Новые способы извлечения археологической информации из гиперспектральных пикселей

Майкл Донеус а, б, с,*, Герт Верховен б, с, Клемент Ацбергер г, Майкл Весс г, Михал Рус б
Воздушное дистанционное зондирование в археологии — это дисциплина, которая охватывает изучение археологических объектов с использованием данных, полученных аэрофотосъемки, воздушного лазерного сканирования, гиперспектрального сканирования и т. д. До сих пор воздушное гиперспектральное сканирование или точнее воздушная спектроскопия изображений (AIS) заняла лишь очень небольшую нишу в области археологического дистанционного зондирования: помимо причин стоимости, основным ограничивающим фактором недостаточное пространственное разрешение. Более того, техническая обработка этих наборов данных с высоким уровнем потенциальной избыточности требует специализированного программного обеспечения. Обычно применяются расчеты соотношений полос и анализ главных компонент. В результате немногочисленные практические применения археологических AIS до сих пор не были полностью убедительными. Целью данной статьи является представление новых подходов к анализу археологических данных AIS. Изучаемые изображения имеют пространственное разрешение порядка 40 см и были получены на участок местности возле города Карнунтум (Австрия). Используя два алгоритма, встроенных в специально разработанном наборе инструментов MATLAB®, будет показано, как извлеченная археологическая информация может быть улучшена с помощью гиперспектральных изображений высокого разрешения. Сравнение с одновременно полученными вертикальными фотографиями укажет на специфику и преимущества данных AIS высокого разрешения и выгоды, которые можно получить при использовании их потенциала с применением любого из недавно представленных методов.

1. Введение

Практика аэрофотосъемки, при которой археолог получает преимущественно перспективные изображения с пилотируемого низколетящего летательного аппарата, по-прежнему является наиболее активно применяемым археологическим дистанционным зондированием. Хотя этот подход к обследованию не претерпел серьезных изменений за последнее столетие (Верховен, 2009), его успех заключается главным образом в его простом исполнении, в то время как его способность охватывать большие площади превращает его в один из самых экономически эффективных методов обнаружения объектов. Неинвазивный подход также дает легко интерпретируемые изображения с обильными пространственными деталями (Палмер, 2005; Уилсон, 2000). Последнюю характеристику не следует недооценивать, поскольку пространственное разрешение полученных наборов данных, которое обычно составляет от 5 см до 10 см, позволяет оценивать небольшие, но часто многочисленные объекты, такие как ямы и отверстия для столбов. Поэтому это можно считать одной из главных причин того, что этот тип аэросъемки все еще так интенсивно практикуется.

Однако наклонная аэрофотосъемка имеет недостатки (подробнее обсуждаемые ниже), в основном из-за ее ограниченной спектральной разрешающей способности. Поэтому все больше археологов исследуют другие методы воздушной археологии, предоставляющие изображения с повышенным спектральным разрешением. Хотя воздушная мультиспектральная съемка является хорошей альтернативой (например,Уинтерботтом и Доусон, 2005 г.), действительно повышенное спектральное разрешение достигается только с помощью воздушного гиперспектрального сканирования (AHS), также называемого воздушной спектроскопией изображений (AIS) (Акдус и др., 2007, 2008, 2012; Барнс, 2003 г.; Бассани и др., 2009а, 2009б; Беннетт и др., 2012, 2013; Кавалли и др., 2007, 2012; Кавалли, 2013 г.; Кавалли и Пиньятти, 2001 г.; Чаллис и др., 2009; Корен и др., 2005;Эммоло и др., 2004; Форте и др., 2011; Мерола, 2005 г.; Мерола и др., 2007, 2008; Пьетрапертоза и др., 2008 г.; Травилья, 2005, 2006а, 2006б, 2008; Уайт, 2003). Успешность обнаружения археологических подземных структур, однако, варьируется, и менее успешные приложения, по-видимому, связаны с более низким пространственным разрешением полученных наборов данных (в большинстве случаев в диапазоне от 4 м до в лучшем случае 1 м). Поскольку нынешнее поколение датчиков AIS позволяет получать данные с относительно высоким пространственным разрешением (т.е. (GSD – ground sample distance – проекция пиксела на местности) менее 50 см), они кажутся перспективными для археологических применений.

Высокое спектральное разрешение датчиков AIS, как правило, нелегко обрабатывается в стандартном программном обеспечении для обработки изображений. Действительно, гиперспектральное сканирование приводит к огромным наборам данных из сотни и более спектральных полос, которые, кроме того, в высокой степени коррелированы и часто подвержены шуму. Обработка этих кубов изображений, т. е. сокращение данных до нескольких слоев, содержащих высокую степень археологически значимой информации, является поэтому важной частью работы AIS.

В этой статье мы представим два новых подхода, которые были разработаны и протестированы на гиперспектральных наборах данных сравнительно высокого пространственного разрешения (GSD 50 см). Они реализованы в открытом наборе инструментов под названием ARTCIS MATLAB® (см. Ацбергер и др., 2014) и используют спектральные характеристики, хранящиеся как куб данных AIS. Поэтому в следующем разделе (глава 2) представлено базовое введение в гиперспектральную съемку с воздуха, а в главе 3 более подробно рассматриваются два новых подхода к обработке. Предлагаемые подходы последовательно тестируются на наборе данных высокого разрешения из области тематического исследования, подробно описанного в главе 4. Результаты анализируются и обсуждаются в главах 5 и 6.


2. Воздушная спектроскопия изображений

2.1 Ограничения традиционной аэрофотосъемки

Несмотря на свои многочисленные преимущества и возможность запечатлеть мелкие детали ландшафта, традиционная наклонная и вертикальная аэрофотосъемка также характеризуется некоторыми серьезными спектральными недостатками. В наклонной аэрофотосъемке рабочие принципы съемки определяются зрительной системой человека, которая чувствительна только к видимому электромагнитному спектру между 400 и 700 нм. Кроме того, большая часть аэрофотоснимков была получена с помощью фотографических носителей, которые были чувствительны только к этому видимому излучению (например, обычная цветная фотография). Хотя таким образом были получены очень яркие и показательные изображения, обнаружение следов растительности (и в определенной степени следов почвы) становится невозможным в менее оптимальных обстоятельствах, поскольку небольшие различия высоты и цвета в посевах могут иметь слишком низкий контраст с окружающей матрицей, чтобы быть замеченными с помощью обычной (цветной) фотографии в видимом спектре. Несмотря на то, что исследователи экспериментировали с различными фильтрами и эмульсиями плёнки (Кроушоу, 1995 г.), а применение цифровых камер позволило легко применять за пределами видимого диапазона изображения в области ближнего инфракрасного диапазона (БИК) (Верховен, 2012a), визуально незаметные нарушения почвы и посевов никогда не будут зарегистрированы. В некоторых случаях в археологии может быть использована съемка в ближнем инфракрасном диапазоне NIR, но ширина этой полосы как правило 300 нм, что слишком много, для более точной спектрометрии необходимы более узкие спектральные полосы.

Космические данные, постоянно получаемые на обширных территориях и часто в невидимых диапазонах волн, использовались в различных археологических исследованиях (Ласапонара и Мазини, 2012 г.). Они многократно покрывают большие участки поверхности Земли, часто легкодоступны и решают проблемы, связанные с направлением наблюдателя и ограничением видимого излучения. Однако эти данные в меньшей степени (или совсем не подходят) для обнаружения и детальной регистрации небольших археологических объектов, поскольку разрешающая способность датчиков в большинстве случаев хуже 50 см в панхроматическом режиме и хуже 2 м в мультиспектральном режиме съемки. Более того, спектральные полосы старых космических устройств формирования изображений (т. е. тех, чьи продукты находятся в свободном доступе) обычно слишком широки или неуместны в спектральном отношении, чтобы действительно обнаружить стресс растений (Картер, 1994). Бортовые мульти- и гиперспектральные датчики могут получать данные в узких диапазонах волн, но стоимость, умеренное временное разрешение и низкая разрешающая способность также имеют значение. Это существенно затрудняло их широкое использование в археологических исследованиях (Хансон, 2008). Идеальной системы, которая объединяет лучшее из этих подходов предлагая экономическую эффективность, а также легкость получения данных и их последующую обработку, при этом также обеспечивающей полный охват в узких видимых и невидимых спектральных диапазонах волн, пока не существует. Однако текущее поколение гиперспектральных датчиков позволяет получать данные с относительно высоким пространственным разрешением (т. е. GSD лучше 50 см) и из-за возросшего спроса на неархеологическое применение, затраты на приобретение неуклонно снижаются. Однако, еще предстоит преодолеть некоторые большие препятствия, прежде чем эти данные AIS с высоким разрешением смогут реально быть широко использованы археологами.




