Метод автоматизованої корекції приладових спотворень на багатоспектральних супутникових знімках Landsat-7

Білоусов, КГ, Нечипорук, МВ, Хорошилов, ВС, Свинаренко, ДМ, 1Мозговий, ДК, 2Попель, ВМ
1Дніпропетровський національний університет імені Олеся Гончара
2Державне підприємство «Конструкторське бюро «Південне» ім. М. К. Янгеля», Дніпропетровськ
Косм. наука технол. 2022, 28 ;(3):03-03
https://doi.org/10.15407/knit2022.03.017
Мова публікації: Українська
Анотація: 
Запропоновано альтернативний метод автоматизованої корекції приладових спотворень сканера ETM+ на багатоспектральних супутникових знімках Landsat-7. Метод заснований на використанні фільтрації в області просторових частот із застосуванням швидкого перетворення Фур'є та спектральних масок. Параметри маски  визначаються за відомим просторовим періодом завади або експериментально за результатами фільтрації. Для виконання фільтрації на області просторових частот, що підлягають видаленню, накладається фільтруюча маска, що складається із пикселів з нульовими значеннями. У відфільтрованому зображенні будуть вилучені періодичні компоненти, просторовий період яких відповідає відфільтрованим на Фур'є-образі просторовим частотам. Якість фільтрації визначається використовуваною маскою. В разі використання багатоспектральних знімків маска фільтра, побудована за Фур'є-образом одного зі спектральних каналів, використовується для фільтрації інших каналів.
      Результати візуального аналізу оброблених знімків показали досить якісну корекцію та усунення приладових спотворень сканера ETM+ у порівнянні з іншими методами. Основні переваги запропонованого методу: можливість роботи без використання метаданих та масок приладових спотворень; робота з одноканальними і багатоспектральними знімками; можливість роботи з невеликими фрагментами сцени; мінімальна кількість ручних налаштувань для процедур обробки; можливість роботи без додаткових знімків за інші дати; висока стійкість використовуваних алгоритмів при використанні знімків з різних супутників; досить добра повторюваність результатів на супутникових знімках, зроблених у різні сезони та для різних територій.
      Експериментальне тестування запропонованого методу на великій кількості знімків також підтвердило добру повторюваність і високу стійкість використовуваних алгоритмів. Розроблена технологія також з успіхом може бути використана для корекції приладових просторово-періодичних спотворень на архівних супутникових знімках, отриманих за допомогою інших оптико-механічних сканерів.
Ключові слова: багатоспектральні знімки, приладові спотворення, сканер ETM+, спектральні маски, супутник Landsat-7, швидке перетворення Фур'є
References: 

1. Artyushenko M. V., Tomchenko O. V. (2020). Percolation model to control the distribution of forest infections on images from space vehicles. Space Sci. & Technol., 26, № 4 (125), 45-56.
https://doi.org/10.15407/knit2020.04.045

2. Brejsuell R. (1990). Hartley transform. Theory and applications. M.: Mir (in Russian)

3. Zlobin S. L, Stal'noj A. Ya. (2004). Two-dimensional Fast Hartley Conversion in digital image processing. Proc. of A.S. Popov RSTSREEC, 2, 114-116 (in Russian).

4. Makarov O. L., Bіlousov K. G., Svinarenko D. N., Khoroshylov V. S., Mozgovoy D. K., Popel V. M. (2021). Automatized recognition of urban vegetation and water bodies by Jilin-1А satellite images. Space Sci. & Technol., 27, № 4, 42-53. https://doi.org/10.15407/knit2021.04.042
https://doi.org/10.15407/knit2021.04.042

5. Makarov A. L., Mozgovoj D. K., Horoshilov V. S., Balashov V. N., Maslyey D. V., Popel' V. M. (2014). Efficient filtering of space-periodic distortions on archive images. Kosm. nauka tehnol., 20, № 4, 14-21. https://doi.org/10.15407/knit2014.04.014.
https://doi.org/10.15407/knit2014.04.014

6. Makarov A. L., Mozgovoj D. K., Khoroshilov V. S., et al. (2014). Effective Method Filtration of Attachments on Snacks from Opto-Mechanical Scanners. The V Int. Forum "Applied radioelectronics. Share and prospects for development", 14-17 October 2014., Kharkiv, KNURE. Vol. 1. Conference "Integrated information radio-electronic system and technologies", 105-108.

7. Maslej V. N., Mozgovoj D. K., Bilousov K. G., Horoshilov V. S., Bushanska O. S., Galich N. G. (2016). Methods of the impact evaluation of amber mining by multispectral satellite images. Space Sci. & Technol., 22, № 6, 26-36.
https://doi.org/10.15407/knit2016.06.026

8. Mozgovoj D. K. (2008). Consigned combined masks for filtration of periodic interference. Interagency scientific and technical collection "Applied geometry and engineering graphics". K.: Ukrainian Association of Applied Geometry, 175-179.

9. Mozgovij D. K. Voloshin V. І. (2003). Filtration of spatial-periodic devices for satellite images. Publ. Taurian State Agrotechnical Academy. № 4. Applied geometry and ingineering graphics, 20, 71-75.

