Министерство образования и науки Российской Федерации Российская академия наук Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт аэрокосмического мониторинга «АЭРОКОСМОС» ПРИМЕНЕНИЕ СУПЕРКОМПЬЮТЕРОВ ДЛЯ ОБРАБОТКИ ПОТОКОВ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ академик РАН Бондур В. Г. , д. т. н. , профессор Резнев А. А. 105064, Россия, г. Москва, Гороховский пер. , д. 4 Тел. : 632 -16 -54, факс: 632 -11 -78 E-mail: vgbondur@aerocosmos. info www. aerocosmos. info
ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ ЗЕМЛИ В настоящее время около 50 стран мира разрабатывают и изготавливают космические средства, а результатами космической деятельности пользуются около 150 стран. Наиболее связанной быстро с развивающихся использованием областей деятельности, изображений, дистанционное зондирование Земли (ДЗЗ). Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012» является
АКТУАЛЬНОСТЬ ДЗЗ • Дистанционное зондирование Земли (ДЗЗ) вносит существенный вклад в экономику развитых стран Космическая информация используется для: - проведения исследований в интересах наук о Земле, ; - исследования и рационального использования природных ресурсов; - охраны окружающей среды; - предупреждения и ликвидации последствий чрезвычайных ситуаций (природные катастрофы и техногенные аварии); - метеорологии и климатологии; - лесного и сельского хозяйства; - градостроительства, транспорта, энергетики; - создания карт, кадастров различных объектов, формирования геоинформационной продукции; - обеспечение безопасности страны и др. • Этот вид деятельности наиболее восприимчив к инновациям и требует внедрения самых последних достижений фундаментальной и прикладной науки Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012» Сочи Адлер Черное море
ТИПЫ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ Geo. Eye-1 При дистанционном мониторинге наиболее часто используются оптические (панхроматические (ПАН), многоспектральные (МСИ) и гиперспектральные), а также радиолокационные изображения (РЛИ) различного разрешения: сверхвысокого и высокого (0, 4– 7, 0 м); среднего (7, 0– 50, 0 м); низкого (50, 0– 1100 м). Изображения сверхвысокого и высокого разрешения формируются спутниками с оптической (Ресурс-ДК, Ресурс-П (Россия), Geo. Eye, Quick. Bird, World. View-1, 2, Ikonos (США), европейскими КА Rapid. Eye, Spot-5 (детальный режим) и др. ) и радиолокационной аппаратурой (Terra. SAR-X, Tan. DEM-X, Cosmo. Sky. Med (ЕКА), Radarsat-2 (Канада) и др. ), а также с воздушных носителей. Стадион в Лужниках МГУ им. М. В. Ломоносова Москва - Сити Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ТИПЫ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ Изображения среднего разрешения формируются КА с оптической (Landsat (США), японский ALOS (AVNIR-2, PRIZM), французский Spot-5 (обзорный режим) и др. ) и радиолокационной аппаратурой (Radarsat-1 (Канада), японский ALOS (PALSAR) и др. ) Обзорные изображения низкого разрешения формируют оптические КА типа МЕТЕОР-М, AQUA, TERRA, Suomi NPP (MODIS), NOAA (AVHRR), геостационарные КА (METEOSAT, GOES , ЭЛЕКТРО-Л) ; радиолокационные КА типа Cosmo. Sky. Med (ЕКА) и Radarsat-1 (Канада). Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ФОРМИРОВАНИЕ БАЗ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ Покрытие космическими изображениями зоны приема наземной станции Работа с базой данных Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ИСПОЛЬЗОВАНИЕ АЭРОКОСМЧИЕСКИХ ИЗОБРАЖЕНИЙ Огромное количество потребителей применяют изображения, полученные с борта космических аппаратов и воздушных носителей (самолеты, вертолеты, беспилотные летательные аппараты, аэростаты , дельтапланы и др. )для решения различных задач Для эффективного использования больших объемов данных, поступающих при аэрокосмическом мониторинге, требуется разработка и применение инновационных методов, технологий, программных и технических средств хранения и высокопроизводительной обработки изображений Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОСНОВНЫЕ ЭТАПЫ ОБРАБОТКИ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ 1. Предварительная обработка (радиометрическая и геометрическая коррекция; учет влияния атмосферы; географическая привязка; синтез изображений из радиоголограмм и др. ) ; 2. Повышение качества изображений (контрастирование; фильтрация; подчеркивание границ; совмещение панхроматических и многоспектральных изображений синтез цветных и псевдоцветных изображений и т. п. ) ; 3. Тематическая обработка: классификация (контролируемая, неконтролируемая) на основе различных подходов (детерминированного, непрерывно-группового, синтаксического, статического, нечеткого, нейрокомпьютерного и т. п. ); обнаружение изменений в изображениях и др. ; 4. Интерпретация изображений (выявление признаков; символьное представление результатов; семантическая интерпретация и др. ); 5. Формирование временных рядов тематически сегментированных изображений; 6. Сопоставление результатов обработки разновременных и разнотипных изображений и экспорт их в ГИС. 7. Анализ результатов обработки и формирование обоснованных рекомендаций для принятия решений. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
СУЩЕСТВУЮЩЕЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ ОБРАБОТКИ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ • ENVI (EXELIS) • ERDAS Er. Mapper (INTERGRAPH, ERDAS) • ERDAS Imaging (INTERGRAPH, ERDAS) • GEOMATICA (PCI GEOMATICS) • ASPECT-STAT (АЭРОКОСМОС) • SHELL (АЭРОКОСМОС) • XCLASSIFIER (АЭРОКОСМОС) • DYNCLASSIFIER (АЭРОКОСМОС) • SERIAL Image Analyzer (АЭРОКОСМОС) • Scan. Magic (СКАНЕКС) • Scan. Ex Image Processor (СКАНЕКС) Существующие программные комплексы обеспечивают предварительную и тематическую обработку изображений. Однако, они не обеспечивают оперативную обработку данных ДЗЗ и имеют низкую степень автоматизации. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРОГРАММНЫЕ КОМПЛЕКСЫ ДЛЯ ОБРАБОТКИ ИЗОБРАЖЕНИЙ Основные программные комплексы, предназначенные для обработки изображений, функционируют на различных вычислительных средствах с использованием различных операционных систем. Для повышения эффективности аэрокосмического мониторинга требуется развитие существующих и разработка новых программных и технических средств обработки данных с целью автоматизации, повышения достоверности и быстродействия. Особо важную роль для достижения этих целей играет выбор и применение соответствующих вычислительных средств. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ИНФОРМАЦИИ, ФОРМИРУЕМЫХ ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ОДИНОЧНЫХ МУЛЬТИСПЕКТРАЛЬНЫХ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ Объем информации для одного многоспектрального космического изображения: где N 1, N 2 – размеры сцены вдоль и поперек трассы, м; R 1, R 2 – пространственное разрешение вдоль и поперек трассы, м; r – радиометрическое разрешение, бит; n – число спектральных каналов. Например, для одного многоспектрального изображения, полученного со спутника World. View-2, (N 1=N 2=20 км, R 1 = R 2 = 2 м; r = 11 бит, n = 8), I ≈ 1. 1 ГБ. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ИНФОРМАЦИИ, ФОРМИРУЕМЫХ ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ При мониторинге используются не одиночные аэрокосмические изображения, а потоки изображений, поступающих через определенные интервалы времени для всей контролируемой территории. Например, система оперативного космического мониторинга пожаров НИИ «Аэрокосмос» использует данные с многоспектральных приборов MODIS (спутники TERRA, AQUA), AVHRR (спутники NOAA), МСУ-МР (спутник МЕТЕОР-М), а также данные высокого и среднего разрешения (спутники Rapid. Eye, Landsat и др. ) [Бондур , 2010 , 2011, Bondur , 2010]. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
БЛОК-СХЕМА СИСТЕМЫ ОПЕРАТИВНОГО КОСМИЧЕСКОГО МОНИТОРИНГА ПОЖАРОВ НИИ «АЭРОКОСМОС» В. Г. Бондур. Вестник ОНЗ РАН, Том 2, 2010; В. Г. Бондур. Российский космос, № 12, 2010; В. Г. Бондур. Исследования Земли из космоса, № 3, 2011; Бондур В. Г. Вестник РФФИ, № 2 (70) Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ЗОНЫ ПРИЕМА КОСМИЧЕСКОЙ ИНФОРМАЦИИ АНТЕННЫМИ КОМПЛЕКСАМИ «АЭРОКОСМОС» Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ИНФОРМАЦИИ, ФОРМИРУЕМЫХ ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ Объем одного изображения MODIS (36 каналов, разрешение 250 м, 500 м, 1000 м), составляет ~ 1 ГБ. Объем одного изображения AVHRR (5 каналов, разрешение 1100 м) и МСУ-МР (6 каналов, разрешение ~ 1100 м) составляет ~ 100 МБ. Территория России и близлежащих стран покрывается 7 -ю такими изображениями. Периодичность получения данных системой «Аэрокосмос» - 25 раз в сутки. Поток исходной обзорной космической информации составляет ~ 120 ГБ в сутки. Для мониторинга последствий пожаров и оценки эмиссий вредных газов в атмосферу используются также данные среднего и высокого разрешения их объем достигает ~ 100 ГБ в сутки. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ОБЪЕМОВ ИНФОРМАЦИИ, ФОРМИРУЕМЫХ ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ Суммарный объем потоков данных, получаемых при оперативном космическом мониторинге для обнаружения и оценки последствий пожаров на территории России и близлежащих стран, ~ 220 ГБ в сутки. Близкий объем космических данных (~280 ГБ в сутки) формируется государственной территориально-распределенной системой космического мониторинга Росгидромета. Подобные объемы информации формируются и другими спутниковыми, а также воздушными системами мониторинга. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОБЪЕМЫ ИНФОРМАЦИИ ДЛЯ РАЗЛИЧНЫХ ОДИНОЧНЫХ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ, А ТАКЖЕ ПОТОКОВ ИЗОБРАЖЕНИЙ И РЕЗУЛЬТАТОВ ИХ ОБРАБОТКИ. Разрешение Типы изображений Объемы информации Одиночные изображения, ГБ При мониторинге, ГБ Результаты обработки, МБ Растровые 4 5 6 Веторные 1 2 3 Высокое ПАН МСИ РЛИ 0. 5– 2 0. 4– 1 1– 2 50… 100 1– 100 0. 1– 5 Среднее ПАН МСИ РЛИ 0. 2– 0. 4 0. 3– 1 0. 5– 1 70… 120 1– 100 0. 1– 5 Низкое МСИ РЛИ 0. 5– 1 0. 25– 1 100… 150 1– 100 0. 1– 5 Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ВЫБОР ВЫЧИСЛИТЕЛЬНЫХ РЕСУРСОВ ДЛЯ ОБРАБОТКИ ПОТОКОВ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ Процессы обработки данных, формируемых при дистанционном мониторинге, сводятся к выполнению ряда математических операций над цифровыми изображениями. Наиболее трудоемкими являются операции предварительной обработки растровых цифровых массивов (например, синтез радиолокационных изображений (РЛИ) из радиоголограмм), а также операции типа двумерного быстрого преобразования Фурье (БПФ), являющегося одной из базовых при обработке и классификации изображений. Оценку необходимой производительности ЭВМ проведем на примере этих операций. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ БПФ Время выполнения двумерного БПФ: t = 5 N log 2(N) / V , где, N – число пикселей в изображении; V – производительность ЭВМ. Время выполнения БПФ для одного аэрокосмического изображения размером 40000 х40000 пикселей на одном процессоре Pentium 4, 3. 6 ГГц, оцененное составляет t~160 с. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ БПФ Скорость выполнения двумерного БПФ (нормированная на размер изображения N) в зависимости от N (с использованием различных библиотек) Оценка масштабируемости производительности двумерного БПФ на различных многоядерных процессорах [http: //numbercrunch. de/blog/2010/03/parallel-fft-performance/] Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ВРЕМЯ ВЫПОЛНЕНИЯ БПФ ДЛЯ ИЗОБРАЖЕНИЯ 40000 Х 40000 ПИКСЕЛЕЙ НА РАЗЛИЧНЫХ СУПЕРКОМПЬЮТЕРАХ. Суперкомпьютер, Число производительность процессоров/ядер «Ломоносов» , 1373 Tflops Время на выполнение БПФ, с 2048 / 33072 < 0. 1 128 / 512 6. 5 256 / 1024 3. 4 512 / 2048 1. 6 ВНИИЭФ – 5 Tflops 41 / 164 7 ВНИИЭФ – 1. 1 Tflops 36 / 144 Вид суперкомпьютера 25 IBM Blue Gene/P, МГУ (2 х1024 четырехядерных вычислительных узлов), 27, 9 Tflops Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ВРЕМЯ ВЫПОЛНЕНИЯ БПФ ДЛЯ ПОТОКОВ ИЗОБРАЖЕНИЙ При обработке потоков изображений и каналов мультиспектральных изображений время, затрачиваемое на БПФ, возрастает пропорционально числу обрабатываемых изображений (каналов). Для обработки 10 изображений с использованием суперкомпьютера IBM Blue Gene/P потребуется 16 с. те Суперкомпьютер обработает «Ломоносов» (МГУ) каналы менее чем за 1 с. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
СИНТЕЗ РАДАРНЫХ ИЗОБРАЖЕНИЙ В ОДНОМ КАНАЛЕ Базовая операция при синтезе РЛИ : , где , – цифровой комплексный сигнал; k – номер отсчета сигнала вдоль линии пути; , – цифровая комплексная опорная функция; Nn – количество отсчетов за время синтезирования. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ЧИСЛА ОПЕРАЦИЙ ПРИ СИНТЕЗЕ РАДИОЛОКАЦИОННОЫХ СЦЕН Для синтеза радиолокационной сцены потребуется провести расчёты для каждого пикселя. Число операций для этой процедуры: K = 4 Nn Nx Ny, где Nx и Ny – размеры радиолокационной сцены. Для современных радиолокаторов количество отсчетов за время синтезирования Nn ~ 103. Типовые размеры сцен Nx Ny ~ 104 пикселей. Для синтезирования такой сцены необходимо произвести К = 4 1011 операций. В перспективе К ~1012 операций. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ЧИСЛА ОПЕРАЦИЙ ДЛЯ ОБРАБОТКИ РЛИ В ходе обработки РЛИ производятся и другие операции, требующие существенных затрат компьютерного времени (трансформирование, калибровка, фильтрация, сегментация и др. ). Общее число операций при обработке одного РЛИ ~ 5 K. Тогда обработка одной радиолокационной сцены потребует выполнения 2 (5/0. 5) 1012 = 2 1013 операций. При обработке потоков РЛИ, формируемых при аэрокосмическом мониторинга, одновременно могут обрабатываться не менее 5 изображений. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ВРЕМЕННЫХ ЗАТРАТ НА ОБРАБОТКУ 5 -ТИ РЛИ С ИСПОЛЬЗОВАНИЕМ РАЗЛИЧНЫХ ЭВМ. Класс ЭВМ Настольные ПК Компактные супер-ЭВМ Производительность Число операций 10 Gflops 50 Gflops 1 Tflops 5 Tflops Временные затраты, с 1014 / (0, 01 1012) = 10000 5 2 1013 = 1014 (операций с плавающей точкой) 1014 / (0, 05 1012) = 2000 1014 / 1012 = 100 1014 / (5 1012) ~20 Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
