Гибридный алгоритм распознавания строений на спутниковых снимках на основе метода жука и алгоритма исключения областей
Автор: Баранова И.В., Гилин С.В.
Статья в выпуске: 2 т.13, 2024 года.
Бесплатный доступ
В статье предлагается новый метод распознавания строений на спутниковых снимках. Представленный метод является гибридным, он основан на алгоритме исключения областей и методе жука. Алгоритм исключения областей представляет собой хорошо известный и эффективный способ сегментации изображения на регионы схожих пикселей по различным признакам: цвет, текстура, яркость, форма и т.д. Метод жука - классический метод контурного анализа, выполняющий последовательное вычерчивание границы между объектом и фоном. В рамках работы предлагаемого алгоритма сначала метод исключения областей выделяет потенциальные области, в которых могут находиться строения и устраняет нежелательные элементы на изображении (растительность, водные поверхности и дороги), которые могут быть ложно распознаны как строения. Далее модифицированный метод жука определяет местоположение и контуры строений. На финальном этапе среди обнаруженных объектов выявляются искусственно созданные объекты, у которых имеется объем. Для реализации проверки объектов на искусственное происхождение и объемность разработаны собственные методы. Представленный алгоритм распознавания показывает хорошую точность распознавания и не требует обучающей выборки. В статье описывается программная реализация предлагаемого метода. Демонстрируются результаты вычислительных экспериментов по оцениванию эффективности метода и сравнению с тремя известными алгоритмами распознавания.
Распознавание строений, спутниковые снимки, гибридный метод, метод жука, метод исключения областей, текстурные характеристики, границы зданий, потенциальные области, классификация
Короткий адрес: https://sciup.org/147243960
IDR: 147243960 | УДК: 004.932.72’1, | DOI: 10.14529/cmse240204
Building recognition hybrid algorithm for satellite images based on the beetle method and the area exclusion algorithm
The article proposes a new method for recognizing buildings on satellite images. The proposed method is a hybrid, it is based on the region exclusion algorithm and the beetle method. The region exclusion algorithm is a well-known and effective approach to object detection on the image. Its main idea is to segment an image into regions of similar pixels based on various characteristics: color, texture, brightness, shape, etc. The beetle method is a classic contour analysis method that sequentially draws the boundary between an object and its background. As part of the proposed method, the beetle method first identifies potential areas where buildings may be located. The region exclusion method then eliminates unwanted elements in the image (vegetation, water surfaces and roads) that could be falsely identified as buildings, and accurately determines the location and outline of buildings. The offered algorithm shows good recognition accuracy regardless of image quality and does not require a training sample. The article also describes the software implementation of the proposed method and discusses the results of computational experiments to assess the quality of the method and compare it with three well-known recognition algorithms.
Список литературы Гибридный алгоритм распознавания строений на спутниковых снимках на основе метода жука и алгоритма исключения областей
- Гилин C.B. Задача автоматического распознавания зданий в водоохранных зонах на спутниковых снимках // Информационные технологии и математическое моделирование (ИТММ-2021): Материалы XX Международной конференции имени А.Ф. Терпугова, Томск, 1-5 декабря, 2021. Томск: Национальный исследовательский Томский государственный университет, 2022. С. 6-12.
- Захаров A.A., Тужилкин А.Ю. Сегментация спутниковых изображений на основе суперпикселей и разрезов на графах // Программные системы и вычислительные методы. 2018. № 1. С. 7-17. DOI: 10.7256/2454-0714.2018.1.25629.
- Фукунага К. Введение в статистическую теорию распознавания образов. Москва: Наука, 2009. 368 с.
- Горбачев В.А., Криворотов И.А., Маркелов А.О., Котлярова Е.В. Семантическая сегментация спутниковых снимков аэропортов с помощью сверточных нейронных сетей // Компьютерная оптика. 2020. Т. 44, № 4. С. 636-645. DOI: Ю.18287/2412-6179-СО-636.
- Shahoud A., Shashev D., Shidlovskiy S. Detection of Good Matching Areas Using Convolutional Neural Networks in Scene Matching-Based Navigation Systems // Ежегодная международная конференция по компьютерной графике и машинному зрению Графи-Кон (GraphiCon-2021): Труды Международной конференции по компьютерной графике и машинному зрению «Графикон», Томск, 27-30 сентября, 2021. Москва: Институт прикладной математики имени М.В. Келдыша РАН, 2021. С. 443-452.
- Не W., Li J., Cao W., Zhang L., Zhang H. Building Extraction from Remote Sensing Images via an Uncertainty-Aware Network. URL: https://arxiv.org/pdf/2307.12309 (дата обращения: 15.02.2024).
- Сорокин Д.В., Крылов A.C. Метод активных контуров для сегментации изображений. Москва: ООО «МАКС Пресс», 2022. 116 с.
- Чернов A.B., Чупшев Н.В. Автоматическое распознавание контуров зданий на картографических изображениях // Компьютерная оптика. 2007. Т. 31, № 4. С. 636-645.
- Панченко Д.С., Путятин Е.П. Сравнительный анализ методов сегментации изображений // Радиоэлектроника и информатика. 1999. Т. 4. С. 109-114.
- Воронцов К.В. Математические методы обучения по прецедентам. URL: http: //www. machinelearning. ru/wiki/images/6/6d/Voron-ML-l .pdf (дата обращения: 10.09.2023).
- Xu Yu., Wang K., Liu S., Yang S., Yan B. Atmospheric correction of hyperspectral data using MODTRAN model // Remote Sensing of the Environment: 16th National Symposium on Remote Sensing of China. 2008. Vol. 7123. P. 1-7. DOI: 10.1117/12.815552.
- Голуб Ю.И., Старовойтов B.B., Коноплин E.E. Сегментация примерно однородных по яркости областей // Искусственный интеллект. 2008. Т. 3. С. 332-338.
- Фурман Я.А., Кревецкий A.B., Передреев А.К. Введение в контурный анализ и его приложения к обработке изображений и сигналов. Москва: ФИЗМАТЛИЗ, 2002. 592 с.
- Сакович И.О., Белов Ю.С. Обзор основных методов контурного анализа для выделения контуров движущихся объектов // Инженерный журнал: наука и инновации. 2014. Т. 36, № 12. С. 1-11.