10. Mozgovoj D. K., Voloshin V. I., Bushuev E. I. (2004). Filtration of radiometric interference with a space-periodic structure. Problems of Control and Informatics, № 3, 97-106.

11. Omelych I., Yaremenko A., Neposhyvailenko N., Ghoraj I. (2019). Determination of vegetation cover trends based on the calculation of the normalized vegetation index on the example of Petrykivskyi district of Dnipropetrovsk region. Ukrainian J. Remote Sensing, № 23, 9-13.
https://doi.org/10.36023/ujrs.2019.23.159

12. Popov M. O., Lyal'ko V. I., Stankevich S. A. (2019). Ukrainian national system for Earth's remote sensing: look for efficient solutions. Space Sci. & Technol., 25, № 6, 39-50.
https://doi.org/10.15407/knit2019.06.039

13. Fedorovskyi O. D., Zub L. N., Dyachenko T. N., Tomchenko O. V., Khyzhniak A. V., Yakymchuk V. H. (2020). Remote assessment of the ecological state of water bodies based on the multidimensional density distribution of biotope areas on the example of the Kyiv reservoir. Space Sci. & Technol., 26, № 5 (126), 38-47.
https://doi.org/10.15407/knit2020.05.038

14. Shelestov A. Yu., Yailymov B. Ya., Yailymova H. O., Bilokonska Y. V., Nivievskyi O. V. (2020). Satellite crop monitoring for Ukraine. Space Sci. & Technol., 26, № 6 (127), 27-37. https://doi.org/10.15407/knit2020.06.027
https://doi.org/10.15407/knit2020.06.027

15. Yailymov B. Ya., Lavreniuk M. S., Shelestov A. Yu., Kolotіi A. V., Yajlymova G. O., Fedorov O. P. (2018). Methods of essential variables determination for the Earth's surface state assessing. Space Sci. & Technol., 24, № 4, 24-37. https://doi.org/10.15407/knit2018.04.026
https://doi.org/10.15407/knit2018.04.026

16. DestripeLandsat-7 ETM+. URL: https://blamannen.wordpress.com/2011/07/12/ etm-some-thoughts (Last accessed: 30.11.2021).

17. Filling the Gaps to use in Scientific Analysis. URL: http://landsat.usgs.gov/sci_an.php (Last accessed: 30.11.2021).

18. Gap Fill for Landsat 7 images - A correction of SLC-off / Luis Vega Bustillos, Environmental Engineer DATE: July 2012.

19. Hnatushenko V. V., Mozgovoy D. K., Spirintsev V. V., Udovyk I. M. (2019). All-weather monitoring of oil and gas production areas using satellite data. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, № 6, 137-143.
https://doi.org/10.29202/nvngu/2019-6/20

20. Hnatushenko V. V., Mozgovoy D. K., Vasyliev V. V., Kavats O. O. (2017). Satellite Monitoring of Consequences of Illegal Extraction of Amber in Ukraine. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, № 2, 99-105.

21. Hnatushenko V. V., Mozgovoy D. K., Vasyliev V. V. (2017). Satellite monitoring of deforestation as a result of mining. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, № 5, 94-99.

22. How to fill gaps in Landsat ETM images. URL: https://yceo.yale.edu/ landsat-etm-images (Last accessed: 30.11.2021).

23. Landsat 7 ETM+ Satellite Sensor. URL: https://www.satimagingcorp.com/satellite-sensors/other-satellite-sensors... (Last accessed: 30.11.2021).

24. Landsat 7 Data Users Handbook / Department of the Interior U.S. Geological Survey, Version 2.0. EROS, Sioux Falls, South Dakota, 2019.

25. Landsat SLC-off: propushchenі smugi ne vіdnoviti? URL: https:// gis-lab.info/forum/viewtopic.php?t=4357 (Last accessed: 30.11.2021).

26. Landsat 7 Satellite SLC Gap Fill Methodology. URL: https://landsat.usgs.gov/sites/default/ files/documents/SLC_Gap_Fill_Methodology.pdf (Last accessed: 30.11.2021).

27. Mozgovoy D., Tsarev R., Svinarenko D., Danichev A., Karnaukhov A. (2020). Instrumental Distortion Correction Method for the ETM + Scanner on Landsat-7 Multispectral Satellite Images. Int. J. Engineering Research and Technology, 13(12), 4799-4803.

28. Mozgovoy D. K., Voloshin V. I., Bushuev E. I. Filtration of Radiometric Interference with a Space-Periodic Structure. J. Automation and Inform. Sci., 36. i6.20, 14-22.
https://doi.org/10.1615/JAutomatInfScien.v36.i6.20

29. Removing stripes from Landsat-7 SLC OFF images. URL: https://community.esri.com/ thread/164902 (Last accessed: 30.11.2021).

30. Satellite Missions Database. URL: https://directory.eoportal.org/web/eoportal/satellite-missions/l/landsat-7 (Last accessed: 30.11.2021).,

31. SLC-off Products: Background. Obtenido de USGS - Landsat Missions. URL: http://landsat.usgs. gov/using_Landsat_7_data.php (Last accessed: 30.11.2021).