
Этим Вы назначите для группы выделенных точек действие -
удаление.
I?i Ed hr д	9
TeirMnSotecfcm	Л
* 'n
SihctAI | DtMfectAI [ F»S«hclto I/;'
Тел мп Edit Toub
* / X «	ваш- |Г;'
lenemEditOparekn
дкаямш ft
I	ft;
i1	Рмам*е<«
43.	Нажмите клавишу F3 и установите курсор в пределах
стереоокна. Создайте на снимках полигнальную область выделения
вокруг дерева и тени. Для замыкания полигона щелкните правой
клавишей мыши. Точки, находящиеся внутри этой области будут
выделены.
115
44.	Снова нажмите клавишу F3, чтобы выйти за пределы
стереоокна. На вкладке Terrain Editing нажмите кнопку Apply
(Применить). Выделенные точки будут удалены. Изолинии снова
изменятся.
45.	Теперь научимся выравнивать заданную область поверхности
по высотам группы точек. Активизируйте вкладку Перемещение
Курсора (Move Cursor) Редактора Рельефа и на панели Move То Point
введите следующие значения координат курсора:
-	477885 для X;
-	4761669 для Y;
-	250 для Z;
4	Z>. Т$ажлште кнопку’ Move То и переместите курсор в заданную
область.
47.	На вкладке Terrain Editing выберите кнопку Area Select Iй..
Затем, на панели Terrain Edit Operators этой вкладки, в списке Operator
(Операция) выберите значение Fit Surface То Points (Выравнивание
поверхности по точкам).
48.	На панели Parameters вкладки установите радиопереключатель
Selection Boundary.
49.	Щелкните левой клавишей мыши внутри стереоокна. Нажмите
клавишу F3. Создайте полигон выделения, охватывающий газон на
краю дороги. Помните, что каждая точка создаваемого полигона
должна как можно точнее «лежать» на поверхности. Регулируйте
превышение вращением колесика мыши.
50.	Чтобы выйти за пределы стереоокна, нажмите клавишу F3.
116
51.	На вкладке Terrain Editing нажмите кнопку Apply
(Применить). Изолинии снова изменятся. Для каждой выделенной в
пределах полигона узловой точки Редактор Рельефа обновит
координату Z. Новая высота Z будет получена как результат
интерполяции высот всех вершин полигона.
52.	Нажмите кнопку Deselect АП на вкладке Terrain Editing, чтобы
снять выделение с обработанных точек. Перейдите на вкладку Terrain
Files And Display и нажмите кнопку Save. Все изменения сделанные
Вами в DTM-файле tin_area2_252_253.pro будут сохранены на диске.
53.	Теперь научимся устанавливать постоянное значение высоты
рельефа для выделенной на снимках области.
117
54.	Перейдите на панель Terrain Files вкладки Terrain Files And
Display. В списке имен (поле Filename) выберите имя файла
tin_areal_252_253.pro и нажмите кнопку Load.
55.	На панели Terrain Display переведите в отжатое состояние все
кнопки кроме Display Points (Отображать узловые точки) и Display
Contours (Отображать изолинии). Установите масштаб отображения
8:1. Выполните прокрутку изображения, так, чтобы отображаемая
ЦММ была в центре стереоокна.
56.	Измените масштаб отображения до 2:1. Глядя на снимок,
можно заметить, что в пределах футбольного поля (где высота рельефа
должна быть постоянной) проходят несколько изолиний. Значит, наша
цифровая модель неточна. Исправим ее.
118
57.	На вкладке Terrain Editing выберите кнопку Area Select Iе. На
панели Terrain Edit Operators вкладки Terrain Editing в списке Operator
(Операция) выберите значение Set Constant Z (Установить постоянную
высоту).
58.	На панели Parameters этой вкладки установите
радиопереключатель Cunent Cursor. Тем самым, Вы извлекаете
требуемое значение высоты из точки, определяемой текущим
положением курсора.
59.	Щелкните левой клавишей мыши внутри стереоокна. Нажмите
клавишу F3. Создайте полигон выделения, охватывающий всю область
футбольного поля. Подведите курсор к центру поля и в данной точке
отрегулируйте высоту так, чтобы она составила 239 метров.
60.	Нажмите клавишу F3, чтобы вывести курсор за пределы
стереоокна. На вкладке Terrain Editing нажмите кнопку Apply.
Сделанные изменения вступят в силу. Рельеф в выбранной области
выровняется до высоты в точке нахождения курсора (239 метров).
61.	Перейдите на вкладку Terrain Files And Display и нажмите
кнопку Save, чтобы сохранить сделанные изменения.
62.	Чтобы выйти из программы, выберите в меню Редактора
Рельефа пункт File | Exit. Вы вернетесь в главное окно LPS.
63.	Завершите работу в LPS.
119
3.6.	Автоматическое извлечение цифровой
модели местности при помощи пакета LPS
Используя пакет Leica Photogrammetry Suite, Вы можете создавать
различные ЦММ, с тем, чтобы далее использовать их в других
приложениях, таких, например, как VirtualGIS и Stereo Analyst.
Конечно, предварительно Вы должны пройти через такие этапы, как
ввод информации, относящейся к модели съемочной камеры,
выполнение триангуляции, словом выполнить те шаги, которые Вы
выполняли на предыдущих лабораторных работах. После того, как в
рамках проекта выполнена триангуляция, съемочный блок можно
местности и создания модели.
Помимо файла ЦММ, в img-формате, LPS создает SHAPE-файл
контурной карты, отображающий изолинии высот, а также
тематический растровый слой статуса точек ЦММ, используемый для
контроля точности построенной модели.
120
3.6.1.	Подготовка съемочного блока
1.	Запустите ERDAS IMAGINE.
2.	Закройте Визуализатор, который автоматически открывается
при старте ERDAS IMAGINE.
3.	Откройте Менеджер Проектов LPS, выбрав из меню ERDAS
IMAGINE пункт Main | LPS.
4.	Чтобы не повторять весь путь от задания модели съемочной
камеры до выполнения триангуляции, Вы будете использовать уже
существующий съемочный блок. В меню Менеджера Проектов LPS
выберите пункт File | Open. Появится диалог открытия файла блока.
Файлы блоков имеют расширение .Ык. Один файл может содержать один
снимок, полосу смежных снимков или несколько полос снимков. Файл
.blk является двоичным файлом. В нем содержится информация о блоке,
которая включает в себя информацию о расположении снимков,
параметры камеры, измерения координатных меток, опорных и связующих
точек и тому подобное. В диалоге выбора файлов переместитесь в
каталог <IMAGINE_HOME>/Examples/Orthobase/Laguna_Beach
демонстрационных данных и выберите файл laguna.Ык. Как только
вы добавляете блок, снимки, заданные в нем отображаются в таблице
основного окна Менеджера Проектов LPS.
•-Al 1	йй—Т—Эйййий 1'
5	7magjne/candon/toot'ewm(^orthobaM^agu^_beacMagt X ММ j МИИИМИД
___6	I |Jinagir^Mndon^oot/ewmples7orth(^awfaoina2bwaHag1'| ~Х~~МИ
Столбцы Int и Ext закрашены зеленым цветом. Это означает, что в данном
проекте этапы задания параметров внутреннего и внешнего
ориентирования уже выполнены.
5.	Сделайте копию исходного файла, чтобы не подвергать его
изменениям. В меню Менеджера Проектов LPS выберите пункт File |
Save As. В директории, где у Вас есть право записи, задайте имя файла
съемочного блока My_Laguna.blk.
121
6.	Выполним подключение снимков к съемочному блоку. Это
означает, что каадому снимку должен соответствовать определенный файл.
Нажмите на колонку Online напротив первого снимка. Откроется
диалог пеляктипоаяния 1—го снимка (Frame FditoH
7.	Нажмите кнопку Attach. Откроется диалог задания имени
файла (Image File Name). Теперь вы должны выбрать файлы,
составляющие блок. С помощью клавиши SHIFT выберите файлы
ГяиГ frif.frne. faalZnt.ima. iaatSttf .ima	m директории
<lMAGINE_HOME>/Examples/Orthobase/Laguna_Beach.
8.	В диалоге редактирования дважды щелкните по кнопке
Next, чтобы убедиться, что все три файла подключены. Нажмите
ОК. Диалог редактирования закроется.
9.	Затем необходимо построить слои пирамид изображений
для каждого снимка в блоке. Слои пирамид предназначены для
оптимизации скорости отображения снимка. Выберите в меню
редактирования опцию Edit | Compute Pyramid Layers. Откроется
диалог расчета пирамидных слоев (Compute Pyramid Layers).
15.	Установите в диалоговом окне расчета слоев пирамид
переключатель в положение All Images Without Pyramids и
нажмите ОК. Этим, Вы запустите процесс для тех снимков, для
которых слои пирамид еще отсутствуют. Когда процесс будет
завершен, ячейки Руг для каждого снимка будут закрашены в
зеленый цвет.
16.	Нажмите File | Save для сохранения промежуточных
результатов проекта. Чтобы посмотреть или отредактировать
точки проекта Вы можете воспользоваться инструментарием Point
Measurement А Однако, данную операцию Вы выполняли в
предыдущих проектах, поэтому, в данном задании этот шаг мы
пропускаем.
122
3.6.2.	Установка опций автоматического извлечения
ЦММ
17.	В основном окне Менеджера Проектов LPS нажмите кнопку
извлечения ЦММ . Откроется диалоговое окно DTM Extraction
установки опций извлечения ЦММ.
18.	В диалоге опций извлечения ЦММ, установите
переключатель Output Form в Single DTM Mosaic. Этим Вы создаете
единую ЦММ для всех пар снимков в блоке. Значение Individual
DTM Files приведет к созданию отдельных ЦММ для каждой пары
снимков. В поле Output DTM File задайте имя выходного файла
ЦММ как lagunadem.img, в директории, где у Вас есть право записи.
Установите переключатель Make Pixels Square и задайте размер
ячейки ЦММ-файла (DTM Cell Size) для X и Y как 20.000.
19.	Нажмите кнопку Advanced Properties. На вкладке General,
оставьте без изменения данные о картографической проекции,
загруженные из файла *.blk (при желании их можно изменить при
помощи кнопки Set). Установите переключатель Create Contour Map,
задающий создание контурной карты в виде SHAPE-файла. В поле
Contour Interval задайте значение 40. Это поле задает значение между
линиями контурной карты. Первоначально, по умолчанию, это
значение равно утроенному значению поля DTM Cell Size. Установите
переключатель Remove Contours Shorter Than и задайте для него
значение 60. Эта опция сгладит все пики и впадины на линиях
контурной карты. Установите переключатель Create DTM Point Status
Output Image, задающий создание тематического растрового слоя
статуса точек ЦММ, используемого для контроля точности
построенной модели.
123
20.	Перейдите на вкладку Area Selection позволяющую задать
географические области, содержащиеся внутри пар снимков или не
используемые при создании ЦММ. Указанная последовательность
включает процесс создания таких регионов. Помимо этого для
отдельных регионов Вы можете создать, стратегии использования
данных регионов в блоке.
21.	В выпадающем списке, задающем текущую пару, выберите
пару lagllpl_lagl2pl и запустите Визуализатор посредством
инструментальной кнопки .
22.	Щелкните мышью в рабочем окне Визуализатора и из
контекстного меню выберите Zoom Out By X. В диалоговом окне
введите масштабный коэффициент уменьшения равный 5. Нажмите
ОК. Масштаб отображения изменится.
3.6.3. Создание новых регионов
23.	По умолчанию первый регион, заданный в таблице,
содержащей список областей, Визуализатора, это регион
соответствующий всей области перекрытия пары снимков (в нашем
случае пары lagllpl_lagl2pl). Поле Region Description для этого
региона задается как Default Region. С каждым регионом может быть
связано уникальное значение - стратегия региона. Например, для
124
таких объектов как озера, лесные области, городские территории,
ЦММ может (inclusion) или не может (exclusion) быть извлечена
автоматически. На следующем шаге Вы создадите ряд регионов и
зададите для них стратегию.
24. Переместите координирующий прямоугольник и измените
его размеры так, как это показано на рисунке ниже.
25, На инструментальной панели нажмите кнопку Create Polygon
Region ЯА (создания полигонального региона).
26.	Задайте регион океана (на рисунке выше он обведен линией).
Порядок обхода вершин указан на рисунке приведенном ниже.
Установив последнюю вершину, выполните двойной щелчок мышью
Vertex 2
Vertex 1
Vertex п
125
27.	В таблице, содержащей список областей, появиться новый регион.
Выделите его. В поле Region Description введите значение Ocean. В
поле Region Strategy выберите из списка предлагаемых значений
Exclude Area. Снимите выделение со всех строк таблицы при помощи
щелчка мышью на одной из записей поля Row# и выбора из
контекстного меню опции Select None. Таблица примет следующий
вид:
	>д Region Description lAcbye Reqion Strategy			ПепелZ
.. JI		<	Default	Undefined
	| Ocean	X	Exclude Area	Undefined
28.	Выберите из выпадающего списка пару снимков
Iagl2pl_lagl3pl. В рамках этой пары создадим второй регион. Для
этого подведите координирующий прямоугольник к области
городских застроек. Снова задайте полигональный регион. Выделите
его. В поле Region Description введите значение Urban Area. В поле
Region Strategy выберите из списка предлагаемых значений Low Urban
(низкоэтажные застройки). Снимите выделение со всех строк таблицы.
Визуализатор примет следующий вид:
29.	Создадим регион, охватывающий озера. Он тоже будет
создан в рамках пары изображений Iagl2pl_lagl3pl.
126
ЗО.Выберите инструментальную кнопку Region Growing Properties
Е1(свойства инструмента разрастания регионов). Появиться
диалоговое окно, позволяющее автоматически строить и перестраивать
области интересов в соответствии с заданными критериями.
31.	На панели Neighborhood диалогового окна, выберите кнопку,
задающую прямоугольную 8-и пиксельную область окружения IB. В
поле Spectral Euclidean Distance задайте значение 40. Установите
переключатель Area и задайте для него значение 7500. Установите
единицы измерения pixels.
32.	Нажмите кнопку Options диалогового окна. В появившемся
диалоговом окне Region Grow Options сбросьте переключатель Include
Island Polygon.
Г fectade Hand Ром»»
F Updan RBtkM Mk
Г BufctRsgicnBwndaiy
. Л8». .1
33.	Закройте диалог Region Grow Options. Закройте диалог
Region Growing Properties.
34.	На инструментальной панели включите режим
автоматического расширения региона, выбрав кнопку В.
35.	На детальном Визуализаторе щелкните мышкой внутри
области озера. Будет создан регион, охватывающий по периметру
озеро. Если регион не полностью охватывает озеро, или наоборот
захватывает «лишнюю» территорию, снова вызовите окно Region
Growing Properties (см. пункт 30), и скорректируйте значения в полях
Area и Spectral Euclidean Distance.
127
36.	В поле Region Description введите значение Lake. В поле
Region Strategy выберите из списка предлагаемых значений Exclude
Area.
37.	Щелкните мышью в поле Region Z и выберите значение
Custom. В появившемся диалоговом окне для высот точек на
поверхности озера задайте значение 112.
|"7'1ЯИкЖ^;-
New Region Zда	з
38.	Снимите выделение со всех строк таблицы. Визуализатор
примет следующий вид:
39.	Не закрывая Визуализатора, перейдите на вкладку Accuracy
диалогового окна DTM Extraction Properties.
128
3.6.4.	Задание точности автоматического извлечения
ЦММ
40. Вкладка Accuracy диалогового окна DTM Extraction
Properties имеет следующий вид:
41.	На вкладке Accuracy запустите Визуализатор при помощи
инструментальной кнопки U.
42.	Установите переключатель Show Image ID в Визуализаторе,
для отображения идентификаторов изображений. Установите
переключатель Use Block Tie Points для того, чтобы при оценке
точности извлечения модели, использовать те же связующие точки
блока. Визуализатор примет вид:
129
43.	Точность извлекаемой ЦММ можно оценить, сравнивая ее с
эталонной моделью местности. Установите переключатель External
DEM, чтобы задать внешний файл, из которого будет импортирована
ЦМР, используемая для сравнения со значениями извлекаемой ЦММ.
Выберите внешний файл ЦМР laguna_reference_dem.img из
подкаталога /examples/orthobase/lagunabeach директории ERDAS
IMAGINE.
3.6.5.	Задание дополнительных точек
Задание дополнительных точек поможет Вам лучше оценить
точность выходной модели DEM.
44.	На вкладке Accuracy установите переключатель Use User
Defined Points. Нажмите кнопку Import. Откроется диалоговое окно
выбора файла из которого будут импортированы дополнительные
точки. Выберите файл check_points.txt из подкаталога
/examples/orthobase/lagunabeach директории ERDAS IMAGINE.
Откроется диалоговое окно, позволяющее задать параметры проекции,
которая была использована при сборе контрольных точек.
45.	Оставьте все параметры диалогового окна без изменений и
нажмите ОК. Откроется диалоговое окно Import Options в котором Вы
можете установить некоторые дополнительные опции импортирования
ASCII - файла.
130
46.	Перейдите на вкладку Field Definition. В поле Row Terminator
Character, задающем символ разделения строк, выберите в качестве
значения Return New Line (DOS).
47.	Изначально последовательность импорта координат задается
в полях столбца Input Field Number таблицы Column Mapping и
соответствует следующему порядку: X считывается из колонки номер
1, Y считывается из колонки номер 2, Z считывается из колонки номер
3,. Необходимо изменить номера колонок. Введем в столбце Input
Field Number новые значения так, чтобы координата X считывалась из
колонки 3 (Field 3), координата Y из колонки 4 (Field 4), координата Z
из колонки 6 (Field 6). Нажмите ОК в диалоге Import Options. Будет
выполнен импорт контрольных точек из ASCII - файла.
48.	Точки, импортированные на предыдущем шаге,
отображаются в Визуализаторе при помощи символа «+».
49.	Нажмите ОК в диалоге DTM Extraction Properties. Вы снова
вернетесь в диалог DTM Extraction.
131
3.6.6. Извлечение и просмотр ЦММ
50.	Теперь Вы готовы сгенерировать ЦММ. Но сначала,
сохраните результаты всей вашей работы. Нажмите ОК в диалоге DTM
Extraction. Вы вернетесь в основное окно проекта. В основном окне
проекта, выберите из меню пункт File | Save. Проект и все сделанные
на предыдущих шагах установки будут сохранены.
51.	Снова нажмите иконку извлечения ЦММ . Опять будет
открыто диалоговое окно опций извлечения ЦММ (DTM
Extraction). Для создания ЦММ просто нажмите кнопку Run в
диалоговом окне DTM Extraction.
52.	Диалог DTM Extraction закроется. Во время генерации
будут созданы:
-	выходной файл в виде ЦМР;
-	контурная карта;
-	тематический растровый слой статуса точек ЦММ, который
используется для контроля точности построенной модели;
53.	В Проводнике Менеджера Проектов LPS списке основного
окна проекта выделите опцию DTMs.
54.	В раскрывающемся списке щелкните дважды по названию
сгенерированной ЦМР (в нашем случае это файл lagunadem.img).
Схематично ЦМР будет показана в основном окне проекта.
132
3.6.7. Открытие созданных файлов в Визуализаторе
ERDAS IMAGINE
55.	Откройте визуализатор ERDAS IMAGINE. В Визуализаторе
откройте файл lagunadem.img. На рисунке, приведенном ниже,
показан файл ЦМР, сгенерированный в проекте. Белым цветом
условно выделены регионы, с определенными ранее стратегиями
задания высот местности (реально на изображении такие регионы не
отображаются).
56.	Откроем контурную карту. Для этого в меню Визуализатора
выберите пункт File | Open | Vector Layer. Укажите тип
открываемого векторного файла как Shapefile (*.shp). В каталоге, где
133
был сохранен файл ЦМР lagunadem.img, выберите Shape-файл
lagunadem_contour.shp.
57.	Для контроля точности построенной модели откроем в
Визуализаторе тематический растровый слой статуса точек ЦММ. Для
этого, в той же директории, где находится lagunadem.img , откройте
файл lagunademquality.img. На данном тематическом слое
выделяются зоны превосходной (Excellent), хорошей (Good) и
умеренной (Fair) корреляции.
134
58.	Выбрав из меню Визуализатора пункт Raster | Attributes, вы
можете увидеть сводную информацию по классам тематического
слоя lagunadem_quality.img. Видно, что точность построенной
ЦММ высокая, однако, пиксели, отображаемые красным цветом на
изображении требуют более внимательного анализа. Их качество
низкое.
3.6.8. Создание отчета
59.	Снова вернемся в главное окно Менеджера Проектов LPS.
В главном меню Менеджера Проектов LPS выберите пункт Process |
DTM Extraction Report. Отчет будет сгенерирован и выведен в
диалоговом окне.
60.	Обычно, среднеквадратичная ошибка не должна
превышать величину, равную удвоенному значению “размера
пикселя” выходного изображения DTM.
Чтобы улучшить точность можно попытаться подкорректировать
параметры стратегий, задаваемые для отдельных регионов. В крайнем
случае, вам придется подвергнуть пересмотру блок, из которого Вы
извлекали ЦММ.
135
Плохие результаты триангуляции Вашего блока приведут к
некачественной ЦММ. В этом случае добавьте несколько опорных
точек (GCP) в диалоге Point Measurement, выполните повторную
триангуляцию и снова запустите процесс извлечения ЦММ.
136
4.	Геометрические модели
изображения
Мы рассмотрим некоторые модели, описывающие геометрические
связи между самим цифровым изображением и его источником. Одна
из таких моделей, связывающая изображения при помощи
полиномиальных преобразований и являющаяся хорошей
иллюстрацией проблем, возникающих при обработке изображений,
описывается в разделе «Геометрическое трансформирование
одиночного снимка».
Компания Leica Geosystems предоставляет набор программных
средств, объединенных в Рабочее Место Фотограмметриста (Leica
Photogrammmetry Suite, LPS) и управляемых при помощи Менеджера
Проектов LPS. Менеджер Проектов LPS позволяет решать задачи
определения моделей фотокамер и сенсоров при обработке
фотоснимков и спутниковой съемки, сбора опорных и связующих
точек на блоке изображений, ортотрансформирования снимков,
извлечения и обработки данных о высоте рельефа по стереопарам,
редактирования цифровых моделей рельефа и т.д. Операции
геометрического трансформирования снимков доступны и в ERDAS
IMAGINE.
4.1.	Определение геометрической модели
изображения. Геокодирование и геопривязка.
Обычно, цифровое изображение представляет объекты реального
мира, например, сканированную бумажную карту или снимок земной
поверхности и имеет ценность лишь в том случае, если мы способны
установить отношение между пикселями данного изображения и
координатами реальных объектов источника. Такое отношение зависит
от метода получения снимка. Если изображение было получено,
например, при помощи высокоточного сканирования, то между
пиксельной координатной системой изображения и координатной
системой источника существует простая линейная связь. Если же
снимок был получен при помощи аэрофотокамеры, связь между
координатами пикселей цифрового изображения и реальными
137
наземными координатами намного сложнее. Обычно такая связь
задается при помощи уравнений центральной проекции и уравнений,
описывающих форму земного шара.
В любом случае требуются некоторые параметры и формулы,
чтобы задать эту связь. Набор таких формул и параметров называется
геометрической моделью снимка. Если для некоторого изображения
установлены и сохранены параметры геометрической модели, то
говорят, что изображение геометрически откалибровано. В частном
случае, если для геометрически откалиброванного изображения задана
связь между пикселями и какой-либо координатной системой,
связанной с объектами земной поверхности, имеет место геопривязка
(georeferencing). Обсудим более подробно это понятие.
Модели Земли представляют нашу планету как сферу, эллипсоид
или геоид. Использование бумажных карт или отображение снимка
земной поверхности на экране монитора приводят нас к задаче
представления поверхности сферы или сфероида на плоскости.
Картографические проекции предназначены для такого представления.
Растр, переведенный в картографическую проекцию, представляется в
картографической системе координат. Например, для некоторого
изображения в системе Гаусса-Крюгера ось X направлена снизу вверх,
ось Y - слева направо, единицы измерения - метры.
Геокодирование (geocoding) это процесс установления связи
исходного растра с моделью земной поверхности. Для задания модели
земной поверхности мы определяем название проекции, эллипсоид,
набор данных (датум) и др. После этого, производиться
трансформирование растра в выбранную проекцию. Поскольку
итоговая проекция предполагает определенный тип системы
координат (единицы измерения, направления осей), то, как правило,
трансформирование включает в себя и геопривязку.
Геопривязка (georeferencing) это процесс назначения растру
картографической системы координат. При геопривязке сетка
растровой системы координат не изменяется. То есть, физического
трансформирования растра не происходит. Изменяется только
информация о координатной системе растра, записанная в структуре
файла.
138
Рис 4.1. Геокодирования растра: а - исходное изображение; б -
трансформирование растра в картографическую проекцию; в -
геопривязка трансформированного растра к картографической системе
координат
4.2.	Геометрическое трансформирование
одиночного снимка
Снимок являет собой плоское представление фрагмента земной
поверхности. Такое представление содержит ошибки вызванные
кривизной Земли (если размер сцены съемки достаточно велик),
ошибки вызванные перемещением сенсора в процессе съемки,
погрешности, вносимые при сканировании (в процессе
постобработки), а также ошибки за рельеф. Современные подходы к
обработке изображений зачастую предполагают выполнение
предварительной коррекции некоторых из перечисленных ошибок,
перед передачей снимков заказчику. Такая коррекция может
производиться и самим заказчиком. Тогда говорят, что снимок
поставляется в исходном, необработанном (raw) формате.
Даже если рельеф снимаемой земной поверхности относительно
равномерный и искажения, вызванные рельефом на снимках
минимальные, приходиться принимать во внимание остальные
искажения. Ниже даны сведения о процессе геометрического
трансформирования (rectification) исходных изображений, сводящем к
139
минимуму искажения вызванные кривизной Земли, погрешности,
вносимые в процессе сканирования и искажения, вносимые съемочной
аппаратурой.
Заметим, что при геометрическом трансформировании мы не
исправляем ошибки снимка, вызванные неравномерностью рельефа
местности. Для этого существует другой вид обработки
ортотрансформирование (orthorectification). Коррекция ошибок,
вызванных неравномерностью рельефа местности, выполняется при
наличии цифровой модели местности (ЦММ, Digital Elevation Model,
DEM). Для областей с относительно равномерным рельефом
ортотрансформирование не требуется, но при обработке, например,
снимков горных или холмистых районов, точность обработки
существенно повышается. Как вариант, в случае равномерного
рельефа или в случае, когда ЦММ на данную территорию отсутствует,
в LPS допускается проведение ортотрансформирования с заданием
высоты в виде постоянного значения.
Приведем несколько ситуаций, когда необходимо выполнять
трансформирование изображений:
-	выполнение по снимкам точных измерений расстояний и
площадей;
-	сравнение изображений с существенно различающимися
масштабами съемки;
-	создание точных карт на основе фотографического материала;
-	совмещение растровых и векторных данных;
-	создание мозаики изображений (сшивка областей нескольких
снимков);
Если же искажение изображения по сравнению с источником
отсутствует, то трансформирование снимков не требуется. Например,
изображение получено сканированием бумажной карты, имеющей
известную картографическую проекцию. Если при сканировании не
было привнесено смещение или разворот, то дальнейшее
трансформирование полученного снимка не требуется. Снимок уже
находится в той же картографической проекции, что и исходный,
бумажный вариант, поэтому его геокодирование выполнено. А вот
геопривязка растра в данном случае необходима. Но этот процесс
существенно проще, чем геокодирование. В данном случае
геопривязка будет сводиться к приписыванию картографической
координаты левому верхнему углу отсканированного растра и
назначению «размера» пикселя - площади земной поверхности,
140
представляемой каждым пикселем изображения. Эта информация о
геопривязке просто записывается в модифицированный заголовок
файла изображения.
Будем считать, что если предварительная коррекция не
производилась, то снимок находиться в исходной (файловой или
пиксельной) системе координат.
Цифровое изображение состоит из пикселей организованных в
виде регулярной прямоугольной сетки ячеек. Номер столбца и строчки
(начиная с нулевого) в сетке однозначно задает координаты пикселя,
отсчитываемые от верхнего левого угла сетки. Так вводиться
прямоугольная пиксельная координатная система. Если источником
изображения служит файл, такую систему иногда называют файловой
координатной системой.
В ERDAS IMAGINE задается файловая (или пиксельная)
координатная сетка растра, ось X которой определяет направление
слева направо. Ось Y направлена вниз. Начало этой координатной
системы определяется центром пикселя. Но, например, в формате
GeoTIFF, координатная сетка может определяться не центром, а
верхним левым углом пикселя. При обработке таких данных, ERDAS
IMAGINE корректно преобразует такую систему в привычный вид с
началом координат в центре пикселя.
Введем понятие опорных точек (Ground Control Points, GCP). Это
распознаваемые на изображении группы пикселей, для которых
известны координаты соответствующих им наземных объектов в
единицах картографической системы координат. Любой снимок в img-
формате ERDAS IMAGINE может иметь один набор опорных точек,
ассоциированных с ним. Этот набор точек, храниться внутри img-
файла, наряду с другой информацией. Фактически, каждая опорная
точка описывается двумя парами (X У)-координат. Первая пара, это
файловые координаты снимка подлежащего трансформированию.
Вторая пара - опорные координаты. Это координаты в
картографической системе, задаваемой в некоторой картографической
проекции.
Опорные точки, сохраненные в img-файле, можно просматривать в
Визуализаторе при помощи инструментария GCP Tool. При этом в
качестве имени опорной точки используется ее идентификатор - ID.
Набор опорных точек можно получить в результате полевых
измерений, при помощи аппаратуры GPS, либо снять с бумажной
карты.
141
Но чаще всего для работы с опорными точками используют
вспомогательное, ортотрансформированное изображение. Исходный
снимок, подвергаемый трансформированию, связан с выбранной
картографической проекцией только посредством опорных точек. Как
же увязать пиксельные координаты опорных точек на исходном
снимке с картографическими координатами? Для этого обычно
применяют вспомогательное изображение, находящееся в той же
картографической проекции, к которой мы хотим привести наш
исходный снимок и имеющее соответствующую геопривязку. Такое
изображение называется опорным снимком, а его систему координат —
опорной системой координат. Теперь задача состоит в нахождении
каждой опорной точки на исходном и опорном изображении.
Информацию о координатах опорных точек можно получать не
только из опорного изображения, но и, например, из векторного слоя,
картографическая проекция которого известна. Еще один вариант - из
обычного текстового ASCII-файла при помощи операции
импортирования. Ниже приведено диалоговое окно, позволяющее в
ERDAS IMAGINE задавать различные источники информации об
опорных точках.
Теперь процесс геометрического трансформирования будет
содержать следующие шаги:
-	нанесение опорных точек на опорном снимке по заданным
картографическим координатам
-	визуальное распознавание и нанесение опорных точек на исходном
снимке;
-	вычисление параметров трансформирования (об этом ниже);
-	создание выходного файла в выбранной картографической проекции;
142
Опорные точки	Контрольные точки
Al: Xpix= 200, Ypix=100, Xпир = 2101800м; Ymap =700500 м; зона 3;
А2: Xpix=320, Ypix=H0; Xmap = 2100400м; Ymap =701000м; зона3;
АЗ Задана неправильно
Опорное изображение в проекции Гаусса-Крюгера
Опорные точки JJ	Контрольные точки
Al: Xpix = 30; Ypix=10; X map, Ymap - не определены
А2. Xpix= 150,Ypix=10, X map,Ymap - не определены
АЗ: Задана неправильно
Нежадное изображение в пикселкной октане
Опорные точки	Контрольные точки
Al: X pix = 70; Y pix =10; X map = 2101800 м; Ymap =700500 м; зона 3;
A2: X pix = 240; Y pix =10, X map = 2100400 m; Ymap =701000 м, зона 3;
АЗ: Задана неправильно
Исходное изображение трансформирование в проекции
Гаусса-Крюгера
Рис 4.2. Трансформирование при помощи опорного изображения
143
I
Для точного трансформирования, следует аккуратно наносить
опорные точки. По ним будут интерполироваться
трансформированные координаты остальных точек изображения.
Опорные точки должны быть равномерно распределены по всему
снимку, а не сконцентрированы в какой-то одной области.
В качестве опорных точек на снимке удобно выбирать
перекрестки дорог, углы зданий, взлетных полос, центры стадионов.
Не следует задавать опорные точки на кромках озер, краях зон
растительности и прочих объектах, подверженных изменениям с
течением времени.
В качестве математического аппарата геометрического
трансформирования снимков рассмотрим полиномиальные
преобразования
4.2.1. Полиномиальные преобразования
Полиномиальные уравнения используются для того, чтобы
выполнить преобразование координат снимка из системы исходного
изображения в систему координат опорного снимка. По координатам
опорных точек строится математическая модель трансформирования
снимка. В зависимости от искажений снимка, числа опорных точек и
их взаимного расположения для построения уравнений трансформации
могут применяться полиномы различной степени (1-й, 2-й, а иногда и
выше). Ниже, в качестве примера приведены две системы полиномов -
первой и второй степени.
х, = а0 + ахх + а2у;
У.^^+Ь^х +b2y.
xt=a0 + axx +а2у + а3х2+а4х _у + а5у2;
у, = 60+64х У-
144
4.2.2. Трансформирование
Линейное трансформирование является простейшим образцом
полиномиальных преобразований. При этом применяются полиномы
1-го порядка. Линейное трансформирование может применяться при
переводе исходного, необработанного снимка в выбранную
картографическую проекцию, при преобразовании изображения из
одной картографической проекции в другую картографическую
проекцию или при трансформировании относительно малых площадей
снимка.
При линейном трансформировании над исходным изображением
могут быть выполнены операции следующего вида:
-	тождественное преобразование;
-	смещение;
-	масштабирование;
-	зеркальное отображение;
-	поворот;
-	сдвиг;
-	любые комбинации перечисленных операций
По набору координат опорных точек на исходном и опорном
снимках рассчитывается матрица трансформирования, содержащая
коэффициенты полиномов. Каждая опорная точка вносит свой вклад в
расчетные величины полиномиальных коэффициентов. Матрица
линейного трансформирования содержит шесть коэффициентов.
«о а1 а2
й0 Ьх Ь2
На базе коэффициентов матрицы построим, систему полиномов
первого порядка, используемую для трансформирования по трем
опорным точкам изображения, задаваемым координатами
145
х,1 =а0+а,х,+а2у,;
У,1 = Ь0+Ьхх}+Ь2У1;
xl2=a0+alx2+a2y2-,
У,г =b0+blx2+b2y2;
(4-1)
х,3 =а0 + <7,х3 + а2у3;
У,з = b0 + bxx3+b2y3,
где Хц > Уа ~ координаты трансформированного изображения;
Xj, у. - исходные координаты.
Рис 4.3. Линейное трансформирование изображения: а - исходное
изображение; б - масштабирование по X; в - масштабирование по Y;
г-поворот; д -сдвиг по X; е -сдвиг по Y
Нелинейное трансформирование выполняется при помощи
полиномов второго порядка и выше. При этом могут быть
скорректированы и нелинейные искажения. Трансформирование при
помощи полиномов второго порядка может быть использовано для
преобразования данных находящихся в координатной системе
146
широта/долгота в другую картографическую проекцию, для
преобразования данных покрывающих большие площади (учет
кривизны Земли) и для преобразования данных, искаженных
например, по причине дисторсии линзы съемочной камеры. Полиномы
третьего порядка и выше, используются для трансформации сильно
искаженных снимков.
Приведем пример системы уравнений с применением полиномов
третьего порядка, составленных для одной опорной точки, задаваемой
координатами (Х,у).
х, = 4-2x — 3y + 5x2 -12ху — 2у2 + х3 + 8х2у + 9ху2 -24у3;
у, = 7 + 6х-11у +3х2 -ху +12у2 -2х3 -11х2у+ 9ху2 + 2у3.
Рис 4.4. Примеры нелинейного трансформирования изображения: а -
исходное изображение; б, в- результаты трансформирования
При использовании полиномов, трансформационная матрица
содержит для каждой пары координат (X и У) коэффициенты,
количество которых определяется по формуле:
i+i
N = 2*£i,	(4.2)
<=1
где N- количество коэффициентов трансформационной матрицы;
t - порядок полинома.
147
4.2.3.	Расчет минимального числа опорных точек при
трансформировании с использованием полиномов
Чем выше порядок полиномов, применяемых при
трансформировании, тем более сложные искажения могут быть
исправлены. Однако с повышением порядка полиномов требуется
большее число опорных точек. Например, при трансформировании
первого порядка (линейном), полиномы для X и Y описывают
уравнение плоскости. А плоскость однозначно определяется тремя
точками. Значит, необходимы, по крайней мере, три опорных точки.
Аналогично, при трансформировании второго порядка, полиномы для
X и Y описывают уравнение параболоида. А его однозначно
определяют шесть точек. И требуются не менее шести опорных точек.
К тем же выводам можно прийти, рассмотрев число неизвестных
элементов в системе полиномиальных уравнений. Например,
проанализируем рассмотренные выше полиномы третьего порядка.
х, = 4-2х-Зу + 5х2 — 12ху-2у2 + х3 + &х2у + 9ху2 -24у3;
у1 = 7 + 6х-11у + 3х2 -ху + 12у2 -2х3 -1 lx2j +9ху2 +2у3. _
Здесь х и у - картографические координаты текущей опорной
точки. Они берутся с опорного изображения, и, значит известны. А
коэффициенты трансформирования <2()..<29,	6О.Д, (всего 20
коэффициентов) - неизвестные величины. Для решения такой
системы потребуется 20 уравнений (по два на каждую опорную точку).
Следовательно, при трансформировании с помощью полиномов
третьего порядка минимально потребное	- 'Л.
Вообще., мкнкмазьжое лозяичество опорных точек, необходимое
для выполнения трансформирования определяется как:
mm	2	’
где ,V„„„ - минимальное количество опорных точек;
t - порядок полинома.
148
4.2.4.	Недостатки нелинейного трансформирования
Рассмотрим одномерный случай - изменение координаты X на
исходном и трансформированном снимках. По осям графика
откладываются исходные координаты (значения Xs) и опорные
координаты (Аг). Пусть координаты точек исходного и
трансформированного снимков связаны полиномом первой степени:
хг = 21 -7xs.
Рис 4.5. Линейное трансформирование полиномом первой
степени: а - все три точки лежат на прямой, задаваемой полиномом
первой степени; б - средняя точка лежит вне прямой линии и для нее
корректное трансформирование полиномом первой степени
невозможно
Какие бы коэффициенты не подбирались, полином первой степени
будет задавать уравнение прямой линии, не позволяющее для средней
точки правильно перейти от исходной координаты Xs = 2 к опорной
координате Хг =5. Требуется применение полиномов более высокого
порядка. Свяжем координаты точек исходного и трансформированного
снимков полиномом второй степени:
хг - 27-15х5 + 2х2.
149
Рис 4.6. Нелинейное трансформирование полиномом второй
степени
Теперь, полином второй степени отлично справляется с ситуацией
до тех пор, пока не будет добавлена дополнительная, четвертая точка.
Повторив рассуждения, приведенные выше, придем к
необходимости использования полиномов третьей степени.
хг = 21 - 4xs - 4х2 + x3s.
Xr,
15Xs+2Xs
12
8
4-
Рис 4.7. Трансформирование полиномами высших степеней: а -
полином второй степени не справляется с трансформированием точки
D',6- все четыре точки лежат на кривой, описываемой полиномом
третьей степени
150
Проанализировав приведенные рисунки, можно заметить
недостаток, присущий трансформированию при помощи полиномов
более высокого порядка, чем первый. Может получиться так, что на
трансформированном изображении изменится порядок следования
пикселей. В самом деле, посмотрите на последний рисунок,
иллюстрирующий трансформирование при помощи полинома третьей
степени. На исходном изображении (ось Jfr) точки следуют в порядке:
Л, В, С, D. На трансформированном изображении (ось Хг) порядок
следования точек уже другой - А, В, D, С. Точки С и D совпали.
Целостность изображения нарушилась.
Данное явление более подробно иллюстрируется на рисунке,
Рис 4.8. Применение полинома третьей степени для
трансформирования изображения дает неожиданный результат: а -
порядок следования точек на исходном изображении: б — порядок
следования точек на трансформированном изображении
Такие явления на изображении называются артефактами.
Следует вдумчиво подходить к подбору степени полиномов в процессе
геометрического трансформирования снимков.
4.2.5.	Особенности передискретизации
трансформируемого изображения
После выполнения геометрического трансформирования снимка,
необходимо сформировать выходной растр, содержащий
результирующее изображение. Поскольку, пиксельная сетка исходного
изображения обычно не совпадает с пиксельной сеткой опорного
изображения, следует для выходного файла выполнить
передискретизацию сетки и назначить значения яркости пикселей.
Рассмотрим особенности и последовательность шагов данного
процесса.
151
При подготовке геометрического трансформирования на исходное
изображение наносятся опорные точки, связанные с определенными
объектами земной поверхности.
Рис 4.9. Опорные точки на исходном изображении
Эти точки присутствуют и на опорном снимке. К его
координатной системе приводиться трансформируемое изображение.
Зная размер ячейки (cell size) или пространственное разрешение
выходного изображения, и задавая координаты опорных точек в
системе выходного изображения, мы можем определить габариты
прямоугольника, задающего сетку выходного файла, при условии, что
шаг этой сетки будет равен 1 пиксель. Итак, на следующем шаге
получаем только сетку выходного файла, в границах которой заданы
опорные точки. Само выходное изображение пока еще не существует.
Рис 4.10. Сетка выходного изображения
152
Еще раз подчеркнем, что ни шаг, ни размер ячейки, ни размеры
сетки выходного файла в общем случае не совпадают с аналогичными
параметрами исходного изображения.
Напомним, что в результате геометрического трансформирования
исходного снимка мы получаем систему полиномов степени N, набор
коэффициентов которых, позволяет перейти от пиксельных координат
исходного снимка, к координатам трансформированного снимка,
задаваемым в системе опорного снимка. Но нашей конечной целью
является формирование на основе пиксельных координат
трансформированного снимка выходного растрового файла и
присваивание значений яркости каждому пикселю этого файла.
Данную задачу можно решить, выполнив обратное геометрическое
трансформирование, позволяющее по координатам
трансформированного снимка получить пиксельные координаты
исходного. Этот процесс называется ретрансформированием, а
пиксельные координаты, получаемые в результате, являются
ретрансф ормир ованным и коорд ин а томи.
Тогда алгоритм, назначения значений яркости пикселям
выходного файла будет заключаться в следующем. Получаем
коэффициенты обратного геометрического трансформирования. В
ERDAS IMAGINE именно эти коэффициенты становятся доступны
после задания модели геометрического трансформирования. Незнание
данного факта может послужить причиной ошибок, например при
ручной проверке качества трансформирования. Сканируем по строкам
и столбцам сетку трансформированного изображения. Для текущей
ячейки получаем трансформированные координаты в системе
опорного снимка. Выполним обратное трансформирование координат
текущей ячейки и получим ретрансформированные пиксельные
координаты на сетке исходного снимка. Теперь значение яркости
ретрансформированной точки можно получить, например, на основе
интерполяции по ближайшему соседу на сетке исходного снимка.
Данное значение яркости присваивается текущей ячейке сетки
трансформированного изображения.
При передискретизации можно применять и другие методы
назначения яркости пикселям изображения:
-билинейную интерполяцию;
-кубическую свертку;
153
Дадим еще два определения. Назовем описанный процесс
передискретизацией, если в результате формируется отдельный файл,
содержащий выходной растр. Если же выходной файл физически не
формируется, а информация о преобразовании записывается в
исходный файл в виде, например, набора полиномиальных
коэффициентов трансформирования, то такой процесс называется
калибровкой файла. Два разных подхода к трансформированию -
калибровка и передискретизация имеют как достоинства, так и
недостатки. При передискретизации, формируется дополнительный
файл, иногда довольно большого размера. Но вывод на экран этого
файла осуществляется с достаточно высокой скоростью. А при
калибровке, экономится дисковое пространство, поскольку выходной
файл не создается - вся информация о трансформировании
записывается в исходном файле. Но, организовать быстрый вывод на
экран такого файла достаточно сложно. В документации по ERDAS
IMAGINE рекомендуется использовать калибровку только в крайних
случаях, когда вопрос экономии дискового пространства, является
главным.
4.2.6.	Оценка среднеквадратической ошибки
трансформирования
При трансформировании снимка среднеквадратическая ошибка
(CKO, Root Mean Square Error, RMSError) это эвклидово расстояние
между заданным местоположением опорной точки на исходном
снимке и положением той же точки после геометрического
ретрансформирования результирующего изображения. СКО для
данной точки рассчитывается по формуле:
RMSError = у](х, - х,)2 + (yt - у,)2,	(4.4)
где RMSError - СКО точки;
xi,yj - исходные координаты;
Xt, yt - ретрансформированные координаты.
СКО выражается в единицах исходной координатной системы.
Если опорный снимок записан в файловой системе координат (данные
о картографической проекции отсутствуют), то СКО будет выражаться
в пикселях. Например, если СКО составляет 2 пикселя, это означает,
154
что точка на исходном изображении отстоит на расстоянии 2 пикселя
отточки на ретрансформированном снимке.
СКО по определенному направлению (по оси X или Y) называется
невязкой (residual). Невязки вычисляются для каждой точки.
Например, невязка по X данной точки это расстояние по оси X между
исходной и ретрансформированной Х-координатами точки. СКО
каждой точки может быть выражено через невязки:
R, = ^XR2 + YR2,	(4.5)
где Rt - СКО текущей точки с индексом /;
XR1 YR1 - X - невязка и Y - невязка точки с индексом /.
Рис 4.11. Связь СКО с невязками по направлениям X и Y,
вычисляемым между точкой As на исходном снимке и точкой Аг на
ретрансформированном изображении
Общее СКО для всех точек можно выразить через невязки
отдельных точек:
Rx= - XXR2,	(4.6)	- Z^2,	(4.7)
]ni = l	Vi = l
T = ^R2+R2,	(4.8)
где Rx, Ry- общее CKO по направлениям X и Y;
Т - общее СКО;
п - общее количество опорных точек;
155
XRt, YRt -невязки по направлениям X и Y точки с индексом i.
Вклад) Contribution) точки с индексом i в СКО:
Ei = ^,	(4.9)
где Ei - вклад точки с индексом i в СКО;
Т - общее СКО;
R, - общее СКО точки с индексом i.
После того, как вы получили в первом приближении СКО, у Вас
есть несколько возможностей изменить результат.
1.	Отбросить все точки, где значение СКО самое большое и
провести новое геометрическое трансформирование с оставшимися
точками. Однако если удаляемые точки единственные в некотором
регионе, то после их удаления трансформирование региона может
привести к еще большим ошибкам.
2.	Назначить более высокий допуск на СКО.
3.	Усложнить модель трансформирования, подвергая изображение
более сложным преобразованиям.
4.	Выбрать и оставить только те точки, которые вы считаете
полностью «надежными».
4.2.7.	Контрольные точки
Мы определились с минимальным количеством опорных точек,
необходимым для трансформирования при помощи полиномов
степени t. А нужно ли задавать опорные точки сверх минимального
количества? К чему это приведет? Поскольку все опорные точки
принимаются в расчет при построении полиномов, может случиться
так, что некоторые «лишние» точки плохо впишутся в создаваемую
модель. Это происходит потому, что процесс вычисления
коэффициентов полиномов по своей сути является интерполяционным,
а не аппроксимирующим. То есть дополнительные опорные точки
могут не вписаться в полином степени t, понадобятся полиномы более
высоких порядков.
156
Тогда, для того чтобы оценить матрицу трансформирования,
следует изменить тип некоторых точек с опорных (Control) на
контрольные (Check). Их отличие в том, что контрольные точки не
используются при вычислении матрицы трансформирования.
Следовательно, вы можете использовать контрольные точки для
независимой оценки точности трансформирования, проконтролировав
среднеквадратическую ошибку каждой контрольной точки (RMS
error) и общую среднеквадратическую ошибку по всем контрольным
точкам (Total).
Обобщим материалы данного раздела, рассмотрев несколько
примеров.
Первый пример. Имеется исходный растр в цифровом виде. Будем
считать, что предварительная коррекция с целью устранения ошибок
съемки, вызванных кривизной Земли и перемещением сенсора, не
выполнялась. Снимок представлен в исходной, пиксельной системе
координат.
На первом шаге выбираем проекцию, в которую следует
перевести наш растр. На втором шаге определяем метод
трансформирования растра в выбранную проекцию. Это может быть,
например, аффинное преобразование, полином второй степени или
метод «резинового» листа. Здесь же определяются параметры,
связывающие координаты опорных точек в исходной и выходной
системах координат растра. Такими параметрами могут быть,
например коэффициенты полиномов трансформирования. На третьем
шаге выполняется реальное трансформирование, но не всех пикселей,
а только опорных точек растра в выбранную проекцию. Необходимым
условием данного шага является наличие опорного элемента,
определяющего параметры итоговой проекции. Таким опорным
элементом может быть изображение или векторный слой в итоговой
проекции. На четвертом шаге выполняется геопривязка -
установление новой системы координат растра, связанной с итоговой
проекцией. Теперь, мы имеем все необходимые данные, чтобы
выполнить пятый шаг - пиксель за пикселем сформировать выходное
изображение в итоговой картографической системе координат. Но,
полученные на втором шаге параметры трансформирования
(например, коэффициенты полиномов), позволяют перейти от
пиксельных координат исходного снимка, к координатам
трансформированного снимка, задаваемым в итоговой
картографической системе. А наша задача - формирование на основе
пиксельных координат трансформированного снимка выходного
157
растрового файла и присваивание значений яркости каждому пикселю
этого файла. Для этого, используя опорные точки, находятся
коэффициенты обратного геометрического трансформирования,
позволяющие по координатам опорного снимка получить пиксельные
координаты в исходной координатной сетке, то есть вычисляем
параметры ретрансформирования. Тогда, сканируя ячейки
координатной сетки, которая не изменилась при геопривязке, мы
можем получить пиксельные координаты и присвоить
соответствующее значение яркости каждому пикселю
результирующего изображения, используя, например, интерполяцию
по ближайшим соседним пикселям. Пятый шаг завершен и
сформирован выходной растр.
Второй пример. Имеются два изображения одной местности,
полученные из различных источников. Необходимо выполнить их
совмещение, чтобы осуществить пошаговый, пиксель за пикселем,
анализ двух изображений. Для такого совмещения, координатная сетка
первого изображения должна в точности соответствовать
координатной сетке второго изображения. То есть мы должны
привести оба изображения к одной координатной системе. Такой
процесс совмещения изображений называется совместной
регистрацией. При помощи трансформирования мы приводим
изображения к единой координатной системе. При этом, совсем не
обязательно, что это картографическая координатная система. Пусть,
например первое изображение изначально не трансформировалось для
приведения к какой-то картографической координатной системе, а
находится в пиксельной системе координат. Тогда, при совмещении
второго изображения с первым не требуется проводить
геокодирование и геопривязку второго изображения.
Если же изначально, первый снимок геокодирован в одной
картографической проекции, а второй снимок в другой
картографической проекции, то при их совместной регистрации,
придется выполнить трансформирование второго снимка в
картографическую проекцию первого снимка, а затем выполнить
геопривязку второго снимка к картографической координатной
системе первого изображения.
Третий пример. Для сферической координатной системы
координатами являются широта и долгота. Сферическая координатная
система не связана с картографической проекцией. Широта и долгота
задают координаты на сфере, а не на плоскости. Поэтому, обычно
снимки не трансформируются в сферические координаты, хотя
теоретически, такое трансформирование возможно.
158
4.3.	Разновидности геометрических моделей
снимка
Вернемся к понятию геометрической модели снимка. Условно
геометрические модели изображений можно подразделить на два
больших класса - модели, описываемые только при помощи
математических методов и модели, требующие описания физических
параметров. Для моделей, требующих описания физических
параметров необходимо знание об аппаратуре съемки, при помощи
которой было получено изображение (название фотокамеры, фокусное
расстояние, параметры сенсора и т.д.). Модели, описываемые при
помощи математических методов, задают отношения между
координатами снимка и соответствующими им координатами точек
земной поверхности только при помощи математических формул.
Обычно, такие модели не требуют знания особенностей аппаратуры
съемки.
При инсталляции ERDAS IMAGINE, устанавливаются и
регистрируются библиотеки динамической компоновки (DLL),
содержащие соответствующие геометрические модели - affine.dll,
camera.dll, polynomial.dll, rubbers.dll и т.д. Таким образом, в систему
можно добавлять новые модели.
159
Рис 4.12. Некоторые геометрические модели изображений
160
4.3.1.	World-файл и aux-файл изображения
Если формат файла изображения допускает хранение
калибровочной информации внутри самого файла (а формат img-
файла предусматривает наличие такой информации), то там эта
информация и сохраняется. Если же информация о калибровке не
поддерживается форматом файла изображения (например, .jpg), то
данная информация сохраняется в отдельном файле, имеющем то же
имя, что и файл изображения, и расширение .aux. Файлы с
расширением .aux, как и img-файлы хранятся в иерархическом
файловом формате HFA. Их содержимое и структура могут быть
просмотрены при помощи визуализатора HfaView (опция Tools | View
IMAGINE HFA File Structure главного меню ERDAS IMAGINE).
Помимо информации о геопривязке, внутри aux -файлов может
сохраняться ссылка на каталог размещения пирамид данного
изображения, если таковые были построены и сохранены во внешнем
файле пирамид (расширение - .rrd). Таблицы перекодировки цвета, а
также гистограммы яркости изображения так же могут храниться в aux
-файле.
Таким образом, aux-файлы имеют довольно сложную структуру и
позволяют сохранять разнотипные данные. Существует более простой
формат. Это, так называемый world-файл, описывающий только
геопривязку растрового изображения. Данный файл необходим для
тех растровых данных, форматы которых не допускают внутреннего
хранения информации о геопривязке. Поэтому, для таких форматов
как GeoTIFF или IMG, данный файл не нужен, в то время как для
растров в форматах TIFF и JPEG, ERDAS IMAGINE позволяет создать
такой файл.
World-файл это обычный текстовый файл ASCII-формата
(расширение .tfw, для формата TIFF и .igw для формата JPEG),
ассоциированный со снимком следующим образом:
-	параметр А - пространственное разрешение («размер» пикселя)
вдоль оси X в единицах карты;
-	параметр D - параметр поворота снимка (равный нулю, если
поворот не осуществляется);
-	параметр В - еще один параметр поворота снимка (равный
нулю, если поворот не осуществляется);
-	параметр Е - пространственное разрешение (размер пикселя)
вдоль оси Y, взятое с обратным знаком и измеряемое в единицах
карты;
161
-	параметр С - X - координата в единицах карты центра верхнего
левого пикселя изображения;
-	параметр F - У - координата в единицах карты центра верхнего
левого пикселя изображения;
Реальный world-файл может содержать, например, такие данные:
18.56565671322344
0.00000000000000
0.00000000000000
-	18. 56565671322344
403129.51996890333445
5228777.43468900128933
В соответствии с данными, внесенными в world-файл, переход от
пиксельных координат растра (х.у) к координатам картографическим
(X У), осуществляется при помощи системы полиномов первого
порядка.
X = Ах + By + С
У = Dx + Еу + F
(4.Ю)
4.3.2.	Как для снимка в ERDAS IMAGINE изменить
проекцию, создать world-файл, построить пирамиды
изображений?
1.	Из основного меню ERDAS IMAGINE выберите пункт Tools |
Image Command Tool (Инструменты | Командные инструменты
изображения).
2.	В открывшемся диалоговом окне загрузите файл, содержащий
исходное изображение, например, снимок в формате .TIFF.
3.	Выберите задачу, установкой переключателя диалогового
окна.
a)	Map Model to World File — для создания world-файла.
б)	Change Map Projection - для смены типа проекции. При этом
будет предложено выбрать из набора стандартных или
пользовательских проекций (набор пользовательских проекций будет
доступен после нажатия кнопки в виде «глобуса»). Реально, при
выполнении данной операции снимок не трансформируется. Просто,
162
информация о новом типе проекции (и новой системе) сохраняется в
img-файле. Открыв после этого снимок, можно увидеть, что в
статусной строке Визуализатора отображается новая информация о
проекции и координатах.
в)	Change Map Model - изменить единицы измерений карты
(футы, метры, другие единицы).
г)	Compute Pyramid Layers / Delete Pyramid Layers - задать
параметры построения пирамид изображения (внутренние или
внешние пирамиды, шаг построения) или удалить построенные ранее
слои пирамид.
д)	Change Raster Type - изменить тип растрового слоя
(непрерывный / тематический).
Как было сказано выше, при калибровке снимка изображение
реально не подвергается трансформированию. Вместо этого в
структуре файла изображения сохраняется информация о параметрах
трансформирования. При выводе исходного изображения на экран,
система «на лету» использует эту информацию, для того, чтобы
отобразить исходный файл в трансформированном виде. Как вывести
файл на экран с использованием информации о калибровке? Для этого
в диалоге открытия открытии изображения перейдите на вкладку
Raster Options. Установите на данной вкладке переключатель Orient
Image То Map System. Этот переключатель доступен только в том
случае, если в файле сохранена информация о калибровке. Теперь при
открытии файла в Визуализаторе ERDAS IMAGINE, он будет
отображаться в трансформированном виде. Если этот переключатель
не устанавливать, информация о калибровке будет проигнорирована и
файл будет выведен на экран в исходном, нетрансформированном
виде.
163
4.3.3.	Совмещение и слияние изображений
Часто возникает необходимость в совместном использовании
снимков территории, полученных из различных источников. Чтобы
открыть такие снимки одновременно, в едином визуализаторе и точка
за точкой анализировать совмещенные объекты, пиксельные сетки
таких изображений должны быть согласованы.
4.13.	Простым наложением и перемасштабированием этих
изображений совмещение объектов выполнить не получится: а-
изображение с мелким шагом пиксельной сетки; б - изображение
увеличено, развернуто на плоскости и имеет больший «размер»
пикселей
Для совмещения снимков используется рассмотренный ранее
подход на основе геометрического трансформирования изображений.
Процесс совмещения двух изображений (image-to-image registration,
coregistration) обычно выполняется так, что изображение с низким
пространственным разрешением (исходный снимок) трансформируют
к изображению высокого разрешения (опорный снимок). Такой подход
требует меньше опорных точек и повышает точность совмещения
изображений. Наличие геопривязки для совмещаемых изображений не
обязательно - исходное и опорное изображения могут находиться в
пиксельных системах координат.
Необходимость точного совмещения изображений часто
возникает при предварительной обработке результатов спутниковой
съемки. Некоторые типы сканеров бортовой аппаратуры
164
автоматически выполняют совмещение снимков выполненных в
различных спектральных диапазонах.
Иногда это приходится делать вручную. В этом случае, для
совмещения двух изображений используют полином второй степени.
Количество опорных точек при этом, должно существенно превышать
минимально необходимое для трансформирования полиномом второй
степени число точек. Это условие позволяет уменьшить
среднеквадратическую ошибку трансформирования.
Рассмотрим еще один пример совмещение изображений
полученных разными сенсорами. Обычно, в этой ситуации
совмещаемые снимки отличаются как по пространственному, так и по
спектральному разрешению и процесс их совмещения помимо
геометрического трансформирования включает спектральные
преобразования. Тогда говорят о слиянии изображений. Например,
слияние радарных данных с данными видимого электромагнитного
диапазона. Или слияние панхроматического изображения с
мультиспектральным.
Классическая задача такого типа заключается в следующем.
Имеется панхроматическое изображение высокого пространственного
разрешения. Также, имеется мультиспектральное изображение низкого
пространственного разрешения. Более низкое разрешение
мультиспектрального изображения по сравнению с панхроматическим
объясняется особенностями конструкции и расположения
чувствительных элементов сенсоров. Итак, с одной стороны высокое
разрешение, но невозможность разделения цветовой информации, с
другой - низкое разрешение, но наличие нескольких раздельных
спектральных каналов. Для улучшения дешифрируемости местности,
отображаемой на снимках, хотелось бы выполнить слияние этих двух
изображений так, чтобы на выходе получить снимок, сочетающий
положительные качества, как первого, так и второго изображений. То
есть, при слиянии следует получить мультиспектральное изображение
высокого разрешения. Описание математического аппарата, лежащего
в основе такого преобразования выходит за рамки данной работы.
Скажем только, что в настоящее время, для решения этой задачи
широко используются вейвлет-преобразования.
165
4.4.	Совмещение двух снимков средствами
ERDAS IMAGINE
Совмещая два снимка, мы используем математический аппарат
геометрического трансформирования изображений и приводим
изображение низкого разрешения к изображению с высоким
пространственным разрешением. Последнее изображение в этом
случае является опорным.
1.	Откройте Визуализатор ERDAS IMAGINE. Загрузите в него из
каталога <IMAGINE_HOME>/examples мультиспектральный снимок
tmAtlanta.img. При открытии на вкладке Raster Options установите в
поле Display As опцию отображения в градациях серого (Gray Scale). В
поле Display Layer установите значение 2, чтобы выбрать для
отображения второй спектральный канал. Установите переключатель
Fit to Frame. Снимок tmAtlanta.img будет отображен в Визуализаторе.
2.	Из меню Визуализатора выберите пункт Raster | Geometric
Correction (Растр | Геометрическое трансформирование изображения).
В появившемся диалоговом окне, содержащем список геометрических
моделей трансформирования выберите Polynomial (При помощи
полиномов) и нажмите ОК.
166
3.	Будет открыта панель инструментов геометрического
трансформирования (Geo Correction Tools), и диалоговое окно
установки свойств модели полиномиального преобразования
(Polynomial Model Properties).
4.	На вкладке Parameters диалогового окна установки свойств
модели задайте для поля Polynomial Order значение 2. Мы будем
использовать полином второй степени для трансформирования.
5.	Перейдите на вкладку Projection и нажмите кнопку Set
Projection from GCP Tool. Откроется диалоговое окно выбора
источника информации по опорным точкам.
167
6.	Установите радиопереключатель Collect Reference Points From
в значение Image Layer (New Viewer) и нажмите OK. В диалоговом
окне загрузки изображения выберите файл panAtlanta.img из каталога
демонстрационных данных ERDAS IMAGINE и нажмите ОК. Вы
выбрали опорный снимок, используемый при трансформировании.
7.	Откроется окно, содержащее информацию о проекции
опорного изображения (Reference Map Information). В нем тоже
следует нажать ОК.
8.	В ERDAS IMAGINE будет открыто три дополнительных
Визуализатора - опорного изображения (panAtlanta.img) и
дополнительные Визуализаторы подробного вида, а также инструмент
работы с опорными точками (GCP Tool).
168
9.	Убедитесь, что нажата кнопка Set Automatic Transformation
SC*
Calculation (Режим автоматического пересчета после каждого
ввода, удаления или редактирования опорных точек) на панели
инструмента для работы с опорными точками.
10.	Нажмите кнопку Select GCP (Выбор объектов).
Поместите координирующую прямоугольную рамку в обоих
Визуализаторах над объектами, хорошо опознаваемыми на обоих
снимках (например, четко видимый перекресток дорог). Выбранные
объекты отобразятся в окнах Визуализатора #3 и Визуализатора #4
подробного вида.
11.	Приступайте к вводу опорных точек. Нажмите кнопку Create
GCP (Создать опорную точку). Подведите курсор мыши к
выбранному местоположению точки в Визуализаторе подробного
вида исходного изображения и щелчком правой клавиши поместите
опорную точку на исходный снимок. Затем, подведите курсор мыши к
местоположению точки в Визуализаторе подробного вида опорного
изображения и щелчком правой клавиши поместите опорную точку на
опорный снимок.
12.	Вы должны очень точно находить соответствия на исходном и
опорном снимках. Введите шесть точек на исходном и опорном
снимках. Это - минимально потребное количество опорных точек для
полиномов второго порядка. Нажмите кнопку Toggle Fully Automatic
169
GCP Editing Mode i®. Теперь, будет создана модель
трансформирования, что позволит автоматически вычислять
положение опорных точек на опорном снимке.
13.	Вы должны ввести существенно больше точек, чем
минимальное количество, потребное для трансформирования
полиномами второго порядка. Введите на исходном снимке, по
крайней мере, еще шесть опорных точек, располагая их равномерно по
всей площади снимка. Положение на опорном снимке всех вводимых
точек, начиная с седьмой, будет вычислено в автоматическом режиме.
По завершению ввода в таблице инструмента работы с опорными
точками должно присутствовать не менее 12 записей.
14.	На панели инструментов геометрического трансформирования
нажмите кнопку Display Resample Image Dialog . Появится
диалоговое окно задания параметров передискретизации.
170
15. Задайте имя выходного файла (registred.img) в каталоге, где у
Вас есть право на запись. Укажите интерполяцию по методу
ближайшего соседа (Nearest Neighbor) в строке Resample Method
(Метод передискретизации). Нажмите ОК. Начнется процесс
трансформирования.
16. Когда трансформирование завершится, перейдите на панель
инструментов геометрического трансформирования. Сохраните в
отдельном файле опорные точки, введенные на исходном
изображении. Дайте этому файлу имя input_pt.gcc. Сохраните в
отдельном файле опорные точки, введенные на опорном изображении.
Дайте этому файлу имя ref_pt.gcc. Закройте панель инструментов
геометрического трансформирования, нажав кнопку Exit (Выход).
Нажмите Yes (Да) для сохранения текущей геометрической модели и
назовите ее reg model.gms.
17.	Если какие-либо Визуализаторы ERDAS IMAGINE еще
открыты, закройте их. Откройте новый Визуализатор ERDAS
IMAGINE. Загрузите в него опорный снимок panAtlanta.img. Поверх
него в этот же Визуализатор загрузите трансформированный снимок
registred.img, сбросив при открытии на панели Raster Options
переключатель Clear Display, установив переключатель Background
Transparent и задав режим отображения растра в градациях серого
цвета (значение Gray Scale в поле Display As). Два совмещенных
снимка будут показаны в Визуализаторе.
171
18.	Воспользуйтесь утилитой Swipe (Шторка), чтобы визуально
проконтролировать качество совмещения.
19.	Если качество совмещения неудовлетворительно, то возможно
это является следствием неточного нанесения опорных точек.
Придется подкорректировать модель трансформирования. Это сделать
несложно, так как Вы предусмотрительно сохранили модель в
отдельном файле
20.	Для изменения модели трансформирования снова загрузите в
отдельный Визуализатор снимок tmAtlanta.img, установив при
загрузки такие же опции, как в пункте 1 данного упражнения.
21.	Из меню Визуализатора выберите пункт Raster | Geometric
Correction (Растр | Геометрическое трансформирование изображения).
В появившемся диалоговом окне, содержащем список геометрических
моделей трансформирования, нажмите кнопку Open Existing Model.
22.	В диалоговом окне загрузки модели выберите файл
reg model.gms, в котором Вы сохранили текущую модель и нажмите
ОК.
172
23.	Снова будет открыта панель инструментов геометрического
трансформирования (Geo Correction Tools), и диалоговое окно
установки свойств модели полиномиального преобразования
(Polynomial Model Properties). В диалоговом окне установки свойств
модели полиномиального преобразования перейдите на вкладку
Transformation. Здесь показаны коэффициенты полиномиального
преобразования, формирующие нашу модель.
24.	Перейдите на вкладку Projection и нажмите кнопку Set
Projection from GCP Tool. Откроется диалоговое окно выбора
источника информации по опорным точкам.
25.	Повторите пункты 6-7. Снова будут открыты четыре
Визуализатора и инструмент работы с опорными точками.
26.	В меню инструмента работы с опорными точками выберите
пункт File | Load Input. Вы загружаете на исходный снимок опорные
точки, сохраненные в файле при выполнении пункта 16. При загрузке,
укажите имя файла input_pt.gcc и нажмите ОК. Если возникнет окно с
предупреждением об отсутствии правильных опорных точек,
проигнорируйте его, нажав кнопку OK to ALL и кнопку Dismiss в
следующем окне предупреждений.
27.	Таким же способом загрузите точки на опорный снимок,
выбрав из меню инструмента работы с опорными точками пункт File |
Load Reference. Укажите имя файла ref_pt.gcc. После этого
приступайте к редактированию положения точек.
173
4.5.	Слияние изображений при помощи
вэйвлетов
В работе используются два снимка района египетских пирамид
полученых со спутника QuickBird . Первый
Quickbird_Pyramids_Pan.img, представляет собой черно-белый
снимок высокого разрешения, второй - цветной мультиспектральный
снимок меньшего пространственного разрешения
Quickbird_Pyramids_MS.img. Задача - получить на выходе
мультиспектральный снимок высокого разрешения путем слияния
двух снимков. При решении следует использовать математический
аппарат вэйвлетов.
Предварительно требуется тщательная взаимная регистрация
исходных снимков на субпиксельном уровне. Исходные снимки
долщны быть приведены к единой проекции и системе координат.
Регион съемки (размер сцены) обоих снимков должен в точности
совпадать. Если это условие не выполнено, на одном из снимков
предварительно следует выделить субрегион, отвечающий такому
условию.
1.	В Визуализаторе откройте оба исходных снимка.
174
2.	При помощи утилиты «шторка» (Swipe) убедитесь, что
спектральное и пространственное разрешение снимков различно.
3.	Очистите Визуализатор - закройте все снимки.
4.	Из основного меню ERDAS IMAGINE выберите пункт Main |
Image Interpreter. Появиться панель инструментов модуля
интерпретатора изображений.
4.	На панели интерпретатора нажмите кнопку Spatial
Enhancement (Пространственные преобразования). Появиться панель
инструментов модуля пространственных преобразований.
5.	На панели инструментов модуля пространственных
преобразований нажмите кнопку Wavelet Resolution Merge. Откроется
диалоговое окно задания параметров вэйвлет-преобразований.
175
6.	В поле High Resolution Input File (снимок с высоким
пространственным	разрешением)	задайте	имя
Quickbird_Pyramids_Pan.img.
7.	В поле Quickbird_Pyramids_MS.img (мультиспектральный
снимок) задайте Quickbird_Pyramids_MS.img. В поле Output Image
задайте Wavelet.img - имя результирующего снимка в Вашей
персональной директории.
8.	В поле Layer Selection оставьте значения 1:4. Мы будем
использовать все каналы мультиспектрального изображения.
Переключатель Spectral Transform установите в значение Single Band.
Это позволит использовать в преобразовании последовательно все 4
канала (В отличии от значения IHS, позволяющего работать только с
тремя каналами).
9.	Нажмите ОК. Преобразование будет выполнено и
результирующий снимок записан в персональную директорию.
10.	Откройте в едином Визуализаторе два снимка - Wavelet.img
и Quickbird_Pyramids_Pan.img. При помощи утилиты «шторка»
(Swipe) просмотрите различные области пары снимков.
176
\Т1
4.6.	Геометрическое трансформирование
одиночного снимка в ERDAS IMAGINE
1.	Запустите два Визуализатора, используя кнопку Create a New
г"’»’**!
Viewer ДЙ инструментальной панели ERDAS IMAGINE.
2.	В главном меню ERDAS IMAGINE выберите опцию Session |
Tile Viewers. Оба Визуализатора будут упорядочены на экране.
3.	В меню первого Визуализатора выберите пункт File | Open |
Raster Layer. Будет открыто диалоговое окно загрузки растрового
изображения.
4.	В диалоговом окне загрузки растра выберите из каталога
<IMAGINE_HOME>/examples файл tmAtlanta.img. Это исходный, не
подвергавшийся трансформированию снимок территории Атланты
полученный при помощи спутникового сенсора Landsat ТМ.
Перейдите на вкладку Raster Options и в поле Display As установите
опцию отображения в градациях серого (Gray Scale). В поле Display
Layer установите значение 2, чтобы выбрать для отображения второй
спектральный канал. Вы отображаете снимок в градациях серого
цвета, чтобы на нем было легче выбирать и различать опорные точки.
Установите переключатель Fit to Frame и нажмите ОК в диалоговом
окне загрузки растра. Файл tmAtlanta.img будет отображен в первом
Визуализаторе.
178
5.	Во втором Визуализаторе откройте растровое изображение
panAtlanta.img из каталога демонстрационных данных ERDAS
IMAGINE. Это панхроматическое изображение территории Атланты,
полученное со спутника SPOT.
6.	Из меню первого Визуализатора выберите пункт Raster |
Geometric Correction (Растр | Геометрическое трансформирование
изображения). В появившемся диалоге выберите опцию From Image
File (Из файла) и укажите имя файла tmAtlanta.img. Нажмите ОК. Вы
выбрали для трансформирования космический снимок Landsat ТМ.
7.	В списке геометрических моделей трансформирования
выберите Polynomial (При помощи полиномов) и нажмите ОК.
179
St-f Cevritchb WoiJi'i
SeMSdMelfc Modal
8.	Будет открыта панель инструментов геометрического
трансформирования (Geo Correction Tools), и диалоговое окно
установки свойств модели полиномиального преобразования
(Polynomial Model Properties), на вкладке Parameters которого, в поле
Polynomial Order задано значение 1. Это - степень полинома
трансформирования.
9.	Не меняя значений, закройте окно свойств модели, нажав
кнопку Close. Откроется диалоговое окно выбора источника
информации по опорным точкам.
10.	Вы можете в качестве источника информации по опорным
точкам использовать опорное растровое изображение, привязанное в
известной картографической системе координат, векторный слой,
бинарный файл с расширением .gcc, содержащий опорные точки,
текстовый файл в ASCII-формате с координатами опорных точек. Но в
нашем упражнении информацию об опорных точках мы будем брать
со снимка panAtlanta.img, открытого во втором Визуализаторе.
Поэтому, установите радиопереключатель Collect Reference Points
From в значение Existing Viewer и нажмите OK.
11.	Окно выбора источника информации по опорным точкам
будет закрыто, а вместо него откроется диалоговое окно выбора
Визуализатора.
12.	Щелкните мышкой внутри Визуализатора, содержащего
снимок panAtlanta.img. Вы выбрали снимок panAtlanta.img, как
опорное изображение (reference image), то есть изображение, к
которому вы будете осуществлять привязку снимка tmAtlanta.img.
Диалоговое окно выбора Визуализатора будет закрыто. В
открывшемся окне, содержащем информацию о проекции опорного
изображения (Reference Map Information) также нажмите ОК.
13.	ERDAS IMAGINE откроет и упорядочит на экране
Визуализаторы трансформируемого (tmAtlanta.img) и опорного
181
(panAtlanta.img) изображений, а также дополнительные
Визуализаторы подробного вида и инструмент работы с опорными
точками (GCP Tool)
14.	При открытии инструмента работы с опорными точками
кнопка Set Automatic Transformation Calculation (Режим
автоматического пересчета после каждого ввода, удаления или
редактирования опорных точек) будет находиться в нажатом
положении.
15.	Нажмите кнопку Select GCP i'*'' (Выбор объектов).
Поместите координирующую прямоугольную рамку в обоих
Визуализаторах над объектами, хорошо опознаваемыми на обоих
снимках (например, четко видимый перекресток дорог). Выбранные
объекты отобразятся в окнах Визуализатора #3 и Визуализатора #4
подробного вида.
182
16.	На панели инструментов редактора опорных точек нажмите
кнопку Keep Current Tool (Продолжать работу с выбранным
инструментом).
17.	Нажмите кнопку Create GCP w (Создать опорную точку).
Теперь подведите курсор мыши к выбранному местоположению точки
в Визуализаторе подробного вида исходного изображения и щелчком
правой клавиши поместите опорную точку на исходный снимок.
Затем, подведите курсор мыши к местоположению точки в
Визуализаторе подробного вида опорного изображения и щелчком
правой клавиши поместите опорную точку на опорный снимок. В
таблице инструмента работы с опорными точками появится строка,
содержащая индекс введенной точки (GCP #1) и ее координаты.
18.	Когда этот шаг сделан, можно перейти к опознаванию
следующего объекта на снимках. Снова нажмите кнопку Select GCP
L*'* (Выбор объектов) и переместите координирующую
прямоугольную рамку к указанному в Визуализаторе новому объекту.
Повторите пункт 17 для GCP #2.
19.	Если нажата кнопка Toggle Fully Automatic GCP Editing Mode
то после ввода минимально потребного количества опорных точек
(три, для полиномов первого порядка) будет создана и просчитана
модель трансформирования и ERDAS IMAGINE при вводе следующей
опорной точки в одном окне Визуализатора, автоматически определит
приблизительное местоположение этой точки во втором
Визуализаторе.
20.	Некоторые модели трансформирования не поддерживают
режима автоматического пересчета после каждого ввода, удаления или
редактирования опорных точек. Для таких моделей кнопка Set
Automatic Transformation Calculation  будет недоступна. В этом
183
случае следует вручную запускать пересчет модели, используя кнопку
Solve Geometric Model With Control Points .
21.	Если белые маркеры точек плохо видны на изображениях, вы
можете изменить их цвет. Для этого выделите в таблице одну или
несколько записей, содержащих опорные точки, щелкните мышкой в
ячейке атрибута Цвет (Color) и выберите другой цвет из контекстного
меню.
22.	Разместите на снимках восемь опорных точек. Располагайте
их равномерно по всей площади снимка. Это количество существенно
больше, чем минимально потребное число точек для полинома первой
степени. Но некоторые из введенных точек, возможно, будут
отвергнуты по критериям качества. Как и в любой другой таблице
CellArray, в Редакторе опорных точек возможно удаление и
редактирование опорных точек. Для удаления точки выделите
соответствующую строку в таблице, а затем используйте функцию
контекстного меню строк Delete Selection (Удалить выбранное).
23.	Еще некоторое количество из введенных с «запасом»
опорных точек будет использовано для контроля качества
трансформирования. Для того чтобы оценить матрицу
трансформирования (набор коэффициентов полиномов
трансформирования), следует превратить некоторые точки из опорных
(Control) в контрольные (Check). Их отличие в том, что контрольные
точки не используются при вычислении матрицы трансформирования.
Следовательно, Вы можете использовать контрольные точки для
независимой оценки точности трансформирования, просмотрев
ошибки контрольных точек (атрибут RMS error) и
среднеквадратическую ошибку по всем контрольным точкам (атрибут
Total). Выберите в таблице CellArray любые четыре точки, равномерно
расположенных по всей площади снимка. Выбранные строки
выделятся желтым цветом. В меню редактора опорных точек выберите
Edit | Set Point Type | Check (Редактировать | Установить тип точки |
Контрольная). Содержимое столбца Туре (тип точки) изменится.
Можете для наглядности изменить цвет контрольных точек.
184
24.	В меню редактора опорных точек выберите Edit | Point Matching.
Откроется диалог задания параметров установки опорных точек. В
данном диалоге установите переключатель Discard Unmatched Point и
введите пороговое значение 0.8 в поле Correlation Threshold.
25.	Нажмите кнопку й" Compute Error For Check Points
(Вычислить ошибки для контрольных точек). Ошибки опорных точек
(Control Point Error) будут заменены на ошибки контрольных точек
(Check Point Error). Если не установлен режим Set Automatic
Transformation Calculation при помощи кнопки , то для того, чтобы
снова посмотреть ошибки опорных точек, шелкните кнопку ? Solve
Geometric Model with Control Points (Рассчитать модель по опорным
точкам) - значение Total RMS изменится.
26.	Если среднеквадратическая ошибка слишком велика, вы
можете удалить опорную точку с наибольшим вкладом (поле Contrib в
таблице). Для этого выделяем в таблице стоку с выбранной точкой.
Затем, используем функцию Delete Selection (Удалить выделенное) из
контекстного меню, доступного посредством нажатия правой клавиши
мыши в соответствующей ячейке атрибута Point #. Вы можете удалять
и создавать новые опорные точки до тех пор, пока
185
среднеквадратическая ошибка не станет приемлемой.
Трансформирование полиномом первого порядка требует
использования как минимум трех опорных точек.
Во время редактирования опорных точек следует иметь в виду,
что большая среднеквадратическая ошибка точки (RMS error)
указывает лишь на то, что заданное преобразование не может точно
совместить исходную точку с опорной, что чаще всего указывает на
ошибку ввода. Но если вы абсолютно уверены, что положение точки в
обоих Визуализаторах указано правильно, то это положение должно
остаться неизменным, несмотря на большую величину ошибки в этой
точке.
27.	Сохраните введенные опорные точки, выбрав в меню File |
Save Input (Файл | Сохранить исходные точки), затем - File | Save
Reference (Файл | Сохранить точки на опорном изображении).
Нажмите Yes, чтобы сохранить опорные точки внутри структуры img-
файла, содержащего снимок или запишите их в отдельный gcc-файл.
После этого вернитесь к панели инструментов геометрического
трансформирования.
28.	Добившись желаемой точности опорных точек, Вы можете
проанализировать окончательные значения коэффициентов
трансформирования. На панели инструментов геометрического
трансформирования (Geo Correction Tools) нажмите
инструментальную кнопку Display Model Properties Xl
29.	В диалоговом окне установки свойств модели
полиномиального преобразования (Polynomial Model Properties)
перейдите на вкладку Transformation. На ней будут отображены
коэффициенты полиномов трансформирования.
186
30.	Закройте окно свойств модели полиномиального
преобразования.
31.	На панели инструментов геометрического
трансформирования нажмите кнопку Display Resample Image Dialog
Появится диалоговое окно задания парамегров
передискретизации.
Cutpytpite'. £ png)	t<»^ngAe Me&od
^nut3irng	~ |Nearest Neighbor" y |
•OtttptfrMap fefrarafllirl,Rt:sa^ri° ,Tpciy^^.l
iHrcfecfiGO^ UTM
.Usits eiete®
??53	263S
OulptAGfemere- ...	. «.
L	тгвооооои
OuW Сей
зс рооииоо
г	< ,
(...CX' j .Л1 ?" & } Й