2.2. AIS - что это?

Воздушная гиперспектральная съемка представляет собой пассивный метод дистанционного зондирования, поскольку он предполагает регистрацию отраженного электромагнитного излучения Земли (отраженное солнечное излучение или тепловое излучение, испускаемое самими объектами) во множестве небольших спектральных полос. Так же, как обычные фотографии состоят из комбинации трех пространственно совмещенных двумерных изображений, каждое из которых представляет собой отраженное излучение в широком видимом диапазоне, конечный продукт гиперспектральных данных можно рассматривать как расширенный стек узкополосных изображений. Каждое изображение представляет собой оцифровку отраженного и/или испускаемого излучения в небольшом спектральном диапазоне (обычно около 10 нм в видимом и ближнем ИК-диапазоне). Обычно гиперспектральное излучение, распространяющееся по воздуху, дает десятки и сотни таких узкополосных изображений, которые захватываются в спектрально смежных полосах. Таким образом, конечный продукт можно рассматривать как трехмерный куб данных (x, y, z) в котором первые два измерения являются пространственными измерениями, тогда как третье измерение влияет на спектральную размерность (Рис. 1). Таким образом, на одно местоположение пикселя захватывается множество небольших полос электромагнитной лучистой энергии. Так же, как пиксель обычной цифровой цветной фотографии содержит три выборки или цифровых числа (DN) в одном и том же месте для представления количества излучения, захваченного в трех широких спектральных диапазонах, гиперспектральное изображение содержит N DN, в которых N равно количеству отобранных спектральных диапазонов. Каждое изображение также характеризуется определенной битовой глубиной (например, целым числом 10 бит или значениями от 0 до 1023), которая определяет разрешение, с помощью которого яркость датчика L может быть отображена на дискретный набор цифровых значений. Благодаря комбинации всех этих многих одиночных повторений значения отражения, каждый отдельный пиксель финального изображения содержит полную информацию о спектре излучения (известную как спектральная сигнатура) материала, который был ассоциирован в этом конкретном случае c местоположением (Рис. 1). Поскольку эта спектральная сигнатура может быть получена для каждого пикселя изображения, этот метод также (и более точно) называется аэрофотосъемочной спектроскопией (AIS), поскольку спектроскопия представляет собой изучение взаимодействия между лучистой энергией и веществом.

Рис. 1.Визуализация куба данных AIS.
2.3 Извлечение информации AIS

Поскольку спектроскопия изображений обеспечивает спектрально непрерывную выборку объектов, которые отображаются, она позволяет оценить специфику и тонкие характеристики растительности (например, стрессовые растения против здоровых) и свойства почвы (например, минеральный состав) в гораздо большей степени, чем любой стандартный фотографический или мультиспектральный метод. Вот почему археологический AIS уже несколько лет назад воспринимается как домен с огромными возможности для обнаружения, картографирования и управления культурным наследием(Травилья, 2006б).

Несмотря на лучшее пространственное и спектральное разрешение, работа с данными AIS требует экспертных знаний и специализированного программного обеспечения, что снова является ограничивающим фактором для их археологического использования. Предполагая, что геометрия изображения и геопривязка могут быть обработаны правильно, необходимо иметь дело с качеством данных и размерной перегрузкой. Действительно, поскольку восходящее электромагнитное излучение регистрируется в небольших спектральных диапазонах, сигнал, принимаемый датчиком, довольно низок по сравнению с шумом датчика и возможными атмосферными возмущениями. Небольшое мгновенное поле зрения (IFOV)
датчика AIS необходимо для получения достаточно высокого пространственного разрешения, что еще больше ограничивает полезный сигнал, попадающий на фотодетекторы. Чтобы справиться с этим низким отношением сигнал/шум (SNR), а также с огромным объемом доступной информации, которая напрямую недоступна зрительной системе человека, необходимы методы интеллектуального анализа данных и интеллектуальной предварительной и последующей обработки.

На сегодняшний день исследователи обычно применяют несколько методов обработки, таких как анализ главных компонент (PCA; Акдус и др., 2008; Корен и др., 2005; Травилья, 2006а) и разнообразные индексы растительности (Беннетт и др., 2012; Кавалли и др., 2007; Эммоло и др., 2004; Травилья, 2006б) для уменьшения сложности данных и извлечения археологически достоверной информации.

По сути, PCA представляет собой математическую процедуру, которая уменьшает избыточность данных путем преобразования набора (возможно) коррелированных переменных (исходные данные изображения) в новый набор переменных, которые не коррелируют, и последние переменные обозначаются как Главные компоненты (ГК). Эти ГК являются линейными комбинациями исходных переменных (Лю и Мейсон, 2009 г.) и ортогональны друг другу. Первый главный компонент (т. е. переменная на первой оси) учитывает как можно больше изменчивости в исходных данных, в то время как каждый последующий главный компонент содержит уменьшающееся количество дисперсии в оставшихся данных. Таким образом, первые полосы PC содержат большую часть информации об изображении, в то время как полосы более высокого порядка часто заполнены только шумом, хотя они все еще могут отображать очень редкие особенности (как также отмеченоТравилья, 2006а). В дистанционном зондировании часто используется PCA, поскольку вновь рассчитанные компонентные изображения могут раскрыть информацию, которая осталась бы незамеченной в исходных данных.

Индексы растительности представляют собой арифметические комбинации DN, яркости или освещенности. Значения в двух или более спектральных полосах. Потенциально эта комбинация выделяет определенную особенность растительности, одновременно уменьшая возмущающие эффекты, вызванные солнечной геометрией, атмосферой, топографией, углом обзора и открытой почвой. Существует множество подходов, каждый из которых использует различные наборы данных и оптимизирован для конкретных целей (например Баннари и др., 1995). В результате у всех них есть свои сильные и слабые стороны, а также операционные масштабы. Таким образом, не все эти подходы имеют археологическую выгоду. Хотя такие дисциплины, как точное земледелие, могут потребовать специальных подходов, которые обеспечивают точные оценки урожайности и содержания хлорофилла в листьях, археологическая воздушная и космическая разведка скорее нуждается в надежных, общеприменимых методах, которые можно распространить на целые ландшафты, в разное время суток и в течение различных вегетационных периодов (а не очень специфических), которые могут отличаться от поля к полю, от урожая к урожаю и по времени годаВерховен, 2012б).


Хотя в некоторых случаях и PCA, и VI доказали свою эффективность, теперь необходимо использовать более сложные процедуры обработки, поскольку наборы данных AIS обладают потенциалом для раскрытия даже очень мелких археологических объектов.


3. Анализ случая и получение данных

Для проверки потенциала новых датчиков AIS и подходов к обработке изображений, имеющих отношение к археологии, Институт археологических исследований и виртуальной археологии имени Людвига Больцмана (LBI Тринкс и др., 2012) разработали стратегию, в которой три австрийских тематических исследования Карнунтум, Кройтталь и Св. Анна были обследованы неоднократно в период с 2010 по 2012 год. Далее приведены только данные, охватывающие территорию Карнунтума, расположенную примерно в 40 км к юго-востоку от Вены (N 48 604100, S 16 5105700еWGS84).

Карнунтум известен как важный археологический район, расположенный на римском лимесе на южном берегу реки Дунай (Рис. 2). Это был важный центр внимания на протяжении первых четырех веков нашей эры и как таковая столица бывшей римской провинции Верхняя Паннония (Йобст и др., 1983). Район характеризуется рекой Дунай и ее гравийными террасами. Погребен под интенсивно возделываемым кальциевым черноземом (Нойбауэр и др., 2002), археологические останки, покрывающие площадь около 6,5 квадратных километров, обычно оставляют хорошо заметные следы растительности в июне. В течение последних десятилетий Карнунтум был центром неразрушающих археологических исследований (Донеус и др., 2013; Нойбауэр и др., 2012, 2014; Саэй и др., 2013; Серен и др., 2007 г.). Специфический по сути, с 2010 года он стал областью изучения случая LBI ArchPro. В результате доступна полная интерпретация археологических данных с воздуха за 50 лет разведки (Донеус и др., 2013).


Всего было реализовано четыре кампании сканирования австрийским партнером LBI Airborne Technologies. Все данные были получены в высоком пространственном и спектральном разрешении с GSD от 40 см до 60 см в 65-105 спектральных полос от 400 нм до 1000 нм, оцифрованных как 12-битные целочисленные DN (Таблица 1).

Рис. 2.Район исследования Карнунтум. 1: Легионерская крепость; красный прямоугольник: образец района, описанный в обсуждении ниже (см. также Рис. 5 и 7). (Для интерпретации ссылок на цвет (Подпись к рисунку, читатель отсылается к веб-версии этой статьи.)
Таблица 1. Параметры полета кампаний по получению данных AIS над исследуемой территорией Карнунтум, Нижняя Австрия. (FWHM означает полную ширину на половине максимума).
Одновременно с получением гиперспектральных данных (с помощью устройства AISA Eaglet и AISA Eagle) проводится полное волновое лазерное сканирование (не менее 10 точек на м2) с использованием RIEGL LMS-Q680i и вертикальные фотографии (IGI-DigiCam H39 с объективом 50 мм). Лазерное сканирование дало высококачественную цифровую модель поверхности (DSM), которая использовалась для орторектификационирования как гиперспектрального сканирования, так и вертикальных аэрофотоснимков.

Для объединения полученных мультивременных гиперспектральных данных и их интеграции с другими методами разведки, применяемыми LBI Archpro (в основном аэрофотосъемка, магнитометрия и георадар), были необходимы как атмосферная коррекция, так и точная геопривязка. Это было достигнуто с помощью приложений ATCOR для радиометрической коррекции (только для данных AisaEAGLE) и PARGE®(http://www.rese.ch) для точной географической привязки с точностью до пикселя.


4.Новые способы извлечения информации AIS с использованием инструментария ARCTIS

Для анализа исправленных и орторектированных блоков данных AIS, MATLAB® был разработан набор инструментов под названием ARCTIS (ARChaeological Toolbox for Im-aging Spectroscopy) с сопутствующим удобным графическим интерфейсом пользователя (GUI) (Ацбергер и др., 2014; Ацбергер и Весс, 2012). Набор инструментов позволяет аналитику изображений (не обязательно специалисту по дистанционному зондированию или спектроскопии изображений) для извлечения максимума археологической информации из записанного куба 3D-данных. Поскольку основное внимание в наборе инструментов уделяется археологической разведке, целью было визуализировать данные (или их подмножества) и извлечь возможные следы растительности и почвы.


Набор инструментов позволяет анализировать небольшие наборы данных, предоставляя все функции, которые были идентифицированы в прошлом и считались полезными для извлечения археологической информации. Кроме того, было разработано и интегрировано несколько новых функций. На первом этапе геометрически и радиометрически скорректированные данные импортируются и выполняется некоторая дополнительная предварительная обработка. Для борьбы с шумом в отдельных спектральных полосах (который присутствует еще больше, когда радиометрическая коррекция не применяется заранее), очень мощное и коммерчески недоступное спектральное сглаживание фильтра (на основе сглаживателя Уиттекера)е Ацбергер и Эйлерс, 2011a, 2011b) был реализован в ARCTIS. После его выполнения очень большая часть шума изображения удаляется из всех отдельных спектральных полос без риска удаления важных спектральных характеристик или появления новых спектральных артефактов.


Для последующего извлечения информации (далее просто обозначаемого как обработка) было составлено несколько инструментов: PCA, набор важнейших индексов растительности, функция подобия, методы извлечения и классификации катиона с помощью кластеризации k-средних. Из-за сильно коррелированной природы спектральной информации в отдельных полосах набора данных AIS и вездесущего шума изображения, методы обработки изображений, такие как PCA или минимальная доля шума (MNF), часто используются для вычисления спектрального подмножества исходного куба данных путем отбрасывания шумовых компонентов. Два новых метода, представленные в следующих параграфах, REIP и распределение отражения. Однако следует учитывать полный набор данных AIS: REIP описывает спектральную форму, тогда как распределение настроек параметризует форму распределения частот повторения значения отражения.


4.1.Red Edge Inflection Point (REIP)

Первый метод, называемый Red Edge Inflection Point (REIP), в котором особое внимание уделяется красному краю. Этот красный край является переходной зоной около 700 нм в видимом дальнем красном спектре в ближний инфракрасный переход, для здоровой растительности характерен крутой наклон спектральной кривой отражения (Рис. 3А). Это очень резкое изменение кривой отражения происходит из-за того, что поглощение пигментами хлорофилла в дальнем красном спектре (около 670-680 нм) высока, а NIR-излучение, вырабатываемое губчатым мезофиллом, тоже высоко, что приводит к образованию одного из самых крутых склонов, которые можно найти в спектрах отражения природных материалов. Когда растительность подвергается стрессу, этот красный край смещается в сторону более коротких длин волн из-за связанного со стрессом увеличения отражения на длинах волн вблизи

700нм (Рис. 3А). Это «сдвиг» красного края в настоящее время считается наиболее последовательной реакцией растений на стресс на различные раздражатели (Бучс и др., 1990; Гительсон и др., 1996; Хорлер и др., 1983). Предыдущие исследования уже доказали археологическую полезность красного края спектрального диапазона при использовании в простом индексе растительности (Беннетт и др., 2012; Верховен, 2009; Верховен и Донеус, 2011 г.; Чо и др., 2008; Дарвишзаде и др., 2009). Поскольку датчики AIS часто берут образцы Красного Края в несколько групп, это одна из первых спектральных областей, на которых следует сосредоточиться при поиске стресса растительности в полном оптическом диапазоне (Картер и др., 2002).


Алгоритм REIP в ARCTIS будет использовать полный спектр красного края для поиска его точки пересечения (отмечена красным крестом на спектральной кривой в Рис. 3Б). Для этого пользователь определяет регион, на котором он хочет, чтобы алгоритм сосредоточился. Для REIP часто выбранная область попадает в диапазон

680нм - 760 нм. Однако эта свобода выбора указывает на то, что человек не ограничен красным краем. Хотя больше не обозначается REIP, точки пересечения также могут быть оценены в коротковолновом инфракрасном или зеленом диапазоне волн — это место наибольшего градиента в спектральной проекции заданного спектрального диапазона.

