vmaitComputational Mathematics and Information TechnologiesComputational Mathematics and Information Technologies2587-8999Донской государственный технический университет10.23947/2587-8999-2017-2-185-193vmait-93Research ArticleСтатьиОбнаружение строений на спутниковых снимках с использованием карты высотBuilding detection in remote sensing images using a digital surface modelДунаеваАлександра ВалерьевнаDunaevaAlexandra Valerievna

Дунаева Александра Валерьевна, математик, отдел прикладных проблем управления, ФГБУН Институт математики и механики им. Н.Н. Красовского УрО РАН (620990, Российская Федерация, г. Екатеринбург, ул. Софьи Ковалевской, д. 16); ассистент, кафедра высокопроизводительных компьютерных технологий, Институт естественных наук и математики, ФГБОУ ВО Уральский федеральный университет им. первого Президента России Б.Н. Ельцина (620002, Российская Федерация, Екатеринбург, ул. Мира, 19)

Dunaeva Alexandra Valerievna, mathematician, Department of Applied Management Problems, N.N. Krasovskii Institute of Mathematics and Mechanics of the Ural Branch of the Russian Academy of Sciences (S. Kovalevskaya street 16,Yekaterinburg, Russia, 620990); assistant, Department of High-Performance Computer Technologies, Ural Federal University named after the first President of Russia B.N. Yeltsin (Mira street 19, Yekaterinburg, Russia, 620002)

maryanova.av@yandex.ruКорниловФёдор АндреевичKornilovFedor Andreevich

Корнилов Фёдор Андреевич, научный сотрудник отдела прикладных проблем управления, ФГБУН Институт математики и механики им. Н.Н. Красовского УрО РАН (620990, Российская Федерация, г. Екатеринбург, ул. Софьи Ковалевской, д. 16) кандидат физико-математических наук

Kornilov Fedor Andreevich, researcher, Department of Applied Problems of Management, N.N. Krasovskii Institute of Mathematics and Mechanics of the Ural Branch of the Russian Academy of Sciences (S. Kovalevskaya street 16, Yekaterinburg, Russia, 620990), candidate of Physico-Mathematical Sciences

kornilovfa@imm.uran.ruФГБУН Институт математики и механики им. Н.Н. Красовского УрО РАН (620990, Российская Федерация, г. Екатеринбург, ул. Софьи Ковалевской, д. 16); Институт естественных наук и математики, ФГБОУ ВО Уральский федеральный университет им. первого Президента России Б.Н. Ельцина (620002, Российская Федерация, Екатеринбург, ул. Мира, 19)РоссияN.N. Krasovskii Institute of Mathematics and Mechanics of the Ural Branch of the Russian Academy of Sciences (S. Kovalevskaya street 16,Yekaterinburg, Russia, 620990); Ural Federal University named after the first President of Russia B.N. Yeltsin (Mira street 19, Yekaterinburg, Russia, 620002)Russian FederationФГБУН Институт математики и механики им. Н.Н. Красовского УрО РАН (620990, Российская Федерация, г. Екатеринбург, ул. Софьи Ковалевской, д. 16)РоссияN.N. Krasovskii Institute of Mathematics and Mechanics of the Ural Branch of the Russian Academy of Sciences (S. Kovalevskaya street 16, Yekaterinburg, Russia, 620990)Russian Federation2017300320231293Copyright © Дунаева А.В., Корнилов Ф.А., 20232023Дунаева А.В., Корнилов Ф.А.Dunaeva A.V., Kornilov F.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.cmit-journal.ru/jour/article/view/93

Работа посвящена задаче обнаружения строений и сооружений на спутниковых снимках земной поверхности. Предлагается схема алгоритма, основанного на выделении высотных объектов местности по карте высот и уточнении их границ на основе сегментации спектральной информации, что позволяет повысить точность распознавания. Приводятся результаты сравнения качества работы предложенного подхода с использованием различных алгоритмов сегментации изображений.

The paper considers an approach to detection of buildings and structures in the satellite imagery. The proposed method performs the extraction of high objects in a digital surface model and then improves the recognition accuracy using the segmentation of spectral information. The results of the quality comparison of the proposed approach with using different image segmentation algorithms are presented.

