Технологічна послідовність автоматизованого розпізнавання об'єктів на цифрових растрових зображеннях.

Розглянемо технологічну послідовність автоматизованого розпізнавання, що пропонується при використанні існуючих растрових карт, даних ДЗЗ або аерофотозйомки (рис2.1). Вхідне растрове зображення у цифровому вигляді підлягає попередньому обробленню внаслідок наявності характерних для сканованих та аерофотозображень декількох типів завад-(адитивних, мультиплікативних, імпульсних), великих розмірів цифрових масивів даних, обмеженості апаратно-обчислювальних ресурсів, відсутності достовірної апріорної інформації про характеристики об'єктів і систему формування зображень. Для попереднього оброблення частіше застосовують алгоритми локально-апертурної фільтрації .

В процесі сепарації інформативних зон визначають області зображення, які містять корисну інформацію. Для цих зон проводиться подальше оброблення.

Продовженням попереднього оброблення вхідного растру є сегментація. Мета та алгоритми сегментації залежать від алгоритмів векторизації та розпізнавання, що мають бути застосовані до даного зображення. Найчастіше критерієм векторизації є колір (яскравість, або ін.) пікселів [5], тобто об'єктом називають зв'язану множину пікселів однакового кольору (кластер) при тому, що суміжні з цією множиною пікселі мають інші кольори. В цьому випадку сегме­нтація - це процес формування в інформативних зонах кластерів, які відловідають реальним об'єктам. Розпізнавання може також проводитися з викорис танням скелету контурного препарату. Для цього треба провести сегментацій таким чином, щоб виділити в окремі кластери границі об'єктів.

Від якості попередніх етапів оброблення зображення залежать хід та результат автоматичної векторизації. В ідеальному випадку множина векторних об'єктів повинна співпадати з множиною реальних об'єктів на зображенні.

Усунути та скоригувати всі завади на вхідних растрах принципово неможливо, додаткових опцій при налаштовуванні методів оброблення растрів може не вистачити для правильної сегментації. В цьому випадку залишкові завади ; сприймаються системою як об'єкти або частини об'єктів та переводяться при трансформаціях у векторний формат. Тому для підготовки до кінцевого розпі­знавання необхідно провести попереднє оброблення отриманого векторного зображення. Таке оброблення базується на застосуванні методів, які за тими чи іншими ознаками класифікують векторні об'єкти як завади і, таким чином, стає можливим скоригувати помилки.

Наступним кроком для підвищення ефективності кінцевого розпізнавання є преселекція та сепарація об'єктів на інформативні прошарки. Преселекція являє собою класифікацію об'єктів за їх інтегральними параметрами (периметр, площа та ін.) . На цій стадії можливо відфільтрувати, наприклад, шумові об'єкти, які мають площу менше певного порогового значення. Або за значенням площі можливо виконати сортування полігонів на будівлі (менші значення) та поля без будівель (більші значення площі). Лінії можливо сортувати за дов­жиною, товщиною (зберігається як властивість лінії після скелетизації), орієнтацією, кутом повороту та іншими параметрами. Значення границь інтегральних параметрів в процесі експлуатації системи постійно уточнюються, а множина цих параметрів може доповнюватися новими, більш ефективними, що надають нових можливостей при обробленні.

За отриманими прошарками формуються множини зацікавленості, в яких після геоприв'язки проводиться кінцеве розпізнавання та сортування об'єктів.

В разі необхідності геоприв'язку виконують до етапу преселекції. Кінцеве розпізнавання являє собою широкий клас моделей та методів, які останнім часом іртрімко розвиваються.

Мал. 1. Технологія автоматизованого розпізнавання об'єктів на цифрових растрових зображеннях

Інші цікаві матеріали

Паливно-енергетичний комплекс України
Прискорений соціально-економічний розвиток країни нерозривно пов'язаний з рівнем розвитку всіх галузей паливно-енергетичного комплексу, вдосконалення енергетичного балансу з обов'язковим врахуванням досягнень науково-тех ...

Льодовики, вічна мерзлота та їх гідрологічне
Напевне, найбільш розпоширена гірська порода у всій Вселенній – це лід. Марс, Юпітер, Сатурн складає великі маси льоду, а деякі супутники планети складені ним майже цілком. Не є виключенням і наша Земля: біль ...

Порівняння Чорного та Червоного морів
Кожне море є унікальним природним явищем. Саме тому актуальність роботи полягає у дослідженні та виявлені основних закономірностей генезису, еволюції, географії, схематизації основних відмінностей Чорного та Червоного мо ...