Метод агрегирования предпочтений при определении пороговых значений яркости для распознавания объектов на оптических изображениях; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 335, № 3
| Parent link: | Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов=Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering: сетевое издание/ Национальный исследовательский Томский политехнический университет.— .— Томск: Изд-во ТПУ, 2015-.— 2413-1830 Т. 335, № 3.— 2024.— С. 17-30 |
|---|---|
| Tác giả chính: | |
| Tác giả khác: | |
| Tóm tắt: | Актуальность исследования обусловлена необходимостью автоматизации обработки больших объемов геофизической информации, извлекаемой из изображений, получаемых посредством аэрофотосъемки или космического дистанционного зондирования. Основным этапом обработки изображения с целью распознавания объектов является сегментация, состоящая в разделении изображения на две однородные четко различимые непересекающиеся области с известными границами. Простыми, но эффективными и поэтому популярными являются пороговые методы сегментации. Цель: описание результатов экспериментальных исследований применения ранее разработанного авторами робастного метода комплексирования интервалов агрегированием предпочтений для выбора пороговых значений при сегментации объектов на оптических изображениях. Объекты: изображения береговой линии, полученные с помощью спутников дистанционного зондирования Земли. Методы. Анализируемое изображение разбивается на равные полосы. По гистограмме яркости каждой полосы определяются характерный для нее интервал яркости. Для полученных интервалов яркости вычисляется результат комплексирования методом комплексирования интервалов агрегированием предпочтений, который используется в качестве порогового значения яркости при формировании сегментированного изображения. Результаты экспериментальных исследований 100 спутниковых изображений береговой линии показали, что предложенный метод обеспечил корректное разделение областей суши и моря на 84 изображениях, в то время как традиционные методы максимума энтропии, арифметического усреднения и Оцу показали корректные результаты только в, соответственно, 27, 76 и 73 случаях. Оценки метрик Precision, Recall и отклонения вычисленного порога от заведомо правильного значения показали доминирование предложенного метода над остальными протестированными методами по качеству сегментации. Relevance. The need to automate the processing large volumes of geophysical information extracted from images obtained through aerial photography or space remote sensing. The main stage of image processing for object recognition is segmentation. It consists in dividing the image into two homogeneous, clearly distinguishable non-overlapping areas with Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering. 2024. Vol. 335. No. 3. P. 17–30 Nguyen D.C., Muravyov S.V. Preference aggregation method in determining brightness threshold values for object ... 18 known boundaries. Threshold segmentation methods are simple but effective and therefore popular. Aim. To describe the experimental studies results of application of the robust method of interval fusion with preference aggregation previously developed by the authors for selecting threshold values when segmenting objects in optical images. Objects. Coastline images taken by Earth remote sensing satellites. Methods. The analyzed image is divided into equal bands. Based on the brightness histogram of each band, its characteristic brightness interval is determined. For the obtained brightness intervals, the fusion result is calculated using the interval fusion with preference aggregation method. The latter is used as a threshold brightness value when forming a segmented image. Results. The results of experimental studies of 100 satellite images of the coastline showed that the proposed method provided correct separation of land and sea regions in 84 images. And the traditional methods of maximum entropy, arithmetic averaging and Otsu showed correct results only in 27, 76 and 73 cases, respectively. Evaluations of such the metrics as Precision, Recall and deviation of the calculated threshold from a known correct value showed the dominance of the proposed method over other tested ones in terms of segmentation quality Текстовый файл |
| Ngôn ngữ: | Tiếng Nga |
| Được phát hành: |
2024
|
| Những chủ đề: | |
| Truy cập trực tuyến: | https://earchive.tpu.ru/handle/11683/81780 https://doi.org/10.18799/24131830/2024/3/4530 |
| Định dạng: | Điện tử Chương của sách |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=674006 |
MARC
| LEADER | 00000naa2a2200000 4500 | ||
|---|---|---|---|
| 001 | 674006 | ||
| 005 | 20241217101531.0 | ||
| 090 | |a 674006 | ||
| 100 | |a 20240808d2024 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drcn ---uucaa | ||
| 200 | 1 | |a Метод агрегирования предпочтений при определении пороговых значений яркости для распознавания объектов на оптических изображениях |d Preference aggregation method in determining brightness threshold values for object recognition on optical images |z eng |f Дык Кыонг Нгуен, Сергей Васильевич Муравьев | |
| 320 | |a Список литературы: с. 29 (27 назв.) | ||
