CC BY
12
УДК 528.8:004
ВВ. ГНАТУШЕНКО
Дншропетровський нацюнальний ушверситет iM. Олеся Гончара
О.О. КАВАЦ, Е.Б. ГАЛЬЧЕНКО
Нацiональна металургiйна академiя Укра1ни
Ю.В. КАВАЦ
Нацiональна металургiйна академiя Украши, EOS Data Analytics Ukraine
1НФОРМАЦ1ЙНА ТЕХНОЛОГ1Я РОЗП1ЗНАВАННЯ БУД1ВЕЛЬ НА БАГАТОКАНАЛЬНИХ ФОТОГРАММЕТРИЧНИХ ЗОБРАЖЕННЯХ ВИСОКО1 ПРОСТОРОВО1 ЗДАТНОСТ1 НА ОСНОВ1 МОРФОЛОГ1ЧНИХ 1НДЕКС1В
В po6omi запропоновано iнформацiйну технологЮ розпгзнавання будiвель на багатоканальних фотограмметрических зображеннях високог просторовог здатностi на основi морфологiчних iндексiв. Автоматизована технологiя включае р1зт методи обробки зображення на ргзних стадiях i визначае нео6хiднiсть паншарпенiнга даних перед процедурою розпгзнавання о6'ектiв. Результати до^джень свiдчать про те, що застосування тформацшног технологи тдвищуе яюсть розпгзнавання 6удiвель в порiвняннi з класичними методами, ефективно визначаючи границi та контури 6удiвель складног форми.
Ключовi слова: 6агатоканальнi фотограмметричнi зображення, тематична обробка, просторова здатнкть, тформацшна технологирозтзнавання, морфологiчний тдекс.
В.В. ГНАТУШЕНКО
Днепропетровский национальный университет им. Олеся Гончара
А.А. КАВАЦ, Э.Б. ГАЛЬЧЕНКО
Национальная металлургическая академия Украины
Ю.В. КАВАЦ
Национальная металлургическая академия Украины, EOS Data Analytics Ukraine
ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ РАСПОЗНАВАНИЯ ЗДАНИЙ НА МНОГОКАНАЛЬНЫХ ФОТОГРАММЕТРИЧЕСКИХ ИЗОБРАЖЕНИЯХ ВЫСОКОГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ НА ОСНОВЕ МОРФОЛОГИЧЕСКИХ ИНДЕКСОВ
В работе предложена информационная технология распознавания строений на многоканальных фотограмметрических изображениях высокого пространственного разрешения на основе морфологических индексов. Автоматизированная технология включает различные методы обработки изображения на различных стадиях и подчеркивает необходимость паншарпенинга данных перед процедурой распознавания объектов. Результаты исследований свидетельствуют о том, что применение информационной технологии повышает качество распознавания зданий по сравнению с классическими методами, эффективно определяя границы и контуры зданий сложной формы.
Ключевые слова: многоканальные фотограмметрические изображения, тематическая обработка, пространственное разрешение, информационная технологии распознавания, морфологический индекс.
V. HNATUSHENKO
O. Honchar Dnepropetrovsk National University
O. KAVATS, E. GALCHENKO
National Metallurgical Academy of Ukraine
Y. KAVATS
National Metallurgical Academy of Ukraine, EOS Data Analytics Ukraine
INFORMATION TECHNOLOGY OF BUILDINGS RECOGNITION ON MULTICHANNEL PHOTOGRAMMETRIC HIGH SPATIAL RESOLUTION IMAGES BASED ON MORPHOLOGICAL
INDICES
The paper presents the information technology of building recognition on multichannel photogrammetric images of high spatial resolution on the basis of morphological indices. Automated technology includes various methods of image processing in different stages and emphasizes the need to data pansharpening before object recognition procedure. The research results indicate that the use of information technology improves the quality of buildings recognition than classical methods, effectively defining the boundaries and contours of complex shape buildings.
Keywords: multichannel photogrammetric images, thematic processing, spatial resolution, information technology, recognition, morphological index.
