RU2640331C2

RU2640331C2 - Method of identifying extended objects of earth surface

Info

Publication number: RU2640331C2
Application number: RU2015153226A
Authority: RU
Inventors: Имран Гурру оглы Акперов; Сергей Олегович Крамаров; Владимир Викторович Храмов; Ольга Юрьевна Митясова; Виктор Иванович Повх
Original assignee: Частное образовательное учреждение высшего образования "ЮЖНЫЙ УНИВЕРСИТЕТ (ИУБиП)"
Priority date: 2015-12-11
Filing date: 2015-12-11
Publication date: 2017-12-27
Also published as: RU2015153226A

Abstract

FIELD: physics.SUBSTANCE: pre-processing of the original image, bringing the image of an object input into a computer device to a normal standard scale for this modifying method, centering, fitting in a rectangle of the desired size, comparing in turn with the templates stored in computer memory that are stored in a vector model, which is compared with an input image by a neural network, are performed. Comparison is performed by analyzing signs outline each of the objects in the image of the Earth surface, and a comparison is performed for each attribute, and it is decided about the coincidence of the vector models of the target image and the reference objects.EFFECT: increasing the accuracy of position and location in the local coordinate system of the target.2 dwg

Description

Изобретение относится к способам проведения исследований и мониторинга протяженных объектов на поверхности Земли в ходе дистанционного зондирования (ДЗЗ) и может быть использовано как для оперативной идентификации и повышения точности определения местоопределения целевых объектов, так и для оценки характеристик местоположения космического аппарата.The invention relates to methods for conducting research and monitoring of extended objects on the Earth's surface during remote sensing (ERS) and can be used both for quick identification and improving the accuracy of determining the location of target objects, and for assessing the characteristics of the location of a spacecraft.

Заявленное изобретение направлено как на решение задач собственно идентификации, так и на повышение точности определения местоположения и расположения в местной системе координат целевого объекта за счет учета его расположения относительно соседних с ним объектов.The claimed invention is aimed both at solving the problems of identification itself, and at improving the accuracy of determining the location and location in the local coordinate system of the target object by taking into account its location relative to neighboring objects.

Поставленная задача возникает при мониторинге состояния объектов сельхозназначения, инфраструктуры объектов железнодорожного и автомобильного транспорта, сети трубопроводов различного назначения, а также для решения навигационной задачи на космических аппаратах и т.п.The problem arises when monitoring the status of agricultural facilities, infrastructure of railway and road transport facilities, a network of pipelines for various purposes, as well as to solve the navigation problem on spacecraft, etc.

Изобретение относится к вычислительной технике и может быть использовано в системах технического зрения для идентификации протяженных объектов земной поверхности на изображении.The invention relates to computer technology and can be used in vision systems to identify extended objects of the earth's surface in the image.

Известен способ распознавания сложного графического объекта (Патент Россия 2005 г. №2297039 Россия, кл. G06K 9/62), заключающийся в том, что изображения всех эталонных объектов разбивают на пересекающиеся доменные блоки, представляющие собой часть изображения в виде квадрата, а изображение анализируемого объекта разбивают на непересекающиеся ранговые блоки, размер которых меньше доменных блоков, и производят поиск наилучшего сопоставления всех ранговых блоков анализируемого изображения и доменных блоков всех эталонных изображений с использованием сжимающих аффинных преобразований, результат подают на классификатор, а затем принимают решение о совпадении изображений анализируемого объекта с эталонным, отличающийся тем, что одновременно с поиском доменно-ранговых сопоставлений для каждого эталонного объекта формируют векторы расстояний между геометрическими центрами сопоставленных доменных, для эталонного объекта, и ранговых, для анализируемого объекта, блоков, записывают их в виде таблицы, после завершений сопоставления таблицу подают на классификатор, а решение о совпадении анализируемого изображения с одним из эталонных принимают по наименьшему расстоянию между анализируемым и эталонным изображением, полученному от классификатора.A known method for recognizing a complex graphic object (Patent Russia 2005, No. 2297039 Russia, CL G06K 9/62), which consists in the fact that the images of all reference objects are divided into intersecting domain blocks, which are part of the image in the form of a square, and the image of the analyzed objects are divided into disjoint rank blocks, the size of which is smaller than domain blocks, and search for the best comparison of all ranking blocks of the analyzed image and domain blocks of all reference images using by compressing affine transformations, the result is fed to the classifier, and then a decision is made on whether the images of the analyzed object coincide with the reference one, characterized in that at the same time as searching for domain-rank comparisons for each reference object, the distance vectors between the geometric centers of the associated domain are formed for the reference object, and ranking, for the analyzed object, blocks, write them in the form of a table, after completion of the comparison, the table is submitted to the classifier, and the decision on coincidence Diligence of the analyzed image with one of the reference is taken at the smallest distance between the analyzed and the reference image received from the classifier.