32.	Задайте имя выходного файла (xrectify.img) в каталоге, где у
Вас есть право на запись. Укажите метод билинейной интерполяции
(Bilinear Interpolation) в строке Resample Method (Метод
передискретизации). Включите флажок Ignore Zeros in Stats
187
(Игнорировать нулевые значения при расчете статистики). Нажмите
ОК. Начнется процесс трансформирования.
33.	Когда трансформирование завершится, нажмите ОК в окне
состояния процесса. Закройте панель инструментов геометрического
трансформирования, нажав кнопку Exit (Выход). Если вы вносили
какие-то изменения в редакторе опорных точек после последнего
сохранения, вам будет предложено их сохранить. Нажмите Yes (Да)
для сохранения текущей геометрической модели и назовите ее
xrectify.gms. Закройте все окна, за исключением главного окна ERDAS
IMAGINE.
34.	Откройте новый Визуализатор. Поместите в него
трансформированный снимок xrectify.img и опорное изображение
panAtlanta.img. Используйте инструмент Swipe (Шторка) для
визуальной проверки качества трансформирования.
188
4.7. Ортотрансформирование одиночного
снимка средствами ERDAS IMAGINE
Напомним, что в процессе ортотрансформирования устраняется
искажение снимка за рельеф, геометрическое искажение изображения,
вызванное ориентацией камеры или сенсора и систематические
ошибки, связанные с регистрацией изображения.
Ортотрансформированные снимки являются планиметрически
истинными снимками, представляя наземные объекты в их реальном
виде и расположении. Поэтому ортотрансформированные
изображения идеально подходят в качестве источника опорного
изображения, в задачах создания и актуализации векторных данных
ГИС.
Устранения на снимке смещения объектов, вызванного
изменениями высоты рельефа, требует использования цифровой
модели рельефа. В случаях незначительного колебания высот рельефа,
вместо использования ЦМР возможно задать постоянное значение
высоты.
В данном упражнении Вы будете ортотрансформировать снимок
Палм Спрингс, Калифорния, выполненный кадровой камерой.
1.	Скопируйте файл psnap.img из каталога демонстрационных
данных <IMAGINEHOME>/exaniples в директорию, в которой у Вас
есть права записи и редактирования копии данного файла (Вы должны
снять флажок read-only в окне свойств данного файла). В этой
директории должно присутствовать дополнительно не менее 10 Мб
свободного дискового пространства.
2.	Из главного меню ERDAS IMAGINE выберите пункт Tools |
Image Information. Будет открыто информационное окно
3.	В меню информационного окна выберите пункт File | Орел. В
диалоге открытия файла, для которого будет отображена информация,
выберите файл, скопированный Вами в пункте 1 и нажмите ОК. Будет
открыто окно информации, относящейся к копии файла ps_nap.img.
189
4.	В меню информационного окна выберите пункт Edit | Delete
map model. Вы удаляете калибровочную информацию, содержащую
данные о проекции и информацию о геометрической модели. Нажмите
Yes в окне подтверждения.
5.	После этой операции, на панели Map Info информационного
окна в поле Geo Model должно высветиться значение None.Закройте
информационное окно, выбрав в его меню пункт File | Close.
6.	Запустите Визуализатор ERDAS IMAGINE. Откройте в нем
Вашу копию снимка ps_nap.img. В момент открытия в Визуализаторе
будет отображаться левый верхний угол снимка.
190
7.	Перемещая курсор над изображением, отметим, что на панели
статуса отображаются пиксельные, а не картографические координаты.
Это происходит за счет того, что на предыдущих шагах мы удалили
информацию о геометрической модели снимка.
8.	В меню Визуализатора ERDAS IMAGINE выберите пункт
Raster | Geometric Correction. Появится окно выбора геометрической
модели трансформирования.
9.	Из списка выберите модель Camera и нажмите ОК. Будет
открыта панель инструментов геометрического трансформирования
191
(Geo Correction Tools), и диалоговое окно установки свойств модели
камеры (Camera Model Properties).
10.	На вкладке General окна свойств модели задайте несколько
параметров. Задайте в поле Elevation File имя файла, содержащего
цифровую модель рельефа, используемую при
ортотрансформировании. Это файл ps_dem.img из каталога
<IMAGINE_HOME>/examples. Задайте на панели Principal Point
координаты главной точки снимка X = -0.004, Y=0.000, фокусное
расстояние Focal Length = 152.804 и единицы измерения Units =
Millimeters. Сбросьте переключатель Account for Earth’s curvature
(Учет кривизны Земли производится только для больших фрагментов
территорий).
11.	Перейдите на вкладку Fiducials (Координатные метки).
192
12.	Выберите тип прикладной рамки, содержащий четыре
координатные метки по углам. Для этого нажмите первую из трех
р ~2
кнопок Fiducial Туре И з.
13.	Перейдите на панель Viewer Fiducial Locator, содержащую
инструментальные кнопки для работы с координатными метками.
Viewer Fiducial Locator:
Й х Ф ъ
14.	Запустите Визуализатор расположения координатных меток,
нажав на панели Viewer Fiducial Locator кнопку Toggle viewer selectors
for image fiducial input ^3. Появится диалоговое окно выбора
Визуализатора, содержащего координатные метки.
15.	Щелкните мышкой внутри Визуализатора, содержащего
изображение ps_nap.img. На изображение будет помещена
координирующая прямоугольная рамка. Кроме этого, будет открыт
второй Визуализатор, отображающий с увеличением область,
находящуюся под координирующей рамкой.
193
16.	Переместите в основном Визуализаторе координирующую
рамку в область расположения первой координатной метки. На панели
Viewer Fiducial Locator нажмите кнопку Place Image Fiducial ®
(Поместить координатную метку).
17.	Переместите курсор внутрь Визуализатора подробного вида
(второй Визуализатор) и щелкните правой клавишей мыши в центре
предполагаемого расположения первой координатной метки.
18.	Метка будет добавлена и ее координаты в пиксельной системе
координат записаны в ячейки атрибутов ImageX, ImageY таблицы на
вкладке Fiducial. В пиксельной системе координат центр задается в
верхнем левом углу изображения, ось X направлена вправо, ось Y -
вниз.
19.	Задайте еще три координатных по оставшимся углам снимка,
повторяя шаги 16-18. Перемещайтесь по направлению часовой стрелки
при переходе к следующей метке.
Point#
¥
$
3
4
FtoX .. .. .' ...FfciV
л Color ImgqeX	Image Y
87.875
2208625
2213.675	-2204.675
9Z875	-2209.125
86.375]
84.375 '
20.	Теперь необходимо вручную ввести координаты (в
миллиметрах) меток в плоской системе координат снимка. В системе
координат снимка центр задается пересечением линий, соединяющих
противоположные координатные метки, ось X направлена вправо, ось
Y - вверх. Эти координаты можно взять из калибровочной
информации, приводимой в паспорте камеры. Введите
нижеследующие данные в ячейки атрибутов FilmX, FilmY.
194
Point #	Film X	Film Y
1	-106.000	106.000
2	105.999	105.994
3	105.998	-105.999
4	-106.008	-105.999
21.	Когда последняя координата будет введена, в окне свойств
модели изменится статус модели - в поле Status запишется значение
Solved, а в поле Error подсчитана ошибка модели параметров
внутреннего ориентирования.
22.	Ошибка меньше, чем I 000 приемлема. Ошибка больше чем
1.000 свидетельствует о том, что неточно были измерены или
определены метки. Следует изменить положение меток, выделив их
при помощи кнопки Select Image Fiducial
23.	Переведите в отжатое положение кнопку Toggle viewer
selectors for image fiducial input П. Визуализатор, отображающий
область под координирующей рамкой будет закрыт.
24.	Перейдите на вкладку Orientation окна свойств модели.
25.	Если при помощи сторонних прграмм известны параметры
угловых параметров (Rotation Angle) и положение центра проекции
(Perspective Center Position), Вы можете задать в соответствующих
195
списках вкладки Orientation значение Fixed. Если известны только
оценочные значения, задайте в списках значение Estimate. В данном
примере, для всех параметров ориентирования в списках задано
значение Unknown. Если производится учет параметров кривизны
Земли, вкладка Orientation вообще недоступна.
26.	Перейдите на вкладку Projection.
27.	Нажмите кнопку Add/Change Projection. Будет открыто
диалоговое окно выбора проекции.
28.	В окне выбора проекции перейдите на вкладку Custom. В
списке Projection Туре (Тип проекции) выберите значение UTM. В
списке Spheroid Name (Название сфероида) установите значение Clarke
1866. В поле UTM Zone (Номер зоны) установите значение 11, а в поле
NORTH or SOUTH — значение South (Южное полушарие). Нажмите
196
ОК в окне выбора проекции. Введенная Вами информация будет
отображаться на вкладке Projection окна свойств модели.
29.	В списке Map Units установите значение Meters — единицы
измерения расстояний на карте. Установка этого значения сделает
активной кнопку Apply (Применить).
30.	Нажмите кнопку Apply, затем Save As. Будет открыто
диалоговое окно сохранения модели.
31.	В диалоге сохранения перейдите в директорию, в которой у
Вас есть право записи и введите имя файла модели geomodel. Нажмите
ОК.
32.	Перейдите на панель инструментов геометрического
трансформирования.
33.	На панели инструментов геометрического трансформирования
нажмите кнопку Start GCP Editor ЧИ (Запуск редактора опорных
точек). Будет открыто диалоговое окно выбора источника информации
по опорным точкам.
197
34.	Выберите бинарный файл с расширением .gee в качестве
источника информации по опорным точкам, установив
радиопереключатель в значение GCP File (.gcc). Нажмите ОК.
35.	В диалоге открытия файла, содержащего опорные точки,
выберите файл pscamera.gcc из каталога
<IMAGINE_HOME>/examples и нажмите ОК. Будет открыт
дополнительный Визуализатор подробного вида и инструмент для
работы с опорными точками (GCP Tool).
36.	Инструмент работы с опорными точками требует как
минимум три опорные точки, чтобы рассчитать параметры модели.
Чтобы вычисления были точными, точек должно быть не меньше
шести. В таблицу инструмента работы с опорными точками уже
импортированы данные. Поэтому дополнительно вводить опорные
точки не нужно. Модель камеры не поддерживает автоматический
пересчет параметров, поэтому следует выполнить это вручную.
37.	Нажмите кнопку Solve Geometric Model _rJ (Выполнить
вычисление геометрической модели). Параметры модели будут
198
вычислены. В таблице появятся значения невязок и
среднеквадратических отклонений.
38.	В окне свойств модели нажмите кнопку Save, чтобы сохранить
параметры модели.
39.	Вернитесь
трансформирования.
на панель инструментов
геометрического
40.	Ортотрансформированное изображение можно получить
двумя способами. Можно выполнить передискретизацию исходного
снимка и записать выходное изображение в отдельный файл. А можно
выполнить калибровку. При этом выходной файл не формируется, а
информация необходимая для трансформирования записывается в
исходный файл. При отображении такого файла преобразование,
согласно записанной информации выполняется в реальном режиме
времени. Ниже приводятся оба способа. Выберите один, который Вам
подходит Передискретизация выполняется в пунктах 41-43.
Калибровка выполняется в пунктах 44-49.
41.	Выполнение передискретизации. Нажмите кнопку Display
Resample Image Dialog ИМ Будет открыто диалоговое окно установки
параметров передискретизации.
199
42.	В поле Output File задайте имя выходного файла
geomodel.img, содержащего ортотрансформированное изображение в
каталоге, где у Вас есть право записи. В списке Resample Method
выберите метод передискретизации - Cubic Convilution (Кубическая
свертка). На панели Output Cell Sizes задайте размеры ячейки
выходного файла X — 10, Y — 10. Сбросьте переключатель Ignore Zero
in Stats. Нажмите OK.
43.	После завершения процесса передискретизации откройте
выходное ортотрансформированное изображение geomodel.img в
отдельном Визуализаторе ERDAS IMAGINE.
200
44.	Выполнение калибровки. На панели инструментов
геометрического трансформирования нажмите кнопку Calibrate Image
(Калибровка изображения).
-Й5 р5ажмйте'(Жгв' диалоговом окне предупреждения о том, что
операция калибровки закроет инструмент геометрического
трансформирования и повторно отобразит снимок.
46.	Все инструменты трансформирования будут закрыты, а
снимок ps_nap.img будет подвергнут калибровке и повторно загружен
в Визуализатор. Перемещая курсор над изображением, отметим, что
теперь на панели статуса отображаются картографические, а не
пиксельные координаты.
201
47.	Если картографические координаты не отображаются, следует
закрыть снимок в Визуализаторе и повторно открыть его. При
открытии следует перейти на вкладку Raster Options и установить
переключатель Orient Image to Map System.
49.	Чтобы удалить информацию о калибровке, записанную в
изображении, выберите в меню информационного диалога пункт Edit |
Delete Map Model.
202
4.8.	Возможности модуля IMAGINE AutoSync
Изображение намного более информативно, если оно
геометрически трансформировано и привязано к картографической
координатной системе. Это особенно проявляется при решении таких
задач, как слияние снимков, построение мозаики изображений и, даже
просто построения стека из нескольких изображений. Геометрическое
трансформирование должно быть выполнено с высокой точностью,
потому что малейшее несовпадение объектов при совмещении
снимков может привести к абсолютной бесполезности результатов
работы.
В некоторых задачах фотограмметрии и дистанционного
зондирования речь идет об использовании десятков и сотен
изображений, из которых составляются огромные базы растровых
данных и фотоблоки. В этом случае ручной процесс сбора и измерения
точек превращается в занятие дорогостоящее и интенсивно
поглощающее время. Это происходит из-за того, что в ручном режиме
мы не используем автоматический корреляционный подход при
анализе соответствий и сборе точек на нескольких перекрывающихся
снимках. Весь процесс ограничен возможностями визуальной
интерпретации человека. Даже при выполнении автоматической
триангуляции, нахождение связующих точек в перекрывающихся
областях блока фотоснимков выполняется на основе
фотограмметрического подхода, требующего емкой подготовительной
работы и знания многих дополнительных параметров. Этот подход не
годиться, если нам нужно всего лишь совместить объекты на снимках,
не задавая многочисленные параметры внутреннего и внешнего
ориентирования (которые могут быть и неизвестны), а применяя
корреляционные методы сравнения.
Модуль IMAGINE AutoSync, появившийся в версии 9.1
программного продукта ERDAS IMAGINE, использует алгоритм
автоматического совмещения точек снимков, генерируя тысячи
связующих точек и создавая математическую модель, связывающую
снимки. Такой подход гораздо эффективнее ручного процесса сбора
точек. Качество, по крайней мере, не ниже, а зачастую и выше чем при
использовании традиционных подходов.
Применение модуля IMAGINE AutoSync имеет несколько
преимуществ, по сравнению с ручными методами:
203
-	автоматический алгоритм нахождения соответствующих точек
на земной поверхности и генерирования связующих точек;
-	автоматическое определение сенсора съемочной аппаратуры
(если информация о сенсоре доступна);
-	использование «мастера» обработки снимков, позволяющего
автоматизировать работу с большим количеством однотипных
изображений;
-	мощная рабочая станция, применяющая высокоэффективные
подходы для оценки качества связующих точек, выполнения
измерения точек и просмотра выходных изображений, а также
позволяющая формировать сложные проекты;
-	итерационный, многошаговый подход к формированию модели и
пошаговому уточнению результатов;
Однако существуют и некоторые ограничения в использовании
модуля IMAGINE AutoSync:
-	параметры обработки, предлагаемые по умолчанию, подходят в
большинстве случаев, но могут возникнуть ситуации, когда значения
по умолчанию требуется изменить для более эффективной обработки;
-	качество исходных изображений, опорного снимка и цифровой
модели рельефа, используемой при обработке, напрямую влияет на
результаты;
вмешательство пользователя может потребоваться в
автоматический ход процесса в случаях плохого качества исходных
данных, неправильного определения системой модели сенсора,
некорректного генерирования связующих точек для некоторых
областей снимков;
204
4.9.	Практическая работа с модулем IMAGINE
AutoSync
4.9.1.	Работа с Мастером совмещения изображений
модуля IMAGINE AutoSync
Мастер (wizard) совмещения изображений модуля IMAGINE
AutoSync предназначен для автоматического выравнивания снимков
так, чтобы корректно совмещались объекты, находящиеся в области
перекрытия двух изображений.
1.	В главном меню ERDAS IMAGINE выберите пункт Main |
IMAGINE AutoSync. Появится диалоговое окно, позволяющее
запускать утилиты модуля IMAGINE AutoSync.
~GeaeferencinsWBanl..	J
Open AutoSym Pieject..	]
AutoSync	|
[С“Тре"ь:=Й1 Help I
2.	Нажмите кнопку Edge Matching Withard, для запуска Мастера
совмещения изображений. Откроется главное окно Мастера.
205
3.	Перейдите на вкладку Input. Сейчас Вы добавите два
изображения, которые необходимо совместить. На этом этапе важно
соблюсти последовательность подключения снимков, - снимок,
добавляемый первым, будет совмещаться со вторым, а не наоборот. На
вкладке Input нажмите кнопку открытия файла 5*1.
4.	В диалоговом окне выберите файл air-photo-1.img из
директории <IMAGINE_HOME>/examples. Нажмите ОК. Файл будет
добавлен в список изображений вкладки Input.
5.	Таким же способом добавьте второе изображение - файл
air-photo-2.img.
6.	На вкладке Input, нажмите кнопку Next, для перехода к
следующему шагу. Активизируется вкладка АРМ Strategy (Стратегия
автоматического измерения точек), на которой Вы можете задать
параметры алгоритма автоматической генерации связующих точек для
Ваших снимков.
206
7.	В данном упражнении мы не изменяем параметры данной
вкладки. Примем значения, предлагаемые по умолчанию программой.
Убедитесь, что радиопереключатель Find Points With, установлен в
значение Defined Pattern. Нажмите кнопку Next.
8.	Мы переходим на вкладку Edge Match Strategy, где вы можете
выбрать стратегию трансформирования совмещаемых снимков.
Можно выбрать различные модели трансформирования, аффинные
преобразования, полиномиальные преобразования, линейные и
нелинейные преобразования по методу «резинового листа». Можно
выбрать область применения этих преобразований, - ко всему
изображению целиком, или только к зоне перекрытия. В списке
Refinement Method выберите линейную модель трансформирования по
методу «резинового листа» (Linear Rubber Sheeting). Переключатель
Apply Refinement (Область Применения), оставьте в значении по
умолчанию - Overlapping Area Only. Тем самым, мы будем применять
трансформирование только к зоне перекрытия снимков. Необходимо
еще задать размер буфера (в пикселях) вокруг зоны перекрытия. Это
обеспечит «запас» величины зоны перекрытия при
трансформировании. Величина буфера задается в поле Buffer Around
the Overlapping Area. Оставим в этом поле значение по умолчанию -
180 пикселей.
9.	Нажмите кнопку Next, чтобы перейти на вкладку Projection
(Проекция).
207
10.	Для выходных изображений Вы можете задать ту же
проекцию, которая определена для исходного снимка, а можете
выбрать другую. Все установки на вкладке Projection недоступны для
изменения до тех пор, пока на вкладке Output Вы не установите
передискретизацию (Resampling), как способ геотрансформирования
(радиопереключатель Geocorrection). Как альтернативу, Вы можете
выбрать калибровку (Calibrate) изображения. При этом выходные
трансформированные изображения создаваться не будут. Вместо
этого, в aux-файле исходного изображения будет сохранена
математическая модель трансформирования.
11.	Оставим на вкладке Projection все параметры без изменения. В
частности, для результирующих изображений будет использоваться
такая же проекция, как и для исходного снимка. Нажмите кнопку Next.
Вы перейдете на вкладку Output, где можете указать дополнительные
свойства выходных изображений.
208
12.	Установите в значение Resample (Передискретизация)
радиопереключатель Geocorrection (Геотрансформирование).
13.	Нажмите на кнопку Resampling Setting (Параметры
передискретизации). Откроется диалоговое окно установок процесса
передискретизации.
14.	Выберите в списке Resample Method (Метод
передискретизации) значение Cubic Convolution (Кубическая Свертка).
Остальные параметры оставьте без изменений. Нажмите ОК, чтобы
закрыть диалоговое окно установок.
15.	На вкладке Output нажмите кнопку Set Output File Names
(Задать Имена Выходных Файлов). Откроется диалоговое окно
установки имен.
16.	В поле Default Output Directory задайте каталог, куда будут
записываться выходные файлы. Для этого, используйте кнопку выбора
каталога S- В поле Default Output File Name Suffix задайте суффикс,
который будет по умолчанию прибавляться к именам выходных
файлов. Нажмите ОК, чтобы закрыть диалоговое окно установки имен.
17.	На вкладке Output установите переключатель Generate
Summary Report (Генерировать Итоговый Отчет). Задайте имя
my_report и каталог, где в виде html- страницы будет сохранен отчет.
Используйте кнопку выбора каталога
18.	Нажмите кнопку Save. Выберите каталог и задайте имя
my_autosync для сохраняемого файла проекта.
209
19.	Нажмите кнопку Finish на вкладке Output. Будет запущен
процесс совмещения изображений. По завершению задачи нажмите
ОК в окне состояния процесса.
20.	В основном меню ERDAS IMAGINE выберите пункт Main |
Start IMAGINE Viewer, чтобы открыть Визуализатор. В Визуализаторе
выполните пункт меню File | Open | Raster Layer. В диалоговом окне
открытия файлов, при помощи клавиши Shift выберите два выходных
файла, созданных программой, затем перейдите на вкладку Raster
Options. Установите переключатель Background Transparent и нажмите
ОК. Два выходных файла будут открыты в едином Визуализаторе.
21.	Используйте утилиту Swipe Визуализатора, для проверки
качества совмещения.
22.	В проводнике Internet Explorer просмотрите итоговый отчет
ту report.html.
210
4.9.2.	Рабочая станция модуля IMAGINE AutoSync
1.	В главном меню ERDAS IMAGINE выберите пункт Main |
IMAGINE AutoSync. Появится диалоговое окно, позволяющее
запускать утилиты модуля IMAGINE AutoSync.
2.	Нажмите кнопку AutoSync Workstation. Откроется стартовое
окно Рабочей станции модуля IMAGINE AutoSync.
3.	В стартовом диалоговом окне выберите опцию запуска Create
a new project (Создать новый проект) и нажмите ОК.
211
4.	Будет открыто диалоговое окно параметров нового проекта.
Установите радиопереключатель Workflow (Задача) в значение
Georeference (Геопривязка). В поле Project File (*.1ар) задайте каталог и
имя нового файла, содержащего Ваш проект. Используйте кнопку
выбора каталога J?.. Установите радиопереключатель Geocorrection
(Метод трансформирования) в значение Resample
(Передискретизация). После этого, станет активной кнопка Resample
Settings. Нажмите ее. Откроется диалоговое окно установки
параметров передискретизации.
5.	В окне установки параметров передискретизации выберите
метод передискретизации — кубическую свертку (значение Cubic
Convolution в списке Rsample Method). Остальные параметры оставьте
без изменений. Нажмите ОК. Вы вернетесь в диалоговое окно
параметров нового проекта.
6.	В поле Default Output Directoiy задайте каталог, в котором у
Вас есть право записи. В этот каталог будут записываться выходные
данные программы. Используйте кнопку выбора каталога для
выбора.
7.	В поле Default Output File Name Suffix задайте суффикс,
который будет прибавляться к названиям Ваших выходных файлов,
или оставьте без изменения значение, предлагаемое по умолчанию
(output).
8.	Установите радиопереключатель Generate Summary Report.
При помощи кнопки выбора каталога — задайте имя и каталог, в
котором будет сохранен Ваш файл отчета.
9.	Нажмите ОК. Диалоговое окно параметров нового проекта
будет закрыто. Откроется главное окно Рабочей станции IMAGINE
AutoSync, содержащее шесть визуализаторов. Левая тройка
визуализаторов состоит из главного окна, обзорного окна и окна
212
детального просмотра исходного снимка. Правая тройка
визуализаторов содержит такие же окна для опорного изображения
10.	Мы создали проект. Теперь, необходимо добавить в него
изображение, над которым будет производиться операция
геопривязки. Для этого в меню главного окна Рабочей станции
выберите пункт File | Add Images | Input Images.
11.	В диалоговом окне открытия файла выберите файл
tmAtlanta.img из директории <IMAGINE_HOME>/examples.
Исходный снимок будет добавлен в проект.
12.	Теперь добавим опорный снимок. В меню главного окна
Рабочей станции выберите пункт File | Add Images | Set Reference
Image. Затем, в диалоговом окне открытия файла выберите файл
panAtlanta.img из директории <IMAGINE_IIOME>/examples.
Опорный снимок будет добавлен в проект. Он представляет собой
панхроматическое изображение города Атланта, полученное со
спутника SPOT.
213
13.	После загрузки исходного и опорного снимков, мы можем
приступить к ручному сбору связующих точек. Если бы исходное
изображение представляло собой снимок, содержащий
картографическую проекцию, шаг, связанный с ручным сбором
связующих точек можно было бы пропустить и сразу перейти к
запуску инструмента автоматического сбора точек. Но, исходное
изображение предварительно не обрабатывалось и не содержит
информации о проекции. На исходном снимке доступна только
пиксельная система координат. Поэтому в данном задании приходится
выполнять дополнительную обработку - ручной сбор связующих
точек.
14.	В нижней части главного окна Рабочей станции, располагается
панель инструментальных кнопок, предназначенная для создания,
редактирования и удаления точек.
ХФ'Ь «Э Ф X ®	▼ S п |5оо"ЗИ
°оНЙ PtCtaq . Feint Ю > Cdor X Input	Y Input ; ...СсЖж > XRet
214
15.	Чтобы лучше различать связующие точки на исходном
снимке, изменим цвет связующих точек. Щелкните правой клавишей
мыши в первой ячейке атрибута Color, относящегося к точкам на
исходном изображении (слева от атрибутивных столбцов X Input,
Y Input). Из контекстного меню выберите цвет Yellow (Желтый).
S Б,ие
Cyan
81 Magenta
Yellow
 Gray
Light Gray
Turquoise
Aquamarine
chartreuse
LightYellow
Gold
5ienna
;''3' Beige
- ~ w ’ .LBTan
Ft. Ong PdrtID > Ccta И Brovin
16.	Проделайте такую же операцию, по изменению цвета точек на
опорном изображении. Атрибута Color для них задается в столбце,
находящемся слева от атрибутивных столбцов X Ref, Y Ref, Z Ref.
КфЪ й 3	> ® 4 T £ S E |з 00 U 
17.	На панели инструментальных кнопок нажмите кнопку Create
GCP ® (Создание точки). Чтобы не выводить на экран избыточную
информацию, включите режим показа только выделенных точек. Для
этого на панели инструментальных кнопок нажмите кнопку Show
Only Selected Points^.
18.	Выберите на исходном снимке место для размещения
связующей точки. Выбранное место должно легко распознаваться как
на исходном, так и на опорном снимках. Обычно точки размещают в
местах пересечения дорог, на углах строений.
19.	Подведите курсор к выбранному месту на исходном снимке и,
щелкнув левой клавишей мыши, нанесите опорную точку. Точке будет
присвоен индекс 1, а ее пиксельные координаты появятся в колонках
X Input и Y Input таблицы.
215
X е? Ъ	X » ,Ti	в p.uu	a
' PorttU Pt Oriq Point Ю > Color XlnntA	Y Input
i;| manual ~~]	~~Y~ ' |>|~' 'T	~~ 363.000)	314000j
20.	Идентифицируйте место размещения связующей точки на
опорном снимке. Нанесите точку на опорный снимок.
Картографические координаты точки появятся в колонках Xref и Yref
таблицы.
21.	Повторите пункты 17-20, нанеся на оба снимка, по крайней
мере, еще три связующих точки. Следите за тем, чтобы точки
располагались равномерно по всей площади снимков, а не
концентрировались в одной области. Ниже показано главное окно
Рабочей станции после нанесения четырех связующих точек.
22.	Выполнив сбор нескольких связующий точек на исходном и
опорном изображениях, мы можем запускать в работу инструмент
автоматического соответствия точек (automatic point matching, АРМ). В
216
главном окне Рабочей станции выполните пункт меню Process | Run
АРМ.
23.	По завершению процесса, на панели статуса главного окна
Рабочей станции будет отображена среднеквадратическая ошибка
(RMSE) и стандартное отклонение (Error Std Dev) результатов.
Точки, сгенерированные при помощи АРМ-инструмента будут
отображаться в таблице, на исходном снимке и на опорном снимке.
24.	Перед выполнением передискретизации или калибрования,
Вы должны просмотреть выходной снимок, чтобы убедиться в
приемлемости результатов. Для этого щелкните правой клавишей
мыши по названию снимка tmAtlanta.img в проводнике главного окна
Рабочей станции и из контекстного меню выберите пункт Preview
Output.
,1 Output Images
Reference Imagi
Щ panatlanta.in
с 4empflab_autosync
Ч ^Р^ Images
Review Points
Run АРМ
Review Report
Cahbrate/Resample
Set Inactive
Remove
Delete Map Information
217
25.	Если при просмотре на выходном изображении наблюдаются
артефакты (черно-белые области на цветном снимке, сильные
искажения), то, скорее всего, это является результатом некорректного
выполнения процедуры автоматического сбора точек. Возможно,
также, что некорректно задана модель сенсора. Еще один источник
ошибок - неточно заданные в ручном режиме связующие точки. Перед
выполнением передискретизации, Вам следует удалить такие точки,
если стандартное отклонение больше, чем 2. Если это незначительно
улучшает результат, измените модель сенсора в окне свойств проекта
IMAGINE AutoSync.
26.	Щелкните правой клавишей мыши по названию снимка
tmAtlanta.img в проводнике главного окна Рабочей станции и из
контекстного меню выберите пункт Review Points. Вы выйдите из
режима просмотра выходного изображения и вернетесь в режим
отображения точек.
27.	На панели инструментальных кнопок задайте предельную
ошибку равную 1.0 и нажмите кнопку Select GCP with the specified
error threshold H. Автоматически будут выделены все точки, для
которых ошибка больше чем I. Строки таблицы, содержащие
информацию о выделенных точках, будут отображаться желтым
цветом. Используйте кнопки Drive to Next GCP ▼ (Перейти к
следующей точке) и Drive to Previous GCP * (Перейти к предыдущей
точке), чтобы осуществлять перемещение между выделенными в
таблице точками.

