Сегментування оптико-електронних зображень бортових систем дистанційного зондування Землі методом штучної бджолиної колонії

Автор(и)

  • Igor Ruban Харківський національний університет радіоелектроніки пр. Науки, 14, м. Харків, Україна, 61166, Україна https://orcid.org/0000-0002-4738-3286
  • Hennadii Khudov Харківський національний університет Повітряних Сил імені Івана Кожедуба вул. Сумська, 77/79, м. Харків, Україна, 61023, Україна https://orcid.org/0000-0002-3311-2848
  • Oleksandr Makoveichuk Харківський національний університет радіоелектроніки пр. Науки, 14, м. Харків, Україна, 61166, Україна https://orcid.org/0000-0003-4425-016X
  • Irina Khizhnyak Харківський національний університет Повітряних Сил імені Івана Кожедуба вул. Сумська, 77/79, м. Харків, Україна, 61023, Україна https://orcid.org/0000-0003-3431-7631
  • Vladyslav Khudov Харківський національний університет радіоелектроніки пр. Науки, 14, м. Харків, Україна, 61166, Україна https://orcid.org/0000-0002-9863-4743
  • Viacheslav Podlipaiev Інститут інформаційних технологій і глобального інформаційного простору бул. Чоколівский, 13, м. Київ, Україна, 03186, Україна https://orcid.org/0000-0002-7264-0520
  • Viktor Shumeiko Інститут інформаційних технологій і глобального інформаційного простору бул. Чоколівский, 13, м. Київ, Україна, 03186, Україна https://orcid.org/0000-0002-0285-4566
  • Oleksandr Atrasevych Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049, Україна https://orcid.org/0000-0001-7703-8494
  • Anatolii Nikitin Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049, Україна https://orcid.org/0000-0003-1487-0616
  • Rostyslav Khudov Харківський національний університет імені Василя Назаровича Каразіна майдан Свободи, 4, м. Харків, Україна, 61022, Україна https://orcid.org/0000-0002-6209-209X

DOI:

https://doi.org/10.15587/1729-4061.2019.161860

Ключові слова:

дистанційне зондування Землі, зображення, сегментування, метод штучної бджолиної колонії

Анотація

Встановлено, що відомі методи сегментування зображень не можуть бути напряму застосовані до сегментування оптико-електронних зображень бортових систем дистанційного зондування Землі. Сформульовано математична задача сегментування таких зображень. Встановлено, що результатом сегментування зображень бортових систем дистанційного зондування Землі є розділення зображення на штучні об’єкти (об’єкти інтересу) та природні об’єкти (фон). Запропоновано для сегментування зображень використання методу штучної бджолиної колонії. Викладена сутність методу, який передбачає визначення положень агентів, їх міграцію, умов зупинки ітераційного процесу за критерієм мінімуму цільової функції та визначення оптимального значення порогового рівня. Введена цільова функція, що має фізичний смисл суми дисперсії яскравості сегментів сегментованого зображення. Сформульовано оптимізаційна задача сегментування зображення бортової системи оптико-електронного спостереження, яка полягає в мінімізації цільової функції при певних припущеннях та обмеженнях.

Наведені результати експериментального дослідження застосування методу штучної бджолиної колонії до сегментування оптико-електронного зображення. Експериментальні дослідження сегментування оптико-електронного зображення підтвердили працездатність методу штучної бджолиної колонії. На сегментованому зображенні для прикладу визначені можливі об’єкти інтересу, а саме: ємності з нафтою або паливом для літаків, літаки, аеродромні споруди тощо.

Проведена вызуальна оцінка якості сегментування. Розраховані помилки першого та другого роду. Встановлено, що застосування методу штучної бджолиної колонії дозволить підвищити якість обробки оптико-електронних зображень. При цьому помилки сегментування першого та другого роду знижені в середньому на величину від 7 % до 33 %

Біографії авторів

Igor Ruban, Харківський національний університет радіоелектроніки пр. Науки, 14, м. Харків, Україна, 61166

Доктор технічних наук, професор, перший проректор

Hennadii Khudov, Харківський національний університет Повітряних Сил імені Івана Кожедуба вул. Сумська, 77/79, м. Харків, Україна, 61023

Доктор технічних наук, професор, начальник кафедри

Кафедра тактики радіотехнічних військ

Oleksandr Makoveichuk, Харківський національний університет радіоелектроніки пр. Науки, 14, м. Харків, Україна, 61166

