Синтез тематического слоя объектов транспортной сети

Автор: Федосеев Александр Андреевич, Головнин Олег Константинович, Михеев Сергей Владиславович

Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc

Рубрика: Информатика, вычислительная техника и управление

Статья в выпуске: 4-4 т.18, 2016 года.

Бесплатный доступ

Рассматривается вопрос построения тематического слоя объектов транспортной сети на базе космических снимков в условиях отсутствия спектральных признаков. В основе метода лежит использование разработанного в результате анализа характерных признаков объектов транспортной сети фильтра, применяемого к исходному изображению в режиме скользящего окна.

Тематический слой, транспортная сеть, космический снимок, яркость пикселя, ско значений яркости пикселей

Короткий адрес: https://sciup.org/148204779

IDR: 148204779

Текст научной статьи Синтез тематического слоя объектов транспортной сети

Модернизация транспортной инфраструктуры является неотъемлемой частью экономического развития современного государства. Рост числа и протяжённости автомобильных дорог относится к ряду приоритетных мероприятий по модернизации федеральных и региональных транспортных систем. При этом, становится актуальной задача оперативного выявления и учёта изменений объектов сети автомобильных дорог, а также определения характеристик и состояния объектов транспортной инфраструктуры [1]. Значительная площадь территории и большое число субъектов Российской Федерации диктуют необходимость разработки и внедрения подходов к решению указанных задач на основе использования материалов космической съёмки, предполагающих построение соответствующих тематических слоёв с изображением объектов интереса [2].

МЕТОД СИНТЕЗА ТЕМАТИЧЕСКОГО СЛОЯ

В основе процесса синтеза тематического слоя элементов транспортной сети (ТрС) на базе космического снимка лежит задача экстрагирования локальных областей, соответствующих объектам класса «Дорога», на этом снимке в условиях отсутствия пространства спектральных признаков (комплект снимка, состоящий из мультиспектрального и панхроматического изображений) или полного их отсутствия (ком-

плект снимка, состоящий из панхроматического изображения). В первом случае целесообразно использовать методы, позволяющие объединять спектральные свойства мультиспектральных изображений с пространственной информацией монохромных изображений [3–6]. Во втором случае резонно сосредоточиться на подходах объектно-ориентированного анализа изображений с использованием априорных знаний о характерных признаках распознаваемых элементов ТрС [7]. Рассмотрим случай отсутствия на изображении спектральных признаков.

Процесс синтеза тематического слоя элементов ТрС на базе комплекта, представленного монохромным (панхроматическим) изображением, основан на оценке распределения значений яркости целевых объектов исходного изображе- ния с использованием данных о характерных признаках этих объектов.

Объекту класса «Дорога» в каждом канале пространственно-спектрального куба соответствует прямоугольная область

7 ~ R d t i

7 ~ R ~ R 7 ~ R = d j ( a t i , b t ,

~ R a i1'   ) ,

„~R                     7~R где b i – ширина области, a i – длина области,

~R a i - угол поворота области в заданной системе координат.

Совокупность областей, соответствующих объектам класса «Дорога», обозначим

~ r

D t i

~ р

= { d j } .

Пусть L = {l-} - множество объектов, не являющихся элементами ТрС. Совокупность областей, соответствующих этим объектам, обо-~     ~ значим D li = {d j }.

Для объекта класса «Дорога», ограниченного

7 ~R областью d i , определим следующие основные характерные признаки:

. значительная протяжённость, т.е. ширина

—~R области d i намного меньше её длины

— IR       IR R btj < a ti ;                   (1)

. одинаковая ширина на всём протяжении

—— ~R

b i = const ;

. равномерное распределение функции яркости на участке протяжения, которое означает, что значение среднеквадратического отклонения (СКО) cr[ f ( x , y )] яркости пикселей каждого канала пространственно-спектрального куба,

— ~R принадлежащих области d i , стремится к нулю:

~ R

И f ( x , y )] ^ 0, ( x , y ) e d ‘ ;

. чёткие контуры, т.е модуль градиента

V f ( x , y ) функции яркости на границах области

—rr d i превышает среднее значение градиента Vf по всему каждому каналу пространственноспектрального куба:

—~ R

V f ( x , y ) > V f , ( x , y ) e dtl ;       ( 4)

r r

Функция, проверяющая соответствие d i основным характеристикам объектов класса «Дорога», имеет вид:

тов ТрС на космических снимках M ~ n представляет собой математическое описание процесса построения тематического слоя S N на основе исходного снимка I

M ~ N = F ~ N ( I,S N ) .

