Аналіз методів розпізнавання об’єктів та компресії зображень під час аерофотозйомки з безпілотних літальних апаратів
DOI:
https://doi.org/10.26642/ten-2023-1(91)-146-155Ключові слова:
нейронні мережі, глибоке навчання, машинне навчання, комп’ютерний зір, стиснення зображень, розпізнавання об’єктівАнотація
Останніми роками аерофотозйомка з безпілотних літальних апаратів (БПЛА) привернула значну увагу завдяки широкому спектру її застосувань, враховуючи картографування, спостереження та моніторинг навколишнього середовища. Ця наукова стаття присвячена аналізу методів розпізнавання об’єктів і стиснення зображень. Точне розпізнавання об’єктів у режимі реального часу покращує ситуаційну обізнаність, сприяючи швидкому прийняттю рішень і реагування в різних областях. Методи стиснення зображень забезпечують ефективне зберігання та передачу даних, усуваючи та покращуючи обмеження пропускної спроможності та ємності зберігання в системах БПЛА. Завдяки оптимізації цих процесів можна значно підвищити загальну продуктивність і ефективність аерофотозйомки за допомогою БПЛА. Результати цього дослідження мають значення у військовій сфері, де БПЛА широко використовуються для розвідки, спостереження та ідентифікації цілей. Точні методи розпізнавання об’єктів можуть покращити військову розвідку, забезпечуючи швидку ідентифікацію потенційних загроз, визначення критичних об’єктів або цілей, що становлять інтерес, і сприяючи ефективному тактичному плануванню. Розпізнавання об’єктів у реальному часі може допомогти у виявленні ворожих транспортних засобів, обладнання та особового складу, підвищуючи обізнаність про ситуацію на полі бою. Крім того, ефективні методи стиснення зображень можуть оптимізувати зберігання та передачу аерофотознімків, забезпечуючи швидкий обмін даними та аналіз під час воєнних операцій. Це може оптимізувати канали зв’язку та полегшити своєчасне прийняття рішень у військовій сфері розвідки. Наукова стаття містить комплексний аналіз існуючих методів розпізнавання об’єктів і стиснення зображень, які потеційно можуть бути використані для ефективної аеророзвідки з БПЛА. Критично оцінюючи ці методи, мета статті визначити їхні сильні сторони, обмеження та потенційні сфери для вдосконалення. Стаття дає цілісне уявлення про поточний стан справ у цій галузі, дозволяючи дослідникам і практикам отримати глибше розуміння доступних методів та можливості їх застосування у даній сфері.
Посилання
Zhang, J., Zhang, Y. and Chen, S. (2019), «Rozpiznavannia obiektiv na aerofotoznimkakh: ohliad», IEEE Transactions on Geoscience and Remote Sensing, No. 57, pp. 6695–6712.
Khompatraporn, C. and Sayyad Shirabad, J. (2018), «Vyiavlennia obiektiv na osnovi hlybokoho navchannia na aerofotoznimkakh», IEEE Access, No. 6, pp. 62585–62607.
Chen, Y., Lin, Z., Zhao, X. et al. (2017), «Ohliad metodiv rozpiznavannia obiektiv na aerofotoznimkakh», Frontiers of Computer Science, No.11, рр. 1021–1034.
Akgun, B., Ceylan, D. and Akar, G.B. (2019), «Rozpiznavannia obiektiv na znimkakh bezpilotnykh povitrianykh aparativ: kompleksnyi ohliad», Journal of Unmanned Vehicle Systems, No. 7, рр. 3–34.
Chen, L.C., Papandreou, G., Kokkinos, I. et al. (2018), «DeepLab: semantychna sehmentatsiia zobrazhen z vykorystanniam hlybokykh zghortkovykh merezh, rozshyrenykh zghortok ta povnozviazanykh uporiadkovanykh poliv», IEEE Transactions on Pattern Analysis and Machine Intelligence, No. 40, pp. 834–848.
Yang, C., Zhang, Q. and Huang, Q. (2019), «Vyvchennia kontekstu obiektiv dlia rozpiznavannia obiektiv na aerofotoznimkakh», IEEE Transactions on Geoscience and Remote Sensing, No. 57, pp. 840–853.
Li, J., Li, Q. and Zhang, C. (2020), «Adaptyvnyi alhorytm kompresii zobrazhen dlia dystantsiinoho zonduvannia na osnovi filtratsii v prostorovii oblasti», Remote Sensing, No. 12, рр. 1573.
Muzzamil, M., Anwar, S.M. and Saba, T. (2019), «Kompresiia zobrazhen z vykorystanniam hlybokykh zghortkovykh neiromerezh na bazi bezpilotnykh povitrianykh aparativ dlia dystantsiinoho zonduvannia», Remote Sensing Letters, No. 10, рр. 1113–1122.
Vakalopoulou, M., Karantzalos, K. and Komodakis, N. (2019), «Hlyboke navchannia dlia rozuminnia zobrazhen Zemli: ohliad naboriv danykh, metodiv ta vyklykiv», IEEE Transactions on Geoscience and Remote Sensing, No. 57, рр. 6690–6694.
Ma, X., Li, B., Zhang, C. et al. (2020), «Vtratna kompresiia zobrazhen z vykorystanniam heneratyvno-adversarnykh merezh dlia zobrazhen z dystantsiinoho zonduvannia», IEEE Transactions on Geoscience and Remote Sensing, No. 58, pp. 4780–4794.
Список використаної літератури:
Zhang J. Розпізнавання об’єктів на аерофотознімках: огляд / J.Zhang, Y.Zhang, S.Chen // IEEE Transactions on Geoscience and Remote Sensing. – 2019. – № 57. – С. 6695–6712.
Khompatraporn C. Виявлення об’єктів на основі глибокого навчання на аерофотознімках / C.Khompatraporn, J.Sayyad Shirabad // IEEE Access. – 2018. – № 6. – С. 62585–62607.
Огляд методів розпізнавання об’єктів на аерофотознімках / Y.Chen, Z.Lin, X.Zhao and other // Frontiers of Computer Science. – 2017. – № 11. – С. 1021–1034.
Akgun B. Розпізнавання об’єктів на знімках безпілотних повітряних апаратів: комплексний огляд / B.Akgun, D.Ceylan, G.B. Akar // Journal of Unmanned Vehicle Systems. – 2019. – № 7. – С. 3–34.
DeepLab: семантична сегментація зображень з використанням глибоких згорткових мереж, розширених згорток та повнозв'язаних упорядкованих полів / L.C. Chen, G.Papandreou, I.Kokkinos and other // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2018. – № 40. – С. 834–848.
Yang C. Вивчення контексту об’єктів для розпізнавання об’єктів на аерофотознімках / C.Yang, Q.Zhang, Q.Huang // IEEE Transactions on Geoscience and Remote Sensing. – 2019. – № 57. – С. 840–853.
Li J. Адаптивний алгоритм компресії зображень для дистанційного зондування на основі фільтрації в просторовій області / J.Li, Q.Li, C.Zhang // Remote Sensing. – 2020. – № 12. – С. 1573.
Muzzamil M. Компресія зображень з використанням глибоких згорткових нейромереж на базі безпілотних повітряних апаратів для дистанційного зондування / M.Muzzamil, S.M. Anwar, T.Saba // Remote Sensing Letters. – 2019. – № 10. – С. 1113–1122.
Vakalopoulou M. Глибоке навчання для розуміння зображень Землі: огляд наборів даних, методів та викликів / M.Vakalopoulou, K.Karantzalos, N.Komodakis // IEEE Transactions on Geoscience and Remote Sensing. – 2019. – № 57. – С. 6690–6694.
Втратна компресія зображень з використанням генеративно-адверсарних мереж для зображень з дистанційного зондування / X.Ma, B.Li, C.Zhang and other // IEEE Transactions on Geoscience and Remote Sensing. – 2020. – № 58. – С. 4780–4794.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Максим Юрійович Голенко , Дмитро Анатолійович Іванов , Андрій Анатолійович Єфіменко , Володимир Володимирович Воротніков
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
