Двадцать первая международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
XXI.A.407
Морфологическая обработка векторных данных по растровым маскам областей заинтересованности
Рихтер А.А. (1,2)
(1) Акционерное общество «Тазмар АйТи-солюшнз», Санкт-Петербург, Россия
(2) НИИ "АЭРОКОСМОС", Москва, Россия
Растровые маски (бинарные, пообъектные или полей энергии) областей заинтересованности образуются в результате выявления тех или иных информативных признаков на изображениях. Для транспарентности представления этих признаков растровые данные подвергаются векторизации для получения информации в удобочитаемом виде. В отличие от растеризации, векторизация (обратная растеризации) оказывается несколько сложнее. [1-4]
Векторизация предполагает первичное и вторичное преобразования. В частности, для двухмерных изображений первичное преобразование предполагает получение из пикселей и растровых областей «субстрата» точек, отрезов и полигонов, а вторичное – ряд морфологических операций над ним. Так, линейные растры образуются в результате выделения границ связных компонент на бинарных или пообъектных масках, применения градиентных операторов обнаружения границ на изображениях, выделения растров по пороговым энергетическим значениям в масках полей энергии и др. Результатом первичного преобразования в этом случае являются: контуры (множество точек, образующих границу), пути контуров (последовательность точек, образующих прослеживание границы). Целью вторичного преобразования является кластеризация и классификация объектов, а также упрощение геометрии объектов для удобства их интерпретации и демонстрации. Так, к морфологическим операциям над путями контуров относятся: определение ключевых точек (узловых, концевых и поворотных) и других характеристик путей; изменение формы пути (изменение связности, сдвиг и смещение, поворот и масштабирование и др.); упрощение пути (различные процедуры поляризации, линеаризации, фигурной аппроксимации и др.). [5-7]
Подготовлены алгоритмы, выполняющие различные морфологические операции над путями контуров, основанные на классических методах цифровой обработки, протестированные на множестве тестовых образцов изображений высокого пространственного разрешения и их растровых масок. В результате исследований разработана библиотека морфологической обработки путей контуров.
Ключевые слова: изображение, маска, бинарная маска, пообъектная маска, контуры, пути контуров, прослеживания контуров, морфологическая обработка векторных данных, морфологические операции, ключевые точки
Литература:
- GISGeography [Электронный ресурс]. URL: https://gisgeography.com/obia-object-based-image-analysis-geobia.
- Orfeo ToolBox [Электронный ресурс]. URL: https://www.orfeo-toolbox.org/CookBook.
- T. Blaschke. Object based image analysis for remote sensing / ISPRS Journal of Photogrammetry and Remote Sensing 65 (2010) 2–16. URL: https://www.researchgate.net/publication/216266264_Object_based_image_analysis_for_remote_sensing_ISPRS_J_Photogramm_Remote_Sens.
- Thomas Blaschke, Geoffrey J. Hay. Object-oriented image analysis and scale-space: theory and methods for modeling and evaluating multiscale landscape structure. January 2001. URL: https://www.researchgate.net/publication/284675998_Object-oriented_image_analysis_and_scale-space_Theory_and_methods_for_modeling_and_evaluating_multi-scale_landscape_structure.
- Харламов А.А., Ле М.Х. Нейросетевые подходы к классификации текстов на основе морфологического анализа / ТРУДЫ МФТИ. Труды Московского физико-технического института (национального исследовательского университета). 2017. Т. 9. № 2 (34). С. 143-150.
- Теоретические и экспериментальные исследования поставленных перед ПНИЭР задач. Обобщение и оценка результатов исследований. подведение итогов реализации проекта. Научно-технический отчет о составной части ПНИЭР «Разработка методов и алгоритмов повышения пространственного разрешения аэрокосмических изображений для мониторинга объектов железнодорожного транспорта» по этапу № 2 календарного плана договора №_МН-1823/1C от 12 декабря 2019 г. НИИ «АЭРОКОСМОС», ФИЦ ИУ РАН, 2020 г., 342 с.
- Антипова Н.В., Гвоздев О.Г., Козуб В.А., Мурынин А.Б., Рихтер А.А. Восстановление структурной информации об антропогенных объектах из одиночных аэрокосмических изображений / Известия Российской академии наук. Теория и системы управления. 2023. Т. 2. № 3. С. 90-105.
Презентация доклада
Методы и алгоритмы обработки спутниковых данных
42