(44-5) 12 * << * >> * Русский * English * Содержание * Все выпуски

Моделирование рассуждений при поиске и описании объектов на космоснимках
Д.Р. Касимов 1

1 Ижевский государственный технический университет имени М.Т. Калашникова,
426069, Россия, г. Ижевск, ул. Студенческая, д. 7

 PDF, 2034 kB

DOI: 10.18287/2412-6179-CO-716

Страницы: 772-781.

Аннотация:
В статье представлен подход к проблеме контекстного поиска и описания объектов на растровых космоснимках, заключающийся в моделировании рассуждений на основе структурированных прецедентов. В результате обработки изображения строится граф смежности цветовых областей. Объект характеризуется цветом, атрибутами формы отрезков границы и формы объекта в целом. Структурированный прецедент представляется в виде лучевого графа, дуги которого упорядочены в соответствии с положительным обходом границ областей. С помощью алгоритма сопоставления графов в анализируемом изображении выявляются вхождения прецедентов из базы данных системы. При обнаружении вхождения применяется правило прецедентного вывода. Степень принадлежности объекта некоторому классу зависит не только от свойств самого объекта, но и от достоверности окружающих его объектов. Стратегия контекстного поиска содержит этапы рекурсии и итерации. В отличие от нейросетевых технологий, предложенный подход позволяет не только классифицировать изображенные объекты, но и получать их структурированные описания. Кроме того, выдаваемое системой классификационное решение имеет аргументированное обоснование. Результаты эксперимента показывают, что рассуждения на основе структурированных прецедентов позволяют уточнять результаты классификации и повышать достоверность распознавания объектов на космоснимках.

Ключевые слова:
компьютерное зрение, цифровая обработка изображений, распознавание образов, структурный анализ, сегментация, аппроксимация, граф смежности, лучевой граф, рассуждения по прецедентам.

Благодарности
Работа выполнена за счёт гранта Российского научного фонда – РНФ (проект № 18-71-00109).

Цитирование:
Касимов, Д.Р. Моделирование рассуждений при поиске и описании объектов на космоснимках / Д.Р. Касимов // Компьютерная оптика. – 2020. – Т. 44, № 5. – С. 772-781. – DOI: 10.18287/2412-6179-CO-716.

Citation:
Kasimov DR. Searching and describing objects in satellite images on the base of modeling reasoning. Computer Optics 2020; 44(5): 772-781. DOI: 10.18287/2412-6179-CO-716.