спутниковые снимкисегментацияобнаружение строенийкарта высотsatellite imagerysegmentationbuilding extractiondigital surface modelРабота выполнена при частичной поддержке комплексной программы ФНИ УрО РАН (проект 15-16-1-14).The research is done with the support from the comprehensive program of the FSR UrB, Project No. 15-16-1-14.ReferencesSinghal S., Radhika S. Automatic Detection of Buildings from Aerial Images Using Color Invariant Features and Canny Edge Detection. International Journal of Engineering Trends and Technology (IJETT) 11 (8). pp. 393-396, 2014.Singhal S., Radhika S. Automatic Detection of Buildings from Aerial Images Using Color Invariant Features and Canny Edge Detection. International Journal of Engineering Trends and Technology (IJETT) 11 (8). pp. 393-396, 2014.Ghafarian S., Ghafarian S. Automatic building detection based on supervised classification using high resolution Google Earth images. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 40 (3). pp 101-106. 2014.Ghafarian S., Ghafarian S. Automatic building detection based on supervised classification using high resolution Google Earth images. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 40 (3). pp 101-106. 2014.A. van Etten. Building Extraction with YOLT2 and SpaceNet Data. URL: https://medium.com/the-downlinq/building-extraction-with-yolt2-and-spacenet-data-a926f9ffac4fA. van Etten. Building Extraction with YOLT2 and SpaceNet Data. URL: https://medium.com/the-downlinq/building-extraction-with-yolt2-and-spacenet-data-a926f9ffac4fV.B. Kostousov, D.S. Perevalov, F.A. Kornilov. Digital terrain model generation from sattelite stereoscopic data // Materials of the XXX conference of the memory of the outstanding designer of gyroscopic instruments N.N. Ostryakova. – St. Petersburg: Concern CSRI Elektropribor, JSC. 2016. pp. 382-388.V.B. Kostousov, D.S. Perevalov, F.A. Kornilov. Digital terrain model generation from sattelite stereoscopic data // Materials of the XXX conference of the memory of the outstanding designer of gyroscopic instruments N.N. Ostryakova. – St. Petersburg: Concern CSRI Elektropribor, JSC. 2016. pp. 382-388.D. Comaniciu, P. Meer. Mean shift: A robust approach to feature space analysis // IEEE TPAMI. May 2002. Vol. 24. No. 5. pp. 603-619.D. Comaniciu, P. Meer. Mean shift: A robust approach to feature space analysis // IEEE TPAMI. May 2002. Vol. 24. No. 5. pp. 603-619.Cour T., Benezit F., and Shi, J. Spectral segmentation with multiscale graphs decomposition // IEEE TPAMI. August 2000. Vol. 22. No. 8. pp. 888-905.Cour T., Benezit F., and Shi, J. Spectral segmentation with multiscale graphs decomposition // IEEE TPAMI. August 2000. Vol. 22. No. 8. pp. 888-905.M. Galun, E. Sharon, R. Basri, A. Brandt. Texture segmentation by multiscale aggregation of filter responses and shape elements // ICCV. Vol. 2. 2003.pp. 716-723.M. Galun, E. Sharon, R. Basri, A. Brandt. Texture segmentation by multiscale aggregation of filter responses and shape elements // ICCV. Vol. 2. 2003.pp. 716-723.P. Arbelaez, M. Maire, C. Fowlkes, J. Malik. Contour Detection and Hierarchical Image Segmentation // IEEE TPAMI, Vol. 33. No. 5. 2011. pp. 898-916.P. Arbelaez, M. Maire, C. Fowlkes, J. Malik. Contour Detection and Hierarchical Image Segmentation // IEEE TPAMI, Vol. 33. No. 5. 2011. pp. 898-916.Arbelaez P., Pont-Tuset J., Barron J.T., Marques F., Malik J. Multiscale Combinatorial Grouping // IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2014. pp. 328-335.Arbelaez P., Pont-Tuset J., Barron J.T., Marques F., Malik J. Multiscale Combinatorial Grouping // IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2014. pp. 328-335.K.K. Maninis, J. Pont-Tuset, P. Arbeláez, L. Van Gool. Convolutional Oriented Boundaries: From Image Segmentation to High-Level Tasks // IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Issue 99. 2017. pp. 1-14.K.K. Maninis, J. Pont-Tuset, P. Arbeláez, L. Van Gool. Convolutional Oriented Boundaries: From Image Segmentation to High-Level Tasks // IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Issue 99. 2017. pp. 1-14.M. Everingham, L. Van Gool, C. K. I. Williams, J. Winn, A. Zisserman. The PASCAL Visual Object Classes Challenge 2012 (VOC2012) Results // URL: http://www.pascalnetwork.org/challenges/VOC/voc2012/workshop/index.htmlM. Everingham, L. Van Gool, C. K. I. Williams, J. Winn, A. Zisserman. The PASCAL Visual Object Classes Challenge 2012 (VOC2012) Results // URL: http://www.pascalnetwork.org/challenges/VOC/voc2012/workshop/index.htmlA.V. Maryanova. The investigation of the quality of image segmentation algorithms depending on the size of objects in the image // Proceedings of the 46th International Youth School-Conference «Actual problems of mathematics and its applications», Ekaterinburg. 2015. pp. 129-134.A.V. Maryanova. The investigation of the quality of image segmentation algorithms depending on the size of objects in the image // Proceedings of the 46th International Youth School-Conference «Actual problems of mathematics and its applications», Ekaterinburg. 2015. pp. 129-134.V.V. Kozoderov, Т.V. Kondranin. Methods for assessing the state of soil and vegetation cover from optical remote sensing systems. Moscow, MIPT. 2008. 222 p.V.V. Kozoderov, Т.V. Kondranin. Methods for assessing the state of soil and vegetation cover from optical remote sensing systems. Moscow, MIPT. 2008. 222 p.

The authors declare that there are no conflicts of interest present.