Постановка проблеми
С^мкий розвиток шформацшних технологш призвiв до використання супутникових зображень высоко! та надвисоко! роздшьно! здатностi у багатьох галузях людсько! дiяльностi. Сучаснi супутниковi багатоканальш фотограмметричнi знiмки е джерелом отримання рiзноманiтно! шформаци. Наприклад, за таким видом зображень можна проводити:
- оперативний мониторинг дислокацп вшськово! техшки;
- монiторинг будiвництва та реконструкци об'ектiв;
- планування i контроль розвитку iнфраструктури;
- виявлення вирубок лiса;
- монiторинг стану водосховищ;
- монiторинг транспортно! мереж1 мюта та вирiшувати багато iнших задач.
Серед безлiчi рiзних задач, яш вiршуються за допомогою обробки даних дистанцiйного зондування особливе мiсце займае задача оперативного мониторингу. Цей клас задач потребуе визначення змiн на рiзночасових сценах зображень високо! роздшьно! здатностi за короткий термiн. Для застосування в будь-який з областей аерокосмiчних зображень з них повинна бути вилучена необхвдна шформащя. Одним з найбiльш складних i дорогих з точки зору витрат часу е процес розпiзнавання i локалiзацi! рiзних об'ектiв або характерних рис мюцевосп природного i штучного походження, таких, як русла рiчок, береговi лши, будiвлi, дороги i т.п. Через великих витрат на обробку даних, автоматизащя цього процесу набувае актуального значення. Розвиток галузi дистанцiйного зондування Землi обумовлений не тшьки постiйно зростаючою кiлькiстю супутникових систем, але i полiпшенням техшчних характеристик. На сьогоднiшнiй день супутник WorldView-3 дозволяе отримувати знiмки надвисоко! просторово! здатностi. У багатоканальному режимi роздiльна здатнiсть системи складае 1,2 м, а в ближньому 1Ч - 3,7 м. Стд зазначити, що сучаснi системи дистанцiйного зондування Землi фiксують одночасно панхроматичнi зображення i багатоспектральнi данi, якi у порiвняннi з панхроматичними мають бiльш низьку просторову здатнiсть. Наслвдком таких модифжацш технiчних характеристик супутникових систем е зростання обсягу даних як шльшсно, так i на одиницю збертання, що стае на завадi ручного розшзнавання штучних об'ектiв. Для ручно! локалiзацi! штучнi об'екти (зокрема, будiвлi) досить складнi i вимагають значно! кiлькостi точок для опису. У зв'язку з цим широко затребуваш автоматичнi i напiвавтоматичнi способи розшзнавання штучних об'еклв, якi потребують учасп оператора тiльки для контролю процесу розшзнавання об'еклв тематичного шару.
Анатз останнiх дослiджень
У роботi [1] проведено аналiз ефективностi сучасних методiв класифiкацi! цифрових багатоканальних супутникових зображень високо! просторово! здатносл. Традицiйно, для розшзнавання фотограмметричних зображень використовують класифжацш з навчанням (контрольована класифiкацiя) або класифшащю без навчання (неконтрольована класифшащя). Методи неконтрольовано! класифiкацi! мають певш недолiки, зокрема, спектральнi властивостi отриманих класiв змiнюються з часом, тому зв'язок м1ж iнформацiею та спектральними класами не постiйний i визначаеться лише зшмком, що ускладнюе процес дешифрування рiзночасових зображень. З шшого боку, будь-яка класифiкацiя з навчанням е бшьш трудомiсткою, а и точнiсть залежить вiд якостi та кiлькостi вибраних навчальних областей. Результати неконтрольовано! класифжаци виявилися незадовiльними, тому було зроблено висновок, що неконтрольовану класифжацш краще використовувати для визначення клаав об'ектiв або як попереднш етап перед контрольованою класифiкацiею. Класифжащя способом спектрального кута добре вдентифщуе воднi об'екти, але присутнi похибки визначення лiсових масивiв та рослинносл, погано розпiзнанi дороги та будiвлi. При класифiкацi! методом паралелепiпедiв досить добре видшяються воднi об'екти, хоча !х кордони часто розмитi; трав'яниста рослиннiсть також iнодi розпiзнаеться як об'екти класу «будiвлi». Результат класифжаци за мiнiмальною ввдстанню виявився кращим за попереднi, але погано були класифiкованi будiвлi зi складними архгтектурними формами та дороги, меж1 класифжованих об'ектiв не збiгаються з реальними границями об'ектiв. При використаннi методу класифжаци за правилом максимально! правдоподiбностi складно дешифруються водойми та об'екти забудови, особливо на тських територiях, де багато висотних споруд. Бшьшгсть пропонованих рiшень заснованi на геометричних i яскравiсних перетвореннях цифрових зтмкш, до яких вiдносяться методи побудови контурiв зображення, градiентнi методи i методи кластеризацi!, що застосовуються для сегментацп супутникових зображень на тематичш однорiднi областi, як1 характеризуються недостатньою точшстю i високими затратами часу на обробку багатоканальних даних.
Формулювання цшей статтi (постановка завдання)
Незважаючи на велику наявнiсть рiзних систем автоматизованого дешифрування i векторизацi! картографiчних зображень, коло вирiшуваних ними завдань вельми обмежено. Процес видiлення будiвель слабо автоматизований i вимагае комплексного виршення задачi розпiзнавання, оск1льки геометричш та характеристики яскравостi об'ектiв забудови можуть вiдрiзнятися в межах одного зображення, а об'екти розшзнавання можуть бути перекрип на зшмках шшими об'ектами, такими як рослиннiсть, будiвлi, транспортнi засоби. Виникае необхiднiсть у розробщ iнформацiйно! технологi! розпiзнавання будiвель на
багатоканальних аерокосмiчних зображеннях високо! просторово! здатностi, використання яко! забезпечувало кращi результати (пвдвищення точностi розтзнавання).
Основна частина
Проведенi дослвдження, описан у роботах авторiв [2, 3], довели необхвдшсть застосування на первинному етапi етапу пiдвищення iнформативностi багатоканального зображення. Основою шформацшно! технологй' розтзнавання будiвель е побудова вiдносин мгж спектральними характеристиками будiвель (наприклад, яскравють або контраст) i фiзичними характеристиками (наприклад, висота або спрямованiсть), яш можна описати наступними параметрами:
• Яскраысть каналу е найбiльш значущою.
• Локальний контраст - ввдносно висока вiдбивна здатнiсть покрiвель будiвель i тiней призводить до високо! локально! вiдмiнностi будiвель.
• Розмiр - будинки в зображеннях з високою просторовою здатнiстю показують складш просторовi моделi з рiзними характеристиками.
• Спрямованють. Складним завданням при визначенш морфологiчного iндексу е завдання автоматично! фiльтрацi! дорiг, як1 мають дуже схожий спектральний коефiцiент вщбиття як i будiвлi. Дороги завжди витягнутi в одному або в декшькох напрямках, на вiдмiну ввд будiвель.
Морфологiчний iндекс будiвель (MBI) розраховуеться за наступним виразом:
1) Пошук максимального значения каналiв кожного шкселя [4,5]:
b(i) = max(bandk (i)), (1)
1<k < K
де k - спектральш канали; i - пiксель зображення.
2) Диференщальний морфологiчний профiль (DMP) трансформацп (Top-Hat) дахiв. Спектральнi характеристики будiвель використовують DMP - перетворення дахiв, (TH-DMP) визначаеться наступним виразом:
TH - DMP(d, s) = \THb (d, s) - THb (d, s- Д s)| , (2)
де
THb (d,s) = b - y"b (d, s), (3)
де yr\ - е результатом морфологiчних операцш вiдкриття з реконструкцiею над зображенням b, 5(smin < s < smax) i d вказуе на розмiр i напрямок лiнiйного (SE) структурного елементу.
3) Безпосередньо розрахунок морфологiчного iндексу ввдбуваеться за наступним виразом:
^^ TH - DMP(d, s)
MBI -, (4)
D x S
де D i S - значення напрямку i величина, вщповвдно. Найбiльш поширенi 4 напрямки (45°, 90°, 135° i 180°) . Значення параметрiв визначаються вiдповiдно до розмiрiв будiвель i просторового роздiлення MBI заснованого на тому факп, що будiвельнi конструкцп мають великi значення i напрямки ввд бiльшостi варiантiв, в основному через локальний контраст i iзотропнiсть. Як насл1док, структури з великими значеннями MBI швидше за все будуть будiвлями. Тим самим !х можна вiдфiльтрувати вiд iнших елеменпв.
