Области открытого грунта и открытого мусорного покрова (ОГМ) на земной поверхности существуют объективно, независимо от регистрирующей аппаратуры и обладают рядом специфических признаков, отличающих их от окружающих фонов. Области данных классов неразрывны, имеют организованную или неорганизованную формы, обусловленную, например, мусорными полигонами или стихийными свалками соответственно. При этом к ним не относятся области, близкие по текстуре: к открытому грунту – грунтовые дороги, асфальтированные площадки, состриженная или редкая растительность и др.; к открытому замусориванию – кладбища самолётов, людей, насыпи грунта, склады, автостоянки и др.
На спутниковых изображениях ОГМ, одной стороны, легко различаются по визуальным признакам человеком, но с другой – с трудом поддаются дешифрированию классическими методами цифровой обработки. Последнее обусловлено тем, что ОГМ располагают сложной системой дешифровочных признаков. По ним данные объекты легко обнаружить ручным, но проблематично – автоматизированным путём. В связи с этим, следует прибегнуть к интеллектуальной обработке снимков, совмещающей визуальную и цифровую обработку, основанной на использовании искусственных нейронных сетей (ИНС). Однако, как показали исследования, здесь также возникают сложности, связанные с построением обучающей и валидационной выборок, которые полностью предопределяют качество ИНС при её дальнейшем тестировании и функционировании.
Основная задача исследования состоит в разработке методов выделения этих признаков на изображениях достаточно высокого качества для дальнейшей разработки методов и алгоритмов автоматизированного и автоматического детектирования ОГМ на спутниковых изображениях.
В работе проводится экспертный анализ оптических космических снимков высокого пространственного разрешения с целью формирования набора областей интереса, используемых для обучения и тестирования разрабатываемых методов и алгоритмов. Сформированы обучающая и тестовая выборки на основе обработанных снимков для разработки алгоритмов выделения классов открытого грунта и открытого замусоривания на земной поверхности.
Существенными для выделения мусорного покрова или открытого грунта являются фрактальные признаки, которые зависят от пространственной упорядоченности элементов изображения. Представлены подходы к детектированию данных областей, основанные как на классическом фрактальном анализе изображений, так и на применении ИНС. Описан алгоритм построения поля фрактальной размерности и семантической сегментации на основе ИНС топологий U-Net, ResNet и техники Squeeze-and-Excitation, которая позволяет учитывать характеристики освещения для всего изображения. Получены оценки точности классификации для разработанных алгоритмов по подготовленным выборкам. Проведен анализ особенностей и ограничений применимости классических и нейросетевых методов обработки спутниковых изображений для выделения областей замусоривания земной поверхности.
Исследования проведены в рамках проекта Минобрнауки РФ № RFMEFI60719X0312.