КОМПАКТНАЯ СУПЕР-ЭВМ ВНИИЭФ Основные характеристики Пиковая производительность Количество вычислительных ядер архитектуры х86 1, 9 ГГц Объем оперативной памяти: • стандартный • максимальный 384 Гбайт 1536 Гбайт Емкость дисковой памяти: • стандартный • максимальный Возможно объединение нескольких компактных супер-ЭВМ в одну кластерную систему. 144 шт. Рабочая частота процессоров Универсальная вычислительная многофункциональная ЭВМ с масштабируемой кластерной MIMDархитектурой с распределенной памятью. 1, 1 Тфлопс 12 Тбайт 24 Тбайт Операционная система Linux Количество материнских плат и процессов на плате 3 шт. / 4 шт. Габариты (В х Ш х Г) 645 х 320 х 725 мм Вес 60 кг Потребляемая мощность (в зависимости от комплектации) До 2, 5 к. Вт Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
НЕКОТОРЫЕ ПРИМЕРЫ ПРИМЕНЕНИЯ АЭРОКОСМИЧЕСКИХ МЕТОДОВ МОНИТОРИНГА Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОПЕРАТИВНЫЙ КОСМИЧЕСКИЙ МОНИТОРИНГ ПОЖАРОВ Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОПЕРАТИВНЫЙ КОСМИЧЕСКИЙ МОНИТОРИНГ ПРИРОДНЫХ ПОЖАРОВ СИСТЕМОЙ «АЭРОКОСМОС» Фрагменты Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРИМЕРЫ ОПЕРАТИВНОГО ОБНАРУЖЕНИЯ ПОЖАРОВ ИЗ КОСМОСА Пожары в Тюменской, Омской и Новосибирской областями Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПОЖАРЫ В КРАСНОДАРСКОМ КРАЕ 16 НОЯБРЯ 2010 ГОДА Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРИМЕРЫ ПРИРОДНЫХ ПОЖАРОВ В КРАСНОДАРСКОМ КРАЕ ОБНАРУЖЕННЫЕ ИЗ КОСМОСА 20 сентября 2012 12 -08 мск 18 сентября 2012 12 -21 мск 17 сентября 2012 13 -29 мск 28 сентября 2011 14 -34 мск Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРОГНОЗИРОВАНИЕ РАСПРОСТРАНЕНИЯ ПОЖАРОВ В ЗАВИСИМОСТИ ОТ МЕТЕОУСЛОВИЙ *В. Г. Бондур. Российский космос, № 12, 2010 ЛЭП Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПОЖАРЫ, ОБНАРУЖЕННЫЕ ИЗ КОСМОСА В РАЙОНЕ МАГИСТРАЛЬНЫХ ЛЭП И НЕФТЕПРОВОДОВ Магистральные ЛЭП Буферные зоны ЛЭП Магистральные нефтепроводы Буферные зоны нефтепроводов *В. Г. Бондур. Российский космос, № 12, 2010 Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
МОНИТОРИНГ ПОЖАРОВ ВБЛИЗИ ФЕДЕРАЛЬНОГО ЯДЕРНОГО ЦЕНТРА (Г. САРОВ) 11 АВГУСТА 2010 Г. *В. Г. Бондур. Российский космос, № 12, 2010 Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ВИЗУАЛИЗАЦИЯ ОБНАРУЖЕННЫХ ИЗ КОСМОСА ОЧАГОВ ПОЖАРОВ (САЙТ http: //www. aerocosmos. info/) Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
АНОМАЛЬНЫЕ ПОЖАРЫ В РОССИИ ЛЕТОМ 2010 Г. Площади пройденные огнем с июня по август 2010 г. На территории Европейской части России Изменения температур в июле 2010 г. по сравнению со средними температурами этого месяца в 2002 -2009 гг. Относительное количество пожаров по месяцам в 2010 г. в Европейской части РФ На территории Московской области *В. Г. Бондур. Российский космос, № 12, 2010 Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПОЖАРЫ В ЦЕНТРАЛЬНОЙ ЧАСТИ РОССИИ (26 июля 2010) В. Г. Бондур. Вестник ОНЗ РАН, Том 2, 2010; В. Г. Бондур. Российский космос, № 12, 2010 Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОЦЕНКА ЭМИССИЙ УГАРНОГО ГАЗА (СО) ПО КОСМИЧЕСКИМ ДАННЫМ Эмиссии СО с 1 июня по 31 августа 2010 г. по данным «АЭРОКОСМОС» На территории Европейской части России Распределение концентрации СО для 15 августа 2010 г. спутник AQUA (аппаратура AIRS) *В. Г. Бондур. Российский космос, № 12, 2010 На территории Московской области Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРИМЕРЫ ПРИМЕНЕНИЯ РАЗРАБОТАННЫХ МЕТОДОВ, АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ МУЛЬТИСПЕКТРАЛЬНЫХ АЭРОКОСМИЧЕСКИХ ДАННЫХ Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
