Для студентов МГТУ им. Н.Э.Баумана по предмету Технические наукиОбзор и сравнение методов предобработочной сегментации изображения, применительно к задаче дистанционного зондирования ЗемлиОбзор и сравнение методов предобработочной сегментации изображения, применительно к задаче дистанционного зондирования Земли
2021-03-312021-03-31СтудИзба
Обзор и сравнение методов предобработочной сегментации изображения, применительно к задаче дистанционного зондирования Земли
Описание
АННОТАЦИЯ
В условиях поступления значительных объёмов данных от спутников дистанционного зондирования Земли возникает потребность в автоматизации процесса распознавания объектов на полученных изображениях. Одним из возможных методов автоматизации является применение искусственных нейронных сетей. В этом случае задача автоматизации разделяется на два этапа – классификация и предшествующая ей сегментация. Целью этой работы являлось рассмотрение возможных методов сегментации в общем, определение их достоинств и недостатков в применении к дистанционному зондированию Земли, определение наиболее подходящего метода(ов)
ВВЕДЕНИЕ
Одним из первых применений цифровых изображений стала передача иллюстраций по подводному трансокеанскому кабелю между Лондоном и Нью-Йорком. В начале 1920-х годов система ≪Бартлейн≫ использовалась для передачи изображений по кабелю, уменьшая время доставки иллюстраций через Атлантику с ранее обычной недельной задержки до менее чем трёх часов. Изображение оцифровывалось с помощью специального печатающего оборудования и затем передавалось по кабелю, впоследствии восстанавливаясь стороне приёма. [1] Тем не менее, пока в качестве средства записи света использовались фотоматериалы: фотоплёнка, фотобумага, количество цифровых изображений, а таким образом и материала, способного создать потребность в обработке, оставалось низким. Важным событием в конце 60-х - начале 70-х годов было начало разработки так называемых "Приборы с Зарядовой Связью". Одними из первых, кто распознал необыкновенную полезность ПЗС для регистрации изображений были астрономы. В 1972 году группа исследователей из лаборатории реактивного движения (США) основала программу развития ПЗС для астрономии и космических исследований. Три года спустя, совместно с учёными Аризонского университета, эта команда получила первое астрономическое ПЗС изображение, обнаружив на снимке Урана в ближнем инфракрасном диапазоне с помощью полутораметрового телескопа тёмные пятна возле южного полюса планеты, свидетельствующие о наличии там метана. [6] По сравнению с 60-ми годами, в настоящее время область применения обработки изображений стала несравнимо шире. Широкий круг областей, в котором используется ОИ включает в себя промышленность, медицину, биологию и т.д. Методы улучшения и восстановления изображений применяются при обработке низкокачественных изображений утраченных объектов или трудновоспроизводимых экспериментальных результатов. Однако, есть и другое применение, начало которому положило событие, случившееся чуть ранее. Четвёртого октября 1957 года был произведён запуск первого в истории искусственного спутника Земли – «Спутника-1». Одним из множества следствий этого события стал первый случай космического дистанционного зондирования Земли (ДЗЗ), использование излучаемых спутником радиоволн для определения качеств ионосферы.[4] В будущем ДЗЗ будет использоваться по множеству иных назначений – от наблюдения за состоянием полей растительных культур, нахождения полезных ископаемых, до экономической топографии и военной разведки. [2] В наше время понятие ДЗЗ включает в себя две значительные категории – авиационное и космическое зондирование. Основным преимуществом авиационного зондирования 5 является высокая разрешающая способность полученных снимков – не менее 20 сантиметров, однако, ввиду очень узкого окна покрытия, использование лишь этого метода не является экономически сообразным. Космическое зондирование отличается несколькими значительными преимуществами: широтой покрываемой площади, частотой и повторяемостью покрытия интересующей области, меньшей стоимостью зондирования на единицу площади. [3] Полезной возможностью является запуск спутника на специализированные орбиты, например запуск на солнечно синхронную орбиту позволяет регулярно наблюдать выбранную область в неизменное время суток, что невозможно для аэросъёмки в причину погодозависимости. [3] Следует упомянуть, что специализированный спутник может компенсировать удаление от поверхности повышенным диаметром зеркала, достигая разрешения около 10 см. [5] Среди множества изображений, получаемых спутниками, часть относится к городской черте. Информация, которую можно получить из таких снимков включает планирование строительства, обнаружение незаконных построек, количественную оценку повреждений при катаклизмах путём сравнения фотографий перед и после события. Количественную информацию, разумеется, значительно проще получать при применении систем автоматического распознания. Очень перспективными для применения в этих целях считаются искусственные нейронные сети. [18] Так как для определения объекта нейросетью желательно, чтобы рассматривалось не более одного объекта за один раз, встаёт вопрос о разделении изображения на области, содержащие не более одного объекта, с тем, чтобы их затем классифицировала нейросеть. Для этого в этой работе будут рассматриваться различные алгоритмические методы сегментации. В перспективе качество сегментации полученного алгоритма будет сравниваться с попиксельной сегментацией, производимой ИНС [18]