Наиболее близким к предлагаемому является способ идентификации объектов (Патент 2234127, Россия, кл. G06K 9/68), который предусматривает предварительное приведение изображения объекта, вводимого в компьютер, к нормальному, стандартному для данного способа виду - изменению масштаба, поворот в требуемое положение, центрирование, вписывание в прямоугольник требуемого размера, преобразование изображения объекта в изображение, выполненное в градациях - различных степенях яркости - одного цвета, на которое последовательно, поочередно накладываются изображения хранящихся в памяти компьютера шаблонов, отличающийся тем, что программа распознавания объектов может пошагово совмещать нормализованные изображения распознаваемых объектов, центрированных и вписанных в одинаковых размеров ячейки таблицы и шаблонов, центрированных и вписанных в аналогичные ячейки таблицы шаблонов, с шагом, равным высоте строки с ячейками или ширине столбца ячеек таблиц, причем в каждом из столбцов или в каждой из строк таблицы шаблонов, число которых равно числу столбцов или строк в таблице распознаваемых объектов, находится полный комплект шаблонов.Closest to the proposed one is a method for identifying objects (Patent 2234127, Russia, class G06K 9/68), which provides for preliminary reduction of the image of an object entered into a computer to a normal, standard form for this method - zooming, rotation to the desired position, centering, fitting into the rectangle of the required size, converting the image of the object into an image made in gradations - various degrees of brightness - one color, which are sequentially, alternately superimposed images of templates stored in the computer’s memory, characterized in that the object recognition program can step-by-step combine normalized images of recognizable objects centered and inscribed in the same cell size of the table and patterns centered and inscribed in similar cells in the template table, in increments equal to the height of the row with cells or the width of the column of table cells, and in each of the columns or in each of the rows of the table of patterns, the number of which is equal to the number of columns or rows in the table recognized objects, is a complete set of templates.

Недостатками данного способа являются отсутствие инвариантности к аффинным преобразованиям поворота объекта, а также необходимость полного перебора шаблонов больших размеров при распознавании.The disadvantages of this method are the lack of invariance for affine transformations of the rotation of the object, as well as the need for a complete enumeration of large templates in recognition.

Для устранения этих недостатков в предлагаемом способе идентификации протяженных объектов земной поверхности на космических снимках выполняют предварительную обработку исходного изображения, приведение изображения объекта, вводимого в вычислительное устройство, к нормальному, стандартному для данного способа видоизменения масштабу, центрирование, вписывание в прямоугольник требуемого размера, выделение контуров (Фиг. 1) всех объектов на космическом снимке, формирование признаков распознавания, инвариантных к повороту, поочередное сравнение с хранящимися в памяти компьютера эталонами, которые хранят в виде векторной модели, сравнивают их посредством нейросети, причем сравнение производят путем анализа признаков формы контура каждого из находящихся на изображении объектов земной поверхности, производят сравнение по каждому признаку, и принимают решение о совпадении векторных моделей целевого объекта на изображения и эталонных объектов.To eliminate these shortcomings in the proposed method for identifying extended objects of the earth's surface in satellite images, preliminary processing of the original image is performed, the image of the object introduced into the computing device is brought to normal, standard for this method of scale modification, centering, inscribing into the rectangle of the required size, outlining (Fig. 1) of all objects in a satellite image, the formation of recognition signs that are invariant to rotation, alternately comparison with the standards stored in the computer’s memory, which are stored in the form of a vector model, they are compared using a neural network, and the comparison is made by analyzing the shape of the contour of each of the objects on the earth’s surface, a comparison is made for each feature, and a decision is made on the coincidence of vector models target object on images and reference objects.