В ARCTIS можно выполнить некоторые этапы предварительной обработки для получения более точных результатов (Рис. 3Б) (Ацбергер и др., 2014). Для начала, сглаживатель Уиттекера можно применить во время алгоритма REIP, в котором каждый пиксель AIS сглаживается независимо вдоль оси z (т.е. спектрального измерения) в соответствии с пользовательским заданием сглаживающего параметра лямбда (л). Кроме того, сглаженные входные данные AIS могут быть спектрально интерполированы в определяемые пользователем необходимое количество фикциональных полос между исходными спектральными полосами, приводящие к более высокому спектральному разрешению обнаруженного местоположения REIP (Рис. 3Б). Какие бы этапы предварительной обработки ни были выбраны, REIP в конечном итоге рассчитывается попиксельно, где для каждого пикселя находится точка пересечения, т.е. самый крутой наклон сглаженной и интерполированной спектральной кривой в пределах заданного диапазона. Из точки пересечения можно вывести три параметра, которые можно объединить в три новых слоя изображения:


Уровень 1: диапазон или длина волны местоположения REIP;

Слой 2: значение наклона кривой сопротивления в положении REIP;

Слой 3: Значение DN в REIP.
Рис. 3.(A) Типичные отклики отражательной способности листа сосны лучистой. Прерывистая зеленая кривая представляет собой среднее значение отражательной способности экстенсивности для здоровых, богатых хлорофиллом листьев, в то время как верхняя оранжевая кривая указывает на среднее значение экстенсивности для стрессовой ситуации. Серая кривая представляет стандартное отклонение, которое рассчитывается из спектров поглощения листьев кукурузы с различным содержанием хлорофилла (Верховен и Донеус, 2011 г., Рис. 1A). (B) Красный Край n Point GUI, как он в настоящее время реализован в панели инструментов ARCTIS (см. текст для получения более подробной информации о доступных функциях). Красный крестик отмечает положение в точках разделения. (Для интерпретации ссылок на цвет (Подпись к рисунку, читатель отсылается к веб-версии этой статьи.)
4.2 Distribution fitting (DF)

Второй метод, встроенный в ARCTIS, называется Distribution fitting (DF), при котором алгоритм пытается подогнать определенную пользователем функцию к частотному распределению спектральных значений пикселя (Atzberger et al., 2014).
Рис. 4 изображает этот процесс. Сначала алгоритм извлекает все спектральные данные из одного гиперспектрального пикселя. Последний состоит из различных значений отражения: одно для каждой из полученных спектральных полос. Поскольку эти данные являются одномерными (т.е. они предоставляют информацию об одной переменной), можно рассчитать гистограмму частот. Рис. 4 показывает гистограммы и спектральные сигнатуры двух совершенно разных пикселей AIS: один пиксель хранит значения отражения от здорового зеленого, богатого хлорофиллом листа, в то время как другой пиксель оцифровывал отражение напряженного желтого листа. Из кривой спектрального отражения, очевидно, что лист, находящийся в состоянии стресса, пострадал от серьезной потери пигментов хлорофилла. Прежде всего, зеленый пик экстанса около 550 нм расширяется в сторону более длинных волн и заставляет лист казаться желтоватым (явление, называемое хлорозом) Адамс и др., 1999). В то же время красная граница смещается в сторону более коротких длин волн из-за увеличения сопротивления, связанного со стрессом на длинах волн около 700 нм (т.е. Blue shift). Форма спектральных кривых также прямо влияющие на их соответствующую гистограмму. Рассмотрим, например, отражение в интервале 25%-30%. Из спектральной кривой можно сделать вывод, что здоровый зеленый лист имеет только одну полосу (полоса номер 53 в области красного края) со значением в этом диапазоне, что приводит к одному счету в этом бине. Это сильно контрастирует с хлоротичным пикселем листа, который состоит из почти двадцати полос (т.е. полос 30-50) со значение отражения в этом диапазоне. В результате гистограмма bin для этого диапазона отражения имеет высоту восемнадцати отсчетов. Это соотношение между кривой отражения и ее гистограммой теперь понятны - более однородное распределение частот в хлоротической гистограмме только с одним большим пиком NIR, тогда как в гистограмме здорового листа доминируют два больших пика, которые связаны с низким значением светосилы в видимом диапазоне и высокой светосилы в ближнем ИК-диапазоне отражения соответственно.


После построения гистограммы распределения частот для одного пикселя AIS, часто используется предварительная функция плотности вероятности (PDF) f. В теории вероятностей различные PDF применяются для математического описания заданного распределения случайной величины (кривой отражения в данном случае). Поскольку случайные величины могут быть непрерывными или дискретными, существуют два типа PDF. В непрерывной категории находится много различных PDF: нормальное или гауссовское, Рэлея, экспоненциальное, Вейбулла, бета, гамма, хи, распределение Стьюдента и т. д. Функции плотности Пуассона и Больцмана являются примерами дискретного класса. Любая из этих PDF определяется по своим параметрам. Нормальная функция плотности, описывающая нормальное распределение, например, параметризуется в терминах среднего параметра со стандартным отклонением(Мур и МакКейб, 2003 г.). В ARCTIS имеется ряд дискретных и непрерывных теоретических PDF, и все они могут быть параметризованы.


Таким образом, после генерации гистограммы из полученного сигнала (т.е. значений пикселей) алгоритм параметризует выбранную PDF таким образом, чтобы она наилучшим образом характеризовала этот специфичный сигнал. Значения параметров, описывающих этот PDF, затем составят DN вновь сгенерированного изображения; количество слоев изображения будет равно количеству параметров PDF. Рис. 4 показывает результаты, которые можно получить с двумя различными PDF: нормальной и гамма-непрерывной функциями плотности. Поскольку обе PDF математически различны, они, очевидно, дадут разные результаты для одной и той же гистограммы. Кроме того, разные гистограммы дадут разные параметры для одной и той же PDF. Так, в случае зеленого листа будет создано новое двухполосное изображение со значениями пикселей 31 и 21 при выборе нормального PDF. Этот процесс затем повторяется для каждого пикселя блока данных AIS. Когда соседний пиксель исходного изображения AIS содержит, например, спектр поглощения хлоротичного листа, новые значения пикселей станут 33 и 14.

Рис. 4.Принцип DF (более подробная информация представлена ​​в тексте).

Результатом этого очень интенсивного вычислительного процесса является двухполосное изображение, в котором разница между стрессированной и здоровой растительностью визуализируется совершенно новым способом. Точное количество каналов изображения, которые вычисляются, полностью зависит от выбранного PDF. Очевидно, что в случае выбора PDF, параметризованного тремя значениями, создается трехполосное изображение. Первые многообещающие результаты, полученные с помощью этой новой техники, были краткими, сообщил(а) Верховен и др. (2013), но здесь освещение будет более подробным.

После тестирования нескольких функций гамма-функций и нормальных непрерывных функций плотности дали наилучшие результаты на нашем наборе данных. Это связано с тем, что гамма-функция плотности может очень хорошо справляться с правильно перекошенными гистограммами здоровой растительности, что делает ее параметризацию совершенно иной при работе с гистограммами стрессовой растительности (см.Рис. 4). Хотя функция плотности гамма-излучения часто параметризуется параметром формы k и параметром масштаба д, ARCTIS использует параметризацию, встроенную в MATLAB®, который основан на параметре формы a (¼k) и параметр скорости b (¼1⁄д) (Математические работы, 2013). Нормальная функция плотности параметризуется в терминах среднего параметра м и стандартного отклонения s(Мур и МакКейб, 2003 г.). Поскольку MATLAB выдает два дополнительных значения, являющихся нижней и верхней границей интервала плотности для м(Математические работы, 2014), результаты - четыре изображения полосы. Однако не обязательно использовать все четыре сгенерированных полосы, можно сосредоточиться только на одной полосе (т. е. на изображении в оттенках серого) или на двух или трех полосах (т. е. на изображении в ложных цветах). Поскольку среднее м нормальной PDF часто не сильно отличается для стрессированной и здоровой растительности (см. Рис. 4), его стандартное отклонение с часто лучше всего показывает контраст (см. также следующий раздел иРис. 5С).



5. Результаты

Для последующего обсуждения была выбрана контрольная территория в пределах бывшей canabae legionis к юго-западу от римской легионной крепости (см. красный прямоугольник на рис. Рис. 2). Он содержит несколько полей с различными культурами.

Рис. 5 ясно показывает, какое замечательное улучшение можно получить с помощью обработки REIP и DF. Получение данных было произведено 26 мая 2011 года, что было связано с влажными условиями в апреле в начале «сезона меток растительности», когда начали проявляться различия в высоте и цвете растительности. Согласно Metop/ASCAT soil humid viewer (АСКАТ, 2014) степень насыщения почвы влагой верхнего слоя почвы (<2 см) составила 12,55%.

