Светлана Викторовна Спевакова, аспирант
305040
ул. 50 лет Октября, д. 94
Курск
Svetlana S. Spevakova, Post-Graduate Student
305040
50 Let Oktyabrya Str. 94
Kursk
Александр Геннадьевич Спеваков, кандидат технических наук, доцент
305040
ул. 50 лет Октября, д. 94
Курск
Alexander G. Spevakov, Cand. of Sci. (Engineering), Associate Professor
305040
50 Let Oktyabrya Str. 94
Kursk
Ирина Евгеньевна Чернецкая, доктор технических наук, доцент, заведующий кафедрой
кафедра вычислительной техники
305040
ул. 50 лет Октября, д. 94
Курск
Irina V. Chernetskaya, Dr. of Sci. (Engineering), Associate Professor, Head of the Department
Department of Computer Engineering
305040
50 Let Oktyabrya Str. 94
Kursk
Целью исследования является математическое обоснование процесса обработки мультиспектральных данных с целью обнаружения локальных зон загрязнения окружающей среды с возможностью классификации загрязняющего вещества.
Методы. В качестве базового математического аппарата используются основы прикладной теории стохастических систем, основанной на уравнениях для многомерных характеристических функций и функционалов. При определении загрязняющего вещества используется критерий, отражающий способность предметов и подчиняющийся закону Ламберта. Для решения задачи классификации объектов применены подходы с использованием бинарной логистической регрессии. При оценке результатов исследования применены статистические методы анализа.
Результаты. Полученные частные математические модели позволяют учесть множество факторов, воздействующих на мобильные платформы экологического мониторинга и функционирующих в автоматическом режиме. Обосновывают возможность дистанционного анализа локальных зон загрязнения окружающей среды с возможностью определения загрязняющих веществ, таких как углеводороды, фосфат-ионы и др., а также поиска несанкционированных локаций строительного и бытового мусора. Повышают точностные характеристики в 1,3 раза при определении параметров выделенных объектов за счет обработки данных, полученных в различных спектральных диапазонах. Способствуют снижению вычислительной сложности алгоритма классификации в 1,1 раза с учетом объема входных данных в ограниченном спектральном диапазоне и уменьшению разрешения эталонного объекта, при этом не влияющего на точность классификации.
Заключение. Разработана математическая модель обработки данных и изображений, полученных в нескольких спектральных диапазонах, при функционировании мультиспектрального устройства для автономной мобильной платформы экологического мониторинга, позволяющая выделять объекты в поле зрения устройства с подвижной платформы, получать детализированное изображение объектов рабочей сцены с пространственной привязкой относительно используемой системы координат, отличительной особенностью которой является повышение точности вычисления координат локальных зон загрязнений и повышение достоверности классификации объектов, исходя из характеристики диффузионной отражательной способности в различных спектральных диапазонах.
The purpose of research is a mathematical justification of the process of processing multispectral data in order to detect local environmental pollution zones with the possibility of classifying the pollutant.
Methods. The fundamentals of the applied theory of stochastic systems based on equations for multidimensional characteristic functions and functionals are used as a basic mathematical apparatus. When determining a contaminant, a criterion reflecting the ability of objects obeying Lambert's law is used. To solve the problem of object classification, approaches using binary logistic regression are applied. Statistical methods of analysis were used to evaluate the results of the study.
Results. The obtained partial mathematical models allow us to take into account many factors affecting mobile environmental monitoring platforms operating in automatic mode. Substantiate the possibility of remote analysis of local environmental pollution zones, with the possibility of determining pollutants such as hydrocarbons, phosphate ions, etc., as well as searching for unauthorized locations of construction and household garbage. They increase the accuracy characteristics by 1,3 times when determining the parameters of selected objects due to the processing of data obtained in various spectral ranges. They contribute to reducing the computational complexity of the classification algorithm by 1,1 times, taking into account the volume of input data in a limited spectral range and reducing the resolution of the reference object, while not affecting the accuracy of classification.
Conclusion. A mathematical model has been developed for processing data and images obtained in several spectral ranges during the operation of a multispectral device for an autonomous mobile environmental monitoring platform, which makes it possible to identify objects in the field of view of the device from a mobile platform, to obtain a detailed image of working scene objects with spatial reference relative to the coordinate system used, a distinctive feature of which is to increase the accuracy of calculating the coordinates of local zones pollution, and increasing the reliability of the classification of objects based on the characteristics of diffusive reflectivity in various spectral ranges.
The authors declare that there are no conflicts of interest present.