Тематический слой S N представляет собой

—~R множество элементов d ji , описывающих отдельные объекты ТрС, для каждого из которых функция (5) имеет положительное значение

I N =| <— t i e S N | u ~ R ( cl t i ) = 1 1          ,

^ j = 1, K ~ N

где K ~ n - количество элементов ТрС в темати-

S    IN ческом слое S .

Пусть выбрана некоторая точка (пиксель) p в пределах монохромного (панхроматического)

изображения I p = (x, y).

Для выбранной точки определяется локальная система координат, а также некоторая квад-

R R ui

I R . — I R .     _ ,— I R

= u t ( d i ) = [( b t

~ R       ~ R

<< a t i ) л ( b t

^— — ратная область d p

^— с центром в p , заданная

= const ) л ( ^ [ f ( x , y )] ^ 0) л ( V f ( x , y ) > V f )] .

длиной стороны ap (рис. 1):

^ dp

—-

= d ( a p , p ) .

Модель синтеза тематического слоя элемен-

^^

Направления

Пиксели, пересекаемые линией l „

Центральный пиксель p

Рис. 1. Иллюстрация процесса определения принадлежности

——

В пределах области d p определим направления, вдоль которых производится дальнейшее исследование. Значение шага ϕ угла поворота соответствующего направления вычисляется следующим образом:

S f ( i , j ) - M^t

D$ l a = i , j ______________________

2 n

π ϕ= , ϕ

a p a ≤i≤

p a         — / n

—— при 0 а < — ,

где N ϕ – количество секторов, на которое разбивается диапазон значений угла поворота [0, п ) . Значение шага ϕ угла поворота соответствующего направления зависит от длины стороны

ap ,.,ap    n x — /

< i при а n , 2       2     2

■4

a p      a p

--< 1 <---■

2 J 2

———

Z— ^

— а— p области dp. Так, с ростом длины стороны

Z—^—

σ

d l a

d a

——

— a p области d p значение шага ϕ уменьшается. Так как в расчёте участвуют только пиксели, определённые пересекающими их отрезками, построенными в соответствующих направлениях, значение шага ϕ выбирается таким образом, чтобы учесть все возможные комбинации таких пересечений. Направления, соответствующие повторяющимся сценариям пересечений, подлежат исключению.

ч—

Обозначим l а линию пересечения пикселей

—— — области d p в соответствующем направлении под углом а с центром в точке p . Обозначим ч—

— l— d а группу пикселей, пересекаемых линией lа в пределах области dp. Для оптимизации практических вычислений строится таблица всех возможных комбинаций пересечений линией lα пикселей области d p в зависимости от угла его

где f ( i , j ) - значение яркости пикселя, расположенного в i -ой строке и j -ом столбце области d p , n – число пикселей, пересекаемых линией l а под углом а .

Для каждого положения линии l а относительно оси абсцисс в соответствии с (8) находятся — dlα значения СКО σ яркости входящих в область dlа пикселей.

d l α

Среди всех полученных значений σ для всех возможных углов наклона линии l а относительно оси абсцисс определяется среднее значе-

Z—ч

-ч— —

наклона α и длины стороны a p области d p .

l

Если для области d α функция (5) имеет положительное значение, то эта область может с определённой вероятностью считаться принадлежащей элементу ТрС.

Требуется для каждой точки p исходного изображения построить квадратную область Z-S "

d p , в пределах которой для каждой возможной

—l области d α вычислить значения СКО значений

-—S                                                                                                                                                  z—■ dlα                                                 dlα ние с   , а также минимальное значение сmin:

—- d l α

  • —    S с i        ________

  • сd а= J------, i = 0, N— —— ;(9)

N      ’       ’ dlа ’ dlα

  • • ч 1                                      • ч 1                          * Ч                                                                                        •—Ч 3  • ч

  • l а        а1 а l —                    l r а l

С mm = с mm ( d а , p ) = min( c d ( d а , p , а ) ,(10) α

где N l d α

- число областей dl а , образованных

пересечением пикселей области d p линией l а.

Для всех возможных областей dl а , образо-

ванных пересечением пикселей этих областей

яркости пикселей, входящих в область d l

- -

α , и из

этих значений определить минимальное для дальнейшего анализа.

линией l а , проверка условий (3) и (4) выглядит следующим образом:

-Ч                           ч—

1                                                             <

Область d α

чч                                                                 чч

~ — —                — l ,—         l ,—        —             — l

f ( i , d l 5 ) = [( k d - ^ mn i > t-p ) a ( ^ mm ^ 0)] ,(11)

1 I

характеризуется математиче-

ским ожиданием M

*—ч                                                                                       '~™■ lα                            lα d , дисперсией D d и СКО

^— d l а

σ

значений яркости этих пикселей:

M d l α

S f ( i , j )

i . j

—-

2 n z—-4

a p

, у < i <

-

a p — . n

— при 0 а < — ,

-

где Tp - устанавливаемое пороговое значение, определяющее минимально допустимую разницу модуля градиента функции яркости на границах области объектов ТрС и среднего значения функции яркости контуров объектов на изображении I .

l

Области d α , для которых функция (11) положительна, подлежат дальнейшей дополнительной проверке, в соответствии с которой модуль разности значений яркости каждого пикселя области l d α и яркости пикселя p не должен превышать

ч-ч

ч-ч

ч-ч p

»“/•/«      П —, _

< i при а n , 2       2     2

a

π

a '    . ap

--< i <---■

2 J 2

Рис. 2. Схема работы метода экстрагирования элементов ТрС на базе объектно-ориентированного подхода

p d а некоторого порогового значения TDN :

P-                                P                            P-

P 1 -                  P1 P          P. P1 P

| DN d a - DN d a | T ^N ,    (12)

где DN d'a - значение яркости i -го пикселя, вхо-

P l P d a дящего в область d a , DNp - значение яркости пикселя p.

Схема работы метода экстрагирования элементов ТрС на базе объектно-ориентированного подхода представлена на рис. 2.

ЗАКЛЮЧЕНИЕ

Описанный подход обеспечивает экстрагирование элементов ТрС на космических снимках высокого разрешения в условиях отсутствия спектральных признаков на базе объектно-ориентированного подхода. Получаемые результаты обеспечивают построение тематического слоя элементов ТрС.

Список литературы Синтез тематического слоя объектов транспортной сети

  • Федосеев А.А., Михеев С.В., Головнин О.К. Технология Data Mining в задачах прогнозирования развития транспортной инфраструктуры //Современные проблемы науки и образования. 2013. № 1. URL: http://www.science-education.ru/107-8153 (дата обращения 08.09.2016).
  • Михеев С.В., Федосеев А.А., Головнин О.К. Учёт мультиколлинеарных атрибутов пространственно-распределённых данных, полученных с помощью беспилотных летательных аппаратов//Известия Самарского научного центра Российской академии наук. 2015. Т. 17. № 2 (5). С. 1053-1057.
  • Csatho J.F., Schenk A.F. Multi-sensor data fusion for automatic scene interpretation//International archives of photogrammetry and remote sensing. 1998. Vol. 7. Pp. 336-341.
  • Gao J., Wu L. Automatic extraction of road networks in urban areas from Ikonos imagery based on spatial reasoning . URL: http://www.isprs.org/proceedings/XXXV/congress/comm3/papers/290.pdf.
  • Shrivakshan G., Chandrasekar C. A comparison of various edge detection techniques used in image processing//International journal of computer science issues. 2012. Vol. 9. Issue 5. No. 1. Pp. 269 -276.
  • Zhang Y. Texture-Integrated classification of urban treed areas in high-resolution color-infrared imagery//Photogrammetric engineering and remote sensing. 2001. Vol. 67. Pp. 1359 -1365.
  • Change detection from remotely sensed images: From pixel-based to object-based approaches/M. Hussain //ISPRS Journal of photogrammetry and remote sensing. 2013. Vol. 80. Pp. 81-106.
Еще
Статья научная