И.П. Урманов1, С.П. Королёв2, А.Н. Камаев3 

1–3 ВЦ ДВО РАН (г. Хабаровск, Россия)

Постановка проблем. Системы видеонаблюдения активно используются в решении задач мониторинга вулканов. При этом необходим анализ снимков, полученных с видеокамер, снимающих в широком диапазоне, включающим видимый и ближний инфракрасный спектры. 

Цель. Разработать алгоритм обнаружения термальных аномалий вулканов на снимках и интегрировать его в автоматизированную систему анализа данных сети видеонаблюдения.

Результаты. Представлен алгоритм обнаружения термальных аномалий на снимках вулканов и компьютерная система для автоматизированного анализа изображений. Решена задача идентификации термальных аномалий на изображениях вулканов, полученных с помощью таких камер. Предложен алгоритм обнаружения, классификации и вычисления характеристик аномалий. Рассмотрена интеграция разработанного алгоритма в компьютерную систему для автоматизированного анализа снимков системы непрерывного видеонаблюдения за вулканами Камчатки.

Практическая значимость. Научные результаты и разработанные на их основе программные средства могут быть использованы в решении задач оперативного мониторинга вулканической активности, основанного на применении систем видеонаблюдения.

Урманов И.П., Королёв С.П., Камаев А.Н. Компьютерная система для поиска и оценки термальных аномалий на снимках вулканов // Системы высокой доступности. 2021. Т. 17. № 4. С. 55−65. DOI: https://doi.org/ 10.18127/j20729472-202104-04

1. Sorokin A., Korolev S., Romanova I., Girina O., Urmanov I. The Kamchatka Volcano Video Monitoring System // Proceedings of 2016 6th International Workshop on Computer Science and Engineering, WCSE 2016. Tokyo, Japan. 17–19 June. 2016. P. 734–737.
2. Harris A.J.L., Ripepe M., Hughes E.A. Detailed analysis of particle launch velocities, size distributions and gas densities during normal explosions at Stromboli // Journal of Volcanology and Geothermal Research. 231–232 (2012). P. 109–131.
3. Diefenbach A.K., Bull K. F., Wessels R., Mcgimsey R.G. Photogrammetric monitoring of lava dome growth during the 2009 eruption of Redoubt Volcano // Journal of Volcanology and Geothermal Research. 259 (2013). P. 308–316. DOI: 10.1016/j.jvolgeores.2011.12.009
4. Walter T.R., Legrand D., Delgado G.H., Reyes G., Arámbula R. Volcanic eruption monitoring by thermal image correlation: pixel offsets show episodic dome growth of the Colima volcano // JGR: Solid Earth. 118 (2013), № 4. P. 1408–1419. DOI: 10.1002/jgrb.50066
5. Webb E., Varley N., Pyle D., Mather T. Thermal imaging and analysis of short-lived Vulcanian explosions at Volcán de Colima, Mexico // Journal of Volcanology and Geothermal Research. 278–279 (2014). P. 132–145. DOI: 10.1016/j.jvolgeores.2014.03.013
6. Patrick M.R., Orr T.R., Antolik L., Lee R.L., Kamibayashi K.P. Continuous monitoring of Hawaiian volcanoes with thermal cameras // Journal of Applied Volcanology. 3 (2014). No. 1. DOI: 10.1186/2191-5040-3-1
7. Bertucco L., Coltelli M., Nunnari G., Occhipinti L. Cellular neural networks for real-time monitoring of volcanic activity // Computers & Geosciences. 25 (1999). No. 2. P. 101–117.
8. Honda K., Nagai M. Real-time volcano activity mapping using ground-based digital imagery // ISPRS Journal of Photogrammetry and Remote Sensing. 57 (2002). P. 159–168.
9. Major J.J., Dzurisin D., Schilling S., Poland M. Monitoring lava-dome growth during the 2004–2008 Mount St. Helens, Washington, eruption using oblique terrestrial photography // Earth and Planetary Science Letters. 286 (2009). No. 1–2. P. 243–254.
10. Arason P., Petersen G.N., Bjornsson H. Observations of the altitude of the volcanic plume during the eruption of Eyjafjallajökull, April–May 2010 // Earth System Science Data. 3 (2011). No. 1. P. 9–17. DOI: 10.5194/essd-3-9-2011
11. Bjornsson H., Magnusson S., Arason P., Petersen G.N. Velocities in the plume of the 2010 Eyjafjallajökull eruption // JGR: Atmospheres. 118 (2013). No. 20. P. 11698-11711. DOI: 10.1002/jgrd.50876
12. Sorokin A., Korolev S., Romanova I., Girina O., Urmanov I. The Kamchatka Volcano Video Monitoring System // Proceedings of 2016 6th International Workshop on Computer Science and Engineering, WCSE 2016, Tokyo, Japan, 17–19 June, 2016. P. 734–737.
13. Blackett M. An Overview of Infrared Remote Sensing of Volcanic Activity // Journal of Imaging. 3(2017). No. 2. P. 13. DOI: 10.3390/jimaging3020013
14. Andò B., Pecora E. An Advanced Video-based System for Monitoring Active Volcanoes // Computers & Geosciences. 32 (2006). No. 1. P. 85-91
15. Spampinato L., Calvari S., Oppenheimer C., Boschi E. Volcano Surveillance Using Infrared Cameras // Earth-Science Reviews. 106 (2011). P. 63–91
16. Olivo-Marin J.C. Extraction of Spots in Biological Images Using Multiscale Products // Pattern Recognition. 35 (2002). No. 9.  P. 1989–1996.
17. Wang F., Liu Y., Wu Ch., Chen X., Zeng K. Spot Image Ablated by Femtosecond Laser Segmentation and Feature Clustering After Dimension Reduction Reconstruction // Optik. 164 (2018). P. 488–497.
18. Мельников Д.В., Маневич А.Г., Гирина О.А. Количественные характеристики активности вулканов Камчатки по данным веб-камер // Тез. Докл. XVIII региональной конф., посвященной Дню вулканолога. Петропавловск-Камчатский: ИВиС ДВО РАН, 2015. С. 92–94.
19. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение / Пер. с анг. А.А. Слинкина. Изд. 2-е, испр. М.: ДМК Пресс. 2018. 652 с.: цв. ил.
20. Cho J., Lee K., Shin E., Choy G., Do S. How much data is needed to train a medical image deep learning system to achieve necessary high accuracy? // arXiv e-print. 2016. arXiv: 1511.06348
21. Hénaff O.J., Srinivas A., De Fauw J., Razavi A., Doersch C., Eslami S.M.A., van den Oord A. Data-Efficient Image Recognition with Contrastive Predictive Coding // arXiv e-prints. 2019. arXiv: 1905.09272
22. Lowe D.G. Distinctive Image Features from Scale-invariant Keypoints // Intern. J. of Computer Vision. 60 (2004). No. 2. P. 91–110.
23. Michael E. Tipping, Christopher M. Bishop Mixtures of Probabilistic Principal Component Analyzers // Neural Computation.  11 (1999) No. 2. P. 443–482. doi: https://doi.org/10.1162/089976699300016728
24. Shmilovici A. Support Vector Machines // Data Mining and Knowledge Discovery Handbook. Boston, MA, USA: Springer. 2009.  P. 257–276.
25. Kamaev A.N., Korolev S.P., Sorokin A.A., Urmanov I.P. Detection of Thermal Anomalies in the Images of Volcanoes Taken at Night. Journal of Computer and Systems Sciences International. 59 (2020). No. 1. P. 119–128. DOI: 10.1134/S106423071906008X
26. Sorokin A.A., Korolev S.P., Malkovsky S.I. The Signal automated information system: Research and operational monitoring of dangerous natural phenomena in the Russian Far East // Sovremennye Problemy Distantsionnogo Zondirovaniya Zemli iz Kosmosa. 16(2019). No. 3. P. 238-248. DOI: 10.21046/2070-7401-2019-16-3-238-248
27. Sorokin A.A., Makogonov S.V., Korolev S.P. The Information Infrastructure for Collective Scientific Work in the Far East of Russia // Scientific and Technical Information Processing. 44 (2017). No. 4. Р. 302–304.