Рис. 5.Данные из Карнунтума, Нижняя Австрия, получены 26 мая 2011 г. (A) Традиционная орторектификация аэрофотоснимка, полученного в видимом спектре. GSD 0,1 м; улучшено с помощью адаптивной гистограммы с ограничением контраста (CLAHE); (B) композитный материал в ложных цветах, созданный с помощью алгоритма REIP (R¼полоса 1 (длина волны), G¼полоса 2 (наклон), B¼группа

3 (повторно)значение отражения)). (C) параметр скорости b гамма DF; (D) нормальное DF ( R¼НЕТ, Г¼группа 2 (с), Б¼группа 1 (м)). GSD (B), (C) и (D): 0,4 м. Фигуры B, C и D были подвергнуты одинаковому растяжению гистограммы с помощью стандартного отклонения. (Для интерпретации ссылок на цвет (Подпись к рисунку, читатель отсылается к веб-версии этой статьи.)
Для улучшения видимости археологических следов, зафиксированных на обычной аэрофотосъемке, применяется адаптивная выравнивающая гистограмма с ограничением контраста (CLAHE). Зёйдервельд, 1994 г.) (Рис. 5А). На фотографии все еще видно лишь несколько отметин, которые почти полностью расположены в узкой темно-зеленой зоне полz, простирающегося от верхнего левого угла к середине нижнего края. Их можно описать как негативные следы растительности, которые являются следствием (в данном случае) зарытых стен римских зданий. В большом поле справа, римская дорога видна через линейное расположение желтых (т.е. уже подчеркнутых) культур (Рис. 6А).

Композитное изображение в ложных цветах, созданное с помощью алгоритма REIP (R¼длина волны, Гс¼наклон, B¼повторное значение отражения) отображается в Рис. 5B. Он усиливает различия в физиологии растений и, следовательно, позволяет археологическим признакам быть видными более четко. Особенно вышеупомянутые негативные следы растительности в узком диапазоне можно прочитать подробно, а в более крупных масштабах становятся видны дальнейшие археологические следы на поле справа. Их контраст слабее, но их можно идентифицировать как остатки захороненных зданий, расположенных по обеим сторонам римской дороги, которые теперь отчетливо видны в темно-красном цвете (Рис. 6Б).

Результаты гамма (Рис. 5C) и нормальной (Рис. 5D) PDF работают почти одинаково хорошо. При этом растянутая по гистограмме версия параметра скорости b дала наилучшие результаты, тогда как сочетание стандартного отклонения с (полоса 2) и верхняя граница интерваfл плотности для м(группа 4) (Р¼полоса 4, G¼группа 2, Б¼полоса 2) оказалась лучшей комбинацией для идентификации следов растительности в этой сцене. Объяснение этому можно вывести из спектральных сигнатур на Рис. 4, так как они очень похожи на спектральные кривые отражения хлоротичной и зеленой растительности на этих полях. Обе принадлежности четко указывают на негативные следы растительности в более темных тонах. Хотя следы растительности кажутся немного улучшенными на изображениях PDF, с точки зрения археологических особенностей практически нет никакой разницы с изображением REIP (Рис. 6 C и D по сравнению с Рис. 6 Б). Имеют место небольшие вариации, когда для каждой визуализации другие детали видны лучше.

Однако ситуация меняется, когда сезон становится теплее и суше. Рис. 7 показывает немного большую и смещенную область Рис. 5 как зафиксировано 18 июня 2012 года, после довольно сухой весны (ЗАМГ, 2014). Относительно сухие условия также в почве по данным о влажности (АСКАТ, 2014), которые были относительно низкими в апреле и мае и показывают около 14% насыщения почвенной влаги в верхнем слое почвы (<2 см) на дату получения данных.

Обе визуализации изображения REIP и гамма-PDF имеют те же комбинации полос, что и на Рис. 5. Для нормальной PDF стандартное отклонение с было выбрано как лучшая визуализация в данном случае (Рис. 7D). В нижней левой части изображения снова видна римская дорога из Рис. 5 , но из-за другой культуры (кукурузы) никаких следов зданий не видно ни на одной из визуализаций. Два поля (аннотации 1 и 2 в Рис. 7A) на западе показывают подробные отрицательные следы растительности. Из-за влажности почвы, летний урожай на поле 1 показывает контраст желтого на зеленом между растениями, подвергшимися стрессу, и здоровыми растениями, который очень хорошо виден на обычной фотографии (Рис. 7А). Эта ситуация более или менее похожа на ту, что изображена на Рис. 5, хотя в этом случае немного более выражено. Поле 2 засеяно озимой культурой, которая уже полностью созрела. Отрицательные следы растительности показаны более темным коричневым цветом, что создает (менее заметный) контраст с окружающими желтыми растениями.

Рис. 6.Картографирование визуализаций из Рис. 5: (A) ортофотоснимок, (B) REIP, (C) гамма-PDF, (D) нормальная PDF.

В этой ситуации, когда следы растительности становятся отчетливо заметными в видимой части электромагнитного спектра, ложное цветное изображение, полученное с помощью алгоритма REIP, не может добавить или улучшить археологическую информацию: в то время как следы растительности на поле 1 видны немного хуже (в основном из-за вчетверо меньшего пространственного разрешения), расчет REIP вообще не удается в уже созревшей растительности на поле 2 (Рис. 8Б). Этот подтверждает то, что уже было указано в предыдущем исследовании: принимать Красный край во внимание особенно выгодно, когда требуется выявить и усилить слабые стрессы растительности, которые теряются при учете только широкого видимого спектра (Верховен, 2009; Верховен и Донеус, 2011). В самом конце сезона, когда все растения стареют, красный край полностью исчезает. В результате подход REIP использует край над видимыми и чистыми кадрами NIR. Обе гамма (Рис. 8C) и нормальная PDF (Рис. 8D) показывают лучшие результаты, чем алгоритм REIP, но также не могут превзойти обычную фотографию в этой части вегетационного периода.



6. Обсуждение

Эти два примера показывают, что воздушное гиперспектральное сканирование может выявить подробную археологическую информацию, если доступно получение данных с высоким разрешением и GSD менее 1 м. В периоды, когда сезон вегетационных отметок находится в начале или в довольно влажный вегетационный период (как это было в 2011 году, Рис. 5) гиперспектральные данные могут даже превзойти обычную аэрофотосъемку. Однако высокое пространственное разрешение увеличит шум в отдельных спектральных диапазонах, что требует сложной подготовки куба данных. В нашем случае сглаживатель Уиттекера, очень мощный спектральный инструмент сглаживания, был применен (примеры со сглаживанием и без него см. Ацбергер и др., 2014).

Оба представиленные методы извлечения информации REIP и DF являются полезными дополнениями к PCA и индексам растительности, которые в настоящее время используются для снижения сложности данных и извлечения археологической информации. Для этой статьи, отображения всех визуализаций (Рис. 6 и 8) были добавлены для демонстрации археологического информационного содержания каждого метода. Подробная оценка качественной и количественной эффективности всех этих различных методов, а также сравнение с другими методами (например, индексами растительности или PCA) будут, однако, темой другой статьи. Также потребуются дальнейшие систематические испытания в различных средах и различных типах археологических объектов.

Результаты REIP и DF (как и в случае с PCA) — это новые алгоритмы, которые отображаются программным обеспечением для обработки изображений (в нашем случае ArcGIS) как ложноцветные или полутоновые изображения. В зависимости от ситуации получения данных (земельный покров, дата и время получения данных и т. д.), а также цели и методы интерпретации, потребуются различные назначения результирующих каналов с одним из трех каналов изображения. Это можно увидеть в этой статье с нормальной PDF, где на Рис. 5D назначение каналов G и B с полосами 1 и 2 привело к лучшей читаемости растительных отметок, тогда как на Рис. 7 D использование одного канала (диапазон 2) казалось наиболее соответствующим.