xBef
Pointtt Ylnwl
tut»
28.	Если необходимо удалить точки, вносящие большую ошибку,
следует, используя клавишу Shift, выбрать мышкой в столбце Point#
необходимые записи. Следите за тем, чтобы были выделены только
точки, подлежащие удалению. После этого воспользуйтесь
инструментальной кнопкой Delete the GCP (Удалить точки).
Выделенные точки будут удалены.
29.	Для отмены и повтора операции удаления используйте кнопки
Undo и Redo .
30.	Удалив точки, вносящие значительный вклад в суммарную
ошибку, снова проанализируйте выходное изображение, выбрав из
218
контекстного меню Проводника Рабочей станции пункт Preview
Output.
31.	Теперь, получим информацию о входном и опорном
изображениях. Щелкните мышкой в любом из визуализаторов,
содержащих опорный снимок panAtlanta.img. Снимок будет
активирован. Выделите опорный снимок в Проводнике Рабочей
станции.
в а е
Э с rtempflab_sulosyncfrny_worh.
о CzS Input Innages
ИЗ tmatlanta.img
CM Output Images
 is Reference Image
^0
32.	Нажмите инструментальную кнопку Show Information ®
(Отобразить Информацию). Откроется диалоговое окно, содержащее
информацию об опорном снимке.
33.	На панели Map Info приводится информация о координатах
крайних угловых точек изображения, о единицах измерения, о
вертикальном и горизонтальном «размерах» пикселей растра.
219
34.	На панели Projection Info показана информация о проекции
снимка, сфероиде и наборе данных (датуме).
35.	Проанализировав информацию об опорном снимке, выберите
в меню диалогового окна пункт File | Close. Информационное окно
будет закрыто.
36.	Щелкните мышкой в любом из визуализаторов, содержащих
исходный снимок tmAtlanta.img, чтобы активировать его. Выделите
исходный снимок в Проводнике Рабочей станции.
о а в аа е
V c.ftempflab_eutosyncftny_worl
- “3 Input Images
IP
Output Images
Reference Image
panatlanta.img
37.	Снова нажмите инструментальную кнопку Show Information
® (Отобразить Информацию). Откроется диалоговое окно,
содержащее информацию об исходном снимке.
220
38.	Информация, отображаемая на панелях Map Info и Projection
Info, говорит о том, что для исходного снимка доступна только
пиксельная система координат, а информация о проекции отсутствует.
Проанализировав данные, закройте информационное окно.
39.	Наконец, перед выполнением передискретизации, мы
установим проекцию для выходного изображения. Для этого, из
главного меню Рабочей станции выберите пункт Process | Project
Properties. Будет открыто диалоговое окно установки и изменения
проекции изображения.
40.	Перейдите на вкладку Projection и установите
радиопереключатель Output Projection (Проекция результирующего
растра) в значение Same as Reference Image (Такая же, как на опорном
снимке). Нажмите ОК, чтобы закрыть диалоговое окно.
41.	Выполним передискретизацию изображения. Выходной
снимок будет содержать столько же спектральных каналов, сколько их
содержит исходное изображение. Из главного меню Рабочей станции
выберите пункт Process | Calibrate/Resample. Ранее в качестве метода
трансформирования Вы выбрали передискретизацию, а не
калибрование. Процесс будет выполнен. В окне визуализатора Рабочей
станции отобразиться результирующее изображение.
221
42.	Теперь, необходимо выполнить проверку качества
выполнения геопривязки исходного изображения. Визуально, это
можно сделать, выполнив одновременный просмотр результирующего
и опорного изображений в визуализаторе. В меню Рабочей станции
выберите один из пунктов View | Blend, View | Swipe или View |
Flicker. Далее используйте эти инструменты так, как Вы их
использовали в Визуализаторе ERDAS IMAGINE.
43.	Выполним анализ итогового отчета. Выделите снимок
tmAtlanta.img в Проводнике Рабочей станции. Из контекстного меню
выберите пункт Review Report. Отчет в виде html-файла будет выведен
в отдельном окне Internet Explorer.
222
4.10.	Кадровая камера
При помощи Менеджера Проектов LPS вы получаете доступ к
набору геометрических моделей, которые вы используете при
формировании файла проекта (расширение .Ык), содержащего снимки.
В данном упражнении Вы последовательно пройдете все шаги
создания и использования модели кадровой камеры. Данная модель
базируется на геометрических соотношениях между снимками,
опорными и контрольными точками.
Напомним понятие опорных точек (Ground Control Points, GCP).
Опорные точки это точки, распознаваемые на земной поверхности, для
которых известен полный набор наземных координат (X, Y и Z) в
какой-либо картографической системе. Любой снимок в формате
ERDAS IMAGINE может иметь один набор GCP ассоциированных с
ним. Этот набор точек, если он существует, храниться внутри img-
файла, наряду с другой информацией.
При выполнении триангуляции опорные точки используются для
выявления математической связи между параметрами камеры,
фотоснимками и земной поверхностью по всем трем координатам.
Установленная связь используется при проведении
ортотрансформирования.
В процессе ортотрансформирования выполняется
передискретизация координатной сетки исходного изображения сетку
соответствующую картографической систему координат опорных
точек.
4.10.1.	Подготовка файла блока
1.	Запустите ERDAS IMAGINE.
2.	Закройте Визуализатор, который автоматически открывается
при старте BRDAS IMAGINE.
3.	Выберите из главного меню ERDAS IMAGINE пункт Main |
LPS. Откроется Менеджер Проектов LPS.
223
4.	В главном меню Менеджера Проектов LPS выберите пункт
File | New. Откроется диалог создания нового файла блока. Когда Вы
начинаете работу в Менеджере Проектов LPS, Вы создаете файлы
проекта с расширением blk. Каждый файл проекта содержит информацию
обо всех маршрутах и снимках, включенных в план фотосъемки. В
частности, данные о расположении снимков, параметры камеры,
измерения координатных меток, опорных и связующих точек Файл blk
является двоичным файлом..
5.	Укажите 1гмя создаваемого файла как frame_toiir.blk в
каталоге, где у Вас есть право на запись. Откроется диалог настройки
модели (Model Setup).
:ЛцЖг„..
224
6.	В списке Geometric Model Category (Категория
геометрической модели) выберите опцию Camera. Из списка
моделей камеры (Geometric Model) выберите опцию Frame Camera
(Кадровая камера). Нажмите ОК. Откроется диалог настройки свойств
блока (Block Property Setup).
7. Нажмите кнопку Set на панели Horizontal Reference Coordinate
System. Откроется диалог выбора проекции Projection Chooser.