Кроме целевого идентифицируют и соседние с ним объекты, определяют центры тяжести целевого и соседних с ним контуров объектов, строят графы (Фиг. 2) и матрицы связности совокупности протяженных объектов, которые используют в качестве дополнительных признаков идентификации, производится их сравнение и принимается решение об идентификации целевого объекта.In addition to the target, it also identifies objects adjacent to it, determines the centers of gravity of the target and neighboring contours of objects, constructs graphs (Fig. 2) and connectivity matrices of the set of extended objects that are used as additional signs of identification, they are compared and a decision is made to identify target object.

Сущность предлагаемого способа состоит в том, что космический снимок участка земной поверхности фиксируется, а полученные цифровые растровые изображения подвергают обработке. Используя цепной код Фримена по связности 4, выделяются контуры объектов. Затем выделяют точки начала обхода контуров, в качестве которых используются, крайние: верхняя, правая, левая и нижняя. Далее выполняют обход, относительно каждой из начальных точек, внешнего контура объекта. Во время обхода производится получение признаков (расчет числовых коэффициентов) согласно формулам (1) и (2):The essence of the proposed method is that a satellite image of a plot of the earth's surface is fixed, and the resulting digital raster images are processed. Using the Freeman chain code for connectivity 4, the contours of objects are distinguished. Then, the points of the beginning of the circuit traversal are selected, which are used as extreme ones: upper, right, left and lower. Next, a bypass is performed relative to each of the starting points of the external contour of the object. During the tour, signs are obtained (calculation of numerical coefficients) according to formulas (1) and (2):

где Fx, Fy - преобразования Лапласа параметрического описания контура распознаваемого объекта; l_x и l_y - значения элементарных векторов на шаге x и y соответственно, при движении по контуру от первой (0) до последней (S) точки; w - коэффициент веса.where Fx, Fy are the Laplace transforms of the parametric description of the contour of a recognized object; l _x and l _y are the values of elementary vectors at step x and y, respectively, when moving along the contour from the first (0) to the last (S) point; w is the weight coefficient.

Рассчитанные коэффициенты последовательно используются в качестве входных параметров нейронной сети. Предварительно обученная трехслойная нейронная сеть на вход последовательно получает двумерный массив признаков формы. Учитывая информацию из всех источников, принимается решение по идентификации объекта.The calculated coefficients are sequentially used as input parameters of the neural network. A pre-trained three-layer neural network at the input sequentially receives a two-dimensional array of shape attributes. Given information from all sources, a decision is made to identify the object.

Для повышения достоверности идентификации целевого объекта и точности места его расположения используются принципы кворумного резервирования (Л.Б. Гройсберг, М.Д. Линденбаум. Расчет надежности систем с произвольной структурой при общем кворумном резервировании / Изв. АН СССР, Техническая кибернетика, №2, 1974, с. 66-70).To increase the reliability of identification of the target object and the accuracy of its location, the principles of quorum reservation are used (LB Groysberg, MD Lindenbaum. Calculation of the reliability of systems with an arbitrary structure for general quorum reservation / Izv. AN SSSR, Technical cybernetics, No. 2, 1974, p. 66-70).

Claims

A method for identifying extended objects of the earth’s surface in satellite images, in which preliminary processing of the original image is performed, the image of the object introduced into the computing device is brought to a single scale, centered, inscribed in a rectangle of the required size, and compared with reference objects in the computer’s memory, which stored in the form of a vector model, which is compared with the input image by means of a neural network, characterized in that the comparison is made it is by comparing the integral features of the contour shape, calculated by the formulas, for each of the objects on the earth’s surface, and each feature is compared, and a decision is made on the coincidence of the vector models of the target object on the image and the reference objects, then the neighboring ones with the target objects, determine the centers of gravity of the target and neighboring contours of objects, build connectivity matrices of the totality of extended objects, which are used as additional feature identification, produce a comparison and deciding on the final identification of the target object.