Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

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:
  1. GISGeography [Электронный ресурс]. URL: https://gisgeography.com/obia-object-based-image-analysis-geobia.
  2. Orfeo ToolBox [Электронный ресурс]. URL: https://www.orfeo-toolbox.org/CookBook.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. 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