US State Plane - NAD27 - Old USGS (DOI 54]Zone Numbers
ARIZONA WEST (3201]
' ARKANSAS NORTH (322E)
ARKANSAS SOUTH (3251)
CALIFORNIA I (3276)
CALIFORNIA II (3301)
CALIFORNIA (fl (3326)
CALIFORNIA IV (3351)
CALIFORNIA V (3376)
CALIFORNIA VI (3401)
CALIFORNIA VII (3426)
COLORADO NORTH (34511
COLORAOtO„CENTRALТ347Ы
.. COLORADO SOUTH (35011
C CONNECTICUT (3526)
DELAWARE (3551)
FLORIDA EAST (3601)
I FLORIDA WEST (3626)
? FLORIDA NORTH (3576)
’ GEORGIA EAST (3651)
8.	Перейдите на вкладку стандартных проекций Standard и в
списке Categories выберите опцию US State Plane - NAD27 — Old
USGS (DO154) Zone Numbers. Затем, из скроллируемого списка
Projection, выберите проекцию COLORADO CENTRAL (3476).
Нажмите ОК для закрытия диалога выбора проекции.
225
9.	В поле Horizontal Units диалога настройки свойств блока,
выберите значение Meters. OrthoBASE использует горизонтальный
набор данных (датум), заданный Вами на предыдущем шаге, в
качестве базового набора данных. На его основе, вертикальная
координатная система устанавливается автоматически и в
большинстве случаев ее менять не надо.
10.	Нажмите кнопку Next и перейдите в диалог установки
параметров съемки (Frame Specific Information).
11.	Из всех параметров диалога установки параметров съемки,
измените только поле Average Flying Height (Средняя полетная
высота в метрах). Задайте в этом поле значение 7000. и нажмите
ОК.
12.	Диалоги настройки будут закрыты, и мы снова увидим
главное окно Менеджера Проектов LPS. Теперь необходимо добавить
в проект набор снимков, составляющих съемочный блок. Для этого в
Проводнике Менеджера Проектов LPS проекта выделите опцию
Images.
Bte Я?. .
Д Д н Д in.
k - ГгатеТоиг
01
Orthos
ЙСТМ5
13.	В меню Менеджера Проектов LPS выберите пункт Edit | Add
Frame (Добавить снимок). В диалоге выбора файлов переместитесь в
каталог <lMAGlNE_HOME>/examples/orthobase/Frame, содержащий
демонстрационные данные и при помощи клавиши SHIFT выберите
файлы col90pl.img, col91pl.img, col92pl.img.
226
Когда Вы добавляете снимки в блок, они отображаются в таблице
главного окна Менеджера Проектов LPS.
К каждому снимку относятся несколько колонок. Колонка,
содержащая номер строки Row # позволяет вам выбрать конкретный
снимок для использования в Менеджере Проектов LPS. Можно,
например, создавать слои пирамид изображений только для одного
выбранного снимка. Колонка идентификатора снимка Image ID содержит
порядковый номер каждого снимка блока. Вы можете изменять этот
номер. Колонка Description может содержать любую дополнительную
информацию, например, дату съемки. Колонка > указывает на текущий
активный снимок. Колонка названия снимка Image Name указывает
каталог размещения и имя файла для каждого снимка. Когда полный путь
к снимку точно установлен, соответствующее поле Online выделяется
зеленым цветом.
Помечая мышкой (символ X) ячейки в колонки Active, Вы
включаете текущий снимок в процесс проведения автоматического сбора
связующих точек, триангуляции и ортотрансформирования в Менеджере
Проектов LPS или исключаете его из этих процессов.
Цвет всех колонок, начиная с Руг и заканчивая Online показывает
статус выполнения процесса, зеленый цвет закраски ячейки означает, что
обработка выполнена, красный цвет обозначает, что обработка еще не
выполнена.
Колонка Руг. отображает наличие слоев пирамид изображений.
Колонка Int. отображает задание параметров внутреннего ориентирования,
(координатные метки). Колонка Ext. показывает, вычислены ли элементы
внешнего ориентирования. Колонка DTM указывает, подключалась ли
цифровая модель местности (в виде ЦМР или TIN-модели). Колонка Ortho
указывает, было ли проведено ортотрансформирование. Колонка Online
показывает, что задан каталог, указывающий путь к файлу снимка.
14.	Далее необходимо построить слои пирамид изображений
для каждого снимка блока. Слои пирамид изображений
предназначены для оптимизации отображения снимка и
генерируются с использованием фильтра Гаусса и
передискретизации по алгоритму биномиальной интерполяции.
Формат пирамид построенных в Менеджере Проектов LPS
227
отличается от формата, используемого для создания пирамид
изображений в ERDAS IMAGINE. Выберите в меню Менеджера
Проектов LPS опцию Edit | Compute Pyramid Layers. Откроется
диалог параметров построения пирамид изображений (Compute
Pyramid Layers).
15.	Установите в диалоговом окне расчета пирамид
изображений переключатель в положение All Images Without
Pyramids и нажмите ОК. Этим, Вы запустите процесс для тех
снимков, для которых пирамидные слои еще отсутствуют. Когда
процесс будет завершен, соответствующая колонка Руг
каждого снимка закрасится в зеленый цвет.
16.	Теперь зададим модель съемочной камеры. В модель
камеры, при помощи которой были получены снимки, включается
информация о положении координатных меток, а также
параметры внутреннего и внешнего ориентирования.
17.	Выберите пункт Edit | Frame Editor в главном меню
Менеджера Проектов LPS или нажмите на панели кнопку Frame
Properties ® (Свойства снимка). Откроется диалог редактирования
параметров снимка (Camera Frame Editor), отображающий
информацию о текущем снимке, который выделен знаком > в
таблице Менеджера Проектов LPS.
18.	Сделайте текущим снимок col90pl.img. Ниже, выполняя шаги
19-32 для этого снимка построим модель камеры, и зададим
параметры внутреннего и внешнего ориентирования. Для задания
228
названия датчика (поле Sensor Name), нажмите кнопку New Camera.
Откроется диалог ввода информации о камере (Camera
Information).
19.	На вкладке General установите следующие параметры:
-	в поле Camera Name название камеры Zeiss RMK А 15/23;
-	в поле Focal Length величину фокуса 153.124;
-	в поле Principal Point ХО координату X главной точки
-0.002;
-	в поле Principal Point Y0 координату Y главной точки 0.002;
20.	Перейдите на вкладку Fiducials. Эта вкладка задает
положения координатных меток.
229
21.	Введите в поле Number of Fiducials количество
координатных меток равное 8. В таблице появятся	четыре
дополнительные координатные метки, номера которых указываются в
ячейках атрибута Row#. Введите в таблицу следующую информацию:
Row#	Film X (mm	Film Y (mm)
1	-103.947	-103.952
2	103.945	103.924
3	-103.937	103.927
4	103.958	-103.952
5	-112.996	-0.005
6	112.990	-0.015
7	0.003	113.001
0.026	-112.971
ПРИМЕЧАНИЕ: В данном упражнении не определяется радиальная
дисторсия обьекгива. Поэтому, параметры вкладки Radial Lens
Distorsion не устанавливаем.
22.	Нажмите ОК для закрытия диалога Camera Information. Вернитесь
в диалог редактирования снимка (Camera Frame Editor). Перейдите на
вкладку Interior Orientation, на которой находится панель инструментов
для задания параметров внутреннего ориентирования снимка.
В каталоге <IMAGINE_HOME>/examples/orthobase/frame
находится файл readme.txt, содержащий все паспортные данные
съемки. Ниже, в качестве примера приведен фрагмент этого файла,
содержащий информацию о камере, параметры внутреннего и
внешнего ориентирования, а также данные по одной опорной точке.
230
Name: coloradosprings
Display Reference Frame: COLORADO CENTRAL
unit X,Y,Z: meters
unit angle: degrees
NAD27
angle system; Omega-Phi-Kappa
photo, direction: Z-axis
average flight height: 7000 meter
Camera
Description: Zeiss RMK A 15/23 - (Colorado spr)
X0 YO Focal Length KO	KI	K2
(mm) (mm) (mm)
-0.002 0.002 153.124 0.000000e+00	0.000000e+00 0.000000e+00
Fiducial Data:
Description X (mm) Y (mm)
1	-103.947	-103.952
2	103.945	103.924
3	-103.937	103.927
4	103.958	-103.952
5	-112.996	-0.005
6	112.990	-0.015
7	0.003	113.001
8	0.026	-112.971
fiducial direction, x-axis: to right, у-axis: to up.
Initial Exterior:
90 666700,115900, 8800, 0, 0,90
91 666700,119400, 8800, 0, 0, 90
92 666800, 122900, 8800, 0, 0, 90
control points:
standard deviation: mX = mY = mZ = 2.0 meter
Map X Map Y Elevation
1002	665228.955	115012.472	1947.672
Image file: x у
90	952.625 819.625
91	165.875 846.625
231
23.	Убедитесь, что на панели Fiducial Orientation установлен
режим ориентирования осей
координатных
Нажав кнопку Open Viewer-Я,
соответствующий первой кнопке.
войдите в режим показа Визуализаторов. Будет открыто три
Визуализатора - главное окно, обзорное окно (показывающее весь снимок
полностью и окно детального просмотра, показывающее часть снимка,
над которой находится координирующая прямоугольная рамка. Любой
из этих трех Визуализаторов может быть использован для сбора
координатных меток, однако самое точное редактирование меток
выполняется в окне детального просмотра.
24.	Примерная область расположения первой координатной метки
определяется координирующей прямоугольной рамкой в главном окне и
отображается в окне детального просмотра.
232
25. Щелкните мышкой
в центре координирующей
прямоугольной рамки в главном окне и перетащите ее так, чтобы
перекрестие координатной метки оказалась в центре прямоугольника.
Координатная метка отобразиться в центре окна детального
просмотра. Нажмите кнопку Place Image Fiducial -^-I (Разместить
координатную метку). Курсор примет форму перекрестия.
26.	Для измерения первой координатной метки позиционируйте
курсор на ее изображение в центре окна детального просмотра и
щелкните левой клавишей мыши. Координатная метка будет измерена, и
ее координаты отобразятся в колонках Image X и Image Y. Если при
помощи кнопки Set Automatic Move 1'01 включен режим автоматического
перемещения, будет выполнена прокрутка изображения в область
приблизительного расположения следующей координатной метки.
27.	Для установки остальных меток повторите шаги 25 и 26.
Примечание: Координатные метки с 5 по 8 будут отображаться на
фотоснимке в виде точек, а не в виде перекрестий. Они являются
дополнительными координатными метками.
28.	Когда все восемь координатных меток будут измерены,
связанный курсор вернется к первой координатной метке.
Среднеквадратическая ошибка определения положения координатных
меток (выводится кнопкой Solve в панели Interior Orientation диалога
редактирования снимка) обычно не должна превышать 0.33 пикселя. Если
ошибка больше, повторите измерения некоторых координатных
233
меток. Часто первые несколько измерений не так точны, как
последующие. Для проведения повторного измерения, выделите
строку с номером точки Point #, которую вы хотите перемерить,
с	г [Х
выберите инструмент выделения	объектов1 , затем
переместите координатную метку в окне детального просмотра.
29.	Переведите кнопку Open Viewer -=> в отжатое состояние,
чтобы закрыть окно Визуализатора.
30.	Для задания элементов внешнего ориентирования
перейдите на вкладку Exterior Information в диалоге Frame Editor.
31.	В числовое поле Value введите следующую информацию.
Эти значения соответствуют снимку со!90р1.
Хо	Yo	Zo	Omega	Phi	Карра
666700.000	115900.000	8800.000	0.0000	0.0000	90.0000
32.	Установите переключатель Set Value и в списке выберите
для всех параметров внешнего ориентирования тип Initial.
33.	Построение модели для снимка co!90pl.img закончено.
Щелкните в диалоге Frame Editor кнопку Next для перехода к
следующему снимку - col91pl.img.
234
34.	Повторите шаги 22 — 32 для изображения co!91p1.img. На
шаге номер 31 введите следующую информацию:
Хо	Yo	Zo	Omega Phi Kappa
666700.000	119400.000 8800.000 0.0000	0.0000	90.0000
35.	Щелкните в диалоге Frame Editor кнопку Next для
перехода к следующему снимку - col92p1.img. Повторите шаги 22
— 32 для изображения co!92pl.img. На 31 - шаге введите следующую
информацию:
Хо	Yo	Zo Omega Phi Kappa
666800.000	122900.000 8800.000 0.0000	0.0000	90.0000
36.	Ввод данных для всех трех снимков закончен. Нажмите ОК в
диалоге Frame Editor. В главном меню Менеджера Проектов LPS
выберите пункт File | Save для сохранения промежуточных результатов
построения модели.
Примечание: Альтернативным подходом является обработка каждого
снимка целиком, (то есть, задание всех сенсоров, измерение всех
координатных меток, затем ввод всех элементов внешнего
ориентировании).
4.10.2.	Ввод опорных и контрольных точек
37.	Теперь, когда вы установили координатные метки и задали
элементы внешнего ориентирования для каждого снимка, составляющего
блок, вы готовы к использованию инструмента измерения точек (Point
Measurement Tool) для определения положения наземных опорных
(Ground Control Point, GCP), связующих (Tie) и контрольных (Check)
точек по снимку. При работе с Менеджером Проектов LPS, наряду с
другими источниками информации, предназначенными для
определения месторасположения опорных точек, вы можете использовать
обзорный (опорный) фотоснимок. В этом упражнении отрабатываться
именно такой подход, использующий опорный снимок, изображение
общего вида и изображение детального обзора для каждой опорной
точки.
235
Обычно опорные точки располагаются в местах пересечения дорог,
на углах зданий или межевых знаках земельных участков. Не следует
задавать GCP на кромках озер, краях зон растительности и прочих
подобных объектах, поскольку данные объекты со временем
подвержены изменениям. Вы можете использовать топографическую
карту масштаба 1:24000, результаты государственной съемки или
схематические наброски местности, которые помогут вам определить
местоположение соответствующих точек.
В общих чертах, процесс сбора опорных точек включает в
себя предварительное изучение топографических карт для выявления
характерных точек, таких как пересечение дорог. Определив эти точки,
вы используете Менеджер Проектов LPS для записи этой
информации и ввода опорных координат. Затем вы сверяете
расположение точек с опорным изображением. Сбор опорных точек
может быть затратным по времени процессом, однако от точности его
выполнения зависит точность триангуляции и ортотрансформирования
снимков блока.
Когда вы определите все опорные точки, общие для двух или более
снимков в блоке, вы можете приступить к выполнению триангуляции.
Минимальное количество опорных точек на снимок - три
вертикальные (с известной координатой Z) и две горизонтальные (с
известными координатами X и Y). Если вы используете функцию
автоопределения связующих точек, вам понадобится меньшее
количество опорных точек.
Триангуляция связывает снимки друг с другом, таким образом, они
могут быть ортотрансформированы совместно.
38.	Выберите в главном меню Менеджера Проектов LPS пункт Edit
| Point Measurement. Будет открыто диалоговое окно запуска
инструмента сбора точек.
В диалоговом окне, Вам на выбор предлагаются два модуля -
классический инструмент сбора точек (Classic Point Measurement Tool)
и инструмент сбора точек в стереорежиме (Stereo Point Measurement
236
Tool). При помощи радиопереключателя выберите классический
инструмент сбора точек. Если данное диалоговое окно не появилось, а
сразу был запущен классический инструмент сбора точек, значит, Вам
следует изменить глобальные настройки - пункт Session | Preferences
основного меню ERDAS IMAGINE и опция Point Measurement Tool
категории LPS. Убедитесь, что эта опция установлена в значение
Always Ask (Запрашивать тип запускаемого инструмента).
Нажмите ОК. Откроется диалог измерения точек (Point
Measurement), состоящий из набора инструментов, таблиц с опорными
и файловыми координатами и шести Визуалнзаторов, составляющих две
группы, предназначенные для отображения пары снимков в Менеджере
Проектов LPS. В данном случае будут отображены первые два файла
блока со190р! и со191р1. Задавать пары изображений возможно, выбирая
названия правого и левого снимков из списков Left View и Right View.
39.	Выполните измерение точки ID 1002. Нажмите на кнопку Add в
правом верхнем углу панели инструментов Point Measurement Tool для
ввода первой точки. Это добавит новую строку в таблицу координат в
нижней части панели инструментов.
40.	Позиционируйтесь мышью на ячейку Point ID и исправьте
идентификатор на ID 1002.
41.	Позиционируйтесь мышью на ячейку Туре и выберите в
списке тип Full. Этот тип указывает, что известны все три координаты
237
опорной или контрольной точки X, Y и Z. Если в качестве значения
ячейки выбран тип Horizontal, значит для данной опорной или
контрольной точки известны только координаты X и Y. Тип Vertical
для опорной и контрольной точек означает, что известна только
координата Z. Тип None обычно используется для связующих точек.
При этом местоположение точки распознается на снимке, но все ее
координаты неизвестны. Для любого из выбранных типов неизвестные
координаты будут получены в процессе выполнения
аэротриангуляции.
42.	Позиционируйтесь мышью на ячейку Usage и выберите в
списке тип Control. Этот тип указывает, что точка будет
использоваться в качестве опорной.
43.	Затем вы будете использовать опорный снимок местности,
а также набросок и детальный вид опорной точки 1002 для того,
чтобы определить ее местоположение.
44.	Следующий рисунок покажет вам, где расположены точки на
первом снимке блока со!90р1. Вы будете обращаться к этому рисунку
при определении точек. Местоположение точек выделено квадратами и
помечено соответствующим образом.
238
45.	Следующий схематический набросок поможет Вам
определить примерное	местоположение точки. Также,
помещен детальный вид точки ID 1002.
46.	На основании вспомогательных данных найдем положение
точки ID 1002 на левом снимке пары (со!90р1). Для этого
используем левую тройку Визуализаторов. В главном окне
перемещайте координирующую прямоугольную рамку до тех пор, пока
опорная точка не станет видна в окне детального просмотра. Измените
размер связанного курсора, если необходимо изменить масштаб в окне
детального просмотра. Нажмите на иконку создания точки Create Point
3” на панели инструментов и посадите точку на левый снимок.
Файловые координаты на левом снимке посаженой точки появятся в
связующей таблице.
47.	Аналогичным образом найдем положение точки ID 1002 на
правом снимке пары (со!91р1). Для этого используем три правых
Визуализатора. Файловые координаты на правом снимке посаженой
точки появятся в связующей таблице.
Для контроля можете использовать следующие значения файловых
координат на левом и правом снимках:
Image	X File	Y File
col90pl	952.625	819.625
со191р 1	165.875	846.625
48.	Введем опорные координаты для точки ID 1002:
- нажмите на колонку X Reference, соответствующую точке ID 1002;
- напечатайте 665228.955 в колонке X Reference;
- нажмите на колонку Y Reference, соответствующую точке ID 1002;
- напечатайте 115012.472 в колонке Y Reference;
239
-	нажмите на колонку Z Reference, соответствующую точке ID 1002;
-	напечатайте 1947.672 в колонке Z Reference, затем нажмите Enter;
-	когда вы закончите позиционирование опорной точки ID 1002,
нажмите Save на панели инструментов;
49.	Проведите измерение точки ID 1003. Нажмите на кнопку Add
в правом верхнем углу панели инструментов Point Measurement Tool для
ввода точки. Следующий рисунок покажет вам, где расположены точки
на втором снимке блока со!91р1.
50.	Позиционируйтесь мышью на ячейку' Point ID и исправьте
идентификатор на ID 1003. Позиционируйтесь мышью на ячейку
Туре и выберите в списке тип Full. Позиционируйтесь мышью на
ячейку Usage и выберите в списке тип Control.
51.	Следующий рисунок поможет Вам определить примерное
местоположение точки. Также помещен детальный вид точки ID
1003.
240
52.	На основании вспомогательных данных найдем положение
точки ID 1003 на левом снимке пары (со!90р1). Для этого
используем три левых Визуализатора. В главном окне перемещайте
связанный курсор до тех пор, пока опорная точка не будет видна в окне
детального просмотра. Измените размер связанного курсора, если
необходимо изменить масштаб в окне детального просмотра. Нажмите на
иконку создания точки Create Point "f" на панели инструментов и
посадите точку на левый снимок. Файловые координаты на левом снимке
посаженой точки появятся в связующей таблице.
53.	Аналогичным образом найдем положение точки ID 1003 на
правом снимке пары (со!91р1). Для этого используем три правых
Визуализатора. Файловые координаты на правом снимке посаженой
точки появятся в связующей таблице.
54.	Опорная точка ID 1003 может быть позиционирована на всех
трех снимках, поэтому сменим пару снимков. В списке Right View
выберите файл правого снимка со!92р1. Найдем положение точки ID
1003 на правом снимке пары (со!92р!) и установим на нем данную
опорную точку. Следующий рисунок покажет вам, где расположены
точки на третьем снимке блока со!92р1.
241
Для контроля можете использовать следующие значения файловых
координат на трех снимках:
Image	X File	Y File
col90pl	1857.875	639.125
со!91 р 1	1064.875	646.375
со!92р1	286.875	639.125
55.	Введем опорные координаты для точки ID 1003:
-	щелкните в колонке X Reference, соответствующую точке ID 1003;
-	напечатайте 664456.22 в колонке X Reference;
-	щелкните в колонке Y Reference, соответствующую точке ID 1003;
-	напечатайте 119052.15 в колонке Y Reference;
-	щелкните в колонке Z Reference, соответствующую точке ID 1003;
-	напечатайте 1988.820 в колонке Z Reference, затем нажмите Enter;
-	когда вы закончите позиционирование опорной точки ID 1003,
нажмите Save на панели инструментов;
242
Местоположение точки ID 1003 определено на всех трех снимках.
56.	Менеджер Проектов LPS обеспечивает на которые
автоматические функции для более быстрого выделения опорных точек.
Одной из таких функций является автоматическое слежение (х, у).
Нажмите иконку автоматического слежения (х,у)*^Й. Используя
функцию автоматического слежения (х,у), Менеджер Проектов LPS
аппроксимирует положение точки на втором снимке, основываясь
на положении точки на первом снимке.
57.	Измерение точки ID 1004. Точка ID 1004 расположена на
снимках со!91р1 и со192р1. Последняя точка, которую вы
определили, находилась на снимке со192р1, который отображен в
правом Визуализаторе. Прежде чем начать, вы должны
настроить Left View на отображение снимка со191р1. Нажмите на
спадающее меню Left View и выберите со!91 pl. Снимок со!91р1
отобразится в трех левых Визуализаторах; снимок со!92р! уже
отображен в трех правых Визуализаторах.
58.	Нажмите на кнопку Add в правом верхнем углу панели
инструментов Point Measurement Tool для ввода точки ID 1004.
Позиционируйтесь мышью на ячейку Point ID и исправьте
идентификатор на ID 1004. Позиционируйтесь мышью на ячейку
Туре и выберите в списке тип Full. Позиционируйтесь мышью на
ячейку Usage и выберите в списке тип Control.
59.	Следующий рисунок поможет Вам определить примерное
местоположение точки. Также, помещен детальный вид точки 1D
1004.
60.	Найдем положение точки 1D 1004 на левом (со191р!) и
правом (со192р!) снимках пары. Обратите внимание на то, что так как
Вы включили функцию автоматического слежения (х,у), Менеджер
Проектов LPS установит снимки в Визуализаторах так, что отобразится
примерное расположение точки на втором снимке со!92р!.
243
Для контроля можете использовать следующие значения файловых
координат на левом и правом снимках:
Image
col91pl
со192р!
X File
1839.52
1050.60
Y File
1457.43
1465.23
61.	Введем опорные координаты для точки ID 1004:
-	нажмите на колонку X Reference, соответствующую точке ID 1004;
-	напечатайте 668150.61 в колонке X Reference;
-	нажмите на колонку Y Reference, соответствующую точке ID 1004;
-	напечатайте 122404.68 в колонке Y Reference;
-	нажмите на колонку Z Reference, соответствующую точке ID 1004;
-	напечатайте 1972.056 в колонке Z Reference, затем нажмите Enter;
-	когда вы закончите позиционирование опорной точки ID 1004,
нажмите Save на панели инструментов;
62.	Следующая опорная точка ID 1005 расположена на
всех трех снимках блока. Обычно в таком случае следует выделять
опорную точку на снимках в порядке расположения изображений в блоке, то
есть, определение точки на снимке со190р1, затем на со!91р1, затем на
со!92р1. Вы должны использовать списки Left View и Right View для
того, чтобы вернуть порядок расположения снимков. В списке Left
View выберите col90pl. В списке Right View выберите co!91pl.
63.	Нажмите на кнопку Add в правом верхнем углу панели
инструментов Point Measurement Tool для ввода точки ID 1005.
Позиционируйтесь мышью на ячейку Point ID и исправьте
идентификатор на ID 1005. Позиционируйтесь мышкой на ячейку
атрибута Туре и выберите в списке тип Full. Позиционируйтесь
мышью на ячейку Usage и выберите в списке тип Control.
64.	Следующий рисунок поможет Вам определить
приблизительное местоположение точки. Также помещен
детальный вид точки ID 1005.
244
65.	Найдем положение точки ID 1005 на левом (со190р1) и
правом (со191р!) снимках пары. Так как Вы включили функцию
автоматического слежения (х, у), Менеджер Проектов LPS установит
снимки в Визуалнзаторах так, что отобразится примерное
расположение точки на втором снимке со192р1. Используйте список
Right View для того, чтобы определить точку ID 1005 на снимке
со!92р1. Для контроля можете использовать следующие значения
файловых координат на левом и правом снимках:
Image	X File	YFile
col90pl	1769.450	1508.430
col91pl	1007.250	1518.170
со192р!	224.670	1510.670
66.	Введем опорные координаты для точки ID 1005:
-	нажмите на колонку X Reference, соответствующую точке ID 1005;
-	напечатайте 668338.22 в колонке X Reference;
-	нажмите на колонку Y Reference, соответствующую точке ID 1005;
-	напечатайте 118685.9 в колонке Y Reference;
-	нажмите на колонку Z Reference, соответствующую точке ID 1005;
-	напечатайте 1886.712 в колонке Z Reference, затем нажмите Enter;
когда вы закончите позиционирование опорной точки 1D 1005, нажмите
Save на панели инструментов;
67.	Следующая опорная точка ID 1006 расположена на
всех трех снимках блока. Вы должны использовать списки Left View
и Right View для того, чтобы вернуть порядок расположения снимков. В
списке Right View выберите col91pl, затем в списке Left View
выберите col90pl.
68.	Нажмите кнопку Add в правом верхнем углу панели
инструментов Point Measurement Tool для ввода точки ID 1006.
245
Позиционируйтесь мышью на ячейку Point ID и исправьте
идентификатор на ID 1006. Позиционируйтесь мышью на ячейку
Туре и выберите в списке тип Full. Позиционируйтесь мышью на
ячейку Usage и выберите в списке тип Control.
69.	Следующий рисунок поможет Вам определить примерное
местоположение точки. Также помещен детальный вид точки
ID 1006.
70.	Найдем положение точки ID 1006 на левом (со190р1) и
правом (со191р1) снимках пары. Так как Вы включили функцию
автоматического слежения (х, у), Менеджер Проектов LPS установит
снимки в Визуализаторах так, что отобразится примерное
расположение точки на втором снимке со192р1. Используйте список
Right View для того, чтобы определить точку ID 1005 на снимке
со192р1. Для контроля можете использовать следующие значения
файловых координат на левом и правом снимках:
Image	X File	YFile
со190р 1	1787.875	2079.625
со191р1	1023.625	2091.390
со!92р1	215.125	2083.790
71.	Введем опорные координаты для точки ID 1006:
-	нажмите на колонку X Reference, соответствующую точке ID 1006;
-	напечатайте 670841.48 в колонке X Reference;
-	нажмите на колонку Y Reference, соответствующую точке ID 1006;
-	напечатайте 118696.89 в колонке Y Reference;
-	нажмите на колонку Z Reference, соответствующую точке ID 1006;
-	напечатайте 2014.0 в колонке Z Reference, затем нажмите Enter;
Когда вы закончите позиционирование опорной точки ID 1006, нажмите
Save на панели инструментов;
246
Теперь вы введете информацию о двух контрольных точках в
таблицы опорных и (файловых координат. Информация о контрольных
точках вводится так, как и для опорных точек. Единственным
отличием является указание типа точки Check (Контрольная) в колонке
Usage. Контрольные точки дополняют опорные и используются Оля
определения точности триангуляции. Контрольные точки только
уточняют модель и не являются необходимыми условием для выполнения
триангуляции.
72.	Ввод контрольной точки ID 2001. В списке Right View
выберите col91pl. Нажмите кнопку Add в правом верхнем углу
панели инструментов Point Measurement Tool для ввода точки ID 2001.
Позиционируйтесь мышью на ячейку Point ID и исправьте
идентификатор на ID 2001. Позиционируйтесь мышью на ячейку Туре
и выберите в списке тип Full. Позиционируйтесь мышью на ячейку
Usage и выберите в списке тип Check.
73.	Следующая схема поможет Вам определить расположение
точки. Также показан детальный вид точки ID 2001.
74.	На основании вспомогательных данных найдем положение
точки ID 2001 на левом снимке пары (со190р1). Для контроля можете
использовать следующие значения файловых координат на левом и
правом снимках:
Image	X File	Y File
col90pl	915.02	2095.71
co!91pl	160.90	2127.84
-	нажмите на колонку X Reference, соответствующую точке ID 2001;
-	напечатайте 670970.45 в колонке X Reference;
-	нажмите на колонку Y Reference, соответствующую точке ID 2001;
-	напечатайте 114815.23 в колонке Y Reference;
-	нажмите на колонку Z Reference, соответствующую точке ID 2001;
247
- напечатайте 1891 888 в колонке Z Reference, затем нажмите Enter;
Когда вы закончите позиционирование
нажмите Save на панели инструментов;
опорной точки ID 2001,
75.	Ввод контрольной точки ID 2002. В списке Right View и
выберите со192р1, а затем в списке Left View выберите col91pl.
Нажмите на кнопку Add в правом верхнем углу панели инструментов
Point Measurement Tool для ввода точки ID 2002. Позиционируйтесь
мышью на ячейку Point ID и исправьте идентификатор на ID 2002.
Позиционируйтесь мышью на ячейку Туре и выберите в списке тип
Full. Позиционируйтесь мышью на ячейку Usage и выберите в списке
тип Check.
76.	Следующий рисунок поможет Вам определить
расположение точки. Также помещен детальный вид точки ID
2002
77.	На основании вспомогательных данных найдем положение
точки ID 2002 на левом снимке пары (со191р1). Для контроля можете
использовать следующие значения файловых координат на левом и
правом снимках:
Image	X File	Y File
col91pl	2032.030	2186.530
со!92р1	1227.375	2199.125
-	нажмите на колонку X Reference, соответствующую точке ID 2002;
-	напечатайте 671408.73 в колонке X Reference;
-	нажмите на колонку Y Reference, соответствующую точке ID 2002;
-	напечатайте 123166.52 в колонке Y Reference;
-	нажмите на колонку Z Reference, соответствующую точке ID 2002;
-	напечатайте 1983.762 в колонке Z Reference, затем нажмите Enter;
Когда вы закончите позиционирование опорной точки ID 2002, нажмите
Save на панели инструментов;
248
По окончанию ввода точек, диалог измерения точек будет
выглядеть следующим образом:
4.	10.3. Выполнение автоматического сбора
связующих точек
В процессе автоматического сбора связующих точек измеряются в
пиксельных координатах снимка положения опорных точек,
представленных на двух или более перекрывающихся снимках.
78.	На панели инструментов измерения точек, нажмите
мй
иконку Automatic Tie Point Collection Properties. Будет
открыт диалог свойств автоматического сбора связующих
точек.
249
79.	На вкладке General оставьте все параметры без изменений.
Перейдите на вкладку Distribution.
80.	В поле Intended Number of Points Per Image задайте примерное
количество точек на снимок равное 15. Сбросьте переключатель Keep
All Points. Нажмите RUN в диалоге свойств автоматического создания
связующих точек, чтобы запустить процесс. Фактическое количество
точек, созданных автоматически, будет больше или меньше 15. Это
количество частично зависит от величины перекрытия между
снимками.
81.	Менеджер Проектов LPS запустит процесс автоматического
создания связующих точек, выполнение этого процесса будет отображено
на индикаторе состояния и покажет, когда процесс будет завершен. Тип
связующих точек указан в колонке Туре как None, а применение - в
колонке Usage как Tie. Точки добавляются в таблицу опорных координат
с соответствующими значениями X File и Y File в таблице файловых
координат.
Проверка точности связующих точек. Вы всегда должны
выборочно проверять несколько связующих точек, чтобы убедиться в их
точности. Если точка не обладает желательной точностью, вы можете
внести поправки с помощью инструментов выделения точки, выделяя
соответствующую строку в таблице или нажимая на кнопку Delete.
Другой подход — не удалять точку, а снять флажок активности (столбец
Active) в соответствующей строке таблицы.
82.	В таблице опорных координат при помощи полосы прокрутки
выберите какую-нибудь точку, например - ID 2022. Установите
выбранную точку в качестве текущей, щелкнув в соответствующей
ячейке колонки «>» чтобы посмотреть точку ID 2022. Точка отобразится
в Визуализаторах. Можно увидеть, что ее расположение задано
достаточно точно.
83.	Проверьте несколько других точек. При необходимости,
выполните коррекцию.
84.	Нажмите кнопку Close для того, чтобы закрыть диалог измерения
точек. Вы вернетесь в главное окно Менеджера Проектов LPS.
250
4.10.4. Выполнение аэротриангуляции
Теперь, когда получены все опорные, контрольные и связующие
точки, Менеджер Проектов LPS имеет всю необходимую информацию
для проведения аэротриангуяции. Триангуляция устанавливает
математические соотношения между снимками, составляющими блок, и в
процессе ее выполнения вычисляются окончательных значений для
параметров внешнего ориентирования.
85.	Из меню Edit главного окна Менеджера Проектов LPS
выберите пункт показа свойств триангуляции (Triangulation
Properties). Откроется диалоговое окно свойств аэротриангуляции.
86.	Перейдите на вкладку Point. В поле Туре выберите из списка
значение Same Weighted Values. Нажмите кнопку Run для запуска
аэротриангуляции. Будет создано и открыто окно отчета по триангуляции.
87.	Вы можете захотеть обратиться к отчету для более
детального знакомства с результатами триангуляции. Следует
251
сохранить отчет в виде текстового файла для того, чтобы
обращаться к нему в будущем. В диалоге отчета триангуляции
(Triangulaiion Summary), нажмите кнопку Report. Откроется отчет
триангуляции.

88.	Скроллируйте отчет вниз до тех пор, пока не увидите раздел
отчета The Output of Self-calibrating Bundle Block Adjustment, в
котором представлены выходные данные самокалибрующегося
уравнивания блока по методу связок.
Обратите внимание на стандартную ошибку (standard error)
последней итерации под номером 3. Это стандартное отклонение
единицы веса, которое показывает общее качество этой итерации.
Обратите внимание на строчку элементов внешнего ориентирования
252
exterior orientation parameters. Здесь представлены элементы
внешнего ориентирования для каждого снимка в блоке. Обратите
внимание на невязки опорных точек (residuals of the control point) и
невязки контрольных точек (residuals of the check points).
Невязки опорных точек X, Y и 2 определяют точность качества и как
среднюю невязку и как невязку геометрического среднего. Невязки X, Y, и
Z контрольных точек служат в качестве независимой проверки при
определении среднего качества решения.
Прокрутите вниз до тех пор, пока не увидите раздел невязок точек
снимка residuals of image point. Это невязки координат снимка или
фотографии. Их точность может быть гораздо меньше. Как правило, эти
точки имеют большую невязку.
89.	Из меню File выберите Save As (сохранить как). Откроется
диалог сохранения отчета. Выберите директорию, в которую хотите
записать файл. В текстовом поле File name наберите имя файла
frame_report.txt, затем нажмите Enter.
90.	В диалоге отчета триангуляции нажмите кнопку Update для того,
чтобы обновить значения элементов внешнего ориентирования. Эта
операция удалит значения элементов внешнего ориентирования, которые
вы ввели в процессе измерения координатных меток, и запишет вместо
них значения, вычисленные в Менеджере Проектов LPS на основе
опорных и связующих точек в снимках, составляющих файл блока.
Нажмите кнопку Close для того, чтобы закрыть диалог отчета
триангуляции.
В диалоге аэротриангуляции (Aerial Triangulation) нажмите кнопку
Accept для того, чтобы принять параметры триангуляции. Нажмите ОК в
диалоге аэротриангуляции, чтобы закрыть его.
91.	Главный диалог Менеджера Проектов LPS отражает
выполнение этапа по установлению элементов внешнего ориентирования.
253
4.10.5. Ортотрансформирование снимков
Следующим шагом является ортотрансформирование снимков Вашего
блока. Ортотрансформированные снимки имеют меньшее искажение за
рельеф и меныпие геометрические ошибки, чем
неортотрансформированпые снимки, что делает их более точными.
Объекты, отображаемые на ортотрансформированных снимках,
привязаны к реальным картографическим координатам X, Y, и Z.
92.	В главном окне Менеджера Проектов LPS, нажмите кнопку Ortho
Resampling	(Ортотрансформирование). Откроется диалог
ортотрансформирования. Перейдите на вкладку General.
254
93.	В списке DTM Source выберите опцию DEM. ЦМР-файл
будет использоваться для обеспечения информации о высотах для
ортотрансформируемых снимков. В поле Vertical Units установите
единицы измерений Meters. В списке DEM File Name выберите опцию
Find DEM и откройте файл colspr_dem.img из подкаталога
/examples/orthobase/frame как ЦМР-файл.
94.	Перейдите на вкладку Advanced. В поле Resample Method
списка, выберите Nearest Neighbor. Установите переключатель Ignore
Value, и игнорируемое значение - 0. По умолчанию, Менеджер
Проектов LPS предполагает, что Вы хотите генерировать
ортоизображение только для первого снимка в блоке. Используя
кнопку Add Multiple Вы можете добавить все остальные снимки в Ваш
блок ортотрансформирования.. Нажмите кнопку Add Multiple.
Откроется диалог Add Multiple Outputs.
255
95.	Убедитесь, что префикс ortho находится в поле File name.
Файлы, содержащие ортотрансформированные снимки, будут
иметь в своем названии этот префикс. Установите переключатель
Use Current Cell Sizes и нажмите OK.
96.	Откроется диалог состояния, показывающий выполнение
процесса ортотрансформирования. Когда диалог состояния покажет,
что выполнено 100%. нажмите кнопку ОК, чтобы
закрыть его. Сохраните проект съемочного блока.
97.	Теперь, когда снимки были ортотрансформированы, вы
можете просмотреть их совместно в Визуализаторе. Для этого в
ERDAS IMAGINE запустите Визуализатор.
98.	Выберите директорию, в которой вы сохранили
ортофансформированные снимки. Выберите при помощи клавиши
SHIFT снимки orthocol90pl.img, orthocol91pl.img,
orthocol92pl.img. На закладке Raster Options сбросьте переключатель
Clear Display и установите переключатели Fit to Frame и Background
Transparent. Нажмите OK.
99.	Используйте утилиты Swipe и Flicker, для просмотра
областей перекрытия снимков.
256
4.11.	Измерение точек в стереорежиме при
помощи Менеджера Проектов LPS
4.11.1.	Подготовка данных
Изображения, используемые в проекте, представляют собой
аэрофотоснимки территории канадского университета Western Ontario.
Пространственное разрешение снимков - 15 см.
1.	Откройте Менеджер Проектов LPS, выбрав из меню ERDAS
IMAGINE пункт Main | LPS.
2.	В меню Менеджера Проектов LPS выберите пункт File | Open,
затем перейдите в каталог <IMAGINE_HOME>/examples/westem и
откройте проект western spmtblk содержащий данные для нашего
упражнения.
3.	Чтобы не испортить исходные данные, сделайте копию файла
проекта в директорию, где у Вас есть право записи. Для этого
выберите в меню Менеджера Проектов LPS пункт File | Save As. Дайте
копии файла имя my_western_spmt.blk.
257
4.	В меню Менеджера Проектов LPS выберите пункт Edit | Points
Measurement. Будет открыто диалоговое окно запуска инструмента
измерения точек.
5.	В диалоговом окне, Вам на выбор предлагаются два модуля -
классический инструмент измерения точек (Classic Point Measurement
Tool) и инструмент измерения точек в стереорежиме (Stereo Point
Measurement Tool). При помощи радиопереключателя выберите
инструмент измерения точек в стереорежиме. Если данное диалоговое
окно не появилось, а сразу был запущен классический инструмент
измерения точек, значит, Вам следует изменить глобальные настройки
- пункт Session | Preferences основного меню ERDAS IMAGINE и
опция Point Measurement Tool категории LPS. Убедитесь, что эта опция
установлена в значение Always Ask (Запрашивать тип запускаемого
инструмента).
6.	Нажмите ОК. Диалоговое окно закроется. Появится окно,
содержащее напоминание о необходимости загрузки в проект снимков.
Как и в предыдущем пункте, появление этого окна зависит от
глобальных настроек ERDAS IMAGINE (опция Display Help Dialog
категории LPS - Stereo Point Measurement).
7.	Нажмите OK. Окно, содержащее напоминание будет закрыто.
Откроется главное окно инструмента измерения точек в стереорежиме.
258
8.	Теперь Вам необходимо из снимков, составляющий
съемочный блок, выбрать мастер-изображение (master image, главное
изображение). В данном проекте, блок состоит из трех снимков.
Главное изображение, это тот снимок, на котором в данный момент
осуществляется измерение точек. Когда Вы заканчиваете измерение
точек на главном изображении, система автоматически делает
активным следующий снимок фотоблока.
9.	Перейдите на вкладку Image Selection.
259
10.	Первоначально назначаем 251-й снимок главным
изображением. Для этого в списке Master выбираем значение 251 .img.
11.	Уменьшите процент перекрытия снимков, задав значение 21%
в поле Overlap. В списке Load As выберите тип загрузки изображений
— Mono. В этом режиме, каждый снимок фотоблока отображается в
отдельном визуализаторе. Стереоизображение в данном режиме
невозможно. Если бы Вы выбрали в списке значение Stereo, каждая
пара съемочного блока отображалась бы в отдельном стереоокне.
12.	Убедитесь, что подгружаются остальные снимки блока, - в
таблице, содержащей имена файлов 252.img и 253.img установлены
соответствующие ячейки столбца Load.
13.	Нажмите кнопку Load на вкладке Image Selection, чтобы
отобразить снимки блока в окне инструмента сбора точек.
14.	Перейдите на вкладку Image Adjustment. Сбросьте
переключатель Dynamic Range Adjustment. Тем самым Вы отключаете
возможность автоматической установки оптимальных значений
яркости и контраста для снимков блока. При необходимости, яркость и
контраст можно будет отрегулировать вручную.
15.	Снова вернитесь на вкладку Image Selection. Главное окно
инструмента сбора точек примет вид, показанный на рисунке,
приведенном ниже.
260
16.	Прежде чем начать выполнять измерение точек в
стереорежиме, необходимо настроить манипулятор мышь. Вы должны
назначить определенные действия, выполняемые программой при
щелчке правой и левой клавишами мыши. Нажмите кнопку Devices
(Устройства) на панели инструментов.
17.	В диалоговом окне настройки аппаратной части выберите в
списке устройств то оборудование, которое Вы будете использовать
для измерения точек в стереорежиме. В нашем случае это
манипулятор-мышь (System mouse).
261
18.	Нажмите кнопку Button Mappings. Откроется диалоговое окно
назначения функций клавишам мыши.
19.	В списке Categories открывшегося окна выберите опцию Point
Measurement (Измерение точек). На панели выбора клавиши мыши
(Customize Button Assignment) выберите из списка левую клавишу
(Left). В списке Commands/Buttons выберите функцию, назначаемую
левой клавише мыши - Create/Edit Point (Создать/Редактировать
точку). Нажмите кнопку Assign (Назначить) на панели Customize
Button Assignment. Левой клавише мыши в инструменте сбора точек
будет приписано выбранное Вами действие.
20.	На панели Customize Button Assignment выберите из списка
правую клавишу (Right). В списке Commands/Buttons выберите
функцию, назначаемую правой клавише мыши — Correlate Point. Смысл
данной операции состоит в том, что после того, как Вы определили
опорную точку на главном (master) изображении, вы должны
выполнить ее «переколку» на остальные изображения блока. Термин
«переколка» происходит из классических технологий фотограмметрии,
когда оператор работал с бумажными фотоснимками. Снимки блока
262
совмещались, а затем, опорная точка на мастер-снимке прокалывалась
иглой. Поскольку совмещенные снимки блока накладывались с
определенным перекрытием, прокол производился через соседние
снимки, то есть, выполнялась «переколка». По следу прокола
определялось положение опорной точки на других снимках блока. В
цифровой обработке изображений для нахождения соответствий
искомой точке на соседних снимках используется механизм
корреляционного поиска.
21.	Нажмите кнопку Assign на панели Customize Button
Assignment. Правой клавише мыши в инструменте сбора точек будет
приписан корреляционный поиск соответствий.
22.	Нажмите кнопку Close, чтобы закрыть диалоговое окно
назначения функций клавишам мыши.
23.	Нажмите Close, чтобы закрыть окно настройки аппаратной
части.
4.11.2.	Измерение точек
1.	На инструментальной панели модуля сбора точек должны
быть переведены в нажатое состояние четыре кнопки. Первая кнопка -
Maintain Scale Factor ^(Зафиксировать Масштабный Коэффициент).
Включив этот режим, Вы обеспечиваете синхронное изменение
масштаба во всех визуализаторах, содержащих снимки блока. Вторая
кнопка - Toggle Manual Cursor Mode ^(Ручной Режим Управления
Курсором). В этом режиме Вы должны использовать клавишу F3
263
клавиатуры, чтобы выйти за пределы окна, содержащего изображение
или войти в него. Третья кнопка — Enable Fixed Image Mode #(Режим
Неподвижного Изображения). В этом режиме изображение
неподвижно, а курсор перемещается в пределах окна. Две последние
кнопки обеспечивают нужный режим перемещения курсора в процессе
сбора точек. Четвертая кнопка — Enable Automatic View Link₽s (Режим
Связанных Визуализаторов). Остальные кнопки панели должны быть в
отжатом состоянии.
2.	Сделайте активной контрольную точку с индексом 1001. Для
этого, найдите соответствующую запись в таблице, содержащей точки
данного проекта (индекс содержится в столбце PointID) и сделайте ее
активной, щелкнув левой клавишей мыши в поле столбца >.
3.	Нажмите инструментальную кнопку Drive То в
(Переместиться), чтобы осуществить в окнах визуализаторов переход к
выбранной точке.
264
4.	Ниже светлым перекрестием курсора на снимке отмечено
примерное расположение данной точки.
5.	Нажмите кнопку Create Point +(Создать Точку) на панели
инструментов. Щелкните левой клавишей мыши внутри первого
визуализатора, содержащего мастер-изображение 251.img. Нажмите на
клавиатуре F3, чтобы войти в режим сбора точек. Затем, подведите
курсор к месту расположения точки 1001 и щелкните левой клавишей
мыши.
6.	Контрольная точка 1001 будет размещена на изображении
251.img. В таблицу, содержащую пиксельные координаты точек, будет
добавлена запись о точке 1001 на снимке 251.img.
7.	В дальнейшем, если точка нанесена неправильно, Вы можете
удалить эту запись из таблицы и повторить процесс нанесения точки.
Для этого просто выделите соответствующую запись в таблице
пиксельных координат. Затем, из контекстного меню выберите пункт
Delete Selection.
8.	Сразу после этого станет активным визуализатор, содержащий
второе изображение - 252.img. Перемещая курсор, найдите положение
точки на втором снимке и щелкните правой клавишей мыши внутри
активного визуализатора. Вы запустите процесс «переколки», -
265
корреляционного поиска положения точки на снимке 252.img. После
нахождения этого положения курсор в визуализаторе, содержащем
снимок 252.img, изменит цвет с белого на зеленый. Это означает, что
коррелятор корректно выполнил определение соответствия. Если же
курсор изменит цвет на красный, это означает, что коррелятор не смог
правильно определить соответствие точек. В этом случае, измените
положение курсора и снова выполните щелчок правой клавишей
мыши, для повторного запуска коррелятора.
9.	Если качество обнаружения соответствия Вас устраивает,
щелкните левой клавишей мыши, чтобы зафиксировать точку на
изображении 252.img. После этого станет активным визуализатор,
содержащий последнее изображение - 253.img.
10.	Повторите пункты 8 и 9, чтобы зафиксировать контрольную
точку 1001 на третьем снимке. Поместив точку на всех трех
изображениях, нажмите на клавиатуре F3, чтобы выйти из режима
сбора точек. Ниже показан вид всех трех визуализаторов после
завершения процесса.
11.	В таблице пиксельных координат содержится три записи, по
одной для каждого снимка.
266
12.	Сравните пиксельные координаты точки 1001 на всех трех
снимках с данными таблицы, приведенной ниже. Если расхождение в
соответствующих строках больше чем два пикселя, значит, Вы
некорректно определили положение точки на указанном в таблице
снимке. В данной ситуации, для упрощения процесса обучения, просто
исправьте значения в Вашей таблице в соответствии с эталонной
таблицей.
Image	X File PID 1001	Y File PID 1001
251	8025.278	1034.117
252	4236.679	897.966
253	626.392	940.934
13.	Нажмите кнопку Save на панели инструмента сбора точек. Мы
сохранили промежуточные результаты и продолжаем работу.
14.	До сих пор Вы работали в режиме моно, когда каждый снимок
блока отображался в отдельном визуализаторе. Теперь поработаем в
стереорежиме. На вкладке Image Selection выберите значение Full
(Полное представление) в списке Load As.
Ifrugebeleotw 'Map i |пч dj Imert
Мыас |~25l .img	«А1
olMasfes ' IS load «I!etefledSoinl
15.	Нажмите кнопку Load на вкладке Image Selection.
Изображения будут загружены в режиме стерео. В каждом
визуализаторе содержится одна стереопара блока.
267
16.	Сделайте активной точку под номером 1002, найдя ее в
таблице и щелкнув левой клавишей мыши в соответствующем поле
столбца >. Нажмите инструментальную кнопку Drive То @, чтобы в
окнах визуализаторов перейти к выбранной точке.
17.	Наденьте стереочки. На одной из стереопар найдите
положение точки 1002, оно указывается положением перекрестия
курсора.
18.	На панели инструментов нажмите кнопку Create Point
+(Создать Точку). Сделайте активным визуализатор, содержащий
268
первую стереопару 251 .img , 252.img, щелкнув внутри его окна левой
клавишей мыши. Нажмите F3, чтобы войти в режим сбора точек.
19.	В активном визуализаторе поместите точку под номером 1002
на изображение 251.img, щелкнув левой клавишей мыши в области, на
которую указывало перекрестие курсора. Вы можете использовать как
стереоокно так и левое нижнее окно отображающее в режиме моно
положение точки 1002 на снимке 251.img.
20.	Нажмите правую клавишу мыши. Будет запущен коррелятор,
осуществляющий поиск положения точки 1002 на снимке 252.img
первой стереопары.
21.	Если коррелятор правильно определит положение точки,
выполните щелчок левой клавишей мыши, чтобы окончательно
поместить точку 1002 на снимок 252.img. Если положение определено
неверно (точка отображается красным цветом), немного переместите
курсор и повторите процесс, нажимая правую клавишу мыши.
22.	После размещения точки 1002 в первом визуализаторе, станет
активным второй визуализатор, содержащий стереопару 251.img,
253.img. На изображении 251.img точка 1002 уже присутствует, мы
поместили ее на предыдущем шаге (пункты 18 - 20). Щелкните правой
клавишей мыши, чтобы запустить коррелятор, осуществляющий
поиск положения точки 1002 на снимке 253.img. Если коррелятор
правильно определит положение точки, выполните щелчок левой
клавишей мыши, чтобы окончательно поместить точку 1002 на снимок
253.img.
269
23.	В результате этих действий будет сформирована таблица,
содержащая пиксельные координаты точки 1002 на всех трех снимках.
3	253. img |х 128.612]	3100.039
24.	И снова, сравните пиксельные координаты точки 1002 с
эталонной таблицей. Если отличие больше чем два пикселя, исправьте
данные в Вашей таблице.
Image	X File PID 1002	Y File PID 1002
251	7401.106	3218.404
252	3679.477	3090.953
253	127.491	3101.026
25.	Выполним обработку точки 1003. Сделайте ее активной в
таблице. Нажмите инструментальную кнопку Drive То чтобы
осуществить в окнах визуализаторов переход к выбранной точке.
270
26.	Повторите пункты 18-22, для обработки точки 1003. Вы
получите таблицу пиксельных координат точки 1003.
1 гладей	Image Name .	Achv	XF3e	YFfe
\	1	251 .img	X	8868.411	3859.708
2	252. img	X	5113.180	3734.392
3j	253. img	X	1521.518	3743.265
27.	Сравните пиксельные координаты точки с данными
эталонной таблицы. Внесите исправления, если это необходимо.
Image	X File PID 1003	Y File PID 1003
251	8869.302	3858.729
252	5113.843	3733.511
253	1521.556	3743.966
28.	Окончательно, размещение точки 1003 в визуализаторах
показано на рисунке, приведенном ниже.
29.	Для ввода точки 1004 снова переключитесь в режим моно. Для
этого, на вкладке Image Selection выберите значение Mono в списке
Load As. Затем, нажмите кнопку Load на вкладке Image Selection.
271
Каждый снимок
визуализаторе.
фотоблока будет отображаться в отдельном
Image Selection | Мгр | Image Дф-кйпегй |
Майе. 251,т“	3 2Е All
Ovedap:	....
loadAs:	~——-g
SetMaststJ e* load al Selected Port |
I	i
CheckAS j Cteat Lead j
30.	Нажмите инструментальную кнопку Drive To чтобы
осуществить в окнах визуализаторов переход к выбранной точке.
31.	На панели инструментов нажмите кнопку Create Point
"^(Создать Точку). Сделайте активным визуализатор, содержащий
мастер-изображение 251.img.
32.	Нажмите клавишу F3, чтобы войти в режим сбора точек.
272
33.	Щелкните внутри первого визуализатора левой клавишей
мыши, чтобы поместить точку 1004 на мастер-изображение.
34.	Запустите коррелятор, щелкнув правой клавишей мыши. Если
положение точки 1004 на снимке 252.img определено правильно,
щелкните левой клавишей мыши, чтобы окончательно поместить
точку 1004 на второй снимок.
35.	Сейчас активен визуализатор, содержащий изображение
252.img. Щелкните правой клавишей мыши, чтобы снова запустить
коррелятор. Когда будет правильно определено положение точки 1004
на снимке 253.img, щелкните левой клавишей мыши, чтобы
окончательно поместить точку 1004 на третий снимок.
36.	Проанализируйте таблицу пиксельных координат точки 1004.
Image tt'	Image Neme	Active	XFie	YFfe
li	251. img	X	8579.026	4564.403
1	2	252. img	X	4858.488	4435.213
X	253. img	X	1299.210	4440.430
37.	Сравните эту таблицу с эталонной. Внесите изменения, если
это необходимо.
Image	X File PID 1004	Y File PID 1004
251	8579.676	4563.065
252	4859.108	4435.806
253	1299.713	4440.873
38. Ниже показано окончательное расположение точки 1004.
273
39.	Сделайте в таблице активной точку 1005. В режиме моно
нажмите инструментальную кнопку Drive То чтобы осуществить в
окнах визуализаторов переход к выбранной точке.
40.	Повторите пункты 31-35, для точки 1005.
41.	Проанализируйте таблицу пиксельных координат точки 1005.
Imaqe ft |Е image Nanie Active XFile YFfe
	251 .img	X	8201.123	4982.991
	252.img	X	4516.236	4851.358
		3	253.img	X	989.894	4854.444
42.	Сравните полученные данные с эталонной таблицей. Внесите
изменения, если это необходимо.
Image	X File PID 1005	Y File PID 1005
251	8201.628	4981.529
252	4516.606	4851.847
253	990.204	4853.881
43.	Нажмите кнопку Save, чтобы сохранить введенные данные.
44.	Ниже показано окончательное расположение точки 1005.
274
45.	Далее выполняются уже известные Вам шаги — триангуляция и
получение ортоизображений. Вы выполняли эти этапы ранее, в других
упражнениях. В план данного упражнения они не входят, поэтому,
упражнение можно считать законченным. Нажмите кнопку Close,
чтобы выйти из модуля сбора точек.
46.	В Менеджере Проектов LPS выполните пункт меню File | Save,
чтобы сохранить Ваш проект my_western_spmt.blk.
47.	Закройте Менеджер Проектов LPS.
275
4.12.	Цифровая камера
При помощи Менеджера Проектов LPS Вы получаете доступ к
различным типам геометрических моделей, используемым для
ортотрансформирования блока снимков. В данном упражнении Вы
создадите модель цифровой камеры. Данные, используемые в этом
упражнении, были получены при помощи бортовой авиационной
системы позиционирования, позволяющей уже в процессе съемки
точно определить положение камеры. Поэтому, дополнительный этап
ручного измерения опорных точек не нужен — после определения
параметров внутреннего и внешнего ориентирования Вы сразу
переходите к автоматическому сбору связующих точек. Исходные
данные представляют собой аэроснимки юго-востока Испании, снятые
цифровой камерой Kodak DCS 420. Снимки хранятся в формате .tif.
4.12.1.	Создание нового блока снимков
1.	Запустите ERDAS IMAGINE.
2.	Выберите из главного меню ERDAS IMAGINE пункт Main |
LPS. Будет запущен Менеджер Проектов LPS.
276
3.	В меню Менеджера Проектов выберите пункт File | New.
Откроется диалоговое окно создания нового файла блока.
4.	Укажите имя создаваемого файла как digital_tour.blk в папке,
где у Вас есть разрешение на запись. Нажмите ОК. Откроется диалоговое
окно настройки модели (Model Setup).
5.	В списке Geometric Model Category (Категория
геометрической модели) выберите опцию Camera. Из списка Geometric
Model моделей камеры выберите Цифровую камеру (Digital Camera).
Нажмите ОК. Откроется диалог настройки свойств блока (Block Property
Setup).
6.	Нажмите кнопку Set на панели Horizontal Reference Coordinate
System. Откроется диалоговое окно выбора проекции Projection
Chooser.
277
7.	Перейдите на вкладку стандартных проекций Custom и в
списке Projection Туре выберите опцию UTM. Затем, из списка
Spheroid Name , выберите WGS84 и из списка Datum Name, выберите
WGS84. В поле UTM Zone введите значение 30. Из списка North or
South, выберите North. Нажмите ОК, для закрытия диалога выбора
проекций для файла блока.
8.	В поле Horizontal Units диалога настройки свойств блока
выберите значение Meters.
9.	Если набор данных (датум) вертикальной координатной
системы отличается от набора данных горизонтальной координатной
системы, следует изменить вертикальный датум, нажав кнопку Set на
панели Vertical Reference Coordinate System. В данном упражнении
наборы данных совпадают (WGS84) и вертикальную координатную
систему настраивать не надо.
10.	Нажмите кнопку Next и перейдите в диалог установки
параметров съемки (Frame Specific Information).
278
Положение летательного аппарата на момент съемки было
записано с использованием авиационной системы позиционирования
(GPS) и инерционной навигационной системы (INS). Система GPS
обеспечивает информацию о линейных координатах камеры / сенсора
в тот момент, когда производилась съемка. Инерционная
навигационная система обеспечивает информацию об ориентации, (то
есть, углы омега, фи и каппа) камеры / сенсора на момент съемки.
Точность линейных измерений составляет примерно 2 метра в
направлении X, Y, и Z. При измерении углов омега, фи и каппа
точность составляет 0.1 градуса. С подобной информацией у вас нет
необходимости определять опорные точки на снимках, составляющих
блок, так как параметры внешнего ориентирования на момент съемки
известны.
11.	В разделе Set Frame-Specific Information диалога установки
свойств блока, нажмите кнопку импорта параметров внешнего
ориентирования Import Exterior Orientation Parameters. Откроется диалог
импорта (Import ASCII File Name).
12.	В директории демонстрационных файлов
<IMAGINE_HOME>/exampIes/orthobase/digital выберите файл
airborne_GPS.dat и нажмите ОК.
13.	Откроется диалог параметров импорта (Import Parameters).
Если импортируемая картографическая информации не совпадает с
данными, заданными при создании блока (пункты 7-9), то проекция,
сфероид, набор данных и единицы измерении импортируемых данных
могут быть изменены. Используйте кнопку Set для задания правильной
информации.
279
Если ничего менять не надо, нажмите ОК в диалоге параметров
импорта. Откроется диалог опций импорта (Import Options)
14.	На вкладке Field Definition диалога Import Options, выберите из
списка Row Terminator Character, определяющего метку конца строки,
значение Return NewLine (DOS).
15.	Перейдите на вкладку предварительного просмотра Input
Preview в диалоге Import Options.
280
16.	Нажмите ОК в диалоге Import Options. Названия снимков
наряду с величинами X, Y, Z, Omega, Phi и Карра будут сохранены
Менеджером Проектов LPS в файле блока.
17.	Задание средней полетной высоты (в метрах). Средняя
полетная высота это высота летательного аппарата над землей - вы
должны задать это значение в параметрах блока. Использование более
точного среднего значения полетной высоты существенно улучшит
результаты расчета модели при автоматической расстановке точек.
Вручную введите среднее полетное значение высоты, рассчитав его по
одной из следующих методик:
-	получив значение от поставщика продукта или из полетного
плана;
-	умножив фокусное расстояние камеры на средний масштаб
снимка;
-	вычитая среднюю высоту рельефа над уровнем моря из среднего
значения параметра внешнего ориентирования Z (по всем снимкам
блока;
Значение средней полетной высоты используется в качестве
первого приближения параметров внешнего ориентирования при
автоматической генерации связующих точек.
Вместе с демонстрационными данными блока для цифровой
камеры в каталоге <IMAGINE_HOME>/examples/orthobase/digital
поставляется файл readme.doc, содержащий дополнительные
данные о параметрах съемки блока цифровой камеры. Из этого
файла возьмем данные, необходимые для расчета:
-	фокусное расстояние focal length =28.0 mm;
-	средний масштаб снимка average photo scale = 1-.45,000;
-	средняя высота рельефа average elevation = 605 м;
-	параметры внешнего ориентирования Zl=1851.948, Z2=1853.994,
Z3=1853.561;
Тогда по второй методике Нсредн = 28 * 45000 / 1000 = 1260 м.
По третьей методике
Нсредн = ((1851.948 + 1853.994 + 1853.561)/3) - 605 = 1248.168 м.
Это среднее значение высоты и введем в поле Average Flying
Height в диалоге Block Property Setup.
281
18.	Нажмите ОК в диалоге Block Property Setup. Диалоги
настройки будут закрыты, и мы вернемся в главное окно Менеджера
Проектов LPS. Ячейки атрибута Image Name в таблице уже содержат
значения, импортированные из файла airborne_GPS.dat, который Вы
выбрали в диалоговом окне Import Exterior Orientation.
19.	Теперь необходимо добавить в проект набор изображений,
составляющих съемочный блок. Для начала снимки должны быть
подключены. Это означает, что каждому снимку должен соответствовать
определенный файл, расположенный в определенном каталоге. Щелкните
мышкой в ячейке Online, соответствующей первому снимку digcaml.
Откроется диалог редактирования 1-го снимка (Frame Editor).
282
20.	Нажмите кнопку Attach. Откроется диалог задания имени
файла (Image File Name). Теперь вы должны выбрать файлы,
составляющие блок.
21.	Перейдите	в	директорию
<IMAGINE_HOME>/exampIes/orthobase/digitaI, и выберите в списке
Files of type тип файлов TIFF (*.tif).
22.	Пользуясь клавишей SHIFT, выберите файлы
digcaml.tif, digcam2.tif, digcam3.tif. Нажмите ОК.
23.	Нажмите ОК и диалоге Digital Camera Frame Editor
Снова открывается главное окно Менеджера Проектов LPS. Колонка
Online отображается зеленым цветом, что указывает на то, что трем
снимкам, заданным в файле dat, соответствуют файлы в директории
<IMAGINE_HOME>/exampIes/orthobase/digitaI.
24.	Теперь необходимо создать слои пирамид для каждого
снимка блока. Слои пирамид предназначены для оптимизации
скорости вывода снимков на экран. Выберите в меню
редактирования опцию Edit | Compute Pyramid Layers. Откроется
диалоговое окно расчета слоев пирамид (Compute Pyramid Layers).
25.	Установите в диалоговом окне расчета слоев пирамид
радиопереключатель в положение All Images Without Pyramids и
нажмите ОК. Этим, Вы запустите процесс для тех снимков, для
которых пирамидные слои еще отсутствуют. Когда процесс будет
завершен, соответствующие ячейки атрибута Руг будут
закрашены в зеленый цвет.
26.	Вы задали информацию о проекции, импортировали
параметры внешнего ориентирования, определили снимки,
используемые в съемочном блоке. Теперь зададим модель съемочной
камеры. Когда вы определяете модель камеры, которой были
получены снимки, вы вводите информацию о положении
координатных меток.
27.	Выберите Edit | Frame Editor в главном меню Менеджера
Проектов LPS или нажмите кнопку Frame Properties Д-1 (Свойства
283
снимка). Откроется диалог редактирования снимка (Camera Frame
Editor). На предыдущем шаге Вы присоединили снимки, а теперь
должны задать модель камеры для каждого из них.
28.	В настоящий момент, текущим снимком является
digcaml.tif. Для задания названия камеры (поле Sensor Name),
нажмите кнопку New Camera. Откроется диалог ввода информации
о камере (Camera Information).
jJESSSSESI»»,:. * i*
I Project 1 orHocdpiari Flapping
РжеЧгйй'Л-'-..	|ошоо
fc. ...,
Pnrs^FtorJuoUm	]М000

