CC BY
21
УДК 528.77:528.854
НО. СОКОЛОВА, е.О. ОБИДЕННИЙ
Дшпропетровський нащональний yniBepcumem теш Олеся Гончара
ВИКОРИСТАННЯ НАЯВНОСТ1 Т1Н1 ПРИ РОЗП1ЗНАВАНН1 БУДШЕЛЬ НА СУПУТНИКОВИХ ЗОБРАЖЕННЯХ ВИСОКОГО РОЗР1ЗНЕННЯ
Дана робота присвячена дослгдженню вплыву наявностг mim на процес розтзнавання об'ектгв забудови на супутникових зтмках высокого просторового розрiзнення. Запропоновано алгоритм ттьового аналiзу на основi гктограмног обробки та сегментаци зображення з урахуванням метаданих, що супроводжують зтмок. Результати тестування тдтвердили високу ефективтсть запропонованого алгоритму ттьового аналiзу та тдвищення якосmi розтзнавання будiвель при його застосувант.
Ключовi слова:зображення, сегментащя, тть, гктограма, розтзнавання будiвель.
Н.О. СОКОЛОВА, Е. А. ОБЫДЕННЫЙ
Днепропетровский национальный университет имени Олеся Гончара
ИСПОЛЬЗОВАНИЕ НАЛИЧИЯ ТЕНИ ПРИ РАСПОЗНАВАНИИ ЗДАНИЙ НА СПУТНИКОВЫХ
ИЗОБРАЖЕНИЯХ ВЫСОКОГО РАЗРЕШЕНИЯ
Данная работа посвящена исследованию влияния наличия тени на процесс распознавания объектов застройки на спутниковых снимках высокого пространственного разрешения. Предложен алгоритм теневого анализа на основе гистограммной обработки и сегментации изображения с учетом метаданных, сопровождающих снимок. Результаты тестирования подтвердили высокую эффективность предложенного алгоритма теневого анализа и повышения качества распознавания зданий при его применении.
Ключевые слова: изображения, сегментация, тень, гистограмма, распознавание зданий.
КО. SОKОLОVА, m.OBYDENNYI
Oles Honchar Dnipropetrovsk National University
USE OF THE SHADOW IN THE BUILDINGS RECOGNITION ON HIGH RESOLUTION SATELLITE
IMAGES
This work is devoted to the investigation of the influence a building shadow on the buildings recognition on high spatial resolution satellite images . An algorithm for shadow analysis based on histogram processing and image segmentation is proposed, taking into account the metadata accompanying the snapshot. The results of the testing confirmed the high efficiency of the proposed algorithm of shadow analysis and the quality improvement of buildings recognition in its application.
Key words: images, segmentation, shadow, histogram, extraction of buildings.
Постановка проблеми
Обробка даних ДЗЗ - один з роздшв шформацшних технологш, що найб№ш швидко розвиваеться. Розтзнавання об'екпв мюько1 забудови вщграе важливу роль в Г1С, оцшщ насладив стихшних лих, несанкцюновано1 забудови, реконструкций i, на жаль, вшськовому спостереженш. Обробка вручну в реальному режимi часу обсягу даних ДЗЗ, яш отримуються щодня, неможлива, тому актуальним е питання розробки автоматичних та нашвавтоматичних шформацшних технологш.
Анaлiз публшацш по TeMi дослвдження
З найперших дшв аерофотозйомки, ефекти затшення використовуються для видшення наземних об'екпв в таких областях як археолопя та повиряна розввдка. Однак, частше тш розглядаються як перешкода, яка затуляе важливi деталi об'екпв зображень ДЗЗ, i позбутися яко! пiд час зйомки неможливо в силу неминучо! И присутностi в денний час. Наявнють тiнi призводить або до зменшення або, шода, до повно! втрати шформаци в зображенш, тому аналiз тiней дуже важливий.
Зараз в зображеннях з високою розд№ною здатнiстю, тiнi все частше використовуються як помiчники в реконструкци тривимiрноl геометри i втрат у вiзуалiзацil процесу, в тому числ^ використовуючи рiзнi пiдходи, аналiз тiнi дае можливiсть iдентифiкувати будiвлi на супутникових зображеннях тськох забудови з високою роздшьною здатнiстю [1-4]. Наявшсть метаданих в складi даних ДЗЗ, а також просторових даних у виглядi векторних карт територп зйомки дозволяе проводити аналiз узгодженосп об'ектiв i тiней на зображенш.
