Одной из важнейших задач обработки спутниковых изображений является разработка алгоритмов автоматического выделения и сегментации объектов естественной природы, которая возможна с применением сравнительно простых классических методов цифровой обработки. Сложнее обстоит дело с рукотворными объектами, в частности объектами железнодорожной инфраструктуры, ввиду широкого разнообразия, компликации и интерпретации их форм и пространственных соотношений. Для них классические методы практически не пригодны и для их растризации рекомендуется прибегнуть к современным, нейросетевым методам цифровой обработки. В последнее годы для задач обработки изображений стандартом де-факто является использование свёрточных искусственных нейронных сетей (ИНС), которые позволяют учитывать контекст и неизменно занимают первые места среди алгоритмов сегментации и классификации изображений.
Предлагается метод построения трехмерных моделей ригидных объектов на земной поверхности по одному спутниковому изображению на примере объектов железнодорожной инфраструктуры. Метод состоит в поэтапной обработке спутниковых изображений с последовательным применением двух сверточных нейронных сетей.
В рамках данного метода применяется топология на основе U-Net, расширенная и дополненной авторами для задач интерпретации аэрокосмических изображений. Ввиду необходимости решения нескольких задач в рамках одной модели, для сокращения времени обучения и обеспечения консистентности результатов вместо ансамбля независимо обучаемых моделей, используемого традиционно, авторами введены следующие модификации топологии нейросетевой модели и процесса её обучения: блок кодировщика оставлен без изменений; для каждой из подзадач реализованы отдельные блоки декодеровщика и функции потерь; в целях оптимизации потребления оперативной памяти, в процессе обучения модели для каждого из декодировщиков выполняется отдельная операция градиентного спуска. [1-3]
На первом этапе обработки (интегральный анализ) с помощью нейронной сети выполняется сегментация спутникового изображения для выделения совокупности объектов заданных классов. На втором этапе обработки (локальный анализ) с помощью нейронной сети выполняется локальный анализ областей изображения, выявленных по результатам первого этапа обработки. Результаты второго этапа обработки используются для оценки параметров трехмерной модели объекта. Возможности метода показаны на примере обработки спутникового изображения железнодорожной инфраструктуры. Рассмотрены следующие классы информативных областей: здание, ребро стены, ребро крыши, тень здания, железнодорожная инфраструктура, вагон, автомобильная дорога; рельсы, столбы и тени от столбов (взяты в качестве эталонных объектов для оценки масштабирующих коэффициентов в тех или иных направлениях). Приведен пример применения разработанного метода выделения типичных объектов железнодорожной инфраструктуры и для последующей оценки параметров трехмерной модели