29.	На вкладке General установите следующие параметры:
-	в поле Camera Name введите название камеры Kodak DCS 420
Digital Camera;
-	в поле Focal Length введите величину фокуса 28.000;
-	в поле Principal Point ХО введите координату хО главной точки
0.000;
-	в поле Principal Point Y0 введите координату уО главной точки
0.000;
284
30.	Нажмите кнопку Save для сохранения введенной
информации. В качестве типа файла выберите Camera File, в качестве
имени файла, укажите kodak_dcs420 в директории, где храниться Ваш
проект.
31.	Нажмите ОК в диалоге ввода информации о камере
(Camera Information).
32.	Нажмите кнопку Next , чтобы увидеть информацию для
следующего снимка digcam2. Убедитесь, что в поле Sensor Name
задано значение Kodak DCS 420 Digital Camera, заданное Вами на
предыдущем шаге.
33.	Нажмите кнопку Next , чтобы увидеть информацию для
файла digcam3. Подтвердите, что в поле Sensor Name задано значение
Kodak DCS 420 Digital Camera.
34.	Дважды нажмите кнопку Previous, чтобы вернуться к
снимку digcaml.
4.12.2. Ввод элементов внутреннего
ориентирования
35.	Перейдите на вкладку Interior Orientation в диалоге Frame
Editor. Введите в поле Pixel size in х direction «размер» пикселя по
горизонтали 9.0. Введите в поле Pixel size in у direction «размер»
пикселя по вертикали 9.0, затем нажмите Enter. Установите
переключатель Apply to all Frames, чтобы введенные значения
использовать и для остальных снимков. Дважды нажмите кнопку Next.
Введенная информация об элементах внутреннего ориентирования
будет автоматически перенесена в соответствующие поля снимков
digcam2 и digcam3. Дважды нажмите кнопку Previous, чтобы
вернуться к первому снимку digcaml.
285
4.12.3. Просмотр параметров внешнего
ориентирования
36.	Перейдите на вкладу Exterior Information в диалоговом окне
Frame Editor. Информация об элементах внешнего ориентирования уже
присутствует здесь. Она была импортирована из файла airborne_GPS.dat.
37.	Нажмите кнопку Next для того, чтобы просмотреть элементы
внешнего ориентирования для второго снимка блока digcam2.
38.	Нажмите на кнопку Next чтобы просмотреть элементы
внешнего ориентирования для третьего снимка блока digcam3.
Обратите внимание, что параметры внешнего ориентирования
разнятся от снимка к снимку. Это происходит из-за того, что
ориентация камеры менялась в разные моменты съемки.
39.	Нажмите ОК, чтобы закрыть Frame Editor. Вы вернулись в
главное окно Менеджера Проектов LPS. Ячейки атрибута Int в таблице
теперь отображаются зеленым цветом, что говорит о том, что элементы
внутреннего ориентирования определены.
4.12.4. Автоматический сбор связующих точек
Теперь мы запускаем процесс автоматического сбора связующих
точек, определяющих геометрические связи между снимками блока. Как
было сказано выше, мы пропускаем этап ручного сбора опорных точек,
так как нам уже известны параметры внешнего ориентирования,
полученные в полете при помощи авиационной системы
позиционирования и инерционной навигационной системы.
286
40.	На панели инструментов главного окна Менеджера Проектов
LPS, нажмите кнопку Point Measurement Э (Измерение точек). Будет
открыто диалоговое окно запуска инструмента измерения точек.
41.	В диалоговом окне, Вам на выбор предлагаются два модуля -
классический инструмент измерения точек (Classic Point Measurement
Tool) и инструмент измерения точек в стереорежиме (Stereo Point
Measurement Tool). При помощи радиопереключателя выберите
классический инструмент измерения точек.
42.	На экране откроется диалоговое окно измерения точек (Point
Measurement). В левом Визуализаторе (Left View) отображается
первый снимок блока digcaml. В правом Визуализаторе (Right View)
отображается второй снимок блока digcaml. Чтобы в один из
Визуализаторов загрузить третий снимок digcam3, выберите
соответствующее значение в списках Left View или Right View.
287
Чтобы изменить -цвет отображения опорных точек, нажмите
]gi]
кнопку Viewing Properties (Свойства отображения). Будет запущено
диалоговое окно, позволяющее задавать розничные параметры
отображения объектов в Визуатизаторах. На панели Point Table Info
установите радиопереключатель в значение Advanced. Установите
переключатель Color. Нажмите ОК. В таблице координат точек
будет добавлена колонка атрибута Color. Щелкнув левой клавишей
мышки по соответствующей ячейке данного атрибута, Вы можете
выбрать нужный цвет из контекстного меню.
43.	На панели инструментальных кнопок диалогового окна
измерения точек нажмите кнопку Auto Tie Properties (Свойства
автоматического сбора связующих точек). Откроется диалог свойств
автоматического сбора связующих точек (Automatic Tie Point
Generation Properties).

Вепекй |	; 1	1
FfedFc. <-	d* " Г* rtu*	0ШП
а йаийьиМЛ'	ГЫ IF**
44.	Перейдите на вкладку Distribution. В поле Intended Number of
Points/Image введите значение 50 и нажмите Enter. Эта опция позволит
сгенерировать приблизительно 50 связующих точек на каждом
снимке.
45.	Нажмите кнопку Run в диалоге свойств автоматического
сбора связующих точек. Когда процесс будет завершен, появится
итоговое диалоговое окно, содержащее результаты генерирования
связующих точек по каждому снимку блока. Проанализировав
результаты, нажмите Close, чтобы закрыть итоговое окно.
288
4.12.5. Проверка точности связующих точек
46.	Связующие точки, сгенерированные на предыдущем
шаге, отобразятся в Визуализаторах, а их координаты появятся в
таблице файловых координат. Выделяйте в таблице необходимые
записи, щелкая мышкой в соответствующей ячейке атрибута Point #,
чтобы увидеть расположение выделенных точек в двух Визуализаторах.
Если визуально на паре снимков положение некоторой точки сильно
разниться, такую точку можно удалить.
Некоторые связующие точки присутствую не на всех трех
снимках, и могут быть недоступны для просмотра в одном из
Визуализаторов. В этой ситуации используйте списки Left
Hew или Right View на панели диалогового окна измерения точек, для
того чтобы выбрать другой снимок в правом или левом
Визуализаторах,
47.	Просмотрите расположение на снимках еще нескольких
связующих точек, выделяя другие строки в таблице. На панели
инструментов диалогового окна измерения точек нажмите кнопку Save,
чтобы сохранить в файле проекта промежуточные результаты. Затем,
нажмите кнопку Close. Вы вернетесь в главное окно Менеджера
Проектов LPS.
4.12.6. Выполнение аэротриангуляции
48.	После того, как Вы выполнили автоматический сбор связующих
точек на снимках, можете переходить к процессу триангуляции. В
главном меню Менеджера Проектов LPS выберите пункт Edit |
289
Triangulation Properties (Свойства триангуляции). Откроется диалог
аэротриангуляции.
49.	На вкладке General, установите переключатель Compute
Accuracy for Unknowns (Вычислить точность параметров заданных как
Unknown — неизвестные). Это позволит Вам получить точность
уточненных в процессе расчета элементов внешнего
ориентирования и координат X, Y, Z связующих точек.
50.	В списке Image Coordinate Units for Report выберите Microns
в качестве единиц измерения при создании отчета.
51.	Перейдите на вкладку Exterior, задающие параметры оценки
точности элементов внешнего ориентирования. В списке Туре
выберите значение Same weighted values (Одинаковые весовые
коэффициенты для всех значений). В каждом из полей ввода Хо, Yo и
Zo введите значение 2.0. Убедитесь, что для полей Omega, Phi и Карра
установлено значение 0.1.
290
52.	Перейдите на вкладку Advanced Options и в списке Blunder
Checking Model выберите значение Advanced robust checking
(Дополнительная проверка на устойчивость модели). При
выполнении дополнительной проверки автоматически распознаются и
удаляются из модели связующие точки, вносящие большую погрешность.
Сбросьте переключатель Use Image Observations of Check Points in
Triangulation - в данном проекте мы не создавали контрольные точки.
53.	Нажмите кнопку Run. После выполнения аэротриангуляции,
откроется диалоговое окно, содержащее обобщенные данные по процессу
триангуляции (Triangulation Summary). Результат, представленный в
разделе Total Image Unit-Weight RMSE, равен примерно одному микрону.
Это не больше, чем четверть пикселя.
291
Triangulation Properties (Свойства триангуляции). Откроется диалог
аэротриангуляции.
49.	На вкладке General, установите переключатель Compute
Accuracy for Unknowns (Вычислить точность параметров заданных как
Unknown - неизвестные). Это позволит Вам получить точность
уточненных в процессе расчета элементов внешнего
ориентирования и координат X, Y, Z связующих точек.
50.	В списке Image Coordinate Units for Report выберите Microns
в качестве единиц измерения при создании отчета.
51.	Перейдите на вкладку Exterior, задающие параметры оценки
точности элементов внешнего ориентирования. В списке Туре
выберите значение Same weighted values (Одинаковые весовые
коэффициенты для всех значений). В каждом из полей ввода Хо, Yo и
Zo введите значение 2.0. Убедитесь, что для полей Omega, Phi и Карра
установлено значение 0.1.
290
52.	Перейдите на вкладку Advanced Options и в списке Blunder
Checking Model выберите значение Advanced robust checking
(Дополнительная проверка на устойчивость модели). При
выполнении дополнительной проверки автоматически распознаются и
удаляются из модели связующие точки, вносящие большую погрешность.
Сбросьте переключатель Use Image Observations of Check Points in
Triangulation - в данном проекте мы не создавали контрольные точки.
53.	Нажмите кнопку Run. После выполнения аэротриангуляции,
откроется диалоговое окно, содержащее обобщенные данные по процессу
триангуляции (Triangulation Summary). Результат, представленный в
разделе Total Image Unit-Weight RMSE, равен примерно одному микрону.
Это не больше, чем четверть пикселя.
291
54.	Нажмите кнопку Report в диалоге Triangulation Summary.
Откроется подробный отчет по триангуляции, который содержит всю
информацию относительно связующих точек, использованных при
триангуляции. Этот отчет может быть сохранен как текстовый файл для
дальнейшего использования.
55.	Закончив просмотр и анализ, выберите в окне отчета пункт
меню File | Close. Нажмите на кнопку Accept в диалоговом окне
Triangulation Summary, чтобы принять полученные результаты.
Нажмите Close, чтобы закрыть диалоговое окно Triangulation Summary.
Наконец, нажмите ОК в диалоговом окне аэротриангуляции. Вы
вернетесь в главное окно Менеджера Проектов LPS. Ячейки атрибута Ext
будет отображаться зеленым цветом. Это означает, что элементы внешнего
ориентирования уточнены.
56.	На панели Display Mode главного окна Менеджера Проектов
LPS установите переключатель Point IDs. На схеме фотоблока, рядом с
точками будут показаны их идентификаторы.
292
57.	Переключитесь в режим выбора объектов, нажав
инструментальную кнопку Select ..™Ь. Дважды щелкните мышкой на
любой точке блока. Откроется диалог подробной информации о
выбранной точке.
4.12.7. Ортотрапсформировапие снимков
58.	В главном окне Менеджера Проектов LPS щелкните по
первой ячейки атрибута Ortho, отображающейся красным цветом.
Откроется диалог ортотрансформирования (Ortho Resampling).
293
59.	В поле Active Area введите значение 95. В этом поле задается
средний процент поверхности изображений подлежащий
ортотрансформированию. В списке DTM Source выберите значение
Constant - вместо ЦМР мы используем постоянное значение высоты. В
поле Constant Value введите константу 605.0. Использование
постоянного значения уместно для относительно плоских областей.
Если рельеф неравномерный, вместо постоянного значения, придется
указать внешний источник цифровой модели местности - DTM (DEM,
TIN, 3D-Shape, ASCII-файл). В поле Output Cell Sizes для X и Y
укажите значения 0.50 - «размер» пикселя выходного файла.
60.	Перейдите на вкладку Advanced. Установите в поле
Resampling Method значение Bilinear Interpolation - метод
передискретизации выходного изображения.
61.	Вы можете добавить сразу все снимки в Ваш блок
ортотрансформирования. Для этого, нажмите кнопку Add Multiple.
Откроется диалог Add Multiple Outputs.
294
62.	Убедитесь, что префикс ortho находится в поле File name.
Перед именами файлов, содержащих ортотрансформированные
снимки, будет автоматически добавлен этот префикс. Установите
переключатель Use Current Cell Sizes, чтобы все изображения в блоке
ортотрансформирования имели одинаковый, заданный ранее «размер»
пикселя 0.5 и нажмите ОК. Названия ортотрансформируемых
изображений будут добавлены на панель Проводника в Менеджере
Проектов LPS.
63.	Нажмите ОК в диалоге ортотрансформирования.
Откроется диалоговое окно состояния, показывающее ход
выполнения процесса ортотрансформирования. Когда процесс
завершиться, нажмите кнопку ОК. Сохраните проект, выбрав в меню
Менеджера Проектов LPS пункт File | Save.
64.	Теперь, Вы можете открыть ортотрансформированные
снимки в едином Визуализаторе ERDAS IMAGINE.
65.	Откройте Визуализатор ERDAS IMAGINE. Перейдите в каталог,
содержащий ортотрансформированные снимки. Выберите при помощи
клавиши SHIFT снимки orthodigcam 1.img, orthodigcam2.img,
orthodigcam3.img. На вкладке Raster Options сбросьте переключатель
Clear Display и установите переключатели Fit to Frame и Background
Transparent. Нажмите OK. Используйте утилиты Swipe и Flicker, для
просмотра областей перекрытия снимков.
295
4.13.	Сенсор с поперечной разверткой
SPOT
Данные, который Вы используете в этом упражнении,
представляют собой снимки района Палм Спрингс, Калифорния.
Съемочный блок содержит два панхроматических изображения с
пространственным разрешением 10 метров, полученные при помощи
сенсора SPOT.
Опорные координаты Вы сверяете по двум снимкам, один из
которых — спутниковый снимок, полученный при помощи сенсора с
поперечной разверткой SPOT, а другой - ортотрансформированный
аэрофотоснимок.
4.13.1.	Создание нового проекта
1.	Запустите ERDAS IMAGINE. Выберите в главном меню
ERDAS IMAGINE пункт Main | LPS. Будет запущен Менеджер
Проектов LPS.
2.	В главном меню Менеджера Проектов LPS выберите пункт
File | New. Откроется диалоговое окно создания нового проекта. Все
296
данные проекта записываются в бинарный файл блока с расширением
.blk.
3.	Укажите имя создаваемого файла как spot_tour.blk в папке,
где у Вас есть разрешение на запись. Нажмите ОК. Откроется диалог
настройки модели (Model Setup).
4.	В списке Geometric Model Category (Категория
геометрической модели) выберите опцию Polynomial-based Pushbroom.
Из списка моделей (Geometric Model) выберите значение SPOT
Pushbroom. Нажмите ОК. Откроется диалоговое окно настройки
свойств блока (Block Property Setup).
5.	Нажмите кнопку Set на панели Horizontal Reference Coordinate
System. Откроется диалоговое окно выбора проекции Projection
Chooser.
297
6.	Перейдите на вкладку стандартных проекций (Custom) и в
списке Projection Туре выберите опцию UTM. Затем, из списка
Spheroid Name , выберите Clarke 1866 и из списка Datum Name,
выберите NAD27 (CONUS). В поле UTM Zone введите значение 11. Из
выпадающего списка North or South, выберите North. Нажмите ОК, для
закрытия диалогового окна выбора проекций.
7.	В поле выбора горизонтальных единиц измерения (Horizontal
Units) диалогового окна настройки свойств блока выберите значение
Meters. Параметры горизонтальной координатной системы опорных
изображений будут отображены в окне. Вертикальная координатная
система устанавливается автоматически и в данном упражнении ее
менять не надо.
8.	Нажмите ОК. Диалог настройки свойств блока закроется, и
мы снова увидим главное окно Менеджера Проектов LPS.
4.13.2.	Добавление снимков в блок
9. Теперь необходимо добавить в проект набор снимков,
составляющих съемочный блок. Для этого в Проводнике проекта
выделите опцию Images.
В®	Ьйз
J3 и & ю
Block - frame Jtour
, Ем №33
OrthOS
В DTMs
298
10. В меню Менеджера Проектов LPS выберите пункт Edit | Add
Frame (Добавить снимок). В диалоге выбора файлов переместитесь в
подкаталог	демонстрационных	данных
<IMAGINE_HOME>/exampIes/orthobase/Spot и выберите файл
spotpan.img. После того, как снимок будет добавлен в блок, он
отобразится в таблице главного окна Менеджера Проектов LPS.
11. Теперь, необходимо построить слои пирамид для
добавленного в блок снимка. Выберите в меню Менеджера Проектов
LPS опцию Edit | Compute Pyramid Layers. Откроется диалоговое окно
построения слоев пирамид (Compute Pyramid Layers).
Win iiiiiiflWiir»
»	jsefectes'
s	Selsctedimages
T* :V?i r -it "• ВЙ	I
12.	Установите в диалоговом окне радиопереключатель в
значение All Images Without Pyramids и нажмите ОК. Этим, Вы
запустите процесс только для тех снимков, для которых слои пирамид
не существуют. Когда процесс завершиться, ячейка атрибута Руг
добавленного снимка будет закрашена в зеленый цвет.
4.13.3. Задание модели сенсора
13.	Теперь, Вы должны просмотреть параметры сенсора с
поперечной разверткой Spot, хранящиеся в заголовочных файлах
изображения. Заголовочные файлы могут содержать количество
столбцов и строк изображения (в пикселях), формат записи данных
(BIP, BIL, BSQ), разрядность хранения пикселя (например, 8-бит),
число спектральных каналов, количество заголовочных файлов
предшествующих данным и количество записей в заголовочных
файлах.
299
14.	Выберите Edit | Frame Editor в главном меню Менеджера
Проектов LPS или нажмите кнопку Frame Properties ® (Свойства
снимка). Откроется диалог редактирования снимка (Camera Frame
Editor), отображающий информацию о текущем снимке в таблице
Менеджера Проектов LPS, который выделен символом “ > “.
15.	Перейдите на вкладку Sensor. Нажмите кнопку Edit. Откроется
информационное диалоговое окно с данными о сенсоре (Sensor
Information).
16.	Информация в диалоге Sensor Information относится к
сенсору с поперечной разверткой SPOT, и извлечена из заголовочных
файлов снимка spot_pan.img. Проанализируйте данную информацию,
затем, нажмите ОК.
17.	Нажмите ОК в диалоге Frame Editor. Вы снова вернетесь в
главное окно Менеджера Проектов LPS. Ячейка атрибута Int, для
снимка spot_pan.img, отображается зеленым цветом. Это означает, что
мы определили информацию о сенсоре.
300
4.13.4, Запуск инструмента измерения точек
18.	На инструментальной панели Менеджера Проектов LPS.
нажмите кнопку Point Measurement О (Измерение точек). Будет
открыто диалоговое окно запуска инструмента измерения точек.
19.	В диалоговом окне, при помощи радиопереключателя
выберите классический инструмент измерения точек (Classic Point
Measurement Tool).
20.	На экране откроется диалоговое окно измерения точек (Point
Measurement), отображающее три Визуализатора, инструментальную
панель и две таблицы - первая, содержащая опорные координаты, а
вторая, содержащая файловые координаты.
301
Определение источника горизонтальных данных
21.	На панели инструментов нажмите иконку источника
горизонтальных данных (Horizontal Reference Source)^. Откроется
диалоговое окно задания источника данных опорных точек.
ПРИМЕЧАНИЕ: Любой, предварительно ортотрансформированный
снимок может быть использован для сбора горизонтальных (X,Y)
опорных точек.
22.	В диалоговом окне GCP Reference Source установите
радиопереключатель в значение Image Layer и нажмите ОК. Откроется
диалоговое окно Reference Image Layer, позволяющее задать снимок,
служащий источником горизонтальных данных. Перейдите в каталог
<IMAGINE_HOME>/examples/orthobase/Spot и выберите файл
xs_ortho.img. Нажмите ОК. Вы снова вернетесь к диалоговому окну
измерения точек Point Measurement Tool.
23.	В диалоговом окне Point Measurement Tool установите
переключатель Use Viewers As Reference.
24.	Диалоговое окно измерения точек автоматически отобразит
новый опорный снимок xs_ortho в тройке Визуализаторов слева, а
исходный снимок spot_pan в тройке Визуализаторов справа. Вы
будете получать опорные координаты выбором точек на снимке
xs ortho, которые будут соответствовать точкам на снимке spot_pan.
302
23.	Убедитесь, что на панели Fiducial Orientation установлен
режим ориентирования осей координатных меток! < !,
соответствующий первой кнопке. Нажав кнопку Open Viewed»!,
войдите в режим показа Визуализаторов. Будет открыто три
Визуализатора - главное окно, обзорное окно (показывающее весь снимок
полностью и окно детального просмотра, показывающее часть снимка,
над которой находится координирующая прямоугольная рамка. Любой
из этих трех Визуализаторов может быть использован для сбора
координатных меток, однако самое точное редактирование меток
выполняется в окне детального просмотра.
24.	Примерная область расположения первой координатной метки
определяется координирующей прямоугольной рамкой в главном окне и
отображается в окне детального просмотра
232
25.	Щелкните мышкой в центре координирующей
прямоугольной рамки в главном окне и перетащите ее так, чтобы
перекрестие координатной метки оказалась в центре прямоугольника.
Координатная метка отобразиться в центре окна детального
просмотра. Нажмите кнопку Place Image Fiducial (Разместить
координатную метку). Курсор примет форму перекрестия.
26.	Для измерения первой координатной метки позиционируйте
курсор на ее изображение в центре окна детального просмотра и
щелкните левой клавишей мыши. Координатная метка будет измерена, и
ее координаты отобразятся в колонках Image X и Image Y. Если при
помощи кнопки Set Automatic Move I® включен режим автоматического
перемещения, будет выполнена прокрутка изображения в область
приблизительного расположения следующей координатной метки.
27.	Для установки остальных меток повторите шаги 25 и 26.
Примечание: Координатные метки с 5 по 8 будут отображаться на
фотоснимке в виде точек, а не в виде перекрестий. Они являются
дополнительными координатными метками.
>
28.	Когда все восемь координатных меток будут измерены,
связанный курсор вернется к первой координатной метке.
Среднеквадратическая ошибка определения положения координатных
меток (выводится кнопкой Solve в панели Interior Orientation диалога
редактирования снимка) обычно не должна превышать 0.33 пикселя. Если
ошибка больше, повторите измерения некоторых координатных
233
точки 3 на этом снимке. Распознав местоположение, Вы можете
поставить опорную точку на снимке spot_pan.
Нажмите кнопку Create Point (Создание точки). Переместите
курсор в окно детального просмотра, содержащего снимок spot_pan и
щелкните мышкой в месте расположения точки 3. Опорная точка
будет размещена и помечена индексом 3. Таблица опорных координат
обновиться, в ней появятся координаты X File и Y File точки 3 на
снимке spot_pan.
Вы можете сверить положение опорной точки на снимке spot pan
с вспомогательными данными и подкорректировать файловые
координаты диалогового окна измерения точек в случае их расхождения более чем
на 2 пикселя.
Image Name	X File	Y File
spotpan	230.925	5378.823
37. Определение точки ID 4. Нажмите кнопку Add в верхнем
правом углу панели инструментов для того, чтобы добавить новую
точку. Строка с номером точки 4 будет добавлена в таблицу опорных
координат.
38. Вы можете использовать вспомогательную таблицу для
позиционирования опорной точки на снимке xs ortho:
Point ID X Reference Y Reference
515114.084	3759740.576
Следующий рисунок поможет вам определить положение точки 4
на снимках xs_ortho и spot_pan.
xs ortfm
spot_рзч
39. Так как функция
активизирована, Менеджер
spot_pan, указывая в
автоматического (х, у) перемещения
Проектов LPS скроллирует снимок
Визуализаторе примерную область
308
расположения точки 4. Нажмите кнопку Select Point и переместите
связанный курсор в Визуализаторе в местоположение точки 4.
Нажмите кнопку Create Point . Переместите курсор мыши в
окно детального просмотра, содержащего снимок spot_pan и щелкните
мышкой в распознанном местоположении точки 4 , Опорная точка
будет помещена на снимок и помечена индексом 4. Таблица опорных
координат обновиться, в ней появятся координаты пиксельные X File
и Y File точки 4 на снимке spotpan.
Вы можете использовать вспомогательную таблицу для контроля
положения опорной точки на снимке spot_pan.
Image Name
spot_pan
X File
869.542
Y File
2487.996
40. По аналогии с предыдущими шагами, установите точку 1D 5.
Используйте вспомогательную информацию для точки 5.
Point ID X Reference Y Reference
5
543537.306	3779981.255
Image Name X File
spot pan 3027.570

Y File
51.432
spot__pan
41. Таким же способом установите
вспомогательную информацию для точки 6
точку 1D 6. Используйте
Point ID X Reference Y Reference
6
558640.300	3751516.718
Image Name	X File	Y File
spot_pan	4999.412	2636.848
309
X5_orthc
spot_pan
42. Установите точку ID 7.
информацию для точки 7.
Используйте вспомогательную
Point ID
X Reference
Y Reference
7	532062.982	3724946.633
Image Name X File	Y File
spotpan 3064.254	5673.794
xs_orttx>
43.	По аналогии с предыдущими шагами, установите точку 1D 8.
Используйте вспомогательную информацию для точки 8.
Point ID X Reference Y Reference
8	539381.670	3768419.388
Image Name X File
spot pan	2890.880
xsjartho
Y File
1258.852
spot_pan
310
44. Установите точку
ID 9, используя вспомогательную
информацию.
Point ID
9
Image Name
spotpan
X Reference
526013.661
X File
1978.138
Y Reference
3753709.856
Y File
2919.004
xs_orttio
45.	В диалоге Point Measurement Tool нажмите кнопку Save для
сохранения промежуточных результатов.
4.13.7. Определение последних двух опорных точек
Последние две опорные точки ID 11 и ID 12, в отличие от
предыдущих точек, используют другой источник горизонтальных
данных - снимок NAPP_2m-ortho.img. Это ортоизображение
представляет собой фотографию масштаба 1:	40	000 с
пространственным разрешением 2 метра.
46.	Определение нового источника горизонтальных данных. На
панели инструментов нажмите кнопку Horizontal Reference Source
(Источник горизонтальных данных). Откроется диалоговое окно
выбора источника данных опорных точек (GCP Reference Source).
- _______________________
ASCII 1'й [3D1
|
" D'flitang ГаЫв! (MswJ
311
47.	В диалоговом окне GCP Reference Source установите
радиопереключатель в значение Image Layer и нажмите ОК. Откроется
диалог Reference Image Lax er. позволяющий выбрать новый снимок,
служащий источником горизонтальных данных. В каталоге
<IMAGINE_HOME>/examples/orthobase/Spot выберите файл
NAPP_2m-ortho.img. Нажмите ОК. Диалог Reference Image Layer
закроется, и вы вернетесь в окно Point Measurement Tool. Файл
NAPP_2m-ortho.img автоматически загрузится в левую тройку
Визуализаторов.
Чтобы различать источники горизонтальных данных xsortho и
NAPP_2m-ortho, мы пропустим идентификатор ID 10 и назовем
следующую опорную точку ID 11.
48.	Определение точки 11. Используя вспомогательные данные,
введите в таблицу координаты опорной точки на снимке NAPP_2m-
ortho.img и исправьте ее индекс (Point ID) с 10 на 11.
Point ID
X Reference V Reference
Il	545372.750	3741643.250
312
Затем распознайте местоположение опорной точки 11 на снимке
spot_pan и установите ее там при помощи кнопки Create Point .
Вы можете использовать вспомогательную таблицу для уточнения
позиционирования опорной точки на снимке spot_pan.
Image Name
spot_pan
X File	V File
3982.969	3817.813
49.	Определение точки ID 12. Используя вспомогательные
данные, введите в таблицу координаты опорной точки 12 на снимке
NAPP_2m-ortho.img.
Point ID
X Reference Y Reference
12	540901.659	3746876.633
Сверяясь с рисунком, приведенным выше, распознайте
местоположение опорной точки 12 на снимке spotpan и установите
ее в правой тройке Визуализаторов, используя кнопку Create Point .
313
Вы можете использовать вспомогательную таблицу для уточнения
положения опорной точки 12 на снимке spot_pan.
Image Name
spot_pan
X File
3469.092
V File
3367.939
50.	В диалоге Point Measurement Tool снова нажмите кнопку
Save для сохранения промежуточных результатов и сбросьте
переключатель Use Viewer As Reference. Визуализаторы, содержащие
снимок NAPP_2m-ortho.img будут закрыты.
4.13.8.	Определение источника вертикальных данных
Для того, чтобы задать Z или значения превышений для всех
опорных точек, которые вы выделили на опорных снимках xs ortho и
NAPP_2m-ortho, вы должны зададите цифровую модель рельефа
(ЦМР), подключив файл palm_springs_dem.img, содержащий
информацию о высотах.
51.	На панели инструментов нажмите кнопку Vertical Reference
Source (Источник вертикальных данных). Откроется диалоговое
окно указания источника вертикальных данных, в котором необходимо
установить радиопереключатель в значение DEM (ЦМР), чтобы
получить высотную информацию из файла цифровой модели рельефа.
52.	В списке, задающем имя ЦМР, выберите опцию Find DEM.
Откроется диалоговое окно, позволяющее задать имя файла,
содержащего ЦМР. Выберите файл palm_springs_dem.img из каталога
<lMAGlNE_HOME>/examples/orthobase/Spot. Нажмите ОК в
314
диалоге выбора файла. Нажмите ОК в диалоге Vertical Reference
Source.
53.	В диалоговом окне Point Measurement правой кнопкой мыши
щелкните по столби} Point = и выберите из контекстного меню опцию
Select АП.
7
54.	Нажмите кнопку Update Z Values on Selected Points “
(Обновить значение Z для выбранных точек). Значения Z всех
опорных точек обновятся в таблице опорных координат в
соответствии со данными ЦМР palm springs dem. Снова правой
кнопкой мыши щелкните по столбцу Point # и выберите из
контекстного меню опцию Select None, чтобы снять выделение точек в
таблице.
х
X Releience
Y Reference
~ 1759740 5/6
3779981.255
3751516.718
3724946-633
3768419-388
3753709.858
3741643-250
3746876.633
:515 ‘ ‘
543537-306:
558640.300
532062.982
539381 670
526013 661
545372 750
540901 659
Z Reference
X
е

