|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ИНХС РАН |
||
Применение методов анализа формы для автоматизированного распознавания пространственных объектовдипломная работа (Бакалавр)
- Научный руководитель: Самсонов Т.Е.
- Автор: Тюкавин Андрей Юрьевич
- Тип: Бакалавр
- Организация, в которой проходила защита: МГУ имени М.В. Ломоносова
- Год защиты: 2015
- Аннотация: В настоящее время в географических исследованиях широко используется информа- ция из открытых баз пространственных данных, формируемых сообществом непро- фессиональных картографов, примером такой базы данных может являться проект OpenStreetMap. Наполнение подобных баз пространственных данных происходит из разных источников - по материалам дистанционного зондирования Земли, картам, негео- графическим базам данных; зачастую единственная доступная информация о многих пространственных объектах - их форма. Исследование характеристик формы объектов и их пространственных отношений может позволить разработать инструменты допол- нительной классификации объектов, то есть алгоритмы, позволяющие получать раз- нообразную качественную и количественную информацию, исследуя геометрические свойства контуров Отсутствие контроля на стадии векторизации и наполнения базы данных приводит к тому, что качество геометрии и атрибутов пространственных объектов остается на совести пользователей-участников проекта.Такая ситуация делает проблему контроля качества информации в базах пространственных данных актуальной. Широкое внедрение использования космических снимков сверхвысокого разрешения в географические исследования приводит к необходимости интерпретации сложного ри- сунка изображения. Специалист-дешифровщик, при условии высокой квалификации и глубокого понимания географических особенностей изучаемой территории, использует этот дешифровочный признак изображения при визуальном дешифрировании. Такие важные прямые дешифровочные признаки, как структура и текстура, определяющие рисунок изображения, очень сложно поддаются формализации, поэтому в настоящее время автоматизация дешифрирования космических снимков затрагивает в основном методы классификации изображения по спектральным яркостям. Все большая важность автоматизации в дешифрировании космических снимках де- лает актуальной проблему формализации экспертных знаний о форме и характере пространственного распределения объектов, как о признаках, формирующих сложный и своеобразный рисунок изображения. Цель работы экспериментальная оценка возможностей применения морфометрических характеристик и характеристик пространственного распределения для до- полнительной классификации объектов, полученных при дешифрировании аэрокосми- ческих снимков, и объектов баз пространственных данных, а также контроля качества в базах пространственных данных. Следует заметить, что создание универсального инструмента, позволяющего в ав- томатическом режиме распознавать и классифицировать пространственные объекты, подходящего для анализа данных любого вида в любом масштабе и при любом терри- ториальном охвате, в рамках данной работы представляется нам невозможным. Опи- санный выше модуль должен работать лишь для общегеографических данных, так как форма контуров объектов и явлений, изображаемых на тематических картах, зависит от слишком большого количества факторов и требует детального исследования для каж- дого частного случая. Для этой работы были выбраны данные масштаба и содержания генеральных планов городов как достаточно разнообразные по набору пространствен- ных объектов, форма которых близка к реальной в связи с малой степенью генерали- зации. Для достижения поставленной цели было необходимо решить следующие задачи: 1. изучить разработанные к настоящему моменту морфометрические характеристи- ки пространстенных объектов и подходы к их оценке, определить направления приложения анализа формы к задачам геоинформатики и дешифрирования дан- ных дистанционного зондирования Земли; 2. проанализировать возможности геоинформационного программного обеспечения с точки зрения анализа формы и расположения пространственных объектов; 3. разработать на языке Python специализированные инструменты для вычисления индексов извилистости, компактности, ортогональности формы и построения ха- рактеристических кривых, объединить их в экспериментальный модуль для клас- сификации векторных данных; 4. исследовать характеристики формы пространстенных объектов, а также их про- странственного распределения на примере объектов растительности экотона тундра- тайга, полученных при дешифрировании космических снимков, и данных OpenStreetMap на территорию города Москва, разработать набор морфометрических и простран- ственных признаков для проведения классификации объектов; 5. применить созданные инструменты к объектам, полученным при дешифрирова- нии аэрокосмических снимков на лесотундровые ландшафты, а также к данным баз пространственных данных на примере застройки города Москва из базы дан- ных OpenStreetMap; 6. оценить эффективность предложенного набора характеристик для дополнитель- ной классификации пространственных объектов, а также разработанных инстру- ментов, выявить их недостатки и перспективы совершенствования. В работе использованы данные векторных топографические данные OpenStreetMap на территорию города Москва,а также схем дешифрирования материалов дистанцион- ного зондирования лесотундровой растительности. Работа состоит из трех глав. Первая глава является обзором используемых мор- фометрических характеристик пространственных объектов, типов метрических и ди- рекционных отношений между объектами, топологических отношений, также приведен анализ роли рассмотренных характеристик в базах пространственных данных и при дешифрировании космических снимков. Во второй главе приведен обзор возможностей морфометрического анализа неко- торых из наиболее распространенных геоинформационных программных продуктов, а также изложен опыт разработки новых программных средств для вычисления извили- стости, компактности, ортогональности пространственных объектов, построения сигна- тур формы объектов на языке Python. Также здесь описано создание из вышеупомя- нутых инструментов специального модуля для проведения классификации векторных данных в программном пакете ArcGIS 10.2.2. В третьей главе производится анализ типов растительности экотона тундра-тайга, типов застройки по характеру расположения домов на примере города Москва, описы- ваются критерии их выделения, формируются эталонные значения выбранных пока- зателей. В главе описаны опыты, проведенных на тестовых наборах данных, а также анализ полученных результатов.
- Добавил в систему: Самсонов Тимофей Евгеньевич