Чтобы другие коллеги могли использовать подходы, обсуждаемые в этой статье, ARCTIS будет выпущен по лицензии Creative Commons бесплатно на веб-сайте (http://luftbildarchiv.univie.ac.at). В то время как ARCTIS предоставляет большой набор функций для археологического извлечения информации, он не предназначен для того, чтобы быть конкурентом профессиональным коммерческим пакетам программного обеспечения. Более всего этот набор инструментов и его алгоритмы должны рассматриваться как среда прототипирования и тестирования. Хорошо известно, что язык программирования MATLAB® больше фокусируется на простоте разработки кода, чем на производительности, присущей таким языкам, как C, С++ и Фортран. Эта характеристика становится очень очевидной при выполнении DF. Поскольку все операции выполняются попиксельно, вся операция становится очень трудоемкой в ​​MATLAB®-среде, что в свою очередь ограничивает его от многочисленных тестовых запусков на больших наборах данных. Хотя ARCTIS изначально был разработан для добычи кубов археологических данных AIS, его текущее состояние не позволяет ему обрабатывать большие наборы данных. В ближайшем будущем, когда будет обработано несколько наборов данных AIS и результаты обработки будут проверены разными специалистами, те алгоритмы (или их комбинации), которые оказались наиболее полезными, будут реализованы на C или C++ для более быстрого выполнения, в то время как MATLAB® Для вызова этих внешних программ по-прежнему можно использовать графический интерфейс.

Рис. 7.Данные из Карнунтума, Нижняя Австрия, получены 18 июня 2012 года. (A) Традиционная орторектификаци и аэрофотоснимок, полученный в видимом спектре. GSD 0,1 м; улучшено с помощью адаптивной гистограммы с ограничением контраста (CLAHE). (B) составной ложный цвет, созданный с помощью алгоритма REIP (R¼полоса 1 (длина волны), G¼полоса 2 (наклон), B¼группа 3(повторно)значение отражения)). (C) параметр скорости gamma PDF; (D) стандартное отклонение с принадлежащее нормальной PDF. GSDs (B), (C) и (D): 0,4 м. Рисунки B, C и D были подвергнуты одному и тому же растяжению гистограммы с помощью стандартного отклонения. (Для интерпретации ссылок на цвет (Подпись к рисунку, читатель отсылается к веб-версии этой статьи.)

Наконец, археологам также необходимы лучшие способы количественной оценки прироста алгоритмов обработки изображений. На сегодняшний день общепринятой практикой сравнения различных версий одного изображения (или различных наборов данных) являются субъективные, качественные средства. Наука и сообщение результатов часто требуют более объективных, количественных мер возможных приростов. В дополнение к разработке новых алгоритмов обработки AIS и методов повышения контрастности для всех оптических воздушных изображений, авторы в настоящее время работают над новыми подходами для более надежного выражения добавленной стоимости этих методов. Конечной целью этих попыток является максимизация извлечения информации из дистанционно зондируемых археологических материалов, но также ограничение инструментария обработки AIS более определенным набором подходов, которые обычно обеспечивают наибольшие результаты при извлечении и интерпретации археологических объектов.


7. Заключение и перспективы

В этом исследовании были изучены новые подходы к анализу данных археологической аэрофотосъемки: REIP и DF. REIP извлекает информацию о силе растений из крутой наклонной спектральной кривой отражения в диапазоне около 700 нм (переход от видимого дальнего красного к ближнему ИК-спектру). С помощью определения местоположения наивысшего градиента в спектральном профиле красного края для каждого пикселя алгоритм генерирует трехполосное изображение (длина волны, наклон и отношение распределение и настройка будет для каждого пикселя заданной PDF к частотной гистограмме его спектральной сигнатуры и заданных параметров).

Оба алгоритма были запрограммированы в бесплатном программном обеспечении MATLAB® как набор инструментов под названием ARCTIS, созданный для тестирования доступных в настоящее время методов обработки AIS, а также для проверки ценности совершенно новых методов извлечения информации. Для тестирования алгоритмов использовались два различных набора данных с высоким разрешением, полученных на одной и той же территории (римский город Карнунтум, Австрия) в течение двух лет, показывающих различные условия грунта. Изучаемые изображения имеют расстояние выборки грунта 40 см, что позволило извлечь археологически значимые особенности в деталях.

Рис. 8.Картографирование визуализаций из Рис. 7: (A) ортофотоснимок, (B) REIP, (C) гамма PDF, (D) нормальная PDF.

Приведенные здесь примеры доказывают, что по сравнению с одновременно полученными широкополосными видимыми изображениями с пространственным разрешением 10 см DF и визуализации REIP могут увеличить контраст между энергичными и стрессированными растениями. Однако, это происходит, когда данные получают с высоким пространственным разрешением и в правильный момент фенологического цикла растения. Как только следы растительности также становятся визуально очень различимыми, преимущества обоих методов серьезно снижены, а вертикальные фотографии показывают большую часть археологической информации с очень высокой степенью детализации.


Благодарности

Авторы хотят поблагодарить Агату Лугмайр за радиометрическую коррекцию и орто коррекцию используемых наборов данных AIS.

Институт археологических исследований и виртуальной археологии имени Людвига Больцмана (archpro.lbg.ac.at) основан на международном сотрудничестве Общества Людвига Больцмана (A), Венского университета (A), Венского технического университета (A), Австрийского центрального института метеорологии и геодинамики (A), правительства Австрии (A), Airborne Technologies GmbH (A), 7Reasons (A), RGZM-Romano-

Центрального германского музея Майнца (D), RAA-Шведского совета по национальному наследию (S), IBM VISTA-Университета Бирмингема (GB), NIKU-Норвежского института исследований культурного наследия (N) и Совета графства Вестфолл (N).
Ссылки

Адамс, М.Л., Филпот, В.Д., Норвелл, Вашингтон, 1999. Индекс желтизны: применение спектральных производных для оценки хлороза листьев в стрессовых ситуациях. Int. J. Remote Sens. 20 (18), 3663е3675.

Акдус, С.А., Драммонд, Дж., Хансон, В.С., 2008. Обнаружение археологических знаков: гиперспектральный подход. В: Труды XXI конгресса ISPRS, Техническая комиссия V, Пекин, Китай. 3е11 июля 2008 г. ISPRS, стр. 361е365.

Акдус, С.А., Хансон, В.С., Драммонд, Дж., 2007. Поиск археологических следов на полях: Гиперспектральный подход. В: Дистанционное зондирование для мониторинга окружающей среды, ГИС Приложения и геология VII, Флоренция, Италия. 17 сентября 2007 г., 674908е674908-11.

Акдус, С.А., Хансон, В.С., Драммонд, Дж., 2012. Потенциал гиперспектральных и Мультиспектральные изображения для улучшения обнаружения археологических следов на полях: Сравнительное исследование. JAS 39 (7), 1915е1924.

АСКАТ, 2014. http://rs.geo.tuwien.ac.at/dv/ascat/ (последнее обращение: 24.06.14.).Ацбергер, К., Эйлерс, ПХК, 2011a. Временной ряд для мониторинга активности растительности

и фенология с 10-дневным временным шагом, охватывающая большие части Южной Америки. Int.

J. Цифра. Земля 4 (5), 365е386.

Ацбергер, К., Эйлерс, П.Х.С., 2011б. Оценка эффективности алгоритма сглаживанияритмы при отсутствии наземных опорных измерений. Int. J. Remote Sens. 32 (13), 3689е3709.

Ацбергер, К., Весс, М., 2012. Документация по меткам урожая. Университетfür Bod-enkultur, Вена, стр. 60.

Ацбергер К., Весс М., Донеус М., Верховен GJJ, 2014. ARCTIS е MATLAB® Набор инструментов для археологической спектроскопии изображений. Remote Sens. 6, doi:10.3390/ rs60x000x (в печати).

Баннари А., Морен Д., Бонн Ф., Уэте А.Р., 1995. Обзор индексов растительности.

Версия 13 (1е2), 95е120.

Барнс, И., 2003. Методы воздушного дистанционного зондирования, используемые в управлении археологические памятники на полигоне Солсбери-Плейн британской армии, Уилтшир, Великобритания. Археол. Проспект. 10 (2), 83е90.

