DOI: https://doi.org/10.20998/2522-9052.2017.2.07

Нейромережевий метод інтелектуальної обробки мультиспектральних зображень

Natalia Liubchenko, Andrii Podorozhniak, Viktor Bondarchuk

Анотація


Предметом вивчення в статті є нейромережеві методи розпізнавання об’єктів на мультиспектральних даних дистанційного зондування Землі (ДЗЗ). Мета – забезпечення автоматичного розпізнавання об’єктів незаконного використання природних ресурсів на мультиспектральних зображеннях ДЗЗ. Задача – формулювання методу інтелектуальної обробки даних ДЗЗ, який реалізує автоматичне розпізнавання об’єктів незаконного використання природних ресурсів на мультиспектральних зображеннях ДЗЗ за допомогою використання згорткової нейронної мережі. Аналіз проблем методів та алгоритмів обробки мультиспектральних аерокосмічних зображень показав, що найбільш перспективно використовувати гнучкі алгоритми, які пристосовуються до зміни умов спостереження об’єктів пошуку. Однією з перспективних технологій реалізації таких алгоритмів є застосування нейронних мереж. Вибір згорткових нейронних мереж для вирішення задачі розпізнавання пов’язаний із здатністю даних мереж, за умови коректного навчання, до розпізнавання об’єктів в складних умовах спостереження та при деформації об’єкта, що спостерігається. Висновки: Запропоновано нейромережевий метод інтелектуальної обробки мультиспектральних зображень. Розглянуто алгоритм побудови даної мережі, обрано практичну область застосування запропонованого методу і показані результати роботи його програмної реалізації. Отримані результати дозволили зробити висновок про працездатність запропонованого алгоритму та є підґрунтям для подальших досліджень з розробки та реалізації алгоритмів обробки мульти­спектральних знімків у системах дистанційного зондування землі.


Ключові слова


дистанційне зондування Землі; обробка зображень; нейромережа; згорткова нейронна мережа; муль-тиспектральні зображення

Повний текст:

PDF

Посилання


Baklanov, A.I. (2010), Analyz sostoianyia y tendentsyy razvytyia system nabliudenyia visokoho y sverkhvisokoho razreshenyia [Analysis of the state and tendency of development of observation systems of high and ultrahigh resolution], Vestnik Samarskoho Gosudarstvennogo Aerokosmycheskogo Universiteta [Bulletin of the Samara State Aerospace University], Samara, No 2, pp. 80-91.

Potikha, A. (2016), Problema vydobutku burshtynu: suchasnyi stan ta perspektyvy vyrishennia [The problem of amber extrac-tion: the current state and prospects of solution], Ukraina: podii, fakty, komentari [Ukraine: Events, Facts, Comments], Kyiv, No 5, pp. 36–44, available at: http://nbuviap.gov.ua/images/ukraine/2016/ukr5.pdf (last accessed January 23, 2017).

Kashkin, V.V. and Sukhinin, A.I. (2008), Tsifrovaya obrabotka aerokosmicheskikh izobrazheniy [Aerospace images digital processing], IPK SFU, Krasnoyarsk, 121 p.

Gonzalez, R. and Woods, R. (2008), Digital Image Processing, Pearson Prentice Hall, 954 p.

LeCun, Y. and Bengio, Y. (1995), Convolutional networks for images, speech and time series, The handbook of brain theory and neural network, Vol. 3361, No 10, MIT Press, pp. 276–279.

Gorbachevskaya, E.N. and Krasnov, S.S. (2015), Istoryia razvityia neironnikh setei, [History of neural networks development], Vestnik Volzhskogo universiteta imeni V.N. Tatyshcheva [Bulletin of the Volga University named after V.N. Tatischev], VUiT, Tolyatti, No 1 (23), pp. 52-56.

LeCun, Y., Kavukcuoglu, K.. and Farabet, C. (2010), Convolutional Networks and Applications in Vision, Proceedings of 2010 IEEE International Symposium on Circuitsс and Systems (ISCAS’10), IEEE, Paris, pp. 253–256.

Galushkin, A.I. (2012), Neironnye seti. Osnovy teorii, [Neural networks. Fundamentals of the theory], Horiachaia Lynyia – Telekom, Moscow, 496 p.

Barannyk, V.V. and Podorozhniak, A.A. (2014), Metod intellektualyzatsyy obrabotky dannikh v bortovoi apparature systemi dystantsyonnoho zondyrovanyia zemly [The method of data processing intellectualization in on-board equipment of the Earth remote sensing system], Suchasna spetsialna tekhnika [Modern special technique], DNDI MVS Ukrainy, Kyiv, No 2 (37), pp. 5-13.

Podorozhniak, A.O. Pribyliev, Yu.B. and Torokhtii, D.I. (2014), Metod intelektualnoi obrobky danykh dystantsiinoho zonduvannia Zemli [The method of intellectual data processing of remote sensing], Systemy obrobky informatsii [Information processing systems], KhUPS, Kharkiv, No 2 (118), pp. 48-51.

Podorozhniak, A.O., Liubchenko, N.Yu. and Lagoda, O.D. (2015), Metod intelektualnoi obrobky multyspektralnykh zobrazhen [The method of intellectual multispectral image processing], Sistemi obrobki informatsii [Information processing systems], KhUPS, Kharkiv, No 10 (135), pp. 123-125.

Podorozhnyak, A.A. (2014), Metod viyavlenyia obektov interesa pry obrabotke dannikh v systeme dystantsyonnoho zondyrovanyia zemly, [Method of interest objects detection while processing data in the system of earth remote sensing], Informacijno-kerujuchi systemy na zaliznychnomu transporti [Information management systems in the railway transport], UkrDAZT, Kharkiv, No 4, pp. 60-64.

Digital map service Here.com, available at: https://here.com/en (last accessed January 23, 2017).

Bondarchuk, V.K., Podorozhniak, A.O. and Liubchenko, N.Yu. (2016), Vykorystannia zghortkovykh neiromerezh dlia rozpiznavannia obiektiv na zobrazhenniakh [Use of convolutional neural networks to recognize objects in images], Tezy 16 mizhnarodnoi naukovo-tekhnichnoi konferentsii Problemi informatiky i modeliuvannia [Proceedings of 16th International scientific and technical conference Problems of Informatics and Modeling], NTU "KhPI", Kharkiv, p. 54.




Copyright (c) 2020 Natalia Liubchenko, Andrii Podorozhniak, Viktor Bondarchuk