| 330 | |a Актуальность исследования обусловлена необходимостью автоматизации обработки больших объемов геофизической информации, извлекаемой из изображений, получаемых посредством аэрофотосъемки или космического дистанционного зондирования. Основным этапом обработки изображения с целью распознавания объектов является сегментация, состоящая в разделении изображения на две однородные четко различимые непересекающиеся области с известными границами. Простыми, но эффективными и поэтому популярными являются пороговые методы сегментации. Цель: описание результатов экспериментальных исследований применения ранее разработанного авторами робастного метода комплексирования интервалов агрегированием предпочтений для выбора пороговых значений при сегментации объектов на оптических изображениях. Объекты: изображения береговой линии, полученные с помощью спутников дистанционного зондирования Земли. Методы. Анализируемое изображение разбивается на равные полосы. По гистограмме яркости каждой полосы определяются характерный для нее интервал яркости. Для полученных интервалов яркости вычисляется результат комплексирования методом комплексирования интервалов агрегированием предпочтений, который используется в качестве порогового значения яркости при формировании сегментированного изображения. Результаты экспериментальных исследований 100 спутниковых изображений береговой линии показали, что предложенный метод обеспечил корректное разделение областей суши и моря на 84 изображениях, в то время как традиционные методы максимума энтропии, арифметического усреднения и Оцу показали корректные результаты только в, соответственно, 27, 76 и 73 случаях. Оценки метрик Precision, Recall и отклонения вычисленного порога от заведомо правильного значения показали доминирование предложенного метода над остальными протестированными методами по качеству сегментации. | ||
| 330 | |a Relevance. The need to automate the processing large volumes of geophysical information extracted from images obtained through aerial photography or space remote sensing. The main stage of image processing for object recognition is segmentation. It consists in dividing the image into two homogeneous, clearly distinguishable non-overlapping areas with Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering. 2024. Vol. 335. No. 3. P. 17–30 Nguyen D.C., Muravyov S.V. Preference aggregation method in determining brightness threshold values for object ... 18 known boundaries. Threshold segmentation methods are simple but effective and therefore popular. Aim. To describe the experimental studies results of application of the robust method of interval fusion with preference aggregation previously developed by the authors for selecting threshold values when segmenting objects in optical images. Objects. Coastline images taken by Earth remote sensing satellites. Methods. The analyzed image is divided into equal bands. Based on the brightness histogram of each band, its characteristic brightness interval is determined. For the obtained brightness intervals, the fusion result is calculated using the interval fusion with preference aggregation method. The latter is used as a threshold brightness value when forming a segmented image. Results. The results of experimental studies of 100 satellite images of the coastline showed that the proposed method provided correct separation of land and sea regions in 84 images. And the traditional methods of maximum entropy, arithmetic averaging and Otsu showed correct results only in 27, 76 and 73 cases, respectively. Evaluations of such the metrics as Precision, Recall and deviation of the calculated threshold from a known correct value showed the dominance of the proposed method over other tested ones in terms of segmentation quality | ||
| 336 | |a Текстовый файл | ||
| 461 | 1 | |0 288378 |9 288378 |t Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов |l Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering |o сетевое издание |f Национальный исследовательский Томский политехнический университет |c Томск |n Изд-во ТПУ |d 2015- |x 2413-1830 | |
| 463 | 1 | |0 674002 |9 674002 |t Т. 335, № 3 |d 2024 |v С. 17-30 | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a сегментация изображения | |
| 610 | 1 | |a порог яркости | |
| 610 | 1 | |a комплексирование интервалов | |
| 610 | 1 | |a агрегирование предпочтений | |
| 610 | 1 | |a изображения дистанционного зондирования | |
| 610 | 1 | |a береговая линия | |
| 610 | 1 | |a image segmentation | |
| 610 | 1 | |a brightness threshold | |
| 610 | 1 | |a interval fusion | |
| 610 | 1 | |a preference aggregation | |
| 610 | 1 | |a Earth remote sensing images | |
| 610 | 1 | |a coastline | |
| 700 | 1 | |a Нгуен |b Д. К. |g Дык Кыонг | |
| 701 | 1 | |a Муравьев |b С. В. |c специалист в области контрольно-измерительной техники |c профессор Томского политехнического университета, доктор технических наук |f 1954- |g Сергей Васильевич |9 12979 | |
| 801 | 0 | |a RU |b 63413507 |c 20240808 | |
| 850 | |a 63413507 | ||
| 856 | 4 | |u https://earchive.tpu.ru/handle/11683/81780 |z https://earchive.tpu.ru/handle/11683/81780 | |
| 856 | 4 | |u https://doi.org/10.18799/24131830/2024/3/4530 |z https://doi.org/10.18799/24131830/2024/3/4530 | |
| 942 | |c CF | ||