Формулювання цiлeй CTaTTi
Таким чином, одним з важливих етапiв розроблено1 нами технологи розпiзнавання будiвель на фотограмметричних зображеннях високого просторового розрiзнення е проведення тiньового аналiзу, що дозволить виключати сегменти, як1 не е будiвлею.
Основна частина
Зрозумшо, що тшь повинна знаходитися в певному положенш щодо об'екта, в нашому випадку -будiвлi. Знання напрямку сонячного освiтлення може допомогти розрiзняти сегменти, як1 мають тiнь на коректнiй позицп як сегменти з будiвлею вiд сегменлв, як1 не е будiвлею. Ршення задачi грунтуеться на аналiзi значень числових характеристик зображення, що прямо залежать вiд параметрiв зйомки: положения Сонця, положення космiчного апарату i орiентацil пристрою реестрацп. Зазначенi параметри зйомки, як правило, супроводжують в якосп метаданих геопросторовi зображення, отримаш з аерокосмiчних носив.
«Суадство» мiж будiвлями i 1х тiнями - корисш попереднi знання для виявлення будiвель, проте тiнi ввд сумiжних об'ектiв можуть перекриватися, в тому числ i бути тiнями дерев (рис.1а, 1б). Також сезонна змша рослинностi та рiзний кут зйомки впливае на процес розпiзнавання об'екпв забудови (рис. 1в).
в)
Рис.1. Ефекти затiнення: а) велика кiлькiсть дерев; б) перекриття тiней сум1жних об'екпв; в) сезонт зм1ни 1 р1зний кут зйомки
У бiльшостi випадшв у будiвель на зображеннях високо! роздшьно1 здатностi присутнi двi тiньовi областi: тiнь будiвлi на землi (падаюча тiнь), яка обумовлена сонячним освiтленням, i самостiйна тiнь (затшена частина об'екта). Положення падаючо1 пш можна визначити, знаючи час i напрямок зйомки.
Можна припустити, що тшь, яка вщкидаеться, i самостшна тiнь мають рiзнi значення яскравосп. Яскравiсть всiх тiней в зображенш залежить ввд в1дбивно1 здатностi об'екта, а також освилення вiд вторинних джерел свiтла. Самостiйнi тiнi, як правило, мають бшьш високу яскравють, нiж падаючi, так як вони отримують бiльше освiтлення вiд оточуючих освiтлених об'ектiв.
Тiнi - як правило, найтемнiшi дiлянки зображення. Початкове дослщження наборiв супутникових зображень показало, що пш можуть бути визначет як нижнi 20% значень в дисперсп рiвнiв сiрого в зображенш, що добре видно для одиночного свплого об'екта (рис.2, а), для групи об'екпв тiнь може створювати рiвнозначнi пiки в гiстограмi (рис.2, б), для будiвель з ввдносно темними дахами значення особливостей можуть бути представлеш в гiстограмi як значення поряд або чергуванням з тшню (рис.2, в).
Пiсля сегментацп, яка заснована на аналiзi пстограм i проводиться у всiх трьох КвБ-каналах, пiкселi з певними значеннями групуються в сегменти (сегменти «особливостей» i сегменти тiнi). Аналiз тш заснований на вих1дному "тiньовому образГ', створеному в результатi тiньовоl сегментаци (рис.3).
в)
Рис.2. Вщображення тшьових особливостей в пстограмах: а) тшь одиночного об'екту - «нижш» 20% сiрого в зображенш; б) тшь групи об'екпв дае рiвнозначнi з будiвлею мжи; в) тшь створюе «конкуруючий» з будшлею п1к
Оск1льки тшьовий сегмент 1 сегмент буд1вт е сум1жними, буфер створюеться навколо сегментованих тшей. Кожен сегмент тш пот1м дослщжуеться на предмет можливого перекриття з буферами «особливих» сегменпв (оск1льки може бути б1льш одше! пнъово! обласп навколо буд1вл1). Будь-який сегмент, який перекриваеться буфером тш, позначаеться як потенцшна буд1вля. Дал1, розглядаеться ввдносне розташування тш1 1 сегмента. По-перше, визначаються особливосл розташування 1 ор1ентаци кожного сегмента особливостей 1 тшьового сегмента. Характеристики ор1ентацп 1 розташування сегмента засноваш на анал1з1 моменпв зображення. Алгоритм обчислюе центральну позицш, елшс зображення 1 ор1ентащю сегмента. За наведеним нижче алгоритмом, проводимо перев1рку сегменпв, що е кандидатами в буд1вл1:
1. Вилучення др1бних за розм1ром сегменпв.
2. Створення буфера навколо сегмента з тшню.
3. Якщо буфер тш1 перекривае сегмент з «особлив1стю», то визначаеться локал1защя 1 ор1ентащя
тш1.
4. Якщо тшь розташована з «правильно!» сторони, сегмент з особлив1стю е сегментом з буд1влею 1 ми його залишаемо, якщо немае - виключаемо даний сегмент-кандидат 1 перев1ряемо наявшсть навколо буфера тш1 наступного «особливого» сегмента (повернення на крок 3).
5. Якщо буфер тш1 НЕ перекривае жодного сегмента з «особливютю», виключаемо даний тшьовий сегмент 1 переходимо до наступного.
Якщо жоден сегмент-кандидат не перекривае тшьовий буфер, дослвджуються тополопчш вщносини мгж особливостями. Якщо сегмент з особливостями, у якого немае падаючо! тш1, торкаеться шшого сегмента з особливютю, у якого е тшь, яка падае на правильнш сторош, то сегмент особливосп залишаеться. Дотичш сегменти повинш бути однаковими за розм1ром 1 ор1ентащею, щоб бути класифжоваш тшьовим анал1зом. Це обмеження знижуе можливу плутанину м1ж р1зного типу особливостями, наприклад, м1ж буд1влею 1 рослиншстю. Можливо перекриття м1ж тшьовими шкселями 1 шкселями характерних темних особливостей.
Рис. 3. Результат тшьовоТ сегментации зжва - вихвдне зображення, праворуч «тшьовий образ»
Висновки та перспективи подальших дослвджень
Результатом тшьового аналiзу е зображення з одним або декшькома сегментами, яш залишаються в якостi можливих кандидатiв бути будiвлями. Через складшсть тiньового аналiзу в мiських умовах, не виключаються сегменти, для яких е невизначешсть щодо достовiрностi сегмента бути будiвлею, i вони дослвджуються на наступних етапах. Для будiвель з темними дахами значення характерних особливостей можуть бути представленi в гiстограмi як значення, як1 межують або навiть перекриваються зi значеннями тiнi (рис.1, в). Для того, щоб оконтурити подобнi будiвлi, нами пропонуеться обмежувати тiнь 15%, а не 20% нижньою межею дiапазону значень рiвня сiрого в зображенш. Звуження дiапазону тiнi дозволяе проводити бiльш чiтке розмежування м1ж тшню i особливiстю.
Подальшi дослiдження будуть присвяченi удосконаленню запропонованого алгоритму на випадок розпiзнавання багатоканальних зображень.
Список використаноТ л1тератури
1. Vasiliev V.V. Moroz K.Yu. Automated shadow identification for building change detection using space images. //«Передовые методы обработки и анализа космической информации» Международная научно-практическая конференция 3-4 декабря 2015г. Сборник тезисов. - Днепропетровск, 2015. - С.16-19.
2. Y. I. Shedlovska, V. V.Hnatushenko. Shadow removal algorithm with shadow area border processing// II International Young Scientists Forum on Applied Physics and Engineering (YSF-2016) 10-14 Oct. 2016. Kharkiv, Ukraine. Р.164-167
3. Qiongjie Wang, Li Yan, Qiangqiang Yuan and Zhenling MaAn. Automatic Shadow Detection Method for VHR// Remote Sensing Orthoimagery. Remote Sens. 2017, 9, 469.
4. Gregoris Liasis, Stavros Stavrou. Satellite images analysis for shadow detection and building height estimation// ISPRS Journal of Photogrammetry and Remote Sensing 119 (2016) Р.437-450.