В условиях поступления значительных объёмов данных от спутников дистанционного зондирования Земли возникает потребность в автоматизации процесса распознавания объектов на полученных изображениях. Одним из возможных методов автоматизации является применение искусственных нейронных сетей. В этом случае задача автоматизации разделяется на два этапа – классификация и предшествующая ей сегментация. Целью этой работы являлось рассмотрение возможных методов сегментации в общем, определение их достоинств и недостатков в применении к дистанционному зондированию Земли, определение наиболее подходящего метода(ов)
ВВЕДЕНИЕ
Одним из первых применений цифровых изображений стала передача иллюстраций по подводному трансокеанскому кабелю между Лондоном и Нью-Йорком. В начале 1920-х годов система ≪Бартлейн≫ использовалась для передачи изображений по кабелю, уменьшая время доставки иллюстраций через Атлантику с ранее обычной недельной задержки до менее чем трёх часов. Изображение оцифровывалось с помощью специального печатающего оборудования и затем передавалось по кабелю, впоследствии восстанавливаясь стороне приёма. [1] Тем не менее, пока в качестве средства записи света использовались фотоматериалы: фотоплёнка, фотобумага, количество цифровых изображений, а таким образом и материала, способного создать потребность в обработке, оставалось низким. Важным событием в конце 60-х - начале 70-х годов было начало разработки так называемых "Приборы с Зарядовой Связью". Одними из первых, кто распознал необыкновенную полезность ПЗС для регистрации изображений были астрономы. В 1972 году группа исследователей из лаборатории реактивного движения (США) основала программу развития ПЗС для астрономии и космических исследований. Три года спустя, совместно с учёными Аризонского университета, эта команда получила первое астрономическое ПЗС изображение, обнаружив на снимке Урана в ближнем инфракрасном диапазоне с помощью полутораметрового телескопа тёмные пятна возле южного полюса планеты, свидетельствующие о наличии там метана. [6] По сравнению с 60-ми годами, в настоящее время область применения обработки изображений стала несравнимо шире. Широкий круг областей, в котором используется ОИ включает в себя промышленность, медицину, биологию и т.д. Методы улучшения и восстановления изображений применяются при обработке низкокачественных изображений утраченных объектов или трудновоспроизводимых экспериментальных результатов. Однако, есть и другое применение, начало которому положило событие, случившееся чуть ранее. Четвёртого октября 1957 года был произведён запуск первого в истории искусственного спутника Земли – «Спутника-1». Одним из множества следствий этого события стал первый случай космического дистанционного зондирования Земли (ДЗЗ), использование излучаемых спутником радиоволн для определения качеств ионосферы.[4] В будущем ДЗЗ будет использоваться по множеству иных назначений – от наблюдения за состоянием полей растительных культур, нахождения полезных ископаемых, до экономической топографии и военной разведки. [2] В наше время понятие ДЗЗ включает в себя две значительные категории – авиационное и космическое зондирование. Основным преимуществом авиационного зондирования 5 является высокая разрешающая способность полученных снимков – не менее 20 сантиметров, однако, ввиду очень узкого окна покрытия, использование лишь этого метода не является экономически сообразным. Космическое зондирование отличается несколькими значительными преимуществами: широтой покрываемой площади, частотой и повторяемостью покрытия интересующей области, меньшей стоимостью зондирования на единицу площади. [3] Полезной возможностью является запуск спутника на специализированные орбиты, например запуск на солнечно синхронную орбиту позволяет регулярно наблюдать выбранную область в неизменное время суток, что невозможно для аэросъёмки в причину погодозависимости. [3] Следует упомянуть, что специализированный спутник может компенсировать удаление от поверхности повышенным диаметром зеркала, достигая разрешения около 10 см. [5] Среди множества изображений, получаемых спутниками, часть относится к городской черте. Информация, которую можно получить из таких снимков включает планирование строительства, обнаружение незаконных построек, количественную оценку повреждений при катаклизмах путём сравнения фотографий перед и после события. Количественную информацию, разумеется, значительно проще получать при применении систем автоматического распознания. Очень перспективными для применения в этих целях считаются искусственные нейронные сети. [18] Так как для определения объекта нейросетью желательно, чтобы рассматривалось не более одного объекта за один раз, встаёт вопрос о разделении изображения на области, содержащие не более одного объекта, с тем, чтобы их затем классифицировала нейросеть. Для этого в этой работе будут рассматриваться различные алгоритмические методы сегментации. В перспективе качество сегментации полученного алгоритма будет сравниваться с попиксельной сегментацией, производимой ИНС [18]
Характеристики учебной работы
Тип
Предмет
Учебное заведение
Просмотров
9
Покупок
0
Размер
916,98 Kb
Список файлов
Ваше удовлетворение является нашим приоритетом, если вы удовлетворены нами, пожалуйста, оставьте нам 5 ЗВЕЗД и позитивных комментариев. Спасибо большое!