Моделирование рассуждений при поиске и описании объектов на космоснимках

Abstract

В статье представлен подход к проблеме контекстного поиска и описания объектов на растровых космоснимках, заключающийся в моделировании рассуждений на основе структурированных прецедентов. В результате обработки изображения строится граф смежности цветовых областей. Объект характеризуется цветом, атрибутами формы отрезков границы и формы объекта в целом. Структурированный прецедент представляется в виде лучевого графа, дуги которого упорядочены в соответствии с положительным обходом границ областей. С помощью алгоритма сопоставления графов в анализируемом изображении выявляются вхождения прецедентов из базы данных системы. При обнаружении вхождения применяется правило прецедентного вывода. Степень принадлежности объекта некоторому классу зависит не только от свойств самого объекта, но и от достоверности окружающих его объектов. Стратегия контекстного поиска содержит этапы рекурсии и итерации. В отличие от нейросетевых технологий, предложенный подход позволяет не только классифицировать изображенные объекты, но и получать их структурированные описания. Кроме того, выдаваемое системой классификационное решение имеет аргументированное обоснование. Результаты эксперимента показывают, что рассуждения на основе структурированных прецедентов позволяют уточнять результаты классификации и повышать достоверность распознавания объектов на космоснимках.

The article presents an approach to a problem of contextual search and description of objects in raster satellite images, which consists in modeling reasoning on the basis of structured cases. As a result of image processing, an adjacency graph of color regions is constructed. The object is characterized by color, attributes of the form of segments of the border and the shape of the object as a whole. A structured case is represented in the form of a beam graph, whose arcs are ordered according to a positive bypass of the region boundaries. Using a graph matching algorithm, occurrences of cases stored in the system database are detected in the analyzed image. When the occurrence is detected, a case-based inference rule is applied. The degree to which an object belongs to a certain class depends not only on the properties of the object itself, but also on the reliability of the surrounding objects. The contextual search strategy contains stages of recursion and iteration. In contrast to neural network technologies, the proposed approach allows one not only to classify image objects, but also to form their structured descriptions. In addition, the classification decision issued by the system has a reasoned justification. The results of the experiment show that reasoning based on structured cases allows refining the results of classification and increasing the reliability of object recognition in satellite images.