INFORMATIONAL SWARM TECHNOLOGY OF THE THEMATIC IMAGES SEGMENTATION OBTAINED FROM ON-BOARD SYSTEMS OF OPTICAL-ELECTRONIC OBSERVATION
DOI:
https://doi.org/10.26906/SUNZ.2018.3.026Keywords:
onboard surveillance system, optical-electronic image, thematic segmentation, information technology, swarm methods, artificial bee colony, fitness function, segmentation threshold, optimization, multiscale sequenceAbstract
The subject matter of the article is information swarm technology for thematic images segmentation obtained from onboard optical-electronic surveillance systems. The goal is to develop of information technology segmentation, which is based on the swarm methods of the thematic optical-electronic image segmentation. The tasks to analysis of the levels of opticalelectronic image interpretation technology, analysis of the main processing steps of the optical-electronic image and the levels of localization of objects of interest at the recognition stage, analysis of the basic requirements for thematic image segments, analysis of known methods and information technology for segmentation of images obtained from airborne surveillance systems, justification of the fitness function of thematic segmentation and the selection of the optimal segmentation threshold, development of information swarm technologies segmentation obtained from onboard system of optical-electronic observation, demonstration test example thematic color image segmentation. The methods used are: methods of probability theory, mathematical statistics, swarm intelligence, data clustering, evolutionary calculations, optimization methods, mathematical modeling and digital image processing. The following results were obtained. It is established that the main stage of image processing obtained from airborne surveillance systems is the stage of thematic segmentation. It is established that at present a small number of studies are devoted to solving the problem of thematic segmentation of images obtained from airborne surveillance systems. It is established that the objective function is a function that is defined as the sum of the pixel intensity dispersions within each thematic segment, and optimization consists in minimizing the objective function. The basis of information technology is based on improved methods of swarm intelligence (an artificial bee colony) for thematic segmentation of the optical-electronic image and swarm intelligence (an artificial bee colony) of thematic segmentation of a multiscale sequence of optical-electronic images. Conclusions. The scientific novelty of the results obtained is as follows: an increase in the visual quality of the segmented image, which subsequently significantly affects the solution of the problem of image decoding.Downloads
References
Лаврінчук О.В. Аналіз технології дешифрування космічних знімків / О.В. Лаврінчук, С.В. Гринюк, М.Ю. Ракушев // Сучасні інформаційні технології у сфері безпеки та оборони, 2017. – № 3 (30). – С. 45–49.
Попов М.О. Шляхи отримання космічної інформації в інтересах національної безпеки та оборони / М.О. Попов //. Наука і оборона, 2003. – № 2. С. 38–50.
Ковбасюк С.В. Методичні підходи до процесу дешифрування даних дистанційного зондування Землі середньої розрізненості в інтересах національної безпеки й оборони / С.В. Ковбасюк, Д.Л. Федорчук, Г.Д. Носова // Збірник наукових праць ЖВІ ДУТ, 2015. – Вип. 10. – С. 87–94.
Олізаренко С.А. Розробка архітектури нечіткої згорточної нейронної мережі для розпізнавання компактних (точкових) об’єктів на цифровому аерофотознімку / С.А. Олізаренко, В.А. Капранов, Р.В. Сафронов // Системи озброєння та військова техніка, 2016. – Вип. 4 (48). – С. 38–41.
Тимочко А.И. Метод дешифрирования аэроснимков на основе признакового пространства / А.И. Тимочко, С.А. Олизаренко, О.Ю. Лавров // Системи обробки інформації, 2015. – Вип. 1 (126). – С. 84–87.
Самойленко О.В. Перспективи розвитку наземних комплексів приймання та цифрової обробки матеріалів повітряної розвідки Збройних Сил України / О.В Самойленко, С.О. Пономаренко, М.О. Ладик // Збірник наукових праць Державного науково-дослідного інституту авіації, 2016. – Вип. № 12 (19). – С. 115–120.
Попов М.О. Видова космічна розвідка в локальних військових конфліктах / М.О. Попов, М.В. Топольницький, В.О. Подліпаєв // Наука і оборона, 2015. – № 1. – С. 25–35.
Шитова О.В. Комплексное дешифрирование изображений аэрофоторазведки цифровыми методами / О.В. Шитова // Наука і техніка Повітряних Сил Збройних Сил України, 2014. – №. 1. – С. 78–82.
Гонсалес Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. Москва: Техносфера, 2005. – 1072 с.
Красильников Н.Н. Цифровая обработка 2D- и 3D-изображений: Учебное пособие / Н.Н. Красильников // Санкт-Петербург: БХВ – Петербург, 2011. – 608 с.
Колючкин В.Я. Алгоритмы обработки изображения в системах машинного зрения роботизированных производственных линий / В.Я. Колючкин, К.М. Нгуен, Т.Х. Чан // Нейрокомпьютеры: разработка, применение, 2014. – № 3. – С. 44–51.
Wang Y.S. A New Image Threshold Segmentation based on Fuzzy Entropy and Improved Intelligent Optimization Algorithm / Y.S. Wang // Journal of Multimedia, 2014. – Vol. 9. – № 4. – P. 499–505.
Faroogue M.Y. Latest trends on image segmentation schemes / M.Y.Faroogue, M.S.Raeen // International journal of advanced research in computer science and software engineering, 2014. – Vol. 4. – № 10. – P. 792–795.
Choudhary R. Recent trends and techniques in image enhancement using differential evolution – a survey / R.Choudhary., R.Gupta // International journal of advanced research in computer science and software engineering, 2017. – Vol. 7. – № 4. – P. 106–112.
Sarmah S. A grid-density based technique for finding clusters in satellite image / S.Sarmah, D.K.Bhattacharyya // Pattern Recognition Letters, 2012. – Vol. 33. – No. 5. – P. 589–604.
Hu X. Automatic segmentation of high-resolution satellite imagery by integrating texture, intensity, and color features / X.Hu, C.V.Tao, B.Prenzel // Photogrammetric Engineering & Remote Sensing, 2005. – Vol. 71. – No. 12. – P. 1399–1406.
Wang A. Segmentation of multispectral high-resolution satellite imagery based on integrated feature distributions / A.Wang, S.Wang, A.Lucieer // International Journal of Remote Sensing, 2010. – Vol. 31. – No. 6. – P. 1471–1483.
Wuest B. Region Based Segmentation of Quickbird Imagery Through Fuzzy Integration / B.Wuest, Y.Zhang // Proc. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (IAPRS), 2008. – Vol. 37, part B7. – P. 491–496.
Hu Z. A spatially-constrained color–texture model for hierarchical VHR image segmentation / Z.Hu, Z.Wu, Q.Zhang, Q.Fan, J.Xu // Geoscience and Remote Sensing Letters, IEEE, 2013. – Vol. 10. – No. 1. – P. 120–124.
Yuan J. Remote sensing image segmentation by combining spectral and texture features / J.Yuan, D.L.Wang, R.Li // IEEE Transactions on Geoscience and Remote Sensing, 2014. – Vol. 52. – No. 1. – P. 16–24.
Senturk, S. Unsupervised classification of vineyard parcels using SPOT5 images by utilizing spectral and textural features / S.Senturk, K.Taşdemir, S.Kaya, E.Sertel // Proc. 2nd International Conference on Agro-Geoinformatics. – IEEE, 2013. – P. 61–65.
Рубан І.В. Інформаційна технологія сегментування зображень, отриманих з бортових систем оптико-електронного спостереження / І.В. Рубан., В.Г. Худов, В.О. Подліпаєв // Системи озброєння та військова техніка, 2017. – № 2 (50). – С. 110–113.
Хижняк І.А. Сегментування зображення, що отримано з бортової системи оптико-електронного спостереження, ройовим методом / І.А. Хижняк // Системи озброєння та військова техніка, 2017. – № 2 (50). – С. 140–143.
Аналіз відомих методів сегментування зображень, що отримані з бортових систем оптико-електронного спостереження / В.Г. Худов, Г.А. Кучук, О.М. Маковейчук, А.В. Крижний // Системи обробки інформації. – 2016. – Вип. 9. – С. 77-80.
Метод ройового інтелекту (штучної бджолиної колонії (АВС)) тематичного сегментування оптико-електронного зображення / І.А. Хижняк, О.М. Маковейчук, Р.Г. Худов, В.О. Подліпаєв, Г.В. Горбань, Г.В. Худов // Системи управління, навігації та зв’язку, 2018. – Вип. 2 (48). – С. 91–96.
IKONOS Satellite Image Gallery (Archived) [Електронний ресурс]. – Режим доступу до зображень сайту: http://www.satimagingcorp.com/gallery/ikonos.