МЕТОД РАСПОЗНАВАНИЯ ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ «КОДОВОЙ КНИГИ» ТРИПЛЕТОВ КОНТУРОВ Иллюстрация метода Пример выявления триплетов на основании анализа теней от людей Примеры возможных контуров людей Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ПРИМЕР ВЫДЕЛЕНИЯ АВТОТРАНСПОРТА И РАСЧЁТ ПЛОТНОСТИ ДВИЖЕНИЯ ПО КОСМИЧЕСКИМ ИЗОБРАЖЕНИЯМ Исходное космическое изображение Определение зоны интереса Расчёт плотности движения в области интереса Выделение участка автодороги Классификация изображения и выделение автотранспорта Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
АВТОМАТИЧЕСКОЕ ВЫДЕЛЕНИЕ ДОРОЖНОЙ СЕТИ И СООРУЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ СВЁРТОЧНЫХ ФИЛЬТРОВ Метод контрастирования линейных и граничных объектов Исходное изображение Результат контрастирования линейных и граничных объектов Карта выделенных сооружений и дорожной сети Применение масок Собеля Карта выделенных сооружений и дорожной сети Метод с применением свёрточных масок Собеля для линейных объектов Исходное изображение Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ФУНКЦИОНАЛЬНОЕ НАЗНАЧЕНИЕ РАЗРАБОТАННОГО ПРОГРАММНОГО МОДУЛЯ «МУЛЬТИКЛАСС» Реализуемые функции: - классификация на основании дискриминантных функций при установке весов вручную и автоматически в соответствии с кривой ошибок; - построение кривой ошибок для случая простых и сложных альтернатив, а также двух сложных альтернатив; - распознавание с использованием кластеризации обучающей выборки; - многоклассовое распознавание методом минимального риска; - распознавание по обобщенному кубу меньшей размерности, полученному методом разделения смесей; - определение количественных характеристик с помощью нейронной сети; - соединение разнородных геопривязанных для совместной обработки Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОПРЕДЕЛЕНИЕ ПОРОДНОГО СОСТАВА ЛЕСА С ИСПОЛЬЗОВАНИЕМ ПРОГРАММНОГО МОДУЛЯ «МУЛЬТИКЛАСС» Многоклассовое распознавание методом минимального риска Исходное гиперспектральное изображение Маска леса Породный состав леса Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
ОПРЕДЕЛЕНИЕ ПЛОЩАДИ ПРОЕКТИВНОГО ПОКРЫТИЯ ЛЕСА С ИСПОЛЬЗОВАНИЕМ ПРОГРАМНОГО МОДУЛЯ «МУЛЬТИКЛАСС» Нейросетевой алгоритм с использованием градиентной процедуры поиска локальных и глобального экстремума функций 0 50 100% Обучающие участки для определения проективного покрытия Обучение нейросетевого алгоритма Исходное гиперспектральное изображение Площадь проективного покрытия Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
РАСПОЗНАВАНИЕ ТИПОВ ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ С ПОМОЩЬЮ ПРОГРАМНОГО МОДУЛЯ «МУЛЬТИКЛАСС» Разновременные гиперспектральные изображения ВЕСНА ОСЕНЬ Байесовский подход с установкой весовых коэффициентов на основании кривой ошибок для случая сложных классов ОСЕНЬ ВЕСНА Лес Грунт темный Грунт светлый Вода Бетон Селитебные земли Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
КАРТЫ ЗАМЕЩЕНИЙ ТИПОВ ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ Грунт темный Селитебные земли Лес Грунт темный Грунт светлый Вода Бетон Селитебные земли Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012» Бетон
ЗАКЛЮЧЕНИЕ Выполненные оценки свидетельствуют о необходимости и возможности обработки использования потоков суперкомпьютеров изображений, формируемых для при аэрокосмическом мониторинге для решения различных задач. При этом необходимо иметь в виду, что с увеличением производительности ЭВМ невозможно добиться пропорционального снижения скорости вычислений. Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012» их
СПАСИБО ЗА ВНИМАНИЕ! Бондур В. Г. , Резнев А. А. Конференция «Суперкомпьютерные технологии СКТ – 2012»
Скачать презентацию Министерство образования и науки Российской Федерации Российская академия
24b2fc4f9e98916c70a2f27e8cc43e79.ppt