Бассани К., Кавалли Р.М., Фасулли Л., Паломбо А., Паскуччи С., Сантини Ф., Пиньятти С., 2009a. Интеграция оптических и тепловизионных изображений с воздуха для археологических раскопок Обнаружение подземных структур: пример Arpi (Италия). Geophys. Res. Abstr. 11, 7717.

Бассани, К., Кавалли, Р.М., Гоффредо, Р., Паломбо, А., Паскуччи, С., Пиньятти, С., 2009b. Специфический спектральный диапазон для различных контекстов земного покрова для улучшения эффективности дистанционного зондирования археологических раскопок: исследование на примере Арпи. J. Cult. Наследие 10, e41.

Беннетт, Р., Уэлхэм, К., Хилл, Р.А., Форд, административный судья, 2012. Применение индексов растительности для поиска археологических объектов в местах с преобладанием травы Окружающая среда. Археол. Проспект. 19 (3), 209е218.

Беннетт, Р., Уэлхэм, К., Хилл, Р.А., Форд, ALJ, 2013. Спектральные изображения с воздуха для археологические изыскания в луговых условияхгоценка пер-формация. Древность 87 (335), 220е236.

Бухс, Ф., Купфер, Г., Доктер, К., Кюбаух, В., 1990. Форма красного края как Индикатор жизненной силы растений. Int. J. Remote Sens. 11 (10), 1741е1753.
Картер, GA, 1994. Соотношения отражательной способности листьев в узких диапазонах волн как индикаторы стресс растений. Int. J. Remote Sens. 15 (3), 697е703.

Картер, GA, Эстеп, L., Муттия, RS, 2002. Общие спектральные характеристики повторного отражения листарастений и их проявление в ландшафте масштаб. В: Muttiah, RS (ред.), От лабораторной спектроскопии к дистанционному зондированию Спектры наземных экосистем. Kluwer Academic Publishers, Дордрехт,стр. 271е293.

Кавалли, Р.М., 2013. Комплексный подход к археологической разведке и эксплуатации Воздушное гиперспектральное дистанционное зондирование. В: Corsi, C., Slapsak, B., Vermeulen, F. (ред.), Надлежащая практика археологической диагностики. Неинвазивное обследование Комплексные археологические памятники. Естественные науки в археологии. Springer Inter-Национальное издательство, Чам, стр. 87е112.

Кавалли Р.М., Колози Ф., Паломбо А., Пиньятти С., Посколиери М., 2007. Удаленный доступ. Гиперспектральные изображения как поддержка археологических изысканий. J. Cult. Herit. 8 (3), 272е283.

Кавалли, Р.М., Личчарди, Г.А., Шануссо, Дж., 2012. Обнаружение аномалий, вызванных погребенные археологические сооружения с использованием нелинейного анализа главных компонент применяется к гиперспектральным изображениям, полученным с воздуха. IEEE J. Sel. Top. Appl. Earth Obs. Дистанционный датчик 5 (6), 1е12.

Кавалли Р.М., Пиньятти С., 2001. Il telerilevamento ipspettrale da aereo per lo studio. dei beniarcheologici: applicazione dei dati iperspettrali MIVIS. В: Кампана, С., Форте, М. (ред.), Дистанционное зондирование в археологии. XI Цикл лекций по рисунку аппликата в археологии, Чертоза ди Понтиньяно (Сиена), 6е11 декабря 1999 года. All'insegna del giglio, Флоренция, стр. 221.е232.

Чаллис, К., Кинси, М., Ховард, А.Дж., 2009. Воздушное дистанционное зондирование долиныфлпол геоархеология с использованием Daedalus ATM и CASI. Археол. Проспект. 16 (1), 17е33.

Чо, МА, Скидмор, АК, Ацбергер, К., 2008. К позициям красного края меньше чувствительны к биофизическим параметрам полога для оценки хлорофилла листьев с использованием свойства оптических спектров фей (PROSPECT) и рассеяние на арби-Данные моделирования наклонных листьев (SAILH). Int. J. Remote Sens. 29 (8), 2241е2255.

Коулман, С., 2007. Использование преимуществ: вертикальные аэрофотоснимки, заказанные для местных органов власти. В: Миллс, Дж., Палмер, Р. (ред.), Заселение глинистых ландшафтов. Темпус, Страуд, стр. 28е33.

Корен Ф., Висинтини Д., Преаро Г., Стерзай П., 2005. Интеграция интенсивности LiDAR меры и гиперспектральные данные для извлечения культурного наследия. В: Работа-магазин Италия-Канада 2005, Падуя, Италия. 17е18 мая 2005 г..
Кроушоу, А., 1995. Перспективная аэрофотосъемка. самолеты, камеры и фильмы. В: Кунов, Дж. (ред.), Luftbildarchаология в Ost- und Mitteleuropa/Aerial Archaeoloy в Восточной и Центральной Европе. Международный симпозиум 26.е30 сентября
1994 Кляйнмахнов, Земля Бранденбург, Forschungen zurАрхеология€ им Лэнд Бранденбург, том. 3. Verlag Brandenburgisches Landesmuseum für Ur- undFrühgeschichte, Потсдам, стр. 67.е76.

Дарвишзаде Р., Ацбергер К., Скидмор А.К., Абкар А.А., 2009. Индекс площади листа. вывод из гиперспектральных индексов растительности и положения красного края. Int. J. Remote Sens. 30 (23), 6199е6218.

Донеус, М., 1997. Об археологическом использовании вертикальных фотографий. AARG News 15, 23е27.


Эммоло Д., Франко В., Ло Брутто М., Орландо П., Вилла Б., 2004. Гиперспектральный Методы и ГИС для археологических исследований. В: Труды ISPRS 2004-geo-imagery Bridging Continents. XX конгресс ISPRS, Стамбул, Турция. 12е23 июля 2004 г. ISPRS, Стамбул.

Форте, Э., Пипан, М., Суган, М., 2011. Комплексное геофизическое исследование археологических объекты в районе Аквилеи. В: Труды 1-го семинара по новому Технологии для Аквилеи (NTA-2011), Аквилея, Италия. 2 мая 2011 г. Отдел математики и компьютерных наук, Университет Удине.

Гительсон А.А., Мерзляк М.Н., Лихтенталер Х.К., 1996. Обнаружение красного края поля и содержание хлорофилла по кривой отражения в диапазоне 700 нм. Журнал физиологии растений 148 (3е4), 501е508.

Хэмптон, Дж. Н., 1974. Эксперимент по мультиспектральной аэрофотосъемке для археологического исследования. Фотограмма. Рек. 8 (43), 37е64.
Хансон, В.С., 2008. Будущее воздушной археологии (или алгоритмы — это ответ?). В: Дистанционное зондирование для археологии и управления культурным наследием. Труды 1-го Международного семинара EARSeL, CNR, Рим. 30 сентября – 4 октября 2008 г. Арракне, Рим, стр. 47е50.

Хорлер, Д.Н.Х., Докрей, М., Барбер, Дж., 1983. Красный край листьев растений.

Int. J. Remote Sens. 4 (2), 273е288.
Кеннеди, Д., 1996. Воздушная археология на Ближнем Востоке. AARG News 12, 11е15. Ласапонара, Р., Мазини, Н. (ред.), 2012. Спутниковое дистанционное зондирование: новый инструмент для

Археологии Дистанционное зондирование и цифровая обработка изображений, т. 16. Springer, Дордрехт, стр. 364 xviii.

Лю, Дж.-Г., Мейсон, П.Дж., 2009. Основные принципы обработки изображений и ГИС для дистанционного зондирования, т. xvi. Wiley-Blackwell, Чичестер, стр. 443.

Мерола, П., 2005. Tecniche di telerilevamento iperspettrale applicate alla richerca. археологика. Дом Лилибея. Археология Аэреа. Исследование Аэротопогр. Археол. 1, 301е317.

Мерола П., Гульетта Д., Сампиери С., Аллегрини А., 2007. Applicazione degli indici di растительность для археологической студии. Вышло: Атти делла 11 конференция nazionale ASITA, Турин, Италия. 6е9 ноября 2007. ASITA, Милан..