9^4 397 К;
1281 302 |
349 976 S
1337 047 g
7
4 !_
122 000 §
4.13.9.	Установка атрибутов «тип» (type) и «вариант
использования» (usage) для опорных точек
До сих пор атрибут Туре для точек в таблице опорных координат
по умолчанию был установлен в значение None, а атрибут Usage в
значение Tie. На следующем этапе мы зададим новые значения для
полей Туре и Usage при помощи диалогового окна Formula.
55.	В таблице опорных координат, щелкните левой клавишей
мыши по названию столбца Туре. Все ячейки атрибута Туре будет
выделены синим цветом. Щелкните правой кнопкой мышки по
названию столбца Туре и из контекстного меню выберите пункт
Formula. Откроется диалоговое окно построения формулы (Formula).
315
Point ID		—J	General
Description	modi' a/ 't И		oun
Type	эхча: J	- >.	й.ййО
Usage	inN<3.'l		Й.ЙЙО 00
Active	e.-enba 1		0
X Reference	odd|vdzl		OHOc
Y Reference	так|<а'-/Ь>'		O.OOE+OO
Z Reference	min{<a>,<b>]		m/d/vy
r ornsjla-;
2J±I±LJ
111ИИЯИ’
.liiii
±1 jj jjjj
Appfy |	Cleat I Close | Help i
56.	В поле Formula диалогового окна введите значение Full и
нажмите кнопку Apply. Все значения в ячейках атрибута Туре
изменятся на Full (то есть, для точки известны все три координаты - X,
Y и Z). Нажмите кнопку Close и закройте диалоговое окно Formula.
Отмените выделение столбца Туре, щелкнув правой кнопкой мыши по
названию атрибута и выбрав из контекстного меню пункт Select None.
57.	Щелкните левой клавишей мыши по названию атрибута
Usage. Все ячейки атрибута Usage будут выделены синим цветом.
Щелкните правой кнопкой мыши по названию атрибута Usage и из
контекстного меню выберите опцию Formula. Снова откроется
диалоговое окно Formula.
58.	В поле Formula диалога введите значение Control и нажмите
кнопку Apply в диалоге Formula. Все значения в ячейках атрибута
Usage изменятся на Control (то есть использовать точки как опорные).
Нажмите кнопку Close и закройте диалоговое окно Formula.
59.	Отмените выделение столбца Usage, щелкнув правой кнопкой
мыши по названию атрибута и выбрав из контекстного меню пункт
Select None.
60.	На панели инструментов окна измерения точек нажмите
кнопку Save для сохранения промежуточных результатов. Нажмите
кнопку Close. Окно измерения точек будет закрыто. Вы снова увидите
главное окно Менеджера Проектов LPS.
316
4.13.10.	Добавление второго снимка в блок
Теперь, когда вы успешно собрали опорные координаты на
опорных снимках xsortho и NAPP_2m_ortho, а также файловые
координаты на первом снимке блока spot pan, вы можете начать
работу со вторым снимком блока - spot_panb.
61.	В меню Менеджера Проектов LPS выберите пункт Edit | Add
Frame (Добавить снимок). В диалоге выбора файлов переместитесь в
каталог <IMAGINE HOME>/examples/orthobase/Spot и выберите
файл spot_panB.img. Снимок будет добавлен в блок и показан в
таблице главного окна Менеджера Проектов LPS.
62.	Постройте слои пирамид для нового изображения в блоке.
Выберите в меню Менеджера Проектов LPS пункт Edit | Compute
Pyramid Layers, или просто щелкните мышкой в ячейке атрибута Руг
снимка spot_panb. Откроется диалоговое окно построения слоев
пирамид (Compute Pyramid Layers), в котором следует выбрать опцию
All Images Without Pyramids и нажать ОК.
4.13.11.	Определение модели сенсора
Теперь, в Менеджере Проектов LPS Вы должны установить
параметры сенсора, при помощи которого был получен второй снимок
блока. В нашем случае, это тот же самый сенсор с поперечной
разверткой SPOT, который мы определяли ранее.
63.	Выберите Edit | Frame Editor в главном меню Менеджера
Проектов LPS или нажмите кнопку Frame Properties ® (Свойства
снимка). Откроется диалог редактирования снимка (SPOT Pushbroom
Frame Editor), позволяющий задавать информацию о снимке
spot panb, выделенном символом “>” в таблице Менеджера
Проектов LPS.
64.	Нажмите ОК в диалоге SPOT Pushbroom Frame Editor, чтобы
принять параметры сенсора без изменений.
317
4.13.12. Запуск инструмента измерения точек
Теперь мы запустим инструмент измерения точек, для того, чтобы
вы могли перенести точки, собранные на первом снимке spotpan, на
второй снимок spot_panb.
65.	На инструментальной панели главного окна Менеджера
Проектов LPS нажмите кнопку Point Measurement Ф (Измерения
точек). Будет открыто диалоговое окно измерения точек (Point
Measurement), содержащая панель инструментов для измерения точек
(Point Measurement Tool), левую тройку Визуализаторов,
отображающих снимок spot_pan, правую тройку Визуализаторов,
отображающих снимок spot_panb, таблицу для записи опорных
координат и таблицу для записи файловых координат.
318
4.13.13. Сбор опорных точек на втором снимке
Сбор опорных точек на снимке spot_panb основывается на
информации о ранее собранных точках на spot_pan. С целью
упрощения упражнения для опорных точек на снимке spot_panb
приводятся файловые координаты X File и Y File. Однако, если Вы
визуально определите опорные точки на снимке spot_panb, это можно
только приветствовать.
66.	Определение точки ID 1. В таблице опорных координат,
щелкнув левой клавишей мышки на записи 1 атрибута Point #,
выделите строку под номером 1. Снимок spotpan автоматически
переместиться в Визуализаторе так, чтобы отобразить точку ID 1.
Нажмите кнопку Select Point и поместите связанный курсор в
Визуализаторе, содержащем снимок spot_panb, над точкой ID 1.
67.	Нажмите кнопку Create Point (Создание точки).
Переместите курсор мыши в окно детального просмотра, содержащего
опорный снимок spot_panb. Опорная точка будет размещена и
помечена индексом 1.
Сверьтесь с данными вспомогательной таблицы, содержащей
файловые координаты опорной точки 1 на снимке spot_panb. Если
координаты отличаются более чем на два пикселя, подкорректируйте
значения в таблице файловых координат окна измерения точек.
Image Name	X File	Y File
spot_panb	2857.270	753.852
68.	Определение точки ID 2. В таблице опорных координат
выделите строку, содержащую точку под номером 2. Снимок spot_pan
автоматически переместиться в Визуализаторе так, чтобы отобразить
точку ID 2. Нажмите кнопку Select Point и поместите связанный
курсор в Визуализаторе, содержащем снимок spot_panb, над точкой
ID 2.
69.	Нажмите кнопку Create Point . Переместите курсор мыши
в окно детального просмотра, содержащего опорный снимок
spotpanb. Опорная точка будет размещена и помечена индексом 2.
319
Снова сверьте данные из вспомогательной таблицы с файловыми
координатами в таблице для опорной точки 2 на снимке spot_panb.
При необходимости произведите коррекцию.
Image Name X File	Y File
spot_panb 3003.782	5387.892
70.	Точки ID 3 и ID 4 расположены вне снимка spot_panb,
поэтому, сразу переходим к точке ID 5.
71.	По аналогии с предыдущими шагами определим точку ID 5.
Вы можете использовать вспомогательную таблицу' для
позиционирования опорной точки 5 на снимке spot_panb.
Image Name X File	Y File
spot panb 1022.701	644.456
72.	Таким же способом определим точку [D 6. Вы можете
использовать вспомогательную таблицу для уточнения положения
опорной точки 6 на снимке spot_panb.
Image Name	X File	Y File
spot_panb	2736.125	3070.227
73.	Точка ID 7 расположена вне снимка spot_panb. Пропускаем
ее.
74.	По аналогии с предыдущими шагами определим точку 1D 8.
Вспомогательная таблица, используемая для позиционирования
опорной точки 8 на снимке spot_panb, приведена ниже.
Image Name	X File	Y File
spot panb	937.482	1862.696
75.	Определим положение точки ID 9, используя
вспомогательную таблицу.
Image Name X File	Y File
spot panb 221.445	3594.113
76.	Точка 10 (на снимке spot pan мы именовали ее ID 11) не
расположена на снимке spotpanb. Пропускаем ее.
320
77.	По аналогии с предыдущими шагами определим точку 11,
(соответствующую ID 12). Используйте вспомогательную таблицу для
позиционирования опорной точки 12 на снимке spot_panb.
Image Name	X File	Y File
spot panb	1499.230	3923.753
78.	В таблице опорных координат, щелкнув правой клавишей
мышки на любой записи атрибута Point # из контекстного меню
выберите пункт Select None. Для сохранения промежуточных
результатов на панели инструментов окна измерения точек нажмите
кнопку Save.
4.13.14. Выполнение автоматического сбора
связующих точек
В процессе автоматического сбора связующих точек
устанавливаются координаты опорных точек, расположенных в
областях перекрытия двух снимков spot_pan и spot panb.
79.	На инструментальной панели окна измерения точек нажмите
кнопку Auto Tie Properties ® (Свойства автоматического определения
связующих точек). Откроется диалог установки свойств
автоматического определения связующих точек (Automatic Tie Point
Generation Properties).
80.	Установите радиопереключатель Images Used в положение
All available, а радиопереключатель Initial Type в Exterior/Header/GCP.
Установите значение поля Image Layer Used for Computation в 1.
321
81.	Перейдите на вкладку Distribution. В поле Intended Number of
Points Per Image введите значение 40. Убедитесь, что опция Keep All
Points отключена, это позволит системе отбросить некорректно
сгенерированные точки.
82.	Нажмите кнопку Run в диалоге Automatic Tic Point Generation
Properties. Менеджер Проектов LPS начнет процесс автоматического
создания связующих точек, состояние выполнения которого будет
отображаться в строке статуса окна измерения точек. Когда процесс
будет завершен, созданные связующие точки отобразятся в
Визуализаторах окна измерения точек. Созданные связующие точки
имеют значение None для атрибута Туре и значение Tie для атрибута
Usage. Их координаты отображаются в таблице опорных координат
(атрибуты X Reference и Y Reference) и в таблице файловых координат
(атрибуты X File и Y File).
4.13.15. Проверка точности связующих точек
Вы всегда должны проверять хотя бы несколько сгенерированных
связующих точек, чтобы убедиться в их точности. Если точка не так
точна, как это требуется, Вы можете переместить ее, используя
инструментальную кнопку Select Point . В качестве
альтернативного подхода, Вы можете удалить связующую точку,
выделив соответствующую строку в таблице опорных координат и
нажав кнопку Delete.
83.	В таблице опорных координат, пользуясь полосой прокрутки,
найдите и выделите точку 1D 35. Точка отобразится в Визуализаторах.
Эта связующая точка имеет достаточно высокую точность. Проверьте
еще несколько связующих точек. По окончании проверки, для
сохранения промежуточных результатов нажмите кнопку Save.
Нажмите кнопку Close, чтобы закрыть диалоговое окно измерения
точек. Вы вернетесь в главное окно Менеджера Проектов LPS.
4.13.16. Выполнение триангуляции
Теперь, когда вы получили опорные и связующие точки, в LPS
имеется достаточно информации для проведения триангуляции. Этот
этап обработки блока устанавливает математическое соотношение
между снимками, составляющими блок, моделью сенсора и земной
поверхностью.
322
84.	Из меню Менеджера Проектов LPS выберите пункт Edit |
Triangulation Properties. Откроется диалоговое окно параметров
триангуляции.
J
85.	Установите в поле Iterations With Relaxation значение 3.
Убедитесь, что в поле, задающем единицы измерения данных,
генерируемых для отчета (Image Coordinate Units for Report)
установлено значение Pixels.
86.	Перейдите на вкладку Points, контролирующую параметры
опорных точек. На панели Ground Point Type and Standard Deviations
установите в списке Type значение Same Weighted Values - для всех
трех координат используются одинаковые значения для оценки
точности. В трех числовых полях X, Y и Z введите значение 15.
Значение оценки точности 15 метров задается потому, что
пространственное разрешение снимка xs_spot, который используется
в качестве опорного изображения для определения точек от 1 до 9,
составляет 20 метров на пиксель. Такое значение гарантирует, что
точность опорных точек составит приблизительно 15 метров.
87.	Перейдите на вкладку Advanced Options. Убедитесь, что
переключатель Simple Gross Error Check Using (Простая проверка
общей ошибки) установлен. Значение в поле Times of Unit Weight уже
установлено в 3.0 и не требует изменения.
88.	Нажмите кнопку Run. Будет запущен процесс триангуляции.
По завершению процесса откроется диалоговое окно итогов
триангуляции (Triangulation Summary).
323
89.	В диалоговом окне Triangulation Summary нажмите кнопку
Report. В отдельном окне будет открыт отчет о выполнении
триангуляции (Report). Вы можете сохранить отчет в виде текстового
файла и позже, ссылаться на него.
90.	Просмотрев отчет, закройте его, выбрав пункт меню File |
Close в окне Report. Вы вернетесь в окно итогов триангуляции.
91.	Нажмите кнопку Accept в окне Triangulation Summary. Затем,
нажмите ОК. Вы вернетесь в главное окно Менеджера Проектов LPS.
Колонка Ext отображается зеленым цветом. Это говорит о том, что
информация по элементам внешнего ориентирования определена. В
меню главного окна Менеджера Проектов LPS выберите пункт File ]
Save, для сохранения результатов проекта.
4.13.17. Ортотрансформирование снимков
На следующем шаге создаются ортотрансформированные
изображения, в которых скорректированы смещение за рельеф и
геометрические ошибки. На ортотрансформированных изображениях
объекты находятся в реальных координатах X и Y.
324
92.	На инструментальной панели главного окна Менеджера
Проектов LPS. нажмите кнопку Ortho Resampling ®
(Ортотрансформирование). Откроется диалоговое окно установки
параметров ортотрансформирования. Перейдите на вкладку General.

93.	В списке DTM Source (Источник ЦММ) выберите опцию
DEM, файл, содержащий цифровую модель рельефа, ЦМР. В списке
DEM File Name выберите опцию Find DEM. Откройте из каталога
<IMAGINE_HOME>/examples/orthobase/Spot в качестве ЦМР -
источника файл palm_springs_dem.img. В поле Vertical Units
установите единицы измерений ЦМР - Meters. В поле Output Cell Sizes
для X и Y укажите значения 10.0.
94.	Перейдите на вкладку Advanced. Установите поле
Resampling Method (Метод передискретизации) в значение Bilinear
Interpolation (Билинейная интерполяция).
95.	Нажмите кнопку Add. Откроется диалоговое окно Add
Multiple Outputs, позволяющее задать имя и каталог для выходного
файла.
96.	В списке Input File Name выберите исходный снимок
spot_pan.img для которого будет создаваться
325
ортотрансформированное изображение. В поле Output File Name
автоматически, путем прибавления префикса ortho к названию
указанному в поле Input File Name, задается имя выходного файла,
содержащего ортотрансформированное изображение. При помощи
кнопки выбора каталога, убедитесь, что этот файл сохраняется в
директорию, где у Вас есть право записи. Установите переключатель
Use Current Cell Sizes. Нажмите OK. Параметры
ортотрансформированного изображения (каталог, имя, префикс,
размер ячейки) для второго снимка блока spot_panb.img будут
установлены автоматически.
97.	Нажмите ОК в диалоге ортотрансформирования. Откроется
диалог состояния, показывающий выполнение процесса
ортотрансформирования. Когда диалог состояния покажет, что
процесс завершился, нажмите кнопку ОК, чтобы закрыть его.
98.	Вы можете открыть ортотрансформированные снимки, в
едином Визуализаторе. Запустите Визуализатор ERDAS IMAGINE.
99.	Перейдите в директорию, в которой Вы сохранили
ортотрансформированные снимки. Выберите при помощи клавиши
SHIFT файлы orthospotpan.img и orthospot_panb.img. На вкладке
Raster Options сбросьте переключатель Clear Display и установите
переключатели Fit to Frame и Background Transparent. Нажмите OK.
100.	Используйте утилиты Swipe и Flicker, для просмотра областей
перекрытия снимков.
326
5.	Сшивка изображений. Инструменты
мозаики.
5.1.	Сшивка двух аэрофотоснимков
Сейчас мы научимся выполнять сшивку двух аэрофотоснимков.
1.	В Визуализаторе ERDAS IMAGINE откройте первый снимок.
Выберите пункт меню File | Open | Raster Layer. В диалоговом окне
открытия изображения выберите файл air-photo-1.img из каталога
<IMAGINE_HOME>/examples. На вкладке Raster Options установите
переключатель Fit to Frame. Нажмите ОК. В Визуализаторе будет
открыто первое изображение.
2.	Запустите второй Визуализатор ERDAS IMAGINE. Откройте в
нем второй снимок - air-photo-2.img из директории
<IMAGINE_HOME>/examples.
3.	Из главного меню ERDAS IMAGINE выберите пункт Session
Tile Viewers. Визуализаторы будут упорядочены на экране.
4.	В главном меню ERDAS IMAGINE выберите пункт Main |
Data Preparation. Будет открыто окно Data Preparation, содержащее
набор инструментов подготовки данных.
327
kh DdU Piepitraiton |X
Create New Image...
Create Stitace
Subset Image
Dee Image .
Image GeometricCorrection.
Mosaic Images...
Unstoervtsed Ctessrticabon .
Reprqectlmages...
Recalculate Elevation Values
Imagizet Date Prep
Make RPF TGC
Un^pNlTFs
Pfo*-...-..rjl Help
5.	Нажмите кнопку Mosaic Images. Откроется окно, содержащее
средства создания мозаики изображений.
МошеРю.
Mosaic Tool
Mosaic Direct.
Mosae Wizard .
I.'.........^..^^..n.-.~....i Hefe
6.	Нажмите кнопку Mosaic Tool. Откроется главное окно
инструмента построения мозаики изображений.
i
I
L
328
7.	Закройте окно Data Preparation, чтобы очистить экран.
8.	В Визуализаторе. содержащем первый снимок air-photo-1.img
выберите пункт меню АО1 | Tools. Будет открыта панель, содержащая
набор инструментов для работы с областями интересов изображений.
9.	На панели инструментов AOI нажмите инструментальную
кнопку Create Polygon AOI (Создание полигональных областей
интересов).
10.	На изображении открытом в первом Визуализаторе создайте
полигональную область интересов, так, чтобы отсечь по краям снимка
области, содержащие координатные метки. Чтобы замкнуть полигон,
выполните двойной щелчок левой клавишей мыши.
329
И. Из меню Визуализатора выберите пункт File | Save | AOI Layer
As, чтобы сохранить в файл созданную область интересов. Дайте
файлу имя template.aoi и сохраните его в каталог, где у Вас есть право
записи.
12.	В главном окне инструмента построения мозаики выберите
пункт меню Edit | Add Images. Будет открыто диалоговое окно Add
Images, позволяющее добавить снимки в набор мозаики.
13.	В диалоговом окне выберите первое изображение
air-photo-1.img и перейдите на вкладку Image Area Options.
Установите радиопереключатель в значение Template AOI.
14.	Нажмите кнопку Set, чтобы задать для первого снимка область
интереса, ограничивающую зону обработки первого снимка. Будет
открыто диалоговое окно, позволяющее выбрать область интересов.
15.	В диалоговом окне установите радиопереключатель в
значение AOI File. В поле Select the AOI File, выберите файл
template.aoi, сохраненный Вами на предыдущих шагах. Пользуйтесь
кнопкой выбора каталога для указания файла. Нажмите ОК в
диалоговом окне выбора области интересов. Нажмите ОК в
диалоговом окне Add Images. Снимок air-photo-1.img будет добавлен
в визуализатор главного окна инструмента построения мозаики.
330
18.	Если таблица атрибутов не отображается, установите в
визуализаторе пункт меню Edit | Show Image Lists.
19.	Определим область пересечения двух снимков. На панели
визуализатора мозаики нажмите инструментальную кнопку Set Mode
for Intersections © (Режим показа зоны перекрытия). Режим
отображения в главном окне инструмента мозаики изменится. В
визуализаторе будет показана область пересечения двух снимков. В
таблице будут отображаться атрибуты области пересечения. Щелкните
левой клавишей мыши внутри области пересечения снимков. Область
будет выделена желтым цветом.
331
20.	Теперь научимся задавать секущую линию (cutline),
определяющую на снимках границы областей, включаемых в процесс
построения мозаики. Можно провести единую секущую линию через
все снимки или определить ее на отдельно выбранных снимках.
21.	На панели инструментальных кнопок мозаики нажмите
кнопку Cutline Selection Viewer П (Визуализатор для работы с
секущей линией). Будет открыт третий Визуализатор ERDAS
IMAGINE, отображающий оба снимка и границу их пересечения.
332
22.	В третьем Визуализаторе выберите инструментальную кнопку
Interactive Zoom In и увеличьте область, в пределах которой Вы
будете редактировать расположение секущей линии.
23.	Из меню третьего Визуализатора выберите пункт AOI | Tools,
чтобы открыть панель инструментов областей интересов.
AUI
Ч □ □ о
г1 Ч +
X Ча е
? и ж s
Й 5‘"
333
24.	На панели инстрх ментов областей интересов выберите кнопку
Create Polyline AOI (Создание линейной области интересов).
Курсор примет форму перекрестия.
25.	Задайте секущую линию в границах области пересечения.
Выполните двойной щелчок для завершения линии.
26.	В панели инструментов мозаики нажмите кнопку Set АО1
Cutlines for Intersections 0 (Задать секущие линии для областей
пересечения). Откроется диалоговое окно выбора источника данных
для секущей линии.
334
27.	Оставьте в диалоговом окне значения радиопереключателей
по умолчанию (AOI from Viewer и Apply cutlines to selected regions
only). Нажмите кнопку OK. Нажмите Yes (Да) в диалоговом окне,
выдающем предупреждение о том, что секущие линии могут быть
потеряны при изменении картографической проекции снимка.
28.	Секущая линия будет отображена красным цветом в
визуализаторе инструмента построения мозаики.
инструментальную кнопку Set Overlap Function 1Л (Установить
функцию перекрытия) в визуализаторе мозаики. Откроется диалоговое
окно установок функции перекрытия.
335
33.	В диалоговом окне убедитесь, что в списке Method,
определяющем метод «сборки» выходного изображения, задано
значение Union of All Inputs (Объединение всех входящих
изображений). Нажмите ОК. Диалоговое окно будет закрыто.
34.	Теперь вы можете запустить процесс генерирования мозаики.
В меню инструмента построения мозаики выберите пункт Process | Run
Mosaic. Будет открыто окно, позволяющее задать имя выходного
файла мозаики, содержащего результаты сшивки. Перейдя в каталог,
где у Вас есть право записи, введите имя этого файла - AirMosaic.
337
35.	Перейдите на вкладку Output Options диалогового окна.
Установите переключатель Stats Ignore Value, чтобы в выходном файле
игнорировать указанные значения при расчете статистических
показателей. Нажмите ОК.
36.	Будет запущен процесс генерирования мозаики, по окончании
которого можно просмотреть выходной файл.
37.	Откройте дополнительный Визуализатор в ERDAS IMAGINE.
Загрузите в Визуализатор результирующий файл сщивки изображений
AirMosaic.img и просмотрите его.
38.	При помощи инструмента «шторка» сравните файл
AirMosaic.img с исходными изображениями air-photo-1.img и air-
photo-2.img.
39.	Закройте все Визуализаторы. Закройте главное окно
инструмента построения мозаики изображений. Не сохраняйте
результаты. Данное упражнение закончено.
338
5.2.	Автоматическое генерирование секущих
линий
Вместо того, чтобы вручную создавать секущую линию по
области перекрытия снимков, Вы можете использовать инструменты
создания мозаик изображений ERDAS IMAGINE, чтобы
автоматизировать этот процесс. Вы уже освоили основные навыки
работы с инструментами создания мозаики изображений, поэтому,
типовые операции описаны кратко. Вернитесь к первой части
упражнения, в том случае, если выполнение какой-то операции
вызывает у Вас затруднение.
1.	В главном меню ERDAS IMAGINE выберите пункт Main |
Data Preparation. Будет открыто окно Data Preparation.
2.	Нажмите кнопку Mosaic Images, затем кнопку Mosaic Tool в
следующем окне. Откроется окно, содержащее средства создания
мозаики изображений.
3.	Закройте окно Data Preparation, чтобы очистить экран.
4.	В визуализатор инструмента построения мозаики, выбрав в
меню пункт Edit | Add Images, добавьте два снимка 2-2.img и 2-3.img из
каталога <IMAGINE_HOME>/examples.
339
5.	В визуализаторе активируйте режим показа зоны пересечения,
нажав инструментальную кнопку Set Mode for Intersections в .
6.	Нажмите кнопку Automatically Generate Cutlines for
Intersections Б1 (Автоматическое генерирование секущей для области
перекрытия). Диалоговое окно установок для генерирования секущей
будет открыто.
Cutline Generation Method
Т '* Weighted Outline	Set... ;
; Most Nad» Cutline
i < GewiWt^Hbased Outline J
Don'tAsI' MeThsQuettionAgari
jt ‘	lancet ’ Help ji
7.	В диалоговом окне установите радиопереключатель Cutline
Generation Method (Метод генерирования секущей) в значение
Weighted Cutline (Использовать взвешенные значения) и нажмите
кнопку Set. Будет открыто диалоговое окно установок для расчета
весовых факторов.
$ Со I • hl-d 1 нПпр ili<Hi  '! X
Outline Refining Pai<iwtefSA)Ty<f y
Segment Length (in РмеМ H1-1
Bounding Width (in PW (200 t - '
Cost Function Weighting Factors
Pixel Value Similarity 11	~ fl
Direction	1	~r\   
Standard Deviation.	p
| СИ| j" Capc^,p| H elp |;
8.	Оставьте все параметры расчета весовых факторов
неизменными. Нажмите ОК.
9.	Нажмите Yes (Да) в диалоговом окне, предупреждающем о
том, что секущие линии могут быть потеряны при изменении
340
проекции снимка. Будет запущен процесс генерирования секс щей
линии.
10.	После завершения процесса генерирования, секущая линия
будет отображена красным цветом в визуализаторе.
11.	Переместите курсор мыши в область перекрытия двух
снимков в область секущей линии. Щелкните левой клавишей мыши.
Область в визуализаторе будет выделена желтым цветом. Также будет
выделена информация в таблице.
12.	На панели инструмента построения мозаики нажмите
инструментальную кнопку Outline Selection Viewer Auto Mode E3
(Автоматический режим показа в Визуализаторе секущей). Будет
открыт дополнительный Визуализатор ERDAS IMAGINE и в нем
показаны оба снимка, их область перекрытия и секущая линия.
341
13.	Просмотрите в Визуализаторе секущую линию при
увеличенном масштабе. Проанализируйте ее особенности. В
частности, обратите внимание, что секущая линия прошла вдоль
дорожного полотна.
14.	Закройте инструмент построения мозаики. Не сохраняйте
выходные данные.
5.3.	Создание мозаики изображений для
снимков LANDSAT
Два снимка, используемые в данном упражнении, получены при
помощи мультиспектральной сканирующей спутниковой системы
LANDSAT MSS (wasial_mss.img и wasialmss.img). Третий снимок
(wasia3_tm.img) получен при помощи семидиапазонной сканирующей
спутниковой системы LANDSAT ТМ.
1.	Откройте Визуализатор ERDAS IMAGINE. Загрузите в
Визуализатор три файла wasial_mss.img, wasia2_mss.img и
wasia3 tm.img из каталога <lMAGINE_HOME>/examples.
Используйте клавишу Shift, чтобы выделить все три файла
одновременно. В диалоге загрузке файлов, на вкладке Raster Options
сбросьте переключатель Clear Display и установите переключатели
Background Transparent и Fit to Frame. Нажмите OK, чтобы добавить
снимки в единый Визуализатор.
342
2.	В главном меню ERDAS IMAGINE выберите пункт Main |
Data Preparation. Будет открыто окно Data Preparation, содержащее
набор инструментов подготовки данных.
йь !' ii । Ptepcwatfori
Create Newlmage...
Create Surface
Subset Image
Dice Image
Image GeometireCcrrecton
Мосек image.
Unsupetvised Oasstfication .
Reproiett Images
Recalculate Elevahw Values..
Imagizet Data Prep...
MaFeRFFTOC
UndupNITFs
n O'pse^ | Help
343
3.	Нажмите кнопку Mosaic Images, затем кнопку Mosaic Tool в
следующем диалоговом окне. Откроется окно, содержащее средства
создания мозаики изображений.
4.	Закройте окно Data Preparation, чтобы очистить экран.
5.	В визуализаторе инструмента построения мозаики, выберите
пункт меню Edit | Add Images.
6.	В диалоге добавления снимков, выделите при помощи
клавиши Shift те же три снимка wasialmss.img, wasialmss.img и
wasia3_tm.img. Перейдите на вкладку Image Area Options.
7.	На указанной вкладке установите радиопереключатель в
значение Compute Active Area. Теперь, стала доступной кнопка Set,
при помощи которой можно установить дополнительные опции
автоматического расчета активных зон подключенных снимков (зон
участвующих в построении мозаики). Но в рамках учебного
упражнения мы пропускаем дополнительные установки. Кнопку Set
нажимать не надо. Нажмите ОК. Три снимка будут загружены в
визуализатор инструмента построения мозаики. Под номером 1
отображается снимок wasial mss.img, снимки wasial mss.img и
wasia3_tm.img идут под номерами 2 и 3, соответственно.
344
8.	Изображения в визуализаторе инструмента построения
мозаики образуют стек. Одно из изображений находится на вершине
стека, а другое лежит под остальными снимками. В зависимости от
расположения снимка в стеке он образует различные зоны перекрытия
с остальными снимками. Поэкспериментируйте с порядком
расположения снимков в стеке. Для этого выделите в визуализаторе
один снимок (или несколько - при помощи клавиши Shift), щелкнув по
нему левой клавишей мыши. Затем, используйте кнопки
переупорядочивания снимков в стеке.
сь чз ча й й
9.	Закончив эксперименты с переупорядочиванием, щелкните
мышкой вне области расположения снимков в визуализаторе, чтобы
снять выделение с изображений.
10.	Нажмите кнопку Display Color Correction (Отобразить
диалоговое окно цветовых преобразований). На этом шаге Вы можете
выбрать метод для выравнивания цвета, яркости и контраста
изображений. Вы можете, также указать на изображениях области,
которые не будут включены в процесс цветокоррекции.
345
Ч (oloi (л
Octet corrections can be done using image Dodging,
Octet 8 alancing, Histogram Matching. or any combination............
c4 these options Specific areas can be excluded ftom
statistics computrrg using Exclude Areas When using two
or more c4 these options, they should be performed in the
order they appear n the dialog, from top to bottom.
C Exclude Areas
Г" Use Image Dod^ng ;
Use Odor Balancing
/ fUse Histogram Matching	Set.
О К	t [ Cancel ~~~] Help
11.	В диалоговом окне цветовой корректировки установите
переключатель Use Histogram Matching (Использовать для
цветокоррекции «подгонку» гистограмм) и нажмите кнопку Set
(Установить). Откроется окно установки параметров процесса
«подгонки» гистограмм.
12.	В списке Matching Method (метод «подгонки») выберите
значение Overlap Areas (Только для перекрывающихся областей).
Нажмите ОК.
346
13.	Нажмите ОК в диалоговом окне цветовых преобразований. Вы
вновь вернетесь в визуализатор инструмента построения мозаики.
14.	Переключитесь в режим показа области перекрытия, нажав
инструментальную кнопку Set Mode for Intersections в .
15.	Нажмите кнопку Set Overlap Function (Установить
функцию перекрытия). Откроется диалоговое окно установок функции
перекрытия.
16.	В диалоговом окне установок оставьте все параметры без
изменения. Нажмите Apply, затем Close.
17.	В визуализаторе инструмента построения мозаики выберите
пункт меню Process | Run Mosaic. Для запуска процесса построения
мозаики задайте в каталоге, где у Вас есть право записи имя
wasia_mosaic.img для выходного файла, содержащего
сгенерированную мозаику.
18.	По окончании процесса создания выходного файла, закройте
визуализатор инструмента построения мозаики, выбрав пункт меню
File | Close. Не сохраняйте данные проекта.
347
19.	Откройте второй Визуализатор ERDAS IMAGINE. Загрузите в
него файл мозаики, сгенерированный на предыдущем шаге. Выберите
в любом из двух Визуализаторов пункт меню View [ Tile Viewers.
Сравните исходные изображения, помещенные в первый Визуализатор
с файлом мозаики во втором Визуализаторе.
20. Упражнение закончено.
5.4.	Цветовые преобразования
аэрофотоснимков инфракрасного диапазона,
включаемых в мозаику изображений
В данном упражнении вы будете регулировать цветовые
характеристики девяти цветных снимков инфракрасного диапазона,
полученных в результате аэрофотосъемки территории США.
1.	В главном меню ERDAS IMAGINE выберите пункт Session |
Preferences. Откроется окно настроек ERDAS IMAGINE. Вы должны
проверить, чтобы модель отображения компонентов R, G и В цвета в
спектральные каналы изображения соответствовала схеме 1,2,3. Для
348
этого, выберите в списке Category окна настроек категорию User
Interface & Session. Станет активной панель настроек
пользовательского интерфейса. На панели настроек пользовательского
интерфейса проверьте установки для трех полей 3-Band Image Red
Channel Default, 3-Band Image Green Channel Default и 3-Band Image
Blue Channel Default. Им должны соответствовать значения 1, 2 и 3.
Если это не так - измените значения и нажмите кнопку User Save.
Затем нажмите кнопку Close, чтобы закрыть окно настроек.
2.	Откройте Визуализатор ERDAS IMAGINE. В Визуализаторе
выберите пункт меню File | Open | Raster Layer. Откроется диалоговое
окно выбора файлов.
3.	В диалоговом окне перейдите в каталог
IMAGINE I10ME>/examples и при помощи клавиш Shift и Ctrl
выберите файлы 2-2.img, 2-3.img, 2-4.img, 3-2.img, 3-3.img, 3-4.img,
4-2.img, 4-3.img и 4-4.img.
4.	Перейдите на вкладку Raster Options. Сбросьте переключатель
Clear Display и установите переключатель Fit to Frame. Установите
переключатель Background Transparent и нажмите OK. Вы увидите в
Визуализаторе девять изображений. Наблюдается заметный цветовой
дисбаланс различие некоторых областей на изображениях.
Присутствуют зоны, резко отличающиеся по яркости от всего
остального изображения. Между собой, снимки также отличаются по
уровню контраста. Чтобы при «сшивке» изображений отрегулировать
такие различия, мы применим инструмент Mosaic Color Balancing
(цветобалансировка) из набора средств создания мозаики.
349
5.	В главном меню ERDAS IMAGINE выберите пункт Main |
Data Preparation. Будет открыто окно Data Preparation, содержащее
набор инструментов подготовки данных.
6.	Нажмите кнопку Mosaic Images. Откроется окно, содержащее
средства создания мозаики изображений.
1
MosatcPtQ	j
Mosaic Tool
Mosaic Direct
...... Mcsac Wizatd	i
|; ~ Qbsej Help
7.	Закройте окно Data Preparation, чтобы очистить экран.
8.	В окне Mosaic Images нажмите кнопку Mosaic Tool. Откроется
главное окно инструмента построения мозаики изображений.
9.	В главном окне инструмента построения мозаики выберите
пункт меню Edit | Add Images. Будет открыто диалоговое окно Add
Images, позволяющее добавить снимки в набор мозаики.
10.	При помощи клавиш Shift и Ctrl выберите снимки 2-2.img, 2-
3.img, 2-4.img, 3-2.img, 3-3.img, 3-4.img, 4-2.img, 4-3.img и 4-4.img
350
и перейдите на вкладку Image Area Options. На этой вкладке
установите радиопереключатель в значение Use Entire Image. Нажмите
ОК. Файлы будут загружены в инструмент построения мозаики.
11. Нажмите
преобразования),
преобразований.
кнопку Color
Будет открыто
Correction
диалоговое
(Цветовые
окно цветовых
Color rarreclwns can be done using Image Dodgng,
Color Balancing Htstpgiam Matching. or any combma^on
these- options Specie erf*« can be eKcbded from
Statistics computny using E wlude Aieas When using two
аг тип* of these optcins. Ihs-y should be performed m the
order they appear bi the dialog, from top to bottom-.
UserdorBdananc
P ’EK&udeArea^
: Use Image Dodqrg
351
12.	На данном шаге Вы можете применить инструменты
яркостной (dodging) и цветовой (color balancing) коррекции, обработку
гистограмм в любой комбинации и последовательности. Кроме того,
Вы можете выделить на исходных изображениях те участки (Exclude
Areas), которые будут исключены из процесса цветовых
преобразований. В диалоговом окне цветовых преобразований
установите переключатель Use Exclude Area и нажмите
соответствующую кнопку Set. Будет открыто диалоговое окно,
позволяющее задать на изображениях зоны, не включаемые в процесс
регулирования цвета, (зоны исключения).
13.	В левом нижнем углу окна, задающего зоны исключения в
списке изображений выберите снимок 2-2,img. В левом визуализаторе
окна выбранный снимок будет отображаться полностью, а в правом в
увеличенном масштабе. В левом визуализаторе находится
координирующий прямоугольник, перемещение которого, вызывает
синхронное перемещение изображения в левом визуализаторе.
Используется принцип географически связанных курсоров. На нижней
инструментальной панели окна находится ряд инструментальных
кнопок, знакомых Вам по работе с областями интересов (AOI) растров.
Вы можете строить полигональные и прямоугольные области
интересов, использовать инструмент разрастания регионов.
-	(—1-----------
’ Л| Г* ^1 Si ‘''I Е;| X | g.| H| m| m|
14.	Переместите координирующий прямоугольник левого
визуализатора в область темного пятна верхней центральной части
изображения. Это область водного объекта. Нажмите
352
инструментальную кнопку Create Polygon AOI (Построение
полигональной области интересов). Курсор примет форму
перекрестия. На визуализаторе детального изображения создайте
полигон вокруг темного пятна.
15.	Закончив эту операцию, переместите координирующий
прямоугольник в следующую исключаемую область. Это могут быть
пятна засветки, водные объекты, отдельные яркие области городских
застроек. Создав полигональные области интересов в таких зонах на
снимке 2-2.img, нажмите кнопку Apply.
16.	После этого, выберите в списке следующий снимок - 2-3.img
и повторите процесс построения зон исключения. Постройте такие
зоны исключения для всех девяти снимков. Нажимайте кнопку Apply
перед выбором следующего снимка.
17.	Построив зоны исключения для всех девяти снимков, Вы,
возможно, захотите применить инструмент Find Like Areas для поиска
сходных областей на снимках. На панели окна, задающего зоны
исключения нажмите инструментальную кнопку областей ^11 Exclude
Areas that are spectrally similar to the selected AOI region (Поиск зон
исключения, спектрально подобных выбранной области интересов).
Будет открыто диалоговое окно поиска областей, спектрально
подобных регионам исключения, созданными на предыдущем шаге.
353
ЕЕЕЗШЖЖ
ч Seise* l^et Ip viem ADI st^s and :0a'S'«-ig a.heria: j1	 |
L*ye'' 5-ah$ta,s o1 the Celechre Arsa	|
Hrnw 8	Маипчт '.87 Meat 32 7'2 |
Std Dev Ж.693 Medan U Mode *1
MinFtalValuK {"	2 Mas P«e: Valse. : "	'
EsobzeAieaCdo. [" Д	,
Apply Cewclsng To ' Curert Image Orly Alllmages
| OK | Cancel | _ Hc|>_ |	|
18.	Исходные изображения являются многозональными, поэтому
необходимо указать номер спектрального канала, на базе
характеристик которого будут вычисляться статистические показатели
и формироваться критерии поиска. Установите в поле Select layer to
view AOI stats, and set searching criteria диалогового окна значение 1.
На панели Searching Criteria in Layer 1 (Критерии поиска для
спектрального канала 1) измените значение в поле Max. Pixel Value на
75. Измените цвет в поле Exclude Area Color так, чтобы было легче
идентифицировать области исключения на снимках. Установите
радиопереключатель Apply Searching to в значение All Images. Этим вы
примените критерии поиска ко всем изображениям, а не только к
текущему снимку. И в заключении нажмите ОК в диалоговом окне.
19.	В двух визуализаторах окна, задающего зоны исключения,
будут показаны зоны, обнаруженные для текущего снимка по
критериям схожести.
354
20.	Чтобы просмотреть найденные зоны для следующего снимка.
Выберите его в списке слоев или воспользуйтесь кнопками навигации.

