1. ISTCGCAP
  2. Всі випуски
  3. Випуск 85, 2017
  4. Застосування методів математичної морфології під час дослідження ерозійних процесів за матеріалами аерофотозйомки

Застосування методів математичної морфології під час дослідження ерозійних процесів за матеріалами аерофотозйомки

ISTCGCAP.
2017;
Випуск 85, Номер 85
: стор. 76-82
https://doi.org/10.23939/istcgcap2017.01.076
Надіслано: Квітень 21, 2017
Автори:
  1. В. П. Мендель
1
Східноєвропейський національний університет імені Лесі Українки

Мета. Встановлення планового розподілу ерозійних “плям” на сільськогосподарських землях на основі опрацювання бінарних зображень матеріалів аерофотознімання із застосуванням методів морфолого-планіметричного аналізу. Методика. Запропонована методика основується на застосуванні нелінійних операторів, які математично описуються теоретико-множинним формалізмом. Математична морфологія використовує два основних морфологічні фільтри, які можна представити як послідовні комбінації двох етапів аналізу зображення на основі використання базових морфологічних операторів: стиснення і розширення. Результати. Для отримання максимальних характеристик зображення запропоновано опрацювати в такій послідовності: бінаризація, сегментація та морфолого-планіметричні визначення. Зміст бінаризації полягає у тому, що світлі плями, які показують вихід грунтотвірних порід на поверхню можна відділити за відомим методом проф. В. М. Соколова з послідовним розбиттям пікселів. Такий процес є найвживанішим у цифровій фотограмметрії. Поданий відповідний математичний апарат. Наступним етапом опрацювання бінарного зображення було виділення суміжних границь та ділянок шляхом сегментації методом Лапласа. У такому разі оцінено дві різні контрастності областей А і В. Для встановлення границь їхнього поділу оцінюються знаки другої похідної перепаду контрастності. Запропоновано здійснювати сегментацію згідно з теорією графів. Ілюстрацію такої сегментації представлено графічно. На третьому етапі опрацювання проводяться морфолого-планіметричні визначення на досліджуваному зображені з використанням піксельних масок розміром 2×2. Як результат можна обчислити статистичні розподіли плям на аерофотознімках за площею, периметром та фактором форми. Наукова новизна. Запропонована методика поетапного опрацювання аерознімків основується на використанні методу бінаризації та сегментації, які дають змогу отримати чіткіше зображення, а відповідно і точніші результати морфолого-планіметричних визначень. Практична значущість. За запропонованим алгоритмом були проаналізовано деякі морфометричні характеристики плям на аерофотознімках: площа, периметр та фактор форми. Приклади застосування, що підтверджують універсальність запропонованого методу під час аналізу зображень у мікрофотограмметрії наведено у роботі [Мельник, 2013].

аерофотознімання
сегментація
піксельна маска
бінаризація
ерозія
морфологічні фільтри
  1. Визильтер Ю.В. Теория и методы морфологического анализа изображений / Автореф. дисс. докт. физ.-мат. наук. – Самара, 2009. – 32 с.
  2. Дорожинський О.Л. Фотограмметрія / О.Л. Дорожинський, Р. Тукай. – Львів: Видавництво Національного університету "Львівська політехніка" – 2008. – 332 с.
  3. Замятин А.В. Анализ динамики земной поверхности по данным дистанционного зондирования Земли / А.В. Замятин, Н.Г. Марков – М.: ФИЗМАТЛИТ, 2007. – 176 с.
  4. Кендалл М. Геометрические вероятности. / М. Кендалл, П. Моран – М.: Наука, 1972. – 192 с.
  5. Кибернетический сборник. Новая серия Вып. 27. Сб. статей: Пер. с англ. – М.: Мир, 1990. – 200 с., ил.
  6. Марчуков В.С. Теория и методы тематической обработки аэрокосмических изображений на основе многоуровневой сегментации. Автореферат диссертации на соискание ученой степени доктора технических наук 25.00.34 – аэрокосмические исследования земли, фотограмметрия. Москва, МИИГАиК, 2011.
  7. Мельник В. М. Геометричне дослідження ерозійних процесів методом триплетної квазіконвергентної фототопографії / В. М. Мельник, В. П. Мендель // Науковий вісник Волинського національного університету імені Лесі Українки. 2012. – №18(243) – С. 179-186.
  8. Мельник В. Деякі питання ідентифікації моделей водної та вітрової ерозії / В. Мельник, В. Радзій, В. Мендель // Сучасні досягнення геодезичної науки та виробництва – 2013. – № І (25) – С. 139-144.
  9. Мельник В.М. Растрово-електронна стереомікрофрактографія: монографія / В.М. Мельник, А.В. Шостак. – Луцьк: ред.-вид. від. ВНУ ім. Лесі Українки, 2009. – 468 с.
  10. Молчанова В.С. Адаптивный пороговый метод бинаризации растровых изображений технических чертежей / В.С. Молчанова // Радіоелектроніка, інформатика, управління. – 2015. – № 2 – С.62-70.
  11. Процик М. Т. Методи фотограмметричного та картографічного супроводу багаторівневої системи моніторингу ерозійних грунтових процесів: автореф. дисертації канд. техн. наук / М. Т. Процик. – Львів, 2012. – 26 с.
  12. Розенфельд А. Распознавание образов и обработка изображений. – М.: Мир, 1972. – 230 с.
  13. Сальников И.И. Методы распознавания сложных бинарных изображений на основе построчного и следящего анализа / И.И. Сальников // «Искусственный интеллект». – 2013 – № 3. – С.242-252.
  14. Соколов В.Н. Автоматизированная система морфологического анализа скелетного компонента микроструктуры по РЭМ-изображениям / В.Н. Соколов, Д.И. Юрковец, О.В. Розгулина, В.Н. Мельник // Поверхность. Рентген., синхрон.  и нейтрон, исслед., 2002. – № 10. – С. 66-69.
  15. Соколов В.Н. Метод количественного анализа микроструктуры твердых тел по РЭМ изображениям / В.Н. Соколов, Д.И. Юрковец, О.В. Розгулина, В.Н. Мельник // Зав. лаб., 1997. – № 9. – Т.63. – С. 5-35.
  16. Тумська О.В. Дослідження автоматичної побудови цифрової моделі рельєфу VLL-методом за матеріалами аерофотознімання / О.В.Тумська, М.Т.Процик, В.Я.Янчак // Геодезія, картографія і аерофотознімання. – Львів, 2004. – Вип.65. – С.96-104.
  17. Шостак А.В. Оцінка дисперсних ґрунтів та їх основних реологічних властивостей / Шостак А.В.// Містобудування та територіальне планування. К., ‒ 2011. ‒ Вип. 39. С. 465-475.
  18. Fowlkes C., Martin D., Malik J. Learning Affinity Functions for Image Segmentation: Combining Patch-based and Gradient-based Approaches. 2003.
  19. Navon E., Miller O., Averbuch A. Color image seg­mentation based on adaptive local thresholds. Image and Vision Computing. 2012, no. 23, pp. 69–85.
  20. Pratikakis I., Gatos B., Ntirogiannis K. Document Image Binarization Contest (ICDAR 2013). ICDAR 2013: 12th International Conference on Document Analysis and Recognition, USA, Washington, 25–28 August, 2013. Washington, 2013, pp. 1471–1476
  21. Sauvola J., Pietikainen M. Adaptive Document Binariza­tion. Pattern Recognition. 2000, no. 33, pp. 225–236.
  22. Sergeev V., Sokolov V. Quantitative morphological analysis in a SEM-microcomputer system. J. Quantitative shape analysis of sing fie objects. Journal of microscopy, 1984, V.135, Pt.1, pp. 1–12.
  23. Serra J. Image Analysis and Mathematical Morphology. London: Academic Press. 1992, pp. 329–341.
  24. Yang Y. An adaptive logical method for binarization of degraded document images / Y. Yang, H. Yan // Pattern Recognition. – 2010. – Vol. 33. – P. 787–807.
  25. Zhang Y. Highlight Article: Understanding Image Fusion. Photogrammetric Engineering & Remote Sensing. 2004, Vol. 70, pp. 657–661.