Кандидат технічних наук

Кафедра електронних обчислювальних машин

Irina Khizhnyak, Харківський національний університет Повітряних Сил імені Івана Кожедуба вул. Сумська, 77/79, м. Харків, Україна, 61023

Кандидат технічних наук, викладач

Кафедра математичного та програмного забезпечення автоматизованих систем управління

Vladyslav Khudov, Харківський національний університет радіоелектроніки пр. Науки, 14, м. Харків, Україна, 61166

Молодший науковий співробітник

Кафедра безпеки інформаційних технологій

Viacheslav Podlipaiev, Інститут інформаційних технологій і глобального інформаційного простору бул. Чоколівский, 13, м. Київ, Україна, 03186

Кандидат технічних наук, науковий співробітник

Відділ інформаційних та комунікаційних технологі

Viktor Shumeiko, Інститут інформаційних технологій і глобального інформаційного простору бул. Чоколівский, 13, м. Київ, Україна, 03186

Кандидат технічних наук, науковий співробітник

Відділ інформаційних та комунікаційних технологі

Oleksandr Atrasevych, Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049

Кафедра застосування космічних систем та геоінформаційного забезпечення

Anatolii Nikitin, Національний університет оборони України імені Івана Черняховського пр. Повітрофлотський, 28, м. Київ, Україна, 03049

Ад'юнкт

Rostyslav Khudov, Харківський національний університет імені Василя Назаровича Каразіна майдан Свободи, 4, м. Харків, Україна, 61022

