• Українська
  • English
  • Русский
ISSN 2415-3400 (Online)
ISSN 1028-821X (Print)

ОБРАБОТКА МОНОХРОМНОГО ИЗОБРАЖЕНИЯ ПОВЕРХНОСТИ ЗЕМЛИ ДЛЯ ОБНАРУЖЕНИЯ СТРОЕНИЙ

Рубрика: 
РАСПРОСТРАНЕНИЕ РАДИОВОЛН, РАДИОЛОКАЦИЯ И ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ
Горобец, АН
Organization: 

Харьковский национальный университет имени В. Н. Каразина
4, пл. Свободы, Харьков, 61022, Украина
E-mail: alex.n.gorobets@gmail.com
https://doi.org/10.15407/rej2017.04.011
Язык: русский
Аннотация: 

В статье представлен новый метод поэтапной обработки изображений для распознавания строений на черно-белых снимках дистанционного зондирования Земли в различных диапазонах длин волн.

Метод основан на особенностях формы большинства антропогенных объектов, границы которых представляют прямые линии, расположенные под прямым углом друг к другу. Представление изображения как раздельных массивов величины и направления градиента яркости позволяет обнаруживать объекты как в случае с белыми объектами на черном фоне, так и с черными – на белом. Разработанный двумерный адаптивный фильтр изображения позволяет обнаружить прямые края объекта, даже если фрагмент изображения имеет низкий контраст и высокий уровень шумов. Последующая обработка только списка отрезков, в отличие от обработки всего растрового изображения, позволяет существенно сократить время обработки.

Разработанный алгоритм при обработке исходного изображения формирует ограниченный набор объектов, форма которых близка к антропогенным.

Предложенный метод может быть использован в качестве алгоритма сегментации изображений и формирования на их основе гипотез для последующего распознавания при помощи нейронных сетей. Метод также продуктивен как средство автоматизации и повышения эффективности подготовки оператором обучающей выборки изображений для нейронной сети, а также оптимизации этого процесса.
Ключевые слова: адаптивный фильтр, космический землеобзор, обработка изображений, поиск прямых

Статья поступила в редакцию 18.10.2017
PACS 07.05.Pj
УДК 528.77        
Radiofiz. elektron. 2017, 22(4): 11-18
Полный текст (PDF)
 

References: 
  1. Фрактальный анализ процессов, структур и сигналов. Под ред. Р. Э. Пащенко. Харьков: Эко-Перспектива, 2006. 347 с.
  2. Woo D.-M., Nguyen Q.-D., Nguyen Tran Q.-D., Park D.-C., Jung Y.-K. Building Detection and Reconstruction from Aerial Images. Proc. Int. Soc. for Photogrammetry and Remote Sensing (ISPRS). Beijing, China, July 3–11, 2008.
  3. Konstantinidis D., Stathaki T., Argyriou V. and Grammalidis N. A probabilistic feature fusion for building detection in satellite images. Proc. 10th Int. Conf. on Computer Vision Theory    and Applications (VISAPP 2015). Vol. 2. Berlin, Germany, 11–14 March, 2015. SciTePress, pp. 205–212. DOI: 10.5220/0005260502050212
  4. Sirmacek B. and Unsalan C. Urban-area and building detection using SIFT keypoints and graph theory. IEEE Trans.   Geosci. Remote Sens. 2009. Vol. 47, N 4. P. 1156–1167.
  5. Singh D., Maurya R., Shukla A. S., Sharma M. K. and     Gupta P. R. Building extraction from very high resolution multispectral images using NDVI based segmentation and morpholo-gical operators. 2012 Students Conference on Engineering and Systems (SCES). Allahabad, Uttar Pradesh, India, 16–18 March 2012, pp. 1–5.
  6. Hermosilla T., Ruiz L., Recio J., and Estornell J. Evaluation of automatic building detection approaches combining high resolution images and LiDAR data. Remote Sens. 2011. Vol. 3, N 6. P. 1188–1210. DOI:10.3390/rs3061188
  7. Theng L. B. Automatic building extraction from satellite imagery. Engineering Letters. 2006. Vol. 13, N 3. [pdf] Eng. Lett., 13(3), 5 p. Aviable at: http://www.engineeringletters.com/ issues_v13/issue_3/EL_13_3_5.pdf.
  8. Kahn P., Kitchen L., Riseman E. Fast Line Finder for Vision-Guided Robot Navigation. IEEE Trans. Pattern Anal. Mach. Intell. 1990. Vol. 12, N 11. P. 1098–1102. DOI: 10.1109/ 34.61710
  9. Haverkamp D. Automatic building extraction from IKONOS imagery. Proc. ASPRS Annual Conf. Denver, CO, USA,     23–28 May 2004.
  10. Konstantinidis D., Stathaki T., Argyriou V., Grammalidis N. Building Detection Using Enhanced HOG–LBP Features and Region Refinement Processes. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2017. Vol. 10, N 3. P. 888–905. DOI: 10.1109/RAST.2013.6581176
  11. Конкурсы анализа данных [on-line]. URL: http://dataring.ru/ competitions/fpi-object-detection/
  12. Method and means for recognizing complex patterns: Pat. 3,069,654 U. S. / P. Hough. Dec. 1962.
  13. Canny J. A Computational Approach to Edge Detection. IEEE Trans. Pattern Anal. Mach. Intell. 1986. Vol. PAMI-8, N 6. DOI: 10.1109/TPAMI.1986.4767851