21.	Хоть это и не обязательно, но Вы можете удалить найденные
зоны. Для этого воспользуйтесь кнопкой Remove spectrally based
excluded areas rfl (Удалить найденные спектрально подобные зоны).
Вы можете вернуться назад на несколько шагов, построить новые зоны
исключений и для них найти новые области по другим критериям
схожести. Поэкспериментируйте с изображениями на данном шаге.
Когда Вы закончите, нажмите последовательно кнопки Apply to АП и
Close, чтобы закрыть окно, задающее зоны исключения.
22.	Итак, на первом шаге Вы выбрали зоны исключения. Теперь
выполним коррекцию цвета. В диалоговом окне цветовых
преобразований сбросьте переключатель Use Exclude Area и
установите переключатель Use Color Balancing.
Odor correctors can be done using Image D edging,
Ctfct Balancing, Hwlagtatn Matching, or any combmattn
these options Specfec areas can be excluded from
slatist.ee computing usr=g Exclude Areas. Whenusng two
or more ol these ophons. they should be perfotmec tn the
ordet they appear in the from top о bottom,
!• -••Лц.и
Г" Use Image Dodgirig
P pse Cota fefarang
Г” Use Hrstogram Matching
P«ei Value Type.	Fr xel value
or IГ Cancel "1 Heb |
23.	Нажмите соответствующую кнопку Set. Будет открыто
диалоговое окно выбора метода коррекции цвета.
355
ееезеег:
Cdor balances canbepn’	eJonabcaSyci in-ini^
The automate approach ciicjatci cola iooecton surface
settings based on a def» H surace metnudtSoeciftedBi
Preferences] Tire manna: «pcronc’-i «ill:iws lheuser to
riet actively adjust and visual vsnfu tl -e color balanced
геяй? image by image
< Cot • •’
< Autcrnati: Tof ir Bafanong
’• ^Manual C * i
CZ]
24.	В диалоговом окне установите радиопереключатель Correction
Method в значение Manual Color Manipulation (ручной метод). Ручной
метод коррекции цвета позволяет последовательно, изображение за
изображением выполнить регулирование цветовых характеристик в
интерактивном режиме. Нажмите кнопку Set. Будет открыто окно
цветовой коррекции снимков.
25.	При открытии, в визуализаторе окна отображается первый
исходный снимок - 2-2.img. Чтобы отобразить другой снимок,
выберите его имя из списка или используйте кнопки навигации.
356
i—'iw	’i
26.	На панели Display Setting установите радиопереключатель в
значение RGB и задайте схему отображения компонентов цвета в
спектральные каналы изображения в виде Red- 1, Green - 2, Blue -3.
27.	Выберите вид поверхности, формирующей функцию
преобразования цвета. Для этого, в списке Surface Method Вам
доступно несколько значений.
28.	Инструментарий коррекции цвета устраняет «всплески» и
неоднородные области яркости на изображениях в предположении, что
изменения яркости моделируются при помощи трехмерных
поверхностей параболического, конического, линейного и
экспоненциального типов. Чтобы выбрать нужный тип поверхности,
следует определиться с формой цветового пятна, определяющего зону
неравномерной яркости. Это, так называемый шаблон цветовой
неоднородности. Параболический шаблон задается тогда, когда в
одном из выбранных направлений, переход к более светлым или более
темным областям в зоне неравномерной яркости выполняется быстрее,
чем по другим направлениям изображения. Линейный шаблон
трехмерной поверхности задается при постепенном изменении яркости
от начала до конца изображения. Конический шаблон применяется
тогда, когда существует некоторая точка изображения, начиная с
которой, переход от светлых областей к темным (или, наоборот) вдоль
всех радиальных направлений, выполняется равномерно.
Экспоненциальный шаблон для трехмерной поверхности задается,
когда например, существует очень яркая центральная точка, расходясь
от которой, яркость пикселей изображения уменьшается медленно, но
необязательно равномерно по всем направлениям. Ниже приведены
примеры трехмерных поверхностей для и конического (а) и линейного
io) шаблонов.
357
29.	Для текущего изображения 2-2.img выберите в списке Surface
Method значение Conic (Конический шаблон). Установите
переключатель Common center for all layers, чтобы при формировании
трехмерной функции, использовать единую центральную точку для
всех спектральных каналов снимка.
30.	Нажмите последовательно кнопки Compute Current
(Рассчитать для текущего снимка) и Preview (Предварительный
просмотр). В окне просмотра будет показан предварительный вид
изображения после выполнения коррекции цвета.
358
31.	После предварительного просмотра, нажмите кнопке Accept,
чтобы принять результат цветовой коррекции снимка 2-2.img для
строящейся мозаики.
32.	На панели Image Profile профиль поверхности,
сгенерированной по выбранному методу, отображается на плоскости в
виде красной линии. Зеленой линией показан профиль цветовых
значений пикселей, начиная от центральной точки и заканчивая
конечной точкой снимка.
33.	Если профиль поверхности (красная линия) хорошо сочетается
с направлением изменений профиля изображения (зеленая линия),
значит, подбор поверхности выполнен корректно. Ниже показано два
профиля для случаев правильного (а) и неудачного выбора
поверхности. задающей закон коррекции цвета.
34.	Для каждого из оставшихся изображений (2-3.img, 2-4.img, 3-
2.img. 3-3.img, 3-4.img, 4-2.img, 4-3.img и 4-4.img) повторите шаги
2- - 31.
35.	По окончании обработки всех изображений, нажмите кнопку
Close в окне цветовой коррекции снимков.
36.	Нажмите ОК в диалоговом окне выбора метода коррекции
цвета. Окно будет закрыто.
359
37.	Теперь, мы исследуем последний инструмент цветовых
преобразований снимков составляющих мозаику - преобразование
гистограммы. В диалоговом окне цветовых преобразований сбросьте
переключатель Use Color Balancing и установите переключатель Use
Histogram Matching. Нажмите соответствующую кнопку Set. Будет
открыто диалоговое окно установки параметров для преобразования
гистограмм исходных снимков.
i '.avt! Hiiwarn Мечп S'd Deviation _;j
Cancel j Hrip t
38.	В диалоговом окне выберите из списка Matching Method
(Метод преобразования) значение For All Images (Для всех
изображений) - выходные данные будут рассчитаны по гистограмме,
построенной с использованием совокупности всех изображений, а не
только области их перекрытия. Установите тип гистограммы, выбрав
из списка Histogram Туре значение Band by Band - преобразование по
отдельности гистограммы для каждого спектрального канала
изображения. Нажмите ОК.
39.	Нажмите ОК в диалоговом окне цветовых преобразований. Вы
снова вернетесь в главное окно инструмента построения мозаики.
40.	На панели визуализатора мозаики нажмите инструментальную
кнопку Set Mode for Intersections ® (Режим показа зоны перекрытия).
Вы переключились в режим отображения областей перекрытия
снимков.
41.	Нажмите кнопку Automatically Generate Cutlines for
Intersections Б1 (Автоматическое генерирование секущей для области
перекрытия). Будет открыто диалоговое окно установок для
генерирования секущей линии.
360
<* Weighted Cutline	-	
'' Most Nodi Cuimn
’*• Geomet'v bas«j Cutlinn
Don't Ask Me This Question Agart
| OK ] Cancel | Help |
42.	Установите редиопереключатель Cutline Generation Method
(Метод генерирования секущей линии) в значение Geometry-based
Cutline (Генерирование секущей линии, основанное на геометрии
перекрывающихся регионов). Нажмите ОК.
40.	Нажмите Yes (Да) в диалоговом окне, выдающем
предупреждение о том, что секущие линии могут быть потеряны при
изменении картографической проекции снимка. Секущие линии будут
построены и отображены красным цветом.
IT-	г *»
Too'mace	Siwothna D stance Stnoo'ina F*e; Fea-het Otetatice^^.*! .
Cui Only I c /program files/imagine 8 7/examples/2-3.img
Cut Only |c /program tiles/imagine 8 7/examples/2-4 img
Cut Only | c /program (iles/imagine 8 7/examples/3-2 img
Lutunly |c/program tiles/imagrne В //examples, J<i img
Cut Only Ic /program tiles/imagme 8 7/examples/3-4 img
Cut Only | c /program liles/imagtne 8 7/examples/4-2 img
Cut 0n^> |c /program files/imagine 8 7/examples/4-3 img
". wauit
Defauh
361
41.	Нажмите на панели визуализатора мозаики инструментальную
кнопку Set Overlap Function (Установить функцию перекрытия) в
визуализаторе мозаики. Откроется диалоговое окно установок
функции перекрытия.
ESSSZTXISi.	2d
Intersecbon Type
=' NoCutlr.eF.xUs	i
'• CuUr-e tx.sts
Smoothing Options
Smoothing	;
Feathering Onton;
' No Featheiing	i
'* Feathering
r^3	i
| , „ Ag4> I QllosT*] i/H'e-p j
42.	В диалоговом окне установите радиопереключатель
Intersection Туре в значение Cutline Exists, радиопереключатель
Smoothing Options в значение No Smoothing и радиопереключатель
Feathering Options в значение Feathering. Нажмите кнопку Apply, затем
Close.
43.	В меню инструмента построения мозаики выберите пункт
Process | Run Mosaic. Для запуска процесса построения мозаики
задайте в каталоге, где у Вас есть право записи имя colorinfrared.img
для выходного файла, содержащего мозаику исходных изображений.
44.	После окончания создания мозаики, выберите в меню
визуализатора пункт File | Save, и сохраните Ваш проект в каталоге,
где у Вас есть право записи, под именем mycolorbalancing.mos. В
дальнейшем Вы сможете открыть его и повторить один из этапов
цветовых преобразований.
45.	Закройте визуализатор инструмента построения мозаики,
выбрав в меню пункт File | Close.
46.	Откройте Визуализатор ERDAS IMAGINE и загрузите в него
изображение мозаики color infrared.img.
362
5.5.	Изменение контраста изображений при
помощи инструмента построения мозаики
1.	В главном меню ERDAS IMAGINE выберите пункт Main |
Data Preparation. Откроется окно Data Preparation, содержащее набор
инструментов подготовки данных.
2.	Нажмите кнопку Mosaic Images. Откроется окно, содержащее
средства создания мозаики изображений.
3.	В окне Mosaic Images нажмите кнопку Mosaic Tool. Будет
открыто главное окно инструмента построения мозаики изображений.
363
4.	В главном окне инструмента построения мозаики выберите
пункт меню Edit | Add Images. Будет открыто диалоговое окно Add
Images, позволяющее добавить снимки в набор мозаики.
5.	Из каталога <lMAGlNE_HOME>/examples выберите файл
image-dodge-bright-spot.img и нажмите ОК. Снимок будет добавлен в
визуализатор главного окна инструмента построения мозаики.
6.	На инструментальной панели окна построения мозаики
нажмите кнопку Color Correction (Цветовые преобразования).
Будет открыто диалоговое окно цветовых преобразований.
£ЕХ‘ Г
Oafas conectont canbedoheuarg'mageDudjitnt,,
 jih- Ralancing f-mogram	м «w conibawliun
•if these options Spook area? can Le®«L4K hum
statac s t atnpubi u ti-m-a E xduda Ateas	jshk) iwa
opis<ris, dtey
364
7.	В диалоговом окне установите переключатель Use Image
Dodging и нажмите кнопку Set. Будет открыто диалоговое окно
изменения контраста изображения.
8.	На панели Display Setting установите схему отображения в
виде Red - 1, Green -2, Blue - 3. На панели Statistics Collection Вы
можете менять значения в полях Grid Size, Skip Factor X, Skip Factor Y.
Но, в данном упражнении оставьте в этих полях те значения, которые
установлены по умолчанию (10, 3, 3).
9.	Нажмите кнопку Compute Current для запуска процесса.
10.	Нажмите кнопку Preview, чтобы выполнить предварительный
просмотр изображения после изменения контрастности. Видно, что
изображение действительно улучшилось. Изменилась контрастность
«засвеченных» участков и объекты на них стали более различимы.
365
11.	Нажмите кнопку Accept, чтобы принять изменения контраста.
Затем нажмите Close в окне изменения контраста изображения.
12.	Нажмите ОК в диалоговом окне цветовых преобразований.
13.	В меню инструмента построения мозаики выберите пункт
Process | Run Mosaic. Вы всего лишь проводили коррекцию контраста и
использовали только одно изображение. И, тем не менее, запустив
процесс построения мозаики, Вы сможете получить выходной файл с
исправленным контрастом. Для запуска процесса построения мозаики
задайте в каталоге, где у Вас есть право записи имя dodged.img для
выходного файла, содержащего откорректированное изображение.
14.	После завершения процесса создания мозаики, откройте
Визуализатор ERDAS IMAGINE и просмотрите в нем
откорректированный файл.
366
5.6.	Использование инструмента MosaicPro
1.	Из главного меню ERDAS IMAGINE выберите пункт Main
LPS. Будет запущен Менеджер Проектов LPS.
2.	В меню Менеджера Проектов выберите пункт File | Open.
Будет открыто диалоговое окно загрузки файла проекта. Перейдите в
каталог <IMAGINE_HOME>/examples/orthobase/laguna_beach в
диалоговом окне открытия файла и выберите файл laguna.blk.
Нажмите ОК. Откроется проект, содержащий данные нашего
упражнения.
3.	На инструментальной панели Менеджера Проектов нажмите
инструментальную кнопку Start ortho mosaicing process ЕЭ
(Построение мозаики по ортоизображениям). Будет запущено
диалоговое окно выбора инструмента для построения мозаики
изображений.
367
4.	В списке инструментов диалогового окна выберите MosaicPro
и нажмите ОК. Будет открыто диалоговое окно выбора источника
данных о высотах рельефа.
5.	Установите в диалоговом окне радиопереключатель Source в
значение DTM File.
&
6.	Используя инструментальную кнопку загрузки, ’ из
каталога <IMAGINE_HOlVIE>/examples/orthobase/laguna_beach
загрузите в поле DTM File диалогового окна файл цифровой модели
местности laguna_reference_dem.img. Нажмите ОК в диалоговом
окне выбора файла.
7.	Нажмите ОК в диалоговом окне выбора источника данных о
высотах рельефа. Будет открыто диалоговое окно загрузки
изображений.
368
8.	В диалоге загрузки изображений перейдите на вкладку Image
Area Options. Установите радиопереключатель в значение Compute
Active Area. Нажмите ОК, чтобы выполнить загрузку и закрыть
диалоговое окно. Будет открыт визуализатор MosaicPro, а в нижней
части визуализатора таблица, содержащая загруженные файлы
изображений. Если таблица не видна, в визуализаторе MosaicPro
установите соответствующий режим отображения, выбрав пункт меню
Edit | Show Image Lists
369
9.	В каждой строке таблицы установите атрибут Vis, щелкнув
мышкой в соответствующей ячейке. Этим Вы устанавливаете
возможность отображения каждого снимка, загруженного в проект.
f Order Ref '/ю	ImaqeName	Art
1	у.	ЦДУЖ	 -QVI
2	X	|c/program files/leica qeosystems/qeospatial	imagine	Mctivr
|	X	| c /program hles/leica qeosystems/qeospatial	imagine	я.с1
10.	Переключитесь в режим отображения растров, выбрав в меню
визуализатора MosaicPro пункт View | Show Rasters. Изображения
будут показаны в визуализаторе.
11.	Линия стыка изображений в визуализаторе MosaicPro может
быть создана как сложный полигон, пересекающий подобно шву все
изображения или как простой полигон на отдельном изображении.
Нажмите на панели визуализатора MosaicPro инструментальную
кнопку Automatically Generate Seamlines for Intersections S
(Автоматическое генерирование линии шва для областей пересечения).
370
Будет открыто диалоговое окно выбора параметров для генерирования
линии стыка изображений.
। S' Ис-Гр i.ilion ОрИонк X
S earnline Generation М ethod
> Weighted Seamhne	__
• MostMadir Seamline
i Georrebybased Se^ne
~ 0 verfey based Seam&ie
Г” Don'tAsk Me This Question Again
Cancel | Help Ji
12.	В диалоговом окне установите радиопереключатель Seamline
Generation Method в значение Most Nadir Seamline. Нажмите OK.
Линии швов для изображений будут сгенерированы по выбранному
алгоритму и показаны на изображениях красным цветом.
371
13.	В визуализаторе MosaicPro нажмите инструментальную
кнопку Edit Seams Pole gon (Редактировать полигон, образующий
границы сшивки). Курсор примет форму перекрестия. Вы сможете
отредактировать границы шва.
14.	В меню визуализатора MosaicPro выберите пункт Edit | Color
Corrections. Будет открыто диалоговое окно цветовых преобразований
снимков включаемых в мозаику.
372
Cotof collections can be done using Image Dodging,
Cotoi Balancing, Histogram Matching, or any combination
of these options. Spectfic areas can be excluded from
statistics computing using Exclude Areas. When using two;
or more of these options, they shoiid be perfamed in the
order they appear in the dialog. from top to bottom
Exclude Areas
Use Image Dodging
</ "Use Color Balancing	Set
C Use Histogram Matching	I
Г “
OK 81 Cancel'""] Help
15.	В диалоговом окне установите переключатель Use Color
Balancing и нажмите кнопку Set. Будет открыто диалоговое окно
выбора метода коррекции цвета.
*4» Sot Color Balancing Method
Color balar tclrig can be performed automatical a manualy.
The automatic approach calcdates cola correction surface
settings based on a defauft surface method (specified m
Preferences). The manual approach вйс/Js the user to
interactively adjust and visually vetify the cote balanced
...re&As image by mage. 
Correction Method:
Automatic Color Balancing
’• Manual Loor Manipulator» Set_
j |	Cancel I
16.	В диалоговом окне выбора метода коррекции цвета установите
радиопереключатель Correction Method в значение Manual Color
Manipulation (Ручная регулировка) и нажмите кнопку Set. Будет
открыто окно цветовой коррекции снимков.
373
17.	В списке Surface Method установите значение Global Balancing.
Здесь же установите радиопререключатель в значение Global. Нажмите
кнопку Compute for АП, затем кнопку Accept for АП. В заключении
нажмите кнопку Close.
18.	Нажмите ОК в диалоговом окне выбора метода коррекции
цвета.
19.	Теперь выполним увеличение контраста выходного
изображения (Image dodging). В диалоговом окне цветовых
преобразований снимков мозаики установите переключатель Use
Image Dodging и нажмите кнопку Set.
*•3 • «Юг Coireclfom
Сйа ro’;ectiwis<^n be «Joneusing Image Dodging.
Color Balancing Histogram Matehhg. и any combration
of these options. SpecKtc areas cart be exduded from
statistics ccmputBTg using Exclude Areas, When uang two
or more of these options, they should be performed in the
ord® they appear in the dialog, horn lop to bottom.
Г Exclude Areas
v	Sei j
•* Use Cofer Batancng	Sei
i Use HistogranMatchjig	i
QK j Caned""] Het. '
374
20.	Будет открыто окно изменения контраста изображения.
21.	На панели Display Setting установите схему отображения в
виде Red - 1, Green -2, Blue - 3. На панели Statistics Collection Вы
можете менять значения в полях Grid Size, Skip Factor X, Skip Factor Y.
Но, в данном упражнении оставьте в этих полях те значения, которые
установлены по умолчанию (10, 3, 3).
22.	На панели Options for All Images сбросьте переключатель Band
Independent. Нажмите кнопку Compute Current, затем кнопку Preview,
чтобы просмотреть результаты изменения контраста.
375
23.	Нажмите кнопке Accept, чтобы принять результаты изменения
контраста. И окончательно нажмите кнопку Close.
24.	Нажмите ОК в диалоговом окне цветовых преобразований
снимков создаваемой мозаики.
25.	Нажмите кнопку Used to select a box for mosaic preview
(Создание прямоугольной области предварительного просмотра
мозаики). Затем в визуализаторе MosaicPro мышкой очертите область
просмотра мозаики.
26.	В меню визуализатора MosaicPro выберите пункт Process |
Preview mosaic for window. Будет выполнен предварительный вывод в
визуализатор создаваемой мозаики изображений. Используйте кнопки
изменения масштаба отображения 44 для детального просмотра.
376
27.	Завершив просмотр, выберите в меню визуализатора
MosaicPro пункт Process | Delete the Preview Mosaic Window, чтобы
закрыть данные предварительного просмотра.
28.	Нажмите инструментальную кнопку Set Output Options Dialog
S (Установка параметров выходных файлов). Будет открыто
диалоговое окно, позволяющее задать параметры для выходных
вайлов мозаики изображений.
29.	В списке Method выберите значение Union of All Inputs,
задающее метод формирования выходной мозаики, как объединение
всех составляющих областей. Нажмите ОК.
30.	В визуализаторе MosaicPro выберите пункт меню Process | Run
Mosaic. В диалоге выбора названия для выходного файла мозаики
введите имя tour_laguna.img в директории, где у Вас есть право
записи. Нажмите ОК. Будет запущен процесс генерирования мозаики.
31.	Для просмотра результирующей мозаики изображений,
откройте Визуализатор ERDAS IMAGINE. Загрузите в него файл
tourlaguna.img.
377
f, 'й
378
6.	Основы классификации и
распознавания
При классификации растрового изображения мы будем
использовать подход, согласно которому пиксели изображения,
имеющие сходные спектральные характеристики, объединяются в
один класс. Мультиспектральная классификация это процесс
разбиения пикселей изображения на конечное число классов в
зависимости от исходных значений яркости этих пикселей.
Конечно, в реальности, разделить объекты только по
спектральным признакам, достаточно сложно. При наличии шума
на изображении, при низком пространственном разрешении, при
искажении объектов на снимке или маскировке признаков, такой
подход не будет эффективен. Тогда придется включить в процедуру
классификации дополнительные признаки - форму объектов, их
размеры, наличие и характерный вид тени от объектов
определенного класса, текстурные признаки поверхностей.
Процесс такой классификации объектов изображения тесно связан
с распознаванием образов. Распознавание образов - понятие из
области искусственного интеллекта, сущность которого состоит в
поиске среди множества объектов осмысленных образцов,
отвечающих некоторым критериям. Это самая распространенная
задача, которую человеку приходится решать практически
ежесекундно, в течении всей своей жизни. Используя огромные
ресурсы своего мозга, человек читает рукописные и печатные тексты,
осуществляет отбраковку деталей на конвейере, выделяет знакомые
лица из группы людей, дешифрирует аэроснимки и космические
снимки.
В рамках нашего небольшого курса мы не будем рассматривать
применение дополнительных признаков, ограничимся только
спектральными характеристиками.
6.1.	Задачи, решаемые в процессе
распознавания
1.	Определение набора признаков, характеризующих объекты
или явления, для идентификации которых используется данная
379
система распознавания. Такой набор из п признаков задается в виде
вектора-столбца (Х].Х,.X,,/	.
Различают детерминированные, вероятностные и логические
признаки объектов.
Детерминированные признаки - признаки, принимающие
конкретные, например, числовые значения («площадь объекта,
изображенного на снимке = 60м2», «интенсивность RGB -
составляющей яркости пикселя в синем диапазоне = 210» и т.д.).
Вероятностные признаки - признаки, случайные значения
которых, распределяются по некоторым или по всем классам
объектов. Например, группа пикселей на снимке с вероятностью 0.7
может быть отнесена к классу лиственных лесов и с вероятностью
0.3 может быть отнесена к классу хвойных лесов.
Пусть для характеристики объектов, относимых к классам С1
или С2, используется признака. В качестве описания классов С1 и
С2 заданы плотности распределения вероятностей /,(х) и /2(х)
значений признака. Рассмотрим задачу отнесения объекта к классу
С1 или С2 при таком вероятностном представлении признаков.
Рис 6.1. Классы С1 и С2 заданы плотностями распределения
вероятностей/Дх) и/2(х) значений признаках. Площади Q1 и Q2
задают величины ошибок при выполнении классификации
Допустим, измеряя значение признака х, мы получили
некоторое значение хр. К какому из классов С1 или С2 следует
отнести объект? Договоримся о правиле принятия решения об
отнесении объекта к одному из двух классов. Если значение
380
признака хр, полученное в результате измерения, равно или больше
некоторого значения ло, объект отнесем к классу С2, если меньше -
к классу С1.
При этом, если объект реально относится к классу С1, а мы
принимаем решение отнести его к классу С2, то совершается
ошибка, вероятность которой:
Ql= (x)dx	(6.1)
д-0
И наоборот, если объект реально относится к классу С2, а мы
принимаем решение, отнести его к классу С1, то совершается
ошибка, вероятность которой:
л-0
Q2=	(6.2)
Из сказанного выше, для нас важно уяснить, что
пространство признаков может с некоторой вероятностью
разделяться между несколькими классами.
Оценить качество классификации можно при помощи матрицы
сопряженности (contingency matrix). Пусть дана матрица А = (яу)
размерностью MkN. Элемент ач матрицы содержит число случаев,
когда в процессе классификации, объект, реально принадлежащий к
классу i, был отнесен к классу j. Фактически, такая матрица является
матрицей ошибок или неточностей. Тогда, элементы, лежащие на
главной диагонали матрицы сопряженности, задают количество
случаев, когда объект, принадлежащий к классу i, именно к этому
классу и был отнесен. Или иначе, - элементы, лежащие на главной
диагонали матрицы, задают количество правильных решений, приятых
при отнесении объектов к классу i.
И наоборот, чем больше величина недиагонального элемента а,,,
тем больше ошибок, выразившихся в отнесении объекта к классу j,
было допущено.
Таблица 2.
	i=o	i=i			f=4
z=0	30	0	0	1	2
z=l	0	40	0	0	0
i=2	0	0	45	0	0
i=3	2	0	0	25	0
i=4	0	0	0	0	10
381
Выше, в качестве примера, приведена таблица, составленная на
основе матрицы сопряженности, содержащей результаты
распознавания объектов по пяти базовым классам. Параметр i -
реальный номер класса анализируемого объекта, j - номер класса,
предлагаемый системой распознавания. Общее количество
классифицированных объектов - 155. Количество объектов, ошибочно
отнесенных к другому классу - 5.
Логические признаки - элементарные высказывания,
принимающие два значения (да/нет). Например, рассмотрим два
растровых слоя. Первый - снимок территории, второй тематический
слой, задающий зону городских застроек. Некоторый пиксель
снимка может быть отнесен к парковой зеленой зоне, а может быть
классифицирован как хвойный лес. Чтобы провести правильную
классификацию, применим дополнительное правило. Если пиксель
снимка попадает внутрь тематического слоя городской застройки -
относим его к классу парковой зеленой зоны, иначе к классу
хвойных лесов.
Рис. 6.2. Использование логических признаков при работе со
слоями-масками.
Тематический слой, используемый нами в данном примере как
вспомогательный, назовем слоем - маской. При помощи слоя-
маски городской застройки пиксель В1 будет отнесен к классу
парковой зелени, а пиксель В2 к классу хвойных лесов.
382
2.	Составление словаря классов, то есть определение набора
классов, к которым будут отнесены объекты (группы пикселей
снимка).
Например, мы считаем, что на снимке присутствуют
следующие классы объектов:
-	жилая и промышленная застройка;
-	сельскохозяйственные земли;
-	водоемы;
-	облака и тени от облаков;
-	прочие объекты, не отнесенные ни к одному из классов;
3.	Выбор алгоритмов распознавания, обеспечивающих
отнесение объекта к тому или иному классу или их совокупности.
В программных продуктах ГИС, читатель наверняка
сталкивался с задачей разбиения исходного множества объектов на
однородные группы в соответствии со значениями одного исходного
признака. Это, так называемое тематическое картографирование.
Рис 6.3. При помощи ГИС ArcView валовый национальный
продукт (GNP) стран представлен по категориям
А как быть, если необходимо при классификации объектов
принять во внимание сразу несколько признаков? На практике при
анализе реальных явлений приходится принимать во внимание
многомерность их признаков.
Для этого в дистанционном зондировании Земли применяется
специальный математический аппарат многомерного анализа
данных - кластерный анализ. В ERDAS IMAGINE используется
специальная разновидность алгоритма, реализующего кластерный
383
анализ - алгоритм ISODATA (Iterative Self-Organizing Data Analysis
Technique).
6.2.	Сущность кластерного анализа
Применительно к обработке изображений, задача кластерного
анализа заключается в том, чтобы на основании данных,
содержащихся во множестве X, разбить множество пикселей G,
изображения на т (т - целое) кластеров (подмножеств, классов) Q1
Q2, Qm, так, чтобы каждый пиксель G принадлежал одному и
только одному классу. При этом, объекты, принадлежащие к
одному и тому же кластеру, должны быть сходными, в то время как
объекты, принадлежащие к разным кластерам - разнородными.
О критериях схожести и разнородности мы поговорим чуть
позже. Пока же заметим, что главное достоинство кластерного
анализа состоит в том, что он позволяет производить разбиение
множества объектов не по одному, а по целому набору признаков.
В результате кластерного анализа достаточно большой объем ис-
ходной информации может быть сжат и представлен компактно и
наглядно.
Рис 6.4. Процесс построения кластеров. В качестве признаков
используются координаты объектов на плоскости: а - исходное
изображение; б - объекты сгруппированы в три кластера; в -
альтернативное, менее компактное разбиение на пять кластеров с
другими границами классов
384
Недостатки и ограничения кластерного анализа:
-	состав и количество кластеров зависят от выбираемых
критериев разбиения;
-	при сведении исходного массива данных к более компактному
виду могут возникать определенные искажения, а также могут
теряться индивидуальные черты отдельных объектов за счет замены
их характеристиками обобщенных значений параметров кластера;
В многомерном пространстве признаки могут относиться к различным
типам данных, иметь различные единицы измерений и размерности.
Кластерный анализ можно применять к различным типам данных:
интервальным, частотам, бинарным данным. Перед выполнением
кластерного анализа над такими разнородными признаками требуется
провести выбор сравнимых шкал измерения переменных.
Неоднородность единиц измерения и вытекающая отсюда невоз-
можность обоснованного выражения значений различных показателей в
одном масштабе единиц измерения приводят к зависимости величины
расстояний между точками пространства признаков от выбранного
масштаба.
Для устранения разномасштабное™ измерений исходные данные
предварительно нормируются, т.е. выражаются через отношение этих
значений к некоторой величине, отражающей определенные свойства
данного показателя. Нормирование исходных данных для кластерного
анализа проводится, например, посредством деления исходных величин на
среднеквадратическое отклонение соответствующих показателей. При
таком подходе, признаки выражаются через безразмерные величины, что
делает корректным процедуру сравнения их между собой.
Кроме того, надо учесть, что влияние признаков может быть
различным. Это находит отражение во введении веса показателя признака
। степени его значимости, по сравнению с другими признаками). Для более
важных признаков, играющих более важную роль в процедуре
классификации, следует задавать более высокие значения весов. Итак:
X,
X, = — G)l	(6.3)
<7,
где Wi - вес признака;
S, - среднее квадратичное отклонение признака;
X/ - ненормированное значение /'-го признака;
Очевидно, что объекты /'-й иу'-й попадают в один кластер, когда
мало расстояние (отдаленность) между точками х, и х, в
пространстве признаков и попадают в разные кластеры, когда это
385
расстояние достаточно большое. Таким образом, попадание в один
или разные кластеры разных объектов определяется понятием
расстояния d между .v, и ,v, из р-мерного пространства признаков.
Перечислим некоторые, часто используемые функции
расстояний.
Евклидово расстояние, являющееся наиболее применяемой
метрикой в цифровой обработке изображений
de(x,,х,)	-хЛ/|2]1/2	(6.4)
*=i
11 -норма, являющаяся самой простой для вычисления метрикой,
поскольку при ее вычислении не используются операции возведения в
степень и умножения. Для получения этого расстояния суммируются
абсолютные значения разностей соответствующих признаков
сравниваемых объектов.
р
<x,,x/) = [£|xfc-xt/| ]	(65)
£=1
1р -норма, комбинирующая некоторые свойства расстояний de, dl
(66)
А=1	7
Расстояние «городской квартал», название которого
ассоциируется с типами street и avenue городских улиц,
расположенных перпендикулярно друг к другу. Применяется для
задания геометрических признаков на прямоугольной пиксельной
сетке, если перемещение пропорционально размерам пиксельной
ячейки и ограничивается только вертикальными и горизонтальными
направлениями
dqix^x^ — jx — X | + |у — Y |	(6.7)
386
a
б
Рис 6.5. Примеры использования расстояния «городской квартал»: а -
на пиксельной сетке плавающего окна при выполнении фильтрации; б
- на сети взаимно перпендикулярных улиц, где отчетливо видно, что
точки 2, 3 находящиеся на одинаковом расстоянии dq от исходной
точки 1, не лежат на дуге окружности
6.2.1.	Кластеризация мультиспектральных
изображений
Теперь, рассмотрим особенности кластеризации
му льтиспектральных растров. В этом случае, в качестве признаков
выбираются значения яркости пикселей каждого канала изображения.
Создается изображение специального вида, называемое слоем
пространства признаков.
Создание этого слоя напоминает процесс построения диаграмм
разброса данных в статистическом анализе. Сначала выбираются два
каната мультиспектрального снимка, которые будут максимально
полно представлять выделяемые классы объектов. Например, если
наша задача выделить классы растительности и водных ресурсов, то
достаточно разумным будет выбор инфракрасного (IR) и синего (В)
канатов, поскольку объекты данных классов дешифрируются лучше
всего именно в этих спектральных диапазонах. Для другого набора
классов, возможно, потребуется выбрать другую пару каналов. Вдоль
оси X пространства признаков откладывается весь диапазон яркости
пикселей по первому выбранному каналу. Обычно для RGB-
представления этот диапазон содержит значения от 0 до 255. Точно
так. вдоль оси Y наносится упорядоченный диапазон яркости пикселей
по второму выбранному каналу.
Таким образом, пара координат XY однозначно определяет в
пространстве признаков точку, которой соответствуют значения
387
яркости пикселей двух выбранных спектральных каналов исходного
изображения. Ранее мы условились учитывать в процедуре
классификации растров только спектральные признаки. Исходя из
этого, любая точка в пространстве признаков всегда либо
соответствует какому-то определенному классу, либо вообще не может
быть классифицирована в рамках данного словаря классов. В
пространстве признаков можно построить области интересов так, что
точки, находящиеся внутри этих областей будут однозначно
соответствовать одному из выделяемых классов.
Рис 6.6. Пространство признаков мультиспектрального снимка.
Построение выполнено для двух спектральных каналов - красного (А)
и зеленого (G). Область 1 задает границы класса зелени и
растительности, область 2 - границы класса асфальтового покрытия.
Остальные точки пространства признаков задают
неклассифицированные пиксели.
6.2.2.	Методы формирования кластеров
Первый метод заключается в том, что два объекта,
принадлежащих к одному и тому же кластеру, имеют коэффициент
отличия меньше некоторого порогового значения S. В терминах
евклидова расстояния de, это означает, что расстояние между двумя
точками кластера не должно превышать некоторого порогового
значения h. Таким образом, h определяет максимально допустимый
диаметр кластера.
Во втором методе каждый объект первоначально рассматривается
как одноточечный кластер. Объекты группируются по следующему
правилу: два кластера объединяются, если расстояние между центром
одного кластера и центром другого кластера - минимально.
388
a

3
2


1
Рис 6.7. Формирование кластеров по второму методу: а - начальное
состояние, каждый объект принимается за отдельный кластер; б - по
критерию минимального расстояния объединяем объекты 1 и 2 в
новый кластер; в - находим центр созданного кластера и, анализируя
относительно него минимальные расстояния объединяем объекты 3 и 4
в новый кластер
6.3. Обучение по образцам
Итак, имеется словарь классов и набор признаков,
характеризующих идентифицируемые объекты. Необходимо
построить процедуру, которая по набору признаков будет относить
рассматриваемые объекты к тому или иному классу. В ERDAS
IMAGINE построению этой процедуры всегда предшествует
процедура обучения системы процессу распознавания - то есть
задания образцов, по которым будут распознаны анализируемые
объекты. Этот процесс называется обучением по образцам.
Существуют две его разновидности - автономное (unsupervised) и
управляемое (supervised) обучение по образцам.
6.3.1.	Управляемое обучение по образцам
Процесс управляемого обучения происходит под
непосредственным контролем человека. Вы выбираете пиксели,
представляющие образцы или, скажем, объекты земной поверхности,
которые Вы можете распознать визуально либо при помощи
389
вспомогательных источников (таких как аэрофотоснимки или
бумажные карты). Перед началом процесса обучения Вы должны
обладать знаниями о сущности исходных данных и иметь
представление о классах, к которым будут отнесены распознаваемые
объекты.
Выбрав и идентифицировав на снимке некоторые характерные
образцы, Вы, затем, даете компьютерной системе инструкцию,
выбрать по всему снимку пиксели с такими же характеристиками, как
у выбранных ранее образцов.
6.3.2.	Обучающие выборки и сигнатуры
Результатом процесса обучения становится получение обучающих
выборок - шаблонных наборов пикселей. Каждая обучающая выборка
по своим спектральным характеристикам соответствует некоторому
классу объектов на снимке и используется в решающих правилах при
отнесении всех пикселей изображения к некоторым классам. На
основе обучающей выборки строиться сигнатура, - объект, кратко и
однозначно описывающий обучающую выборку. Можете
рассматривать сигнатуру, как цифровую подпись данной обучающей
выборки. В ERDAS IMAGINE имеется специальный редактор
Signature Editor, позволяющий косвенно, через сигнатуры
редактировать, объединять и удалять образцы, получая в итоге
окончательный набор обучающих выборок.
Fde Edit View Evaluate Feature Class.!/ Help
Рис 6.8. Редактор сигнатур в Erdas Imagine
ERDAS IMAGINE позволяет создавать обучающие выборки двух
типов - параметрического и непараметрического.
Параметрические обучающие выборки базируются на
статистических критериях (например, среднее значение в выборке
пикселей, представляющих класс). В процессе создания
параметрической выборки на снимке задается область интересов.
390
Находящиеся в границах этой области пиксели, будут отнесены
экспертом к определенному классу объектов и составят основу
обучающей выборки. Далее, производится вычисление средних
значений и дисперсий яркости пикселей, находящихся внутри области
интересов. На основе вычисленных характеристик, составляется
обобщенное описание пикселей обучающей выборки. Это описание и
является сигнатурой. Оно однозначно характеризует, как саму
обучающую выборку, так и класс, описываемый при помощи данной
обучающей выборки.
Параметрические сигнатуры можно генерировать как в процессе
автономного, так и в процессе управляемого обучения по образцам.
Непараметрические обучающие выборки базируются не на
статистических критериях, а на областях интересов (полигонах,
прямоугольниках, эллипсах), задающих в пространстве признаков
мультиспектрального изображения границы классов. Когда Вы
открываете файл, содержащий слой пространства признаков в
Визуализаторе ERDAS IMAGINE, цвет каждой точки изображения
характеризует плотность точек с данными показателями яркости по
двум выбранным спектральным каналам. Чем ярче цвет выбранной
точки пространства признаков, тем больше на исходном изображении
существует пикселей с таким сочетанием спектральных характеристик
по двум выбранным каналам. Черный цвет означает, что пикселей с
таким сочетанием яркостей на изображении нет.