Кафедра теоретичної та прикладної інформатики

Посилання

  1. Chemin, Y. (Ed.) (2012). Remote Sensing of Planet Earth. Rijeka. doi: https://doi.org/10.5772/2291
  2. Gonzalez, R., Woods, R. E. (2002). Digital Image Processing. Prentice Hall.
  3. Ruban, I., Khudov, H., Khudov, V., Khizhnyak, I., Makoveichuk, O. (2017). Segmentation of the images obtained from onboard optoelectronic surveillance systems by the evolutionary method. Eastern-European Journal of Enterprise Technologies, 5 (9 (89)), 49–57. doi: https://doi.org/10.15587/1729-4061.2017.109904
  4. Dhanachandra, N., Manglem, K., Chanu, Y. J. (2015). Image Segmentation Using K -means Clustering Algorithm and Subtractive Clustering Algorithm. Procedia Computer Science, 54, 764–771. doi: https://doi.org/10.1016/j.procs.2015.06.090
  5. Makkar, H., Pundir, A. (2014). Image Analysis Using Improved Otsu’s Thresholding Method. International Journal on Recent and Innovation Trends in Computing and Communication, 2 (8), 2122–2126.
  6. Canny, J. (1986). A Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-8 (6), 679–698. doi: https://doi.org/10.1109/tpami.1986.4767851
  7. Faroogue, M. Y., Raeen, M. S. (2014). Latest trends on image segmentation schemes. International journal of advanced research in computer science and software engineering, 4 (10), 792–795.
  8. El-Baz, A., Jiang, X., Jasjit, S. (Eds.) (2016). Biomedical image segmentation: advances and trends. CRC Press, 546. doi: https://doi.org/10.4324/9781315372273
  9. Choudhary, R., Gupta, R. (2017). Recent Trends and Techniques in Image Enhancement using Differential Evolution- A Survey. International Journal of Advanced Research in Computer Science and Software Engineering, 7 (4), 106–112. doi: https://doi.org/10.23956/ijarcsse/v7i4/0108
  10. Wang, Y. (2014). A New Image Threshold Segmentation based on Fuzzy Entropy and Improved Intelligent Optimization Algorithm. Journal of Multimedia, 9 (4). doi: https://doi.org/10.4304/jmm.9.4.499-505
  11. Dey, V., Zhang, Y., Zhong, M. (2010). A review on image segmentation techniques with remote sensing perspective. Proceedings ISPRS TC VII Symposium, IAPRS, XXXVII, 31–42.
  12. Michel, J., Youssefi, D., Grizonnet, M. (2015). Stable Mean-Shift Algorithm and Its Application to the Segmentation of Arbitrarily Large Remote Sensing Images. IEEE Transactions on Geoscience and Remote Sensing, 53 (2), 952–964. doi: https://doi.org/10.1109/tgrs.2014.2330857
  13. Tasdemir, K., Moazzen, Y., Yildirim, I. (2015). An Approximate Spectral Clustering Ensemble for High Spatial Resolution Remote-Sensing Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8 (5), 1996–2004. doi: https://doi.org/10.1109/jstars.2015.2424292
  14. Hachouf, F., Zeggari, A. (2005). Genetic optimization for unsupervised fuzzy classification. 17 Congres Mondial IMACS, 27–32.
  15. Choi, T.-M., Kim, S. Y. (2005). Fuzzy Types Clustering for Microarray Data. Proceedings of world academy of science, engineering and technology, 4, 12–15.
  16. OpenCV library. Available at: https://opencv.org
  17. Peredovye tekhnologii v obrabotke DDZ. Available at: http://www.mapinfo.ru/product/erdas
  18. Paket ArcView. Sistema ArcInfo. Available at: http://geoknigi.com/book_view.php?id=629
  19. Scanex – lider v sfere sputnikovogo monitoringa. Available at: http://scanex.ru
  20. TNTmips. Available at: http://www.microimages.com/products/tntmips.htm
  21. Ruban, I., Khudov, V., Khudov, H., Khizhnyak, I. (2017). An improved method for segmentation of a multiscale sequence of optoelectronic images. 2017 4th International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T). doi: https://doi.org/10.1109/infocommst.2017.8246367
  22. Ruban, I., Khudov, V., Makoveichuk, O., Khudov, H., Khizhnyak, I. (2018). A Swarm Method for Segmentation of Images Obtained from On-Board Optoelectronic Surveillance Systems. 2018 International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T). doi: https://doi.org/10.1109/infocommst.2018.8632045
  23. Bolaji, A. L., Khader, A. T., Al-Betar, M. A., Awadallah, M. A. (2013). Artificial bee colony algorithm, its variants and applications: a survey. Journal of Theoretical and Applied Information Technology, 47 (2), 434–459.
  24. Kumar, A., Kumar, D., Jarial, S. K. (2017). A Review on Artificial Bee Colony Algorithms and Their Applications to Data Clustering. Cybernetics and Information Technologies, 17 (3), 3–28. doi: https://doi.org/10.1515/cait-2017-0027
  25. Karaboga, D., Akay, B. (2009). A survey: algorithms simulating bee swarm intelligence. Artificial Intelligence Review, 31 (1-4), 61–85. doi: https://doi.org/10.1007/s10462-009-9127-4
  26. Karaboga, D., Gorkemli, B., Ozturk, C., Karaboga, N. (2012). A comprehensive survey: artificial bee colony (ABC) algorithm and applications. Artificial Intelligence Review, 42 (1), 21–57. doi: https://doi.org/10.1007/s10462-012-9328-0
  27. Bansal, J. C., Sharma, H., Jadon, S. S. (2013). Artificial bee colony algorithm: a survey. International Journal of Advanced Intelligence Paradigms, 5 (1/2), 123. doi: https://doi.org/10.1504/ijaip.2013.054681
  28. Balasubramani, K., Marcus, K. (2006). A Comprehensive review of Artificial Bee Colony Algorithm. INTERNATIONAL JOURNAL OF COMPUTERS & TECHNOLOGY, 5 (1), 15–28. doi: https://doi.org/10.24297/ijct.v5i1.4382

##submission.downloads##

Опубліковано

2019-04-02

Як цитувати

Ruban, I., Khudov, H., Makoveichuk, O., Khizhnyak, I., Khudov, V., Podlipaiev, V., Shumeiko, V., Atrasevych, O., Nikitin, A., & Khudov, R. (2019). Сегментування оптико-електронних зображень бортових систем дистанційного зондування Землі методом штучної бджолиної колонії. Eastern-European Journal of Enterprise Technologies, 2(9 (98), 37–45. https://doi.org/10.15587/1729-4061.2019.161860

Номер

Том 2 № 9 (98) (2019): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2019 Igor Ruban, Hennadii Khudov, Oleksandr Makoveichuk, Irina Khizhnyak, Vladyslav Khudov, Viacheslav Podlipaiev, Viktor Shumeiko, Oleksandr Atrasevych, Anatolii Nikitin, Rostyslav Khudov

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.