Литература:
  1. Maggiori, E. Can semantic labeling methods generalize to any city? The Inria Aerial Image Labeling Benchmark / E. Maggiori, Y. Tarabalka, G. Charpiat, P. Alliez // IEEE International Geoscience and Remote Sensing Symposium (IGARSS). – 2017. – P. 3226-3229.
  2. Hamaguchi, R. Building detection from satellite imagery using ensemble of size-specific detectors / R. Hamaguchi, S. Hikosaka // The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops. – 2018. – P. 187-191.
  3. Zhang, A. Building detection from satellite images on a global scale [Electronical Resource] / A. Zhang, X. Liu, A. Gros, T. Tiecke // 30th Conference on Neural Information Processing Systems (NIPS 2016). – 2017. – arXiv preprint. – URL: https://arxiv.org/abs/1707.08952 (request date 29.04.2020).
  4. Badrinarayanan, V. SegNet: A deep convolutional encoder-decoder architecture for image segmentation / V. Badrinarayanan, A. Kendall // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2017. – Vol. 39, Issue 12. – P. 2481-2495.
  5. Filin, O. Road detection with EOSResUNet and post vectorizing algorithm / O. Filin, A. Zapara, S. Panchenko // The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops. – 2018. – P. 211-215.
  6. Hamid, R. Global-scale object detection using satellite imagery / R. Hamid, S. O'Hara, M. Tabb // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2014. – Vol. XL-3. – P. 107-113.
  7. Huang, X. A multidirectional and multiscale morphological index for automatic building extraction from multispectral GeoEye-1 imagery / X. Huang, L.P. Zhang // Photogrammetric Engineering and Remote Sensing. – 2011. – Vol. 77, Issue 7. – P. 721-732.
  8. Zhang, Q. A morphological building detection framework for high-resolution optical imagery over urban areas / Q. Zhang, X. Huang, G.X. Zhang // IEEE Geoscience and Remote Sensing Letters. – 2016. – Vol. 13. – P. 1388-1392.
  9. You, Y. Building detection from VHR remote sensing imagery based on the morphological building index / Y. You, S. Wang, Y. Ma, G. Chen, B. Wang, M. Shen, W. Liu // Remote Sensing. – 2018. – Vol. 10, Issue 8. – 1288.
  10. Gurevich, I.B. Descriptive Image Analysis: Genesis and Current Trends / I.B. Gurevich, V.V. Yashina // Pattern Recognition and Image Analysis. – 2017. – Vol. 27, Issue 4. – P. 653-674.
  11. Asatryan, D.G. Gradient-based technique for image structural analysis and applications / D.G. Asatryan // Computer Optics. – 2019. – Vol. 43(2). – P. 245-250. – DOI: 10.18287/2412-6179-2019-43-2-245-250.
  12. Краснобаев, Е.А. Сравнение бинарных дескрипторов особых точек изображений в условиях искажений / Е.А. Краснобаев, Д.В. Чистобаев, А.Л. Малышев // Компьютерная оптика. – 2019. – Т. 43, № 3. – С. 434-445. – DOI: 10.18287/2412-6179-2019-43-3-434-445.
  13. Фу, К.С. Структурные методы в распознавании образов / К.С. Фу; пер. с англ. – М.: Мир, 1977. – 319 с.
  14. Kasimov, D.R. Approximation of color images based on the clusterization of the color palette and smoothing boundaries by splines and arcs / D.R. Kasimov, A.V. Kuchuganov, V.N. Kuchuganov, P.P. Oskolkov // Programming and Computer Software. – 2018. – Vol. 44, Issue 5. – P. 295-302.
  15. Zadeh, L.A. The concept of a linguistic variable and its application to approximate reasoning—I / L.A. Zadeh // Information Sciences. – 1975. – Vol. 8, Issue 3. – P. 199-249.
  16. Kuchuganov, A.V. Recursions in image analysis problems / A.V. Kuchuganov // Pattern Recognition and Image Analysis. – Pleiades Publishing, Ltd., 2009. – Vol. 19(3). – P. 501-507.
  17. Baader, F. Decidability and complexity of fuzzy description logics / F. Baader, S. Borgwardt, R. Peñaloza // Künstliche Intelligenz. – 2017. – Vol. 31(1). – P. 85-90.
  18. Yan, J. A short survey of recent advances in graph matching / J. Yan, X.-C. Yin, W. Lin, C. Deng, H. Zha, X. Yang // Proceedings of the 2016 ACM on International Conference on Multimedia Retrieval. – 2016. – P. 167-174.
  19. Rajput, M.K. A survey on subgraph matching algorithm for graph database / M.K. Rajput, S. Kamalapur // International Journal for Scientific Research & Development. – 2016. – Vol. 3, Issue 12. – P. 149-152.
  20. Fernandez-Moral, E. A new metric for evaluating semantic segmentation: leveraging global and contour accuracy / E. Fernandez-Moral, R. Martins, D. Wolf, P. Rives // Workshop on Planning, Perception and Navigation for Intelligent Vehicles, PPNIV17. – 2018. – P. 1051-1056.
  21. Blaschke, T. Geographic object-based image analysis – Towards a new paradigm / T. Blaschke, G.J. Hay, M. Kelly, S. Lang, P. Hofmann, E. Addink, R.Q. Feitosa, F. Meer, H. Werff, F. Coillie, D. Tiede // ISPRS Journal of Photogrammetry and Remote Sensing. – 2014. – Vol. 87. – P. 180-191.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20