Рис 6.9. Так выглядит пространство признаков в Визуализаторе Erdas
Imagine
391
В ERDAS IMAGINE слой пространства признаков имеет такую же
структуру, как и обычный img-файл. Он открывается в стандартном
Визуализаторе и. поэтому, операции скроллирования и
масштабирования применимы для него, так же, как и для обычного
растра.
Задавая на диаграмме разброса некоторые области интересов, мы,
фактически, очерчиваем границу некоторого класса (или классов).
Затем, классификатор использует непараметрические сигнатуры,
чтобы приписать все пиксели классифицируемого изображения
соответствующим классам на основании факта попадания или
непопадания пикселя внутрь границы созданной области интересов.
В ERDAS IMAGINE у Вас имеется возможность генерировать
статистику и для непараметрических сигнатур. Эта функция позволит
использовать полигоны, определенные на слое пространства
признаков для создания параметрических сигнатур по
классифицируемому снимку. Но, алгоритм классификатора
работающего с параметрическими сигнатурами требует, чтобы
данные, по которым+ генерируется статистика, были распределены по
нормальному закону. Единственной формой области, выделяемой на
диаграмме разброса, удовлетворяющей требованиям нормальности
распределения для параметрического алгоритма, является эллипс.
6.3.3.	Создание непараметрических обучающих
выборок
Вы задаете область интересов прямо на слое пространства
признаков и используете ее для создания непараметрической
обучающей выборки. Поскольку Визуализаторы, содержащие слой
пространства признаков и классифицируемое растровое изображение
связаны посредством редактора сигнатур, при помощи маски можно
область интересов, задаваемую на классифицируемом изображении
определить и на слое пространства признаков. Или провести обратную
операцию.
Вы можете, также непосредственно географически связать при
помощи курсора Визуализаторы, содержащие слой пространства
признаков и классифицируемое растровое изображение. Эта функция
особенно полезна при определении границы области интересов класса
в координатах пространства признаков. При этом, для определения
группы обучающих выборок, Вы можете задавать сразу несколько
областей интересов в рамках слоя пространства признаков.
392
Для непараметрических обучающих выборок, решение,
принимаемое в процессе классификации, не зависит от статистики,
рассчитываемой по показателям яркости пикселей.
Приведем пример последовательности создания
непараметрической обучающей выборки.
1.	Отображаем в первом визуализаторе снимок, подлежащий
классификации (3 канала).
2.	Выбираем два цветовых канала, на базе значений яркости
которых, будут задаваться оси диаграммы разброса.
Например, оси - значения яркости пикселей каналов R и G.
3.	На основе исходного снимка во втором Визуализаторе создаем
слой пространства признаков. На слое пространства признаков
строим область интересов, задающую границы класса
объектов исходного снимка и на ее основе создаем
обучающую выборку.
Рис 6.10. Географически связанные Визуализаторы. Для любой точки
на исходном снимке (слева), благодаря этой связи, будет найдено
строгое соответствие в пространстве признаков
6.3.4.	Хранение параметров обучающих выборок в
файлах. Атрибуты сигнатур.
Сигнатуры обучающих выборок хранятся в файлах сигнатур
I расширение .sig) и содержат набор атрибутов, являющихся общими
для параметрических и непараметрических сигнатур:
393
-	name - имя, идентифицирующее сигнатуру и соответствующий
класс в выходном тематическом слое. По умолчанию классу
присваивается имя •‘Class X". где X - текущий номер;
-	color - цвет, при помощи которого сигнатура отображается в
редакторе а соответствующий тематический слой в Визуализаторе;
value - значение присваиваемое выходному классу и
представляющее собой просто целое число, которое можно
использовать для различных целей;
-	order - порядок - тоже целое число, применяемое там, где
требуется упорядочивание сигнатур;
-	parallelepiped limits - пределы областей интересов;
Параметрические сигнатуры могут содержать ряд дополнительных
атрибутов.
6.3.5.	Автономное обучение по образцам
Этот метод обучения больше зависит от компьютерной системы и
меньше от оператора. Хотя, оператор может указать некоторые
параметры, которые компьютер будет использовать для выделения
образцов на основе некоторых статистических критериев. Выделенные
компьютером образцы совсем необязательно будут соответствовать
некоторым осмысленным объектам снимка (в этом важное отличие от
управляемого обучения). Образцы, в данном случае - просто кластеры
пикселей со сходными спектральными характеристиками. Если
сделать предположение о соответствии выделенных кластеров
некоторым классам, может оказаться, что образцы некоторых,
различающихся классов, будут отнесены к одному, общему кластеру
или наоборот - образцы одного класса будут приписаны различным
кластерам. И тем не менее, такой подход часто бывает полезен на
этапе предварительной классификации, на этапе выделения новых
объектов с заранее неизвестными характеристиками.
Автономное обучение по образцам не требует особых усилий на
начальном этапе задания входных параметров. Но зато на плечи
оператора ложиться задача интерпретации классов, полученных на
этапе обучения. Автономное обучение по образцам это в чистом виде
задача кластеризации, поскольку оно базируется на объединении в
группы пикселей диаграммы разброса согласно их соответствия
пикселям классифицируемого изображения.. В зависимости от
задаваемых параметров, эти группы в последующем могут быть
394
йены, исключены из рассмотрения или использованы как
для создания обучающей выборки. При таком подходе в
; IMAGINE можно выбрать один из двух алгоритмов
'изапии:
ISODATA - метод кластеризации, использующий
щьные расстояния и производящий классификацию пикселей в
скольких итераций. При каждой итерации переопределяются
ии созданных классов и классификация проводится повторно.
;м происходит постепенное слияние образцов, созданных на
спектральных расстояний.
RGB-кластеризация. Это - более специализированный метод,
•имый только к 8-битовым данным, содержащим три
канала. При этом пиксели помещаются в трехмерное
а-ство признаков, а это пространство разделяется на области,
е используются для создания кластеров.
6.3.6.	ISODATA - кластеризация
• выполнения ISODATA-кластеризации используйте утилиту
гл :sed classification, вызываемую из меню редактора сигнатур. В
:е одного из входных параметров данного алгоритма, требуется
- максимальное число создаваемых кластеров. После
-гения очередной итерации, на основании спектрального
н-гия пикселей в созданных кластерах рассчитываются новые
п'ки - средние значения яркостей каждого кластера,
детвии. на очередном шаге, эти средние значения используются
геопределения кластеров. Процесс продолжается, пока различия
"ерах на последнем и предыдущем шагах итерации не станут
:чно малы.
же. в координатах пространства признаков, построенного для
нейтральных каналов А и В, показано исходное состояние
ь. до начала работы алгоритма. Пять (по числу создаваемых
?ов i начальных центров равномерно распределены между
и плоскости с координатам	/Лв - (Ув) и
С7_./М +СГЙ).
395
Рис 6.11. Распределение центров кластеров до начала работы
алгоритма ISODATA
Рассчитываются спектральные расстояния между пикселями-
кандидатами и каждым, существующим на данном шаге кластером.
Пиксель приписывается к тому кластеру, среднее значение яркости
которого ближе к данному пикселю. Алгоритм ISODATA создает
выходное изображение в виде тематического растрового слоя с
дополнительным файлом сигнатур (расширение .sig).
Обычно, на первом шаге итерации алгоритм ISODATA всегда дает
результат, сходный с тем, что изображен на рисунке, приведенном
ниже:
Рис 6.12. Первый шаг итерации по алгоритму ISODATA: а - пиксели
изображения по критерию минимального расстояния группируются
вокруг первичных центров; б - для кластеров 1, 2, 3, 4 и 5
определяются начальные границы
396
На втором и последующих шагах, средние значения всех
кластеров пересчитываются, вызывая тем самым, некоторое смещение
положения центров кластеров и их границ в пространстве признаков.
В целом, процесс повторяется - каждый пиксель-кандидат
сравнивается с новым средним значением каждого кластера и
приписывается к кластеру с самым близким средним значением.
Рис 6.13. Изменение центров и границ кластеров на следующем шаге
алгоритма 1SODATA
По завершению каждого шага вычисляется процент пикселей,
приписывание которых к определенному кластеру не изменилось по
сравнению с предыдущим шагом. Когда этот показатель достигнет
величины Т - барьера сходимости (convergence threshold), выполнение
прерывается.
Возможна ситуация, когда процент пикселей, не сменивших
кластер «приписки» никогда не достигнет барьера Т. В такой
ситуации, в качестве одного из входных параметров следует задавать
максимальное количество итераций М, по достижению которого
программу следует прервать.
6.3.7.	.ЖТВ-кластеризация
Это простая классификация и, одновременно, методика сжатия
данных, работающая для трех каналов мультиспектрального
изображения. При этом информация из трех каналов снимка
сжимается, а результирующее изображение представляется при
помощи псевдоцветовой схемы в виде одноканального, тематического
слоя.
397
Алгоритм помещает все пиксели исходного снимка в трехмерное
пространство и затем, строя в этом пространстве кубическую решетку,
разбивает пространство на кластеры, по границам ячеек этой решетки.
Каждый из этих кластеров становится классом в выходном
тематическом слое. Вдоль каждой координатной оси пространства
входная гистограмма яркостей масштабируется так, чтобы границы
гистограммы не превышали пределы, задаваемые либо при помощи
стандартного отклонения s, либо при помощи минимальных и
максимальных значений яркости каждого канала исходного
изображения.
;	; G
/Т /Г\£/-,
О 18 54	90	134	250
Рис 6.14. Суть RGB-кластеризации: а - исходные гистограммы
распределения цветов на изображении; <7 кубическая решетка,
разбивающая цветовое пространство на кластеры
По умолчанию, число разбиений в алгоритме .RGB-кластеризации,
устанавливаемое в ERDAS IMAGINE для каждого спектрального
канала задается следующим образом:
-	7 разбиений для канала R;
-	6 разбиений для канала G;
-	6 разбиений для канала В;
398
Назначенное таким образом разбиение, позволяет выделить 252
класса (7*6*6). Чтобы уменьшить число классов, следует уменьшить
число разбиений по одному или нескольким каналам.
6.4. Решающие правила классификации
Вопросы оценки качества созданных обучающих выборок, мы
обсудим позже. Пока же, просто будем считать, что все созданные
обучающие выборки являются достаточно качественными. Теперь,
когда получены надежные обучающие выборки, мы можем выполнить
классификацию данных. Каждый пиксель будет анализироваться
отдельно и независимо. Данные по каждому пикселю сравниваются с
каждой обучающей выборкой в соответствии с некоторым решающим
правилом (или алгоритмом). Пиксели, удовлетворяющие критерию,
устанавливаемому решающим правилом, приписываются
соответствующему классу. Программа ERDAS IMAGINE позволяет
выполнить классификацию, как на основе параметрических решающих
правил (статистические критерии), так и на основе непараметрических
решающих правил (объекты в пространстве признаков).
6.4.1.	Непараметрические решающие правила
К таковым относятся решающие правила, использующие
непараметрические обучающие выборки:
-	правило прямоугольников;
-	правило пространства признаков;
Правило прямоугольников
В решающем правиле на основе прямоугольников (или
параллелепипедов в трехмерном случае) исходные значения яркостей
пикселей-кандидатов анализируются на предмет попадания внутрь
прямоугольной области, ограниченной верхней и нижней границами.
Такими границами могут быть:
-	минимальные и максимальные исходные значения яркостей
пикселей по каждому каналу, полученные на основе анализа текущей
сигнатуры;
399
-	среднее значение яркости // по каждому каналу, полученное на
основе анализа текущей сигнатуры, плюс/минус разброс, задаваемый
среднеквадратическим отклонением ст ;
-	любые другие границы, которые Вы укажете, основываясь на своем
знании сигнатур и их предварительной оценки;
Итак, в пределах каждой спектральной зоны, для анализируемой
сигнатуры, задается верхняя и нижняя границы. Если для каждой
спектральной зоны исходное значение яркости классифицируемого
пикселя лежит в рамках верхней и нижней границ, пиксель
назначается классу, задаваемому данной обучающей выборкой. Это
проиллюстрировано на рисунке, приведенном ниже.
Рис 6.15. Три класса (1,2,3) задаются прямоугольными границами
сигнатур. Координатные оси - цветовые компоненты пикселей
изображения по двум спектральным каналам (А, В). Границы
рассчитываются из средних значений // и среднеквадратических
отклонений ст цветовых компонент пикселей. Группы пикселей,
обозначенные вопросительным знаком, не могут быть
классифицированы. Группы пикселей, обозначенные светло-серыми
треугольниками, находятся в области перекрытия классов 1 и 2.
Согласно некоторому решающему правилу, эти группы отнесены к
классу 1
400
Если группа пикселей, попадает в регион перекрытия двух или
более прямоугольников, вы должны принять решение, как
классифицировать данную ситуацию.
1.	Группа пикселей может быть классифицирована с
использованием атрибутивного поля “Order” (Порядок) сигнатур.
Пиксели приписываются классу сигнатуры, имеющей более высокий
порядок (то есть той, у которой значение атрибута “Order” меньше).
Атрибутивное значение “Order” можно задавать в редакторе сигнатур.
2.	Группа пикселей может быть классифицирована с
использованием дополнительного параметрического решающего
правила. При этом, пиксели тестируются с использованием лишь тех
сигнатур, в область пересечения которых они попадают. Если ни одна
из этих сигнатур не является параметрической, пиксели остаются
неклассифицированными. Если же одна (и только одна) из этих
сигнатур - параметрическая, пиксели автоматически приписываются к
классу данной сигнатуры.
3.	Группа пикселей остается неклассифицированным.
Если группа пикселей не попадает внутрь ни одной из областей,
задаваемых прямоугольниками, Вам следует определить, как следует
классифицировать такие пиксели.
1. Группа пикселей может быть классифицирована с
использованием дополнительного параметрического решающего
правила. При этом, пиксели тестируются, с использованием всех
параметрических обучающих выборок. Если параметрические
сигнатуры отсутствуют, пиксели остаются неклассифицированными.
2. Пиксели остаются неклассифицированными.
Решающее правило прямоугольников реализовано на базе
простого и очень быстрого алгоритма. Высокая скорость выполнения
обусловлена тем, что значения яркости пикселей сравниваются с
граничными значениями, задаваемыми для каждой сигнатуры в виде
постоянной величины. Кроме того, снимается требование о
нормальном распределении значений яркости пикселей внутри
обучающих выборок. Но недостатком данного решающего правила
является то, что вследствие прямоугольной формы границ, иногда
пиксели, спектрально далекие от среднего значения текущей
сигнатуры, все же приписываются к классу соответствующему данной
401
обучающей выборке. Эта ситуация иллюстрируется на рисунке,
приведенном ниже.
Рис 6.16. Эллипс рассеивания (1) построен на основании
статистических данных сигнатуры некоторого класса. Область (2),
задающая границы решающего правила прямоугольников, описана
вокруг этого эллипса. Согласно решающему правилу, группы
пикселей, обозначенные вопросительным знаком, будут отнесены к
данному классу. Но согласно статистическим критериям, такая
классификация некорректна
Правило пространства признаков
Решающее правило пространства признаков определяет попадание
(или непопадание) классифицируемого пикселя-кандидата внутрь
области, определяющей на слое пространства признаков границы
непараметрической сигнатуры. Рассмотрим произвольную точку,
координаты которой задаются двумя спектральными составляющими
исходного (файлового) значения яркости пикселя-кандидата. Если эта
точка попадает внутрь области, задающей границы сигнатуры, все
пиксели с такими же составляющими яркости приписываются
соответствующему классу. Эта ситуация отображается на рисунке,
приведенном ниже.
402
в
Рис 6.17. Полигональные объекты (1,2,3), используются для
определения границ непараметрических сигнатур
И снова, Вы должны определить, как классифицировать пиксель,
попадающий в регион пересечения двух или более областей, задающих
непараметрические сигнатуры. Как и в случае прямоугольных
областей, есть три варианта решения.
1.	Пиксели могут быть классифицированы с использованием
атрибутивного поля “Order” (Порядок) сигнатур.
2.	Пиксель может быть классифицирован с использованием
дополнительного параметрического решающего правила.
3.	Пиксель остается неклассифицированным.
И для случая, когда пиксель не попадает внутрь ни одной из
областей интересов, задающих непараметрические обучающие
выборки, существуют те же два решения, как и для правила
прямоугольников.
1. Пиксель может быть классифицирован с использованием
дополнительного параметрического решающего правила. При этом,
пиксель тестируется, с использованием всех параметрических
обучающих выборок. Если параметрические сигнатуры отсутствуют,
пиксель остается неклассифицированным.
2. Пиксель остается неклассифицированным.
403
Данное решающее правило полезно на этапе предварительной
классификации. Кроме того, данное решающее правило достаточно
точно выделяет классы, сигнатуры которых имеют отличный от
нормального статистический закон распределения яркости пикселей -
например, область городских застроек. И это, несмотря на то, что
порой, пространство признаков бывает трудно интерпретировать
(найти соответствие с классифицируемым снимком) и, кроме того,
алгоритм решающего правила на основе пространства признаков
может оставить некоторые пиксели неклассифицированными.
6.4.2.	Параметрические решающие правила
В ERDAS IMAGINE к таковым относятся решающие правила,
использующие параметрические обучающие выборки:
-	правило минимального расстояния;
-	правило расстояния Махаланобиса;
-	правило максимального правдоподобия (по Байесу);
В рамках нашего курса мы рассмотрим только правило
минимального расстояния.
Правило минимального расстояния
Решающее правило минимального расстояния (называемое еще
правилом спектрального расстояния) подсчитывает спектральное
расстояние между вектором значений яркости пикселя-кандидата и
вектором средних значений яркости сигнатуры каждого класса. На
рисунке, приведенном ниже, строится двумерное пространство
признаков в координатах составляющих яркости двух спектральных
каналов изображения. Спектральное расстояние соответствует
линиями, проведенными от пикселя-кандидата к точкам, задающим
средние значения яркости сигнатур для трех классов.
404
Рис 6.18. Пиксель-кандидат (Р) помещается в точку пространства
признаков, построенного для спектральных каналов А кВ. В этом же
пространстве размещаются точки, задающие средние значения яркости
сигнатур трех классов (//, , //2 и /Л ). По правилу минимальных
расстояний пиксель будет отнесен к классу 2.
Спектральное расстояние вычисляется по следующей формуле
J п
~ РхукУ	(б-8)
к = 1
Где
sd - спектральное расстояние от пикселя с координатами х,у до
точки, задающей в пространстве признаков среднее значение яркости
для сигнатуры класса с;
и - количество спектральных каналов (размерность);
к - текущий канал;
с - текущий класс;
р к - исходная составляющая яркости пикселя с координатами х,у в
спектральном канале к;
ра - среднее значение составляющей яркости пикселя по каналу к
для сигнатуры, соответствующей классу <?;
405
Спектральное расстояние рассчитывается для всех возможных
значений с (всех возможных классов). Кандидат-пиксель
приписывается тому классу, для которого расстояние sd минимально.
Алгоритм, реализующий решающее правило минимального
расстояния самый быстрый после алгоритма, реализующего правило
параллелепипедов. При этом не остается неклассифицированных
пикселей, так как любой пиксель спектрально близок к тому или
иному среднему значению. В некоторых случаях это хорошо, но в
некоторых - нежелательно. Кроме того, для группы пикселей с
небольшой вариацией яркости (например, объекты водной
поверхности - которые характеризуются малыми градациями яркости)
выполняется много лишних операций классификации, поскольку
яркости пикселей таких объектов достаточно близки к своему
среднему значению.
406
6.4.3.	Общая схема принятия решения по
классификации пикселей
Пикс ель-кандидат
класса
Рис 6.19. Алгоритм классификации текущего пикселя
Если непараметрическое правило не установлено, пиксель
?^ассифицируется с использованием только параметрического
-давила. При этом проверяются все параметрические сигнатуры.
407
Если непараметрическое правило установлено, пиксель
тестируется с использованием всех непараметрических сигнатур.
Такое правило приводит к одному из следующих вариантов:
1.	Если в результате применения непараметрического правила
выделен всего один класс, пиксель приписывается к этому классу.
2.	Если проверка по непараметрическому правилу не выделила
ни одного класса, применяется правило U, срабатывающее при
невозможности классификации. А далее в рамках этого правила либо
применяется параметрическое правило, согласно которому пиксель
классифицируется окончательно, либо пиксель остается
неклассифицированным.
3.	Если по результатам непараметрического теста пиксель
попадает в более чем один класс, применяется правило перекрытия L.
При помощи этого правила пиксель либо классифицируется
посредством параметрического правила, либо классифицируется с
использованием атрибутивного поля Order, либо остается
неклассифицированным.
6.4.4.	Оценка качества обучающих выборок
В ERDAS IMAGINE существуют тесты и инструменты,
позволяющие оценить, насколько реально данные обучающих выборок
представляют классифицируемые данные.
1.	Утилита “Alarm”, позволяющая оценивать результаты
составления обучающих выборок по выбранным в редакторе
сигнатурам. Пиксели, отвечающие критериям классификации для
выбранных сигнатур, объединяются во вспомогательный слой-маску и
подсвечиваются в Визуализаторе, отображаясь поверх исходного
изображения. Можно просмотреть области перекрытия классов,
выделяя их особым цветом.
Эллипс-тест. В соответствии с этим тестом рассчитывается эллипс
рассеивания (а также стандартное отклонение и среднее значение
яркости) по каждой сигнатуре. Эллипс рассеивания строится в
координатах пространства признаков для двух выбраных каналов
многозонального изображения. При этом, плотность распределения
яркости пикселей вдоль главных осей эллипсов рассматривается как
реализацию двумерного поля случайных значений.
408
2.	Рассчитанные величины сохраняются в файле сигнатур. Если
эллипсы, построенные для двух сигнатур, имеют значительную
область перекрытия, значит спектральные характеристики пикселей,
предстаквляющих данные сигнатуры практически не отличаются. А
это означает, что не отличаются и классы, описываемые этими
сигнатурами. В самом лучшем случае перекрытие отсутствует вообще.
Однако, некоторое перекрытие присутствует почти всегда.

Рис 6.20. Применение эллипсов рассеивания для оценки качества
обучающих выборок: а - перекрытие сигнатур; б - сигнатуры
различаются
3.	Оценка при помощи матрицы сопряженности. Этот тест
позволяет оценить качество обучающих образцов, созданных в
границах областей интересов, задаваемых на снимке. То есть, данный
тест применим только к параметрическим обучающим выборкам.
Может показаться, что любой пиксель, лежащий внутри области
интересов, обязательно будет отнесен к классу, задаваемому данной
обучающей выборкой. Но это не так. Вспомним, что для
параметрических обучающих выборок создается обобщенное описание
в виде сигнатуры. Это описание содержит статистические
характеристики пикселей, принадлежащих образцу. Некоторые
маргинальные значения яркости пикселей могут не попасть в границы
сигнатуры, задаваемые средним значением и разбросом (дисперсией)
цветовых компонент. Или, наоборот, границы сигнатур могут быть
заданы так, что при классификации возникнет неоднозначность,
пиксель может быть приписан к нескольким классам одновременно.
Значит, такие пиксели, находящиеся внутри обучающей выборки, не
будут правильно отнесены к соответствующему классу. В качестве
409
элементов, матрица сопряженности будет содержать в рамках каждой
обучающей выборки количество или процентное отношение пикселей,
которое было отнесено к каждому классу. По своему содержанию,
такая матрица является матрицей ошибок. Матрицу сопряженности
можно построить, вызвав в редакторе сигнатур пункт меню Evaluate |
Contingency. Появиться диалоговое окно, позволяющее уточнить
алгоритм применения решающих правил при построении матрицы.
Etectwn Rufes:
Mon-paiaraelnc Rule: $< ч N one
Paremetr»: Rule:	^Maximum Likelihood
Г' Use Ptobahiliss
Pixel Cnunn	4" Pixel Percentages
[ . OK '"J Cancel > Help
Рис 6.21. Диалоговое окно, задающее алгоритм применения
решающих правил при построении матрицы сопряженности и
выходная матрица.
После этого проводиться классификация всех пикселей в рамках
параметрических обучающих выборок, с использованием
параметрических и непараметрических решающих правил. По
результатам этой классификации составляется матрица
сопряженности.
ERROR MATRIX
О
142 99
О
162 64
143 95
00674
Column Total
16345
14299	00609	121333
-----------End of Error  Misifcir ix — — — — —
Рис 6.22. Матрица сопряженности, генерируемая модулем
классификации ERDAS IMAGINE
410
6.5.	Практическое выполнение классификации
в ERDAS IMAGINE
6.5.1.	Выполнение автономной классификации
В ERDAS IMAGINE используется специальная разновидность
алгоритма, реализующего кластерный анализ - алгоритм ISODATA
(Iterative Self-Organizing Data Analysis Technique) для выполнения
автономной классификации.
1.	В ERDAS IMAGINE из основного меню выберите опцию
Main | Image Classification. Откроется диалоговое окно Classification.
Classifkat
Ж1И
Signature Editor ..	|
UnsupeMSBdQassifiartion ... |
Z-.- •
__________Threshold...____|
Fuzzy Convolution_________j
GroupingTool.»	]
Fuzzy Recode	|
AcairacyAssessmB#	j
Feature Spa^e Image -	|
• siv- \	” 1 **
Knowledge Classifier.	|
Knowledge Engineer..	J
Frame Sampling Tools	|
Spectral Analysts ..	|
2.	В этом диалоговом окне нажмите кнопку Unsupervised
Classification. Откроется диалоговое окно автономной классификации
(по алгоритму 1SODATA).
411
3.	В поле Input Raster File укажите имя классифицируемого
растрового файла - germtm.img. Установите переключатель Output
Cluster Layer. Затем, в соответствующем поле задайте имя выходного
тематического слоя, содержащего полученные классы -
germtm_isodata.img. Убедитесь, что переключатель Output Signature
Set сброшен - в данном задании мы не создаем файл сигнатур.
Задайте число выделяемых классов, установив в поле Number of
Classes значение 10. Задайте максимальное число итераций алгоритма
кластеризации, установив в поле Maximum Iterations значение 24.
Поле Convergence Threshold - барьер сходимости, оставим без
изменений. Нажмите ОК. Будет выполнена автономная
классификация.
6.5.2.	Оценка результатов автономной классификации
4.	Запустите Визуализатор. Откройте в нем растровый файл
germtm.img. При открытии, выберите модель отображения
спектральных зон в каналы RGB в виде 4, 5, 3.
5.	В том же Визуализаторе, поверх открытого файла germtm.img
откройте тематический слой germtmisodata.img, содержащий
полученные классы. Просмотрите оба слоя совместно, при помощи
утилиты Swipe.
412
6.	Из меню Визуализатора выберите опцию Raster | Attributes. В
меню диалогового окна атрибутов растра выберите пункт Edit | Column
Properties.
I OitpioyWidth I" Л
Bo”»» I i О! <
~ L.	I СЖ ~l Corrs’ J
7.	С помощью кнопок Up, Top, Down, Bottom выполните
переупорядочение атрибутивных полей в следующем порядке:
Class Name, Histogram, Opacity, Color, Red, Green, Blue. Нажмите OK в
диалоге Column Properties. Вы снова вернетесь к диалогу Raster
Attribute Editor.
413
8.	В редакторе атрибутов растра щелкните на столбце Opacity.
Весь столбец будет выделен синим цветом. Щелкните правой
клавишей мыши по выделенному столбцу и из контекстного меню
выберите пункт Formula.
9.	В поле Formula задайте значение 0. Нажмите Apply, затем
Close. Атрибут «прозрачность» для всех записей таблицы
установиться в 0. Все объекты тематического слоя станут
прозрачными.
10.	В редакторе атрибутов растра выделите запись,
соответствующую классу номер 1. Для выделенной записи щелкните
правой клавишей мыши по полю Color. Измените цвет на Orange. Для
выделенной записи щелкните левой клавишей мыши по полю Opacity.
414
Измените значение прозрачности на 1.
11. Классы в Визуализаторе примут следующий вид:
□ЕГЕ
|И
12.	Используйте опцию меню Визуализатора Utility | Flicker,
чтобы лучше увидеть выделенный класс под номером 1. Переименуйте
выделенный в редакторе атрибутов класс из Class 1 в Water.
Окончательно задайте для него цвет Blue из контекстного меню.
13.	Повторите пункты 9-11 для класса Class 2. Присвойте ему
окончательное имя Forest и цвет Green.
14.	В редакторе атрибутов растра выберите пункт File | Save,
чтобы сохранить изменения в тематическом слое. Очистите
Визуализатор.
415
6.	5.3. Управляемая классификация.
Подготовка параметрических обучающих выборок.
1.	Запустите Визуализатор. Откройте в нем растровый файл
germtm.img. При открытии, выберите модель отображения
спектральных зон в каналы RGB в виде 4,5,3.
2.	В ERDAS IMAGINE из основного меню выберите опцию Main
| Image Classification. Откроется диалоговое окно Classification.
Нажмите в нем кнопку Signature Editor, для запуска редактора
обучающих выборок (сигнатур). Будет запущен Редактор сигнатур.
3.	В меню Визуализатора выберите пункт AOI | Tools для вызова
инструментальной панели областей интересов.
4.	Постройте на растровом изображении germtm.img область
интересов, так, как это показано на рисунке ниже.
416
5.	В редакторе сигнатур нажмите кнопку Create New Signature
From AOI ***' (Создать новую сигнатуру на базе области интересов)
или выберите из меню пункт Edit | Add. В редактор сигнатур будет
добавлена параметрическая обучающая выборка на основе созданной
области интересов.
6.	Переименуйте в редакторе сигнатур обучающую выборку
Class 1 в Agricultural Field_l. Задайте для ее отображения зеленый цвет
в поле Color.
Siqnalun.-1 dll or	III'1)
File Edit View Evaluate Feature Classify Help
Class 3
Signature Name
Color Value Order
	 	
Prob P l н A
7.	Из меню Визуализатора выберите пункт AOI | Seed Properties.
Появится окно Region Growing Properties. Сейчас Вы установите
некоторые свойства для инструмента разрастания регионов.
ir> Ие<)К'| I Gi uwin'i l'r>
Neighborhood.	Geographic Constraints
Г Distance (
I* !*•*
Spectral Fuclid&on Distance (10'3'3
GrowsHnqurre | Set ConstraintAOI | Qptons
Redo j Invert [ | Close | Help
8.	В поле Area установите значение 300. Проконтролируйте,
чтобы единицы площади региона разрастания были установлены в
“pixels”. Поле Spectral Euclidean Distance (Спектральное Евклидово
Расстояние) установите в 10. Опцию “Соседство” (Neighborhood)
установите при помощи кнопки Select 4 Neighborhood mode iDj (4-х
компонентная окрестность).
417
9.	Нажмите кнопку Options и в появившемся диалоговом окне
Region Grow Options установите переключатель Include Island
Polygons. Данная опция задает правило включения внутренних
областей в интегральную область разрастания. Нажмите кнопку Close
в окне Region Grow Options.
Ъ Г< )1И ।
✓ Induce Island Polygon- ;
j Update Reqiini Mee
10.	На инструментальной панели области интересов выберите
кнопку Region Grow AOI (Построение области интересов по
алгоритму разрастания). Выберите в Визуализаторе область снимка,
соответствующую лесному покрову и щелкните внутри этой области
мышкой. Автоматически, по алгоритму разрастания будет построена
область интересов в пределах лесного покрова.
11.	В редакторе сигнатур нажмите кнопку Create New Signature
From AOI или выберите из меню пункт Edit | Add. В редактор будет
добавлена сигнатура параметрической обучающей выборки на основе
области интересов, созданной при помощи инструмента разрастания
регионов. Дайте новой обучающей выборке в редакторе сигнатур
название Forest 1 и присвойте цвет Yellow.
12.	Создадим еще одну параметрическую обучающую выборку.
Из меню Визуализатора выберите пункт Utility ( Inquire Cursor.
Установите появившийся курсор запросов (белое перекрестие на
экране Визуализатора) на область темно-красных пикселей снимка.
418
Эта область тоже относится к лесному покрову.
13.	В окне Region Growing Properties нажмите кнопку Grow at
Inquire. По алгоритму разрастания будет построена еще одна область
интересов в пределах лесного покрова.
14.	В редакторе сигнатур снова нажмите кнопку Create New
Signature From AOI *4 или выберите из меню пункт Edit | Add. В
редактор сигнатур будет добавлена еще одна параметрическая
обучающая выборка на основе области интересов, созданной при
помощи инструмента разрастания регионов. Дайте новой обучающей
выборке в редакторе сигнатур название Forest 2 и присвойте цвет Pink.
Й» Signature rditor (kaka^ig)
Fite Eeft View Evaluate Feature Classify Help
3 LI и. ♦- S 4 A TA
□ass Й i j Stcr-Mure Name Color Vabe Owlet Cour* Ftob PI H A ® j
15.	Слой, содержащий область интересов больше нам не нужен.
Удалим его. Из меню Визуализатора выберите пункт View | Arrange
Layers.
419
16.	Выделите слой, содержащий области интересов (его название
начинается с префикса «АО1»). Щелкните по имени слоя правой
клавишей мыши и из контекстного меню выберите пункт Delete Layer.
Нажмите кнопку Apply. На предложение сохранить слой областей
интересов выберите вариант No (Нет).
6.	5.4. Создание непараметрических обучающих
выборок
Непараметрические обучающие выборки основываются на
областях интересов построенных в координатах слоя пространства
признаков. Используем такой подход для создания сигнатур водных
ресурсов.
17.	Из меню редактора сигнатур выберите пункт Feature | Create
Feature Space Layer. Будет открыто окно создания слоя пространства
признаков.
• "  ~
- X
•npir. Renter layer Clfn9)
fa' Cl»‘. |t«* I e<|!l II f' SfJdki Irn.Kh^
hbi
Levels Slice
18.	В поле Input Raster Layer задайте имя входного растра -
germtm.img. В поле Output Raster Name автоматически сгенерируется
имя-шаблон для выходного растра, содержащего слой пространства
признаков. Значение в этом поле изменять не надо. Установите
420
переключатель Output to Viewer. Посредством этой опции Вы
сгенерируете выходной слой пространства признаков в отдельном
Визуализаторе, а не в виде автономного img-файла. В таблице Feature
Space Layers выберите запись под номером 8 (файл
germtm_2_5.fsp.img). Пространство признаков будет строиться с
использованием значений второго и пятого спектральных каналов в
качестве осей координат. Нажмите ОК. Будет сгенерирован и открыт
в дополнительном Визуализаторе слой пространства признаков.
Ь Vie
^Viewer #2 ; де
View AQI	'
faster Help	’
& [D 8
19.	Свяжем два Визуализатора. В редакторе сигнатур выберите
пункт Feature | View | Linked Cursor. Откроется диалог Linked Cursors.
Linked
Select Feature Space Viewers
Г AB Feature Space V*ewen
View p -rj Select., j
Set Cursor Colors
image	Г~ 1 |
.Lmk'	Unlink |	i
I . I J I
421
20.	Нажмите кнопку Select в диалоге Linked Cursors. Укажите в
качестве связываемого Визуализатор, содержащий слой пространства
признаков. Для этого, просто щелкните мышкой внутри клиентской
области окна данного Визуализатора. Затем нажмите кнопку Link
диалога Linked Cursors. Будет установлена связь Визуализатора
содержащего изображение germtm.img и Визуализатора с диаграммой
разброса признаков.
21.	Позиционируйте связующий курсор первого Визуализатора
(germtm.img) на область водных ресурсов. Зафиксируйте положение
связующего курсора на втором Визуализаторе (диаграмма разброса).
Повторите эту операцию несколько раз. Таким образом, Вы сможете
оценить границы области интересов, задающей сигнатуру водных
ресурсов и построенной на диаграмме разброса признаков.
22.	Из меню второго Визуализатора выберите пункт AOI | Tools.
Постройте во втором Визуализаторе область интересов,
приблизительно ограничивающую сигнатуру водных ресурсов.
422
I г
23.	В редакторе сигнатур снова нажмите кнопку или
выберите из меню пункт Edit | Add. В редактор будет добавлена
сигнатура для непараметрической обучающей выборки на основе
области интересов, созданной в пространстве признаков. Дайте новой
обучающей выборке в редакторе сигнатур название Water и присвойте
цвет Blue. Дополнительно, для созданной сигнатуры можно
подсчитать статистику. Для этого в меню редактора сигнатур выберите
пункт Feature | Statistics.
24.	Нажмите кнопку UnLink диалога Linked Cursors. Связь двух
Визуализаторов будет удалена. Нажмите Close в диалоге Linked
Cursors.
25.	В меню редактора сигнатур выберите пункт File | Save As и
сохраните созданную сигнатуру под именем germtm siged.sig.
26.	В меню редактора сигнатур выберите пункт View | Image
Alarm. Появится окно утилиты Image Alarm, позволяющей оценить
качество созданных сигнатур.
|.Indicate Overlap | j|
Edit Parallelepiped Limits.	|
Il OH ~il ... Close | Help
27.	Выделите в редакторе сигнатур все четыре обучающие
выборки.
423
[jjsSignature dilw
Ble ЕФ. v=e* Е,/г41’*° r
28.	Нажмите OK в окне Signature Alarm. Маски всех четырех
обучающих выборок будут представлены в первом Визуализаторе.
29.	В диалоге Signature Alarm нажмите кнопку Edit Parallelepiped
Limits. Появиться диалоговое окно, значений для решающего правила
параллелепипедов.
424
--'акмите кнопку Set. Появиться диалоговое окно, позволяющее
-Да?а_ь границы прямоугольных областей для решающего правила
* ага.-.-;.:епипедов. Границы правила параллелепипедов можно
_д;з2_ъ двумя способами. Первый способ - задать минимумы и
д-.мы для каждого слоя в сигнатуре (радиопереключатель
' - Maximum). Второй - задать величину стандартного
-ения от среднего значения сигнатуры (радиопереключатель Std
Methcd
Sd Deviation	j ~«
Stgna^utes
Cuteenl C Selected Г й|!	!
h*J
31.	При желании, на этом этапе Вы можете отредактировать
-р’чицы областей для решающего правила параллелепипедов. Мы
зтсго делать не будем. Нажмите Cancel в диалоге Set Parallelepiped
Д emits. Нажмите Close в диалоге Limits.
6.5.5.	Оценка качества обучающих выборок
Просмотр объектов сигнатур (эллипсов рассеивания)
Диалоговое окно Signature Objects позволяет просматривать
графические объекты, построенные по статистическим параметрам
сигнатур. Такими графическими объектами являются эллипсы. На
диаграмме разброса данных. Для каждого эллипса вычисляется
среднее и стандартное отклонение какой-либо сигнатуры. Такие
объекты могут генерироваться как для одной, так и для нескольких
сигнатур одновременно. Эта утилита позволяет также показать среднее
значение, границы прямоугольников решающего правила и метку.
32.	В меню редактора сигнатур выбираем пункт Feature |
Objects. Открывается диалог объектов сигнатур.
425
tfa* SlfR4U
ЯЗ^|11|И
Ъй:р1Д г еэ'игр Soaze Viewprs
’ A! f'eelJfe SpscK Vfewer!
F Ploti2ll.p»ef
^''”Ж-ИИ
7 Plot Rectangle'
* tabe
Snve As Annotation Layer ]
1 ?r lL£ln-g~1 Help ij
33.	В редакторе сигнатур при помощи клавиши SHIFT
выделите одновременно две выборки - Agricultural Field l и
Forest 1. Затем в диалоговом окне Signature Objects нажмите кнопку
Select и укажите в качестве источника 1данных Визуализатор,
содержащий пространство признаков. Установите переключатель
Label. Нажмите ОК.
34.	Эллипсы для сигнатур Agricultural Field 1 и Forest_l будут
построены в Визуализаторе, содержащем пространство признаков.
426
35.	Сравнивая попарно эллипсы, принадлежащие различным
сигнатурам можно легко выделить сигнатуры с одинаковыми
группами пикселей (эллипсы таких сигнатур взаимно пересекаются на
диаграмме разброса данных). Чем больше общая площадь пересечения
эллипсов, тем хуже проведена классификация и разделение классов.
36.	Нажмите Close в диалоговом окне Signature Objects. Снимите
выделение с выборок Agricultural Field l и Forest_l в редакторе
сигнатур.
Просмотр статистики обучающей выборки
37.	Утилита Statistics позволяет просматривать статистические
показатели (среднее, минимальное, максимальное значения,
стандартное отклонение), вычисленные для текущей сигнатуры.
Текущая сигнатура - выборка, напротив которой в редакторе сигнатур
>становлен значок Установите в качестве текущей выборку
Forest_l.
38.	В меню редактора сигнатур выберите пункт View | Statistics
или нажмите кнопку . Откроется диалоговое окно, содержащее
статистические параметры для указанной сигнатуры.

tat? S1*itisii> ч (ftgnadiiiicili iekl j 1
Univariate
Covariance
.Hp|P.. !
427
Просмотр гистограммы обучающей выборки
Гистограмма также строится для текущей сигнатуры (выборки,
напротив которой в редакторе сигнатур установлен значок
39.	Сделайте текущей выборку Agricultural Field_l. В меню
редактора сигнатур выберите пункт View | Histograms, или нажмите
кнопку UL. Откроются два диалоговых окна. Первое - окно задания
свойств гистограммы. Изменяя значение в поле Band No можно
строить гистограммы для различных цветовых каналов текущей
гистограммы.
lite llbtoijr.un Plot Coir
Plot Options
Signatu'es.	Hands
Single Signature	« Single Bend
Г All Selected Signatures Г All Bands
Bend No p” ~Fj	Г Auto Plot
Plot. I [;dl,QSsi:| PrintOpticns | He p |
40.	Второе - окно, содержащее саму гистограмму. Просмотрев
их, закройте диалоговые окна работы с гистограммами.
Band Number: 1
0
histogram
211
113
142.037
IlCicise Print | Save [ Help | fa |
428
6.5.6. Выполнение управляемой классификации
Теперь, когда подготовлены и оценены обучающие образцы,
можно провести саму управляемую классификацию. Мы будем
использовать как параметрические, так и непараметрические
решающие правила классификации.
41.	В редакторе сигнатур следует выделить все выборки, которые
будут участвовать в классификации. Если ни одна выборка не
выделена, то по умолчанию, все выборки будут участвовать в
классификации.
42.	В меню редактора сигнатур выберите пункт Classify |
Supervised. Откроется диалоговое окно управляемой классификации.
Ur Supervised Clas
Output Fife-	Output Distance Fife
iceTr,tm_sjpticloss	Ftenamc
Attribute Options..__I Fje-n'rr_ctrsice 'mg & | ,
Decision Rules’
Non parametric Rufe.	]
Overlap Rule	|Paiameuic Rule
Unclassified Rule	[pat?;riebi;'pulp	3
Parametric Rule-	.К-кх-ш.-п _il u! nc	-if	у |
| OKj Satch j..............aGI J Cancel J Help j
43.	В поле Output file задайте имя выходного файла -
germtm_superclass.img в Вашей персональной директории.
Установите переключатель Output Distance File и задайте в Вашей
персональной директории имя растрового файла расстояний. При
помощи этого файла можно контролировать качество классификации.
44.	Нажмите кнопку Attribute Options. В появившемся диалоговом
окне атрибутов установите переключатели Minimum, Maximum, Mean
и Std. Dev.
429
45.	Закройте окно атрибутов. В диалоговом окне параметров
управляемой классификации выберите в списке поля Non-parametric
Rule значение Feature Space. Выберите в списке поля Overlap Rule
значение Parametric Rule. Выберите в списке поля Unclassified Rule
значение Parametric Rule. Выберите в списке поля Parametric Rule
значение Maximum Likelihood. Нажмите ОК. Будет выполнена
управляемая классификация. Ее результаты можно просмотреть,
открыв поверх классифицируемого снимка результирующий
тематический слой germtmsuperclass.img.
430
Список литературы:
1.	Erdas Field Guide - Leica Geosystems Geospatial Imaging, LLC: USA,
2005 - 743 p.
2.	Erdas Imagine Tour Guides - Leica Geosystems Geospatial Imaging,
LLC: USA, 2006-758 p.
3.	Leica Photogrammetry Suite Terrain Editor - Leica Geosystems
Geospatial Imaging, LLC: USA, 2006 - 60 p.
4.	Leica Photogrammetry Suite Automatic Terrain Extraction - Leica
Geosystems Geospatial Imaging, LLC: USA, 2006 - 154 p.
5.	Leica Photogrammetry Suite Project Manager - Leica Geosystems
Geospatial Imaging, LLC: USA, 2006 - 411 p.
6.	Extracting Features using IMAGINE Easytrace™ A Technical White
Paper - Leica Geosystems Geospatial Imaging, LLC: USA, 2006 - 26 p.
7.	IMAGINE AutoSync™ White Paper - Leica Geosystems Geospatial
Imaging, LLC: USA, 2006 - 20 p.
8.	Яне Б. Цифровая обработка изображений. - Москва: Техносфера,
2007. - 584 стр.
9.	Лобанов А.Н., Буров М.И., Краснопевцев Б.В. Фотограмметрия. -
Москва: Недра, 1987. - 309 стр.
10.	Горелик А.Л., Скрипкин В.А. Методы распознавания. - Москва:
Высшая школа, 1984. - 207 стр.
431