Для програмно! реалiзацi! запропоноваио! шформацшно! технологй' було прийнято рiшення про використання мови С++ з бiблiотекою OpenCV версй 3.1.0. Тестування алгоритму проводилося на багатоканальному супутниковому зображенш WorldView-3. Результат роботи iнформацiйно! технологи наведено на рисунку 1.
Д) €)
Рис. 1. Фрагмент супутникового зображення: а) багатоканальне зображення з тдвищеною шформативтстю; б) зображення з визначеними максимальними значеннями п1ксел1в; в) маска визначення вегетацй та т1ней; г) зображення з визначеним показником диференщального морфолопчного профилю трансформаци дах1в; д) зображення з визначеним MBI; с) зображення тсля застосування маски морфологiчного
визначення дахш буд1вель
Висновки та перспективи подальших досл1джень
У робот запропоновано шформацшну технологш розпiзнавання будiвель на багатоканальних фотограмметричних зображеннях високо! просторово1 здатносп на основi морфологiчних iндексiв. Проведет дослщження показали, що застосування шформацшно! технологи розпiзнавання будiвель на основi морфологiчних iндексiв призводить до чггкого визначення дахiв будiвель у порiвняннi з класичними алгоритмами класифжаци. Наш подальшi дослвдження будуть присвяченi вдосконаленню розроблено! шформацшно1 технологи.
Список використано'1 л1тератури:
1. Гнатушенко В.В. Умови та обмеження методiв штелектуально1 обробки космiчних зображень для подальшого 3D моделювання /В.В. Гнатушенко, О.О. Кавац, Ю.О. К1букевич // Науково-теоретичний журнал «Штучний штелект» 2015. - м.Кшв, 2015р. - Вип.'1-2(67-68). - С.54-63.
2. Hnatushenko V.V. Efficiency Determination of Scanner Data Fusion Methods of Space Multispectral Images / V.V. Hnatushenko, O. O. Kavats, Y. O. Kibukevych // International Young Scientists Forum on Applied Physics «YSF-2015». Dnipropetrovsk, Ukraine, September 29 - October 2, 2015 / IEEE Catalog Number: CFP15YSF-CDR. ISBN: 978-1-4673-6976-3 Doi: 10.1109/YSF.2015.7333153.
3. Hnatushenko V.V. Pansharpening technology of high resolution multispectral and panchromatic satellite images / V.V. Hnatushenko, O. O. Kavats, Vik.V.Hnatushenko, V.Ju. Shevchenko // Scientific bulletin of National Mining University. - State Higher Educational Institution "National Mining University", -Dnipropetrovsk, 2015. - № 4 (148). - С. 91-98.
4. Huang X. Building Change Detection From Multitemporal High-Resolution Remotely Sensed Images Based on a Morphological Building /Xin Huang, Liangpei Zhang, Tingting Zhu// IEEE journal of selected topics in applied earth observations and remote sensing. No 7(1): 105-115. - January 2014. DOI: 10.1109/JSTARS.2013.2252423.
5. Huang X. A multidirectional and multiscale morphological index for automatic building extraction from multispectral GeoEye-1 imagery. Photogramm. Eng. Remote Sens /X. Huang, L. Zhang// Jul. 2011, - Vol. 77, No. 7, Р. 721-732.
6. Huang X. Morphological building/shadow index for building extraction from high-resolution imagery over urban areas /X. Huang, L. Zhang// IEEE J. Sel. Topics Appl. Earth Obs. Remote Sens., - Feb. 2012, - Vol. 5, No. 1, Р. 161-172.
7. Bovolo F. Analysis and adaptive estimation of the registration noise distribution in multitemporal VHR images /F. Bovolo, L. Bruzzone, S. Marchesi// IEEE Trans Geosci. Remote Sens., - , Aug. 2009. - Vol. 47, No. 8, P. 2658-2671.
8. Im J. Object-based change detection using correlation image analysis and image segmentation /J. Im, J. R. Jensen, J. A. Tullis // Int. J. Remote Sens., - Jan. 2008, - Vol. 29, No. 2, P. 399-423.
