Метод визначення елементів об’єктів міської інфраструктури за результатами повітряного моніторингу
DOI:
https://doi.org/10.15587/1729-4061.2019.174576Ключові слова:
бортова система спостереження, елементи об’єктів міської інфраструктури, метод Канні, перетворення ХафаАнотація
Запропоновано двоетапний метод визначення елементів об’єктів міської інфраструктури на зображеннях з систем повітряного моніторингу. На першому етапі методу запропоновано на зображеннях визначати контури об’єктів. У якості методу визначення контурів обрано удосконалений метод Канні. Розглянуті основні етапи удосконаленого методу Канні щодо визначення контурів об’єктів на зображеннях з систем повітряного моніторингу. На другому етапі запропоновано використання перетворення Хафа.
Визначені особливості методу визначення елементів об’єктів міської інфраструктури на кольорових зображеннях з систем повітряного моніторингу. На відміну від відомих, у методі враховані особливості формування зображення з систем повітряного моніторингу, виділяються кольорові канали, у кожному кольоровому каналі виділяються контури та геометричні примітиви, проводиться зворотне об'єднання кольорових каналів та визначаються елементи об’єктів міської інфраструктури у просторі вихідного зображення.
Наведені результати застосування методу визначення елементів об’єктів міської інфраструктури на типовому кольоровому зображенні з системи повітряного моніторингу. На результуючому зображенні для прикладу визначені елементи об’єктів міської інфраструктури: дороги, будинки, вулиці, елементи забудови тощо.
Проведена візуальна оцінка якості обробки типового кольорового зображення з системи повітряного моніторингу. Розраховані помилки першого та другого роду. Встановлено, що застосування двоетапного методу визначення елементів об’єктів міської інфраструктури на зображенні з системи повітряного моніторингу дозволить підвищити якість обробки оптико-електронних зображень. При цьому помилки визначення елементів об’єктів міської інфраструктури першого та другого роду знижені в середньому на величину 13 %Посилання
- Chemin, Y. (Ed.) (2012). Remote Sensing of Planet Earth. Rijeka. doi: https://doi.org/10.5772/2291
- Richards, J. (2013). Remote Sensing Digital Image Analysis. An Introduction. Springer. doi: https://doi.org/10.1007/978-3-642-30062-2
- Vysotska, V., Lytvyn, V., Burov, Y., Gozhyj, A., Makara, S. (2018). The consolidated information web-resource about pharmacy networks in city. CEUR Workshop Proceedings (Computational linguistics and intelligent systems), 2255, 239–255.
- Lytvyn, V., Vysotska, V. (2015). Designing architecture of electronic content commerce system. 2015 Xth International Scientific and Technical Conference “Computer Sciences and Information Technologies” (CSIT). doi: https://doi.org/10.1109/stc-csit.2015.7325446
- Stryzhak, O., Prychodniuk, V., Podlipaiev, V. (2019). Model of Transdisciplinary Representation of GEOspatial Information. Advances in Information and Communication Technologies, 34–75. doi: https://doi.org/10.1007/978-3-030-16770-7_3
- Yang, X. (Ed.) (2011). Urban Remote Sensing: Monitoring, Synthesis and Modeling in the Urban Environment. John Wiley & Sons. doi: https://doi.org/10.1002/9780470979563
- Saito, S., Aoki, Y. (2015). Building and road detection from large aerial imagery. Image Processing: Machine Vision Applications VIII. doi: https://doi.org/10.1117/12.2083273
- Dempsey, N., Brown, C., Raman, S., Porta, S., Jenks, M., Jones, C., Bramley, G. (2008). Elements of Urban Form. Sustainable City Form, 21–51. doi: https://doi.org/10.1007/978-1-4020-8647-2_2
- Gonzalez R. C., Woods R. E. (2017). Digital Image Processing. Prentice Hall, 1192.
- Gupta, V., Singh, D., Sharma, P. (2016). Image Segmentation Using Various Edge Detection Operators: A Comparative Study. International Journal of Innovative Research in Computer and Communication Engineering, 4 (8), 14819–14824.
- Sum, K., S. Cheung, P. (2006). A Fast Parametric Snake Model with Enhanced Concave Object Extraction Capability. 2006 IEEE International Symposium on Signal Processing and Information Technology. doi: https://doi.org/10.1109/isspit.2006.270844
- Liu, Y., Yao, J., Lu, X., Xia, M., Wang, X., Liu, Y. (2019). RoadNet: Learning to Comprehensively Analyze Road Networks in Complex Urban Scenes From High-Resolution Remotely Sensed Images. IEEE Transactions on Geoscience and Remote Sensing, 57 (4), 2043–2056. doi: https://doi.org/10.1109/tgrs.2018.2870871
- Nyandwi, E., Koeva, M., Kohli, D., Bennett, R. (2019). Comparing Human Versus Machine-Driven Cadastral Boundary Feature Extraction. Remote Sens, 11, 1662. doi: https://doi.org/10.20944/preprints201905.0342.v1
- 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
- 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
- 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
- Ruban, I., Khudov, H., Makoveichuk, O., Khizhnyak, I., Khudov, V., Podlipaiev, V. et. al. (2019). Segmentation of optical-electronic images from on-board systems of remote sensing of the earth by the artificial bee colony method. Eastern-European Journal of Enterprise Technologies, 2 (9 (98)), 37–45. doi: https://doi.org/10.15587/1729-4061.2019.161860
- Ramlau, R., Scherzer, O. (Eds.) (2019). The Radon Transform. Berlin/Boston: Walter de Gruyter GmbH. doi: https://doi.org/10.1515/9783110560855
- Li, Z., Liu, Y., Walker, R., Hayward, R., Zhang, J. (2009). Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an improved Hough transform. Machine Vision and Applications, 21 (5), 677–686. doi: https://doi.org/10.1007/s00138-009-0206-y
- Kabade, A., Sangam, V. (2016). Canny edge detection algorithm. International Journal of Advanced Research in Electronics and Communication Engineering (IJARECE), 5 (5), 1292–1295.
- Manzanera, A., Nguyen, T. P., Xu, X. (2016). Line and circle detection using dense one-to-one Hough transforms on greyscale images. EURASIP Journal on Image and Video Processing, 2016 (1). doi: https://doi.org/10.1186/s13640-016-0149-y
- 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
- 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
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2019 Igor Ruban, Hennadii Khudov, Oleksandr Makoveichuk, Irina Khizhnyak, Nataliia Lukova-Chuiko, Hennady Pevtsov, Yurii Sheviakov, Iryna Yuzova, Yevhen Drob, Olexander Tytarenko
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.