Мерола П., Гульетта Д., Сампиери С., Аллегрини А., Гульетта Д., 2008. Лилибей. реконструкция по данным удаленно. В: Дистанционное зондирование для археологии и Управление культурным наследием. Труды 1-й Международной конференции EARSeL Семинар, CNR, Рим. 30 сентября.е4 октября 2008 г. Арракне, Рим, стр. 71е74.

Миллс, Дж., 2005. Предвзятость и мир вертикальной аэрофотосъемки. В: Брофи, К., Коули, Д.К. (ред.), С воздуха. Понимание воздушной археологии. Tempus, Страуд, стр. 117е126.
Мур, Д.С., МакКейб, Г.П., 2003. Введение в практику статистики, четвертое издание. т. xxv. WH Freeman and Company, Нью-Йорк. 828 þ CD-ROM.
Нойбауэр В., Донеус М., Тринкс И., Верховен Г.Дж., Хинтерляйтнер А., Серен С.,

Шкафчик,К., 2012. Долгосрочные комплексные археологические исследования на римском город Карнунтум/Австрия. В: Джонсон, П., Миллетт, М. (ред.), Археологические Исследование и город, Музей классической археологии Кембриджского университета Монографии, т. 2. Oxbow Books, Оксфорд, стр. 202е221.

Нойбауэр В., Эдер-Хинтерляйтнер А., Серен С., Меличар П., 2002. Георадар в Римский гражданский город Карнунтум, Австрия: подход к археологическому взаимодействиюинтерпретация данных георадара. Археол. Проспект. 9 (3), 135е156.
Нойбауэр В., Гугл К., Шольц М., Верховен Г.Дж., Тринкс И.,Шкафчик,€ К., Донеус, М., Сай, Т., Ван Мейрвенн, М., 2014. Открытие школы гладиаторов в Карнунтум, Австрия. Древность 88 (339), 173е190.

Палмер, Р., 2005.В: Брофи, К., Коули, Д.К. (ред.), Из воздуха. Понимание воздушного Археология. Темпус, Страуд, стр. 94е116.

Палмер, Р., 2007. Семьдесят Пять лет против девяноста минут: последствия 1996 года Вертикальная аэрофотосъемка в Бедфордшире и наше восприятие археологии глинистых земель. В: Миллс, Дж., Палмер, Р. (ред.), Заселение глинистых ландшафтов. Tempus, Страуд, стр. 88е103.

Пьетрапертоза К., Веллико М., Стерзай П., Корен Ф., 2008. Дистанционное зондирование применительно к обнаружение археологических погребенных сооружений на территории Аквилеи. В: Pro-протоколы 27-й Национальной конференции GNGTS - 2008, Триест, Италия. 6-л 8 октябрь 2008, стр. 368е372.

Сэй Т., Ван Мейрвенн М., Тринкс И., Де Смедт П., Верховен Г.Дж., Нойбауэр В., 2013. Интеграция измерений электромагнитных помех с помощью нескольких приемников для характеристики почвы Пейзаж вокруг школы гладиаторов, Карнунтум. В: Археологический Проспективные исследования. Труды 10-й Международной конференции по археологии.ical Prospection, Вена, Австрия. 29 мая е 2 июня 2013 г. Австрийская академия наук, Вена, стр. 430е432.

Серен С., Эдер-Хинтерляйтнер А., Нойбауэр В.,Шкафчик,€ К., Меличар, П., 2007. Расширенное сравнение различных систем георадара и конфигураций антеннфигурации в Римское городище Карнунтум. ГЯП 5 (6), 389е394.
MathWorks, 2013. Документация MATLAB E2013aеГамма-распределение.http://www.mathworks.de/de/help/stats/gamma-distribution.html (доступно 22.03.13).

MathWorks, 2014. Нормальные оценки параметров Норма MATLAB фит. MathWorks. http://www.mathworks.de/de/help/stats/normфит.html (дата обращения 28.03.14.).

Травилья, А., 2005. Полуэмпирический индекс для оценки влажности почвы от MIVIS данные для выявления подземных археологических памятников. Выходит: Атти делла 9а Конференция Nazionale ASITA, Катания, Италия. 15-18 ноября 2005 г. ASITA, Милан, стр. 1969е1974.

Травилья, А., 2006а. Археологическое использование гиперспектральных изображений: успехи и неудачи методов обработки изображений. В: Из космоса в место. Труды 2-я Международная конференция по дистанционному зондированию в археологии, CNR, Рим, Италия. 4 декабря.е7, 2006. Archaeopress, Оксфорд, стр. 123е130.

Травилья, А., 2006б. Гиперспектральные датчики MIVIS для обнаружения и поддержки ГИС перенесенная интерпретация подпочвенных археологических памятников. В: CAA 2006: Digital Discovery. Исследование новых рубежей в человеческом наследии, Фарго, Северная Дакота, США. Апрель 2006.

Травилья, А., 2008. Комбинаторный взрыв: процедуры по сокращению данных избыточности и для проверки результатов обработанных гиперспектральных изображений. В: Дистанционное зондирование для археологии и управления культурным наследием.Материалы 1-го Международного семинара EARSeL, CNR, Рим. Сентябрь 30е4 октября 2008 г. Арракне, Рим, стр. 85е89.

Тринкс, И., Нойбауэр, В., Донеус, М., 2012. Разведка археологических ландшафтов. В: Прогресс в сохранении культурного наследия. Труды 4-го Междунар.международная конференция EuroMed 2012. Euromed2012, Лимассол, Кипр. Октябрь 29е3 ноября 2012 г. Springer, Берлин, Гейдельберг, стр. 21е29.

Верховен, GJJ, 2009. За пределами обычных границ: новые технологии. Методологии и процедуры для данных аэроархеологических исследований Приобретение и анализ, т. xlii. Nautilus Academic Books, Zelzate, стр. 347 (PhDтезис).

Верховен, GJJ, 2012a. Археология следов на полях в ближнем инфракрасном диапазоне: из ее истории Историческое использование для современных цифровых реализаций. J. Archaeol. Метод Теория 19

(1), 132е160.

Верховен, GJJ, 2012b. Переосмысление спектра цифровая революция в Археологической воздушной разведке. В: Джонсон, П., Миллетт, М. (ред.), Археологическая служба и город, Музей классических предметов Кембриджского университета.Монографии по sical archaeology, т. 2. Oxbow Books, Оксфорд, стр. 45е67.

Верховен, Г.Дж.Дж., Донеус, М., 2011. Балансирование на границе - недорогой подход к визуализации сдвига красного края для воздушной археологии. Археол. Проспект. 18 (4), 267е278.

Верховен, Г.Дж.Дж., Донеус, М., Ацбергер, К., Весс, М., Рус,М., Прегесбауэр, М., Бризе, К., 2013. Новые подходы к извлечению археологических признаков Данные спектроскопии аэрофотосъемки. В: Археологическая разведка. Про-Труды 10-й Международной конференции по археологическим исследованиям, Вена, Австрия. 29 мая. е 2 июня 2013 г. Австрийская академия наук, Вена, стр. 13е15.

Уайт, Д.А., 2003. AVIRIS и археология в южной Аризоне. В: AVIRIS Труды.

Уилсон, Д.Р., 2000. Интерпретация аэрофотоснимков для археологов, второе издание. Tempus, Страуд, стр. 256.

Уинтерботтом, С.Дж., Доусон, Т., 2005. Воздушная мультиспектральная разведка Погребенная археология в подвижных системах, где доминируют пески. Археол. Проспект. 12

(4), 205е219.

ЗАМГ, 2014. http://www.zamg.ac.at/cms/de/klima/klima-aktuell/jahresrueckblick(дата обращения 21.06.14.).

Зёйдервельд, К., 1994. Адаптивное выравнивание гистограммы с ограничением контраста. В:Хекберт, PS (ред.), Graphics Gems IV. Academic Press Professional, Бостон, стр. 474е485.
12 февраля/ 2025