В докладе предлагается вычислительно эффективный иерархический алгоритм кластеризации HECA, разработанный в рамках сеточного и ансамблевого подходов, для сегментации мультиспектральных изображений. Данный алгоритм является непараметрическим и позволяет выделять кластеры сложной формы, разного размера и плотности. Элементами иерархии выступают «компоненты связности», которые соответствуют локальным сгусткам плотности распределения данных в пространстве признаков. Для построения иерархической структуры вводится специальное расстояние между компонентами связности, основанное на оценке плотности распределения. Такой подход позволяет избежать присущих иерархическим методам проблем, связанных с наличием пересекающихся кластеров. Для увеличения устойчивости получаемых результатов и снижения влияния шума применяется ансамблевый подход, комбинирующий результаты работы иерархического сеточного алгоритма, полученные при различных масштабах сетки.

Предлагается метод автоматического выделения водных объектов, основанный на применении алгоритма кластеризации HECA и построенного дерева решений, использующего средние значения спектральных характеристик выделенных кластеров. В отличие от известных методов, разработанный подход позволяет выделять водные объекты не только на спутниковых изображениях среднего и низкого пространственного разрешения, но и высокого (2–10 м). При этом время обработки изображений размером ~10⁷ пикселей составляет всего несколько секунд.

Результаты сегментации спутниковых изображений служат основой для построения тематических карт паводковой обстановки, содержащих информацию о границах выхода воды на пойму и границах переувлажненных почв. Разработанная технология применяется в режиме опытной эксплуатации в СЦ ФГБУ «НИЦ «Планета» при создании карт паводковой обстановки по спутниковым данным «Канопус-В», «Ресурс-П» и «Метеор-М» для потребителей Росгидромета и региональных служб МЧС.