Спутниковая идентификация объектов земной поверхности с использованием неортогонального описания исходных данных

Рассмотрены теоретические вопросы представления спутниковых снимков на непрямоугольных решетках и возможности практического применения такого подхода. Описаны исходные предпосылки, приводящие к целесообразности и необходимости применения в процессе обработки спутниковых изображений шестиугольных и треугольных решеток. Изучены информационные свойства снимков, показаны достоинства и недостатки неортогонального описания пространственной информации. Предложен новый подход к отслеживанию и кодированию контура объекта на черно-белом контрастном изображении, основанный на эвристиках. Показана возможность использования предлагаемого подхода совместно со спутниковыми данными, размещенными в открытом доступе. На конкретном спутниковом изображении, полученном из открытых источников, показан пример использования предлагаемого подхода. На этом же тестовом спутниковом изображении описан процесс формирования информативных признаков для последующего распознавания объекта и построения на их основе специальной матрицы формы. Отмечено, что представление на гексагональной и треугольной решетках допускают как программную реализацию метода, так и использование схемных решений при построении систем технического зрения робототехнических комплексов. Разработаны рекомендации по использованию неортогональных описаний данных. Отмечена возможность применения предлагаемого подхода для отслеживания границ горнопромышленных объектов. Таких, как, например, объекты добычи общераспространенных полезных ископаемых.

Ключевые слова: математика на решетках, бинарное изображение, элементарный вектор, информативность признака, система технического зрения, неортогональное описание, спутниковая идентификация, эвристики.
Как процитировать:

Крамаров С. О., Митясова О. Ю., Храмов В. В. Спутниковая идентификация объектов земной поверхности с использованием неортогонального описания исходных данных // Горный информационно-аналитический бюллетень. – 2021. – № 4. – С. 154–166. DOI: 10.25018/0236_1493_2021_4_0_154.

Благодарности:

Работа выполнена по Госзаданию ХМАО–Югры (Сургутский государственный университет).

Номер: 4
Год: 2021
Номера страниц: 154-166
ISBN: 0236-1493
UDK: 332+528
DOI: 10.25018/0236_1493_2021_4_0_154
Дата поступления: 13.05.2020
Дата получения рецензии: 30.10.2020
Дата вынесения редколлегией решения о публикации: 10.03.2021
Информация об авторах:

Крамаров Сергей Олегович1 — д-р физ.-мат. наук, профессор, главный научный сотрудник, e-mail: maoovo@yandex.ru,
Митясова Ольга Юрьевна1 — участник временного научного коллектива,
Храмов Владимир Викторович — канд. техн. наук, доцент, ведущий научный сотрудник, e-mail: vxpamov@inbox.ru, Южный университет (Институт управления, бизнеса и права),
1 Сургутский государственный университет, научно-образовательный центр.

 

Контактное лицо:

Крамаров С.О., e-mail: maoovo@yandex.ru.

Список литературы:

1. Темкин И. О., Клебанов Д. А., Дерябин С. А., Конов И. С., Построение интеллектуальной геоинформационной системы горного предприятия с использованием методов прогнозной аналитики // Горный информационно-аналитический бюллетень. — 2020. — № 3. — С. 114—125. DOI: 10.25018/0236-1493-2020-3-0-114-125.

2. Акперов И. Г., Крамаров С. О., Храмов В. В., Митясова О. Ю., Повх В. И. Патент РФ № 2640331, 27.12.2017. Способ идентификации протяженных объектов земной поверхности. 2017. Бюл. 36.

3. Farahbakhsh E., Chandra R., Olierook H. K.H., Scalzo R., Clark C., Reddy S. M., Muller R. D. Computer vision-based framework for extracting geological lineaments from optical remote sensing data // International Journal of Remote Sensing. 2020. Vol. 41. No 5. Pp. 1760— 1787. DOI: 10.1080/01431161.2019.1674462.

4. Майоров В. Д., Храмов В. В. Эвристические способы контурного кодирования моделей информационных объектов в системе технического зрения робота // Вестник РГУПС. — 2014. — № 1. — С. 62—69.

5. Freeman H. On the digital-computer classification of geometric line pattern / Proceedings of the National Electronics Conference. 1962. No 18. Pp. 312—324.

6. Гинзбург М. М., Путятин Е. П. Сравнительный анализ прямоугольной и гексагональной решеток для дискретизации кривых // Бионика интеллекта. — 2012. — № 2(79). — С. 13—18.

7. Визильтер Ю. В., Желтов С. Ю., Бондаренко А. В., Ососков М. В., Моржин А. В. Обработка и анализ изображений в задачах машинного зрения: Курс лекций и практических занятий. — М.: Физматкнига, 2010. — 672 с.

8. Kramarov S. O., Kosenok S. M., Khramov V. V. Intellectual analysis of object contours. Тechnical vision of robots / 2nd World Conference on Robotics and Artificial Intelligence. 2019. Osaka. P. 24.

9. Фурман Я. А., Кревецкий А. В., Передреев А. К., Роженцов А. А., Хафизов Р. Г., Егошина И. Л., Леухин А. Н. Введение в контурный анализ: приложение к обработке изображений и сигналов. — М.: Физматлит, 2002. — 592 с.

10. Kramarov S. O., Khramov V. V., Temkin I. O. The principles of formation of united geoinformational space based on fuzzy triangulation // Procedia Computer Science. 2017. Vol. 120. Pp. 835—843.

11. Singhal A., Goen A., Mohapatrara T. T. Design and implementation of fast fourier transform (FFT) using VHDL code // International Journal of Emerging Research in Management & Technology. 2017. Vol. 6. No 8. Pp. 268—272. DOI: 10.23956/ijermt.v6i8.150.

12. Falsaperla S., Hammer C., Langer H. Advantages and pitfalls of pattern recognition selected cases in geophysics. Amsterdam: Elsevier, 2020, 330 p.

13. Nel A. L. Hexagonal image processing / COMSIG 1989 Proceedings. Southern African Conference on Communications and Signal Processing. New York: Institute of Electrical and Electronics Engineers (IEEE). 1989. Pp. 109—113.

14. Ehrhardt J. C. Hexagonal fast fourier transform with rectangular output // IEEE Transactions on Signal Processing. 1993. Vol. 41. No 3. Pp. 1469—1472. DOI: 10.1109/78.205759.

15. Mersereau R. M. A two-dimensional FFT for hexagonally sampled data // Digital signal processing. London: Academic Press, 1980. pp. 93–101.

16. Борисоглебский Д. А., Чепин Е. В. Усовершенствованный подход к задаче векторизации контуров на изображениях // Прикладная информатика. — 2013. — № 2 (44). — С. 89—93.

17. Yu Wang, Xiaofei Wang, Junfan Jian Remote sensing landslide recognition based on convolutional neural network // Mathematical Problems in Engineering. 2019. No 1. Pp. 1—12. DOI 10.1155/2019/8389368.

18. Каплунов Д. Р., Мельник В. В., Рыльникова М. В. Комплексное освоение недр. — Тула: ТулГУ, 2016. — 333 с.

19. Кузнецов Ю. Н., Стадник Д. А., Стадник Н. М., Волкова Ю. В. Теоретические основы формирования и реализации адресноориентированной информационной базы для автоматизированного проектирования технологической системы шахты // Горный информационно-аналитический бюллетень. — 2016. — № 1. — С. 77—87.

Наши партнеры

Подписка на рассылку

Раз в месяц Вы будете получать информацию о новом номере журнала, новых книгах издательства, а также о конференциях, форумах и других профессиональных мероприятиях.