УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  ƒиане —.ј. ., ¬ытовтов  .ј., Ѕарабанова ≈.ј.
Ќазвание:  јлгоритм анализа мультиспектральных аэрофотоснимков дл€ идентификации загр€знений водоемов с использованием аналитических методов и нейросетевых подходов
¬ыпуск:  108
–убрика:  »нформационные технологии в управлении
√од:  2024
Ѕиблиографи€:  ƒиане —.ј. ., ¬ытовтов  .ј., Ѕарабанова ≈.ј. јлгоритм анализа мультиспектральных аэрофотоснимков дл€ идентификации загр€знений водоемов с использованием аналитических методов и нейросетевых подходов // ”правление большими системами. ¬ыпуск 108. ћ.: »ѕ” –јЌ, 2024. —.98-123. DOI: https://doi.org/10.25728/ubs.2024.108.6
 лючевые слова:  аэрофотоснимок, аналитический метод, нейросетевой подход
 лючевые слова (англ.):  aerial photograph, analytical method, neural network approach
јннотаци€:  —тать€ посв€щена разработке алгоритмов анализа загр€знений на поверхности водоемов по визуальной информации, полученной с использованием мультиспектральной камеры, закрепленной на корпусе ЅѕЋј. ѕредложена структура алгоритмического комплекса дл€ анализа мультиспектральных аэрофотоснимков. ¬ рамках развиваемого подхода каждое из анализируемых изображений проходит процедуру предобработки, обеспечивающую выравнивание и совмещение его спектральных каналов в единый многомерный растр. –азработанный аналитический алгоритм позвол€ет осуществл€ть обработку и свертку каналов мультиспектрального изображени€ с применением трех математических операторов: полосовой фильтрации, изменени€ контраста и изменени€ €ркости. ѕри этом выбор параметров дл€ выделени€ загр€знений на поверхности водоемов основан на предварительном этапе, св€занном с†максимизацией показател€ превышени€ контраста дл€ эталонной области. ѕредложенный нейросетевой алгоритм анализа загр€знений основываетс€ на применении метода скольз€щего окна в сочетании со сверточной архитектурой нейросетевого классификатора дл€ анализа фрагментов изображени€, расположенных по пр€моугольной сетке. Ќа основе программной реализации предложенных алгоритмов и графического интерфейса пользовател€ проведены экспериментальные исследовани€, которые подтвердили эффективность каждого из рассмотренных подходов и показали, что нейросетевой алгоритм выигрывает в точности, а аналитический подход легче поддаетс€ интерпретации с точки зрени€ эксперта.
јннотаци€ (англ.):  The article is devoted to the development of algorithms for the analysis of pollution on the surface of water bodies based on visual information obtained using a multispectral camera mounted on the body of a UAV. The structure of the algorithmic complex for the analysis of multispectral aerial photographs is proposed. Within the framework of the developed approach, each of the analyzed images undergoes a preprocessing procedure that ensures the alignment and alignment of its spectral channels into a single multidimensional raster. The developed analytical algorithm makes it possible to process and convolve the channels of a multispectral image using three mathematical operators - bandpass filtering, contrast change, and brightness change. At the same time, the choice of parameters for identifying pollution on the surface of water bodies is based on a preliminary stage associated with maximizing the contrast excess index for the reference area. The proposed neural network pollution analysis algorithm is based on the application of the sliding window method in combination with the convolutional architecture of the neural network classifier for the analysis of image fragments located on a rectangular grid. The software implementation of these algorithms, as well as the development of a graphical user interface, made it possible to confirm the assumption about the effectiveness of each of the considered approaches. Experimental studies have shown that the neural network algorithm wins in accuracy, and the analytical approach is easier to interpret from the point of view of an expert.

¬ формате PDF

ѕросмотров: 87, загрузок: 702, за мес€ц: 21.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены