Программные продукты и системы

Получаемые с орбитальных носителей данные дистанционного зондирования (ДДЗ) Земли являются источником обширной и разнородной информации о наземных объектах.

Детектирование и классификация объектов в транспортном потоке (ТП) на спутниковых изображениях составляют важную часть решения задач интерпретации данных, получаемых из систем ДДЗ.

Современный подход основан на поэтапном извлечении маски дорожного полотна, обнаружении областей внутри маски, предположительно, вмещающих транспортные средства (ТС), на применении различных детекторов для каждой обнаруженной области с целью распознавания объектов и их дальнейшей классификации. Выделяются признаки, характерные для искомого объекта: ключевые точки, контуры, яркостные характеристики объекта. Затем либо выполняется классификация каждого из таких признаков на предмет принадлежности к искомому объекту, либо близко расположенные признаки объединяются в группы, которые затем обрабатываются. В промежутках между основными этапами могут выполняться операции улучшения, сглаживания и фильтрации признаков. При отсутствии или недостаточной видимости подобных признаков у объектов на изображении успешного детектирования не происходит. В отличие от них нейросетевые подходы в значительной степени лишены подобного недостатка, так как признаки, на основе которых осуществляются детектирование и классификация, заранее не задаются человеком, а определяются в ходе машинного обучения. Как следствие, автоматически выделяются признаки, по которым детектирование объекта на тестирующей выборке выполняется лучше всего.

Подробное описание дается в статье «Автоматизированное детектирование и классификация объектов в транспортном потоке на спутниковых снимках города», автор Тормозов В.С. (Тихоокеанский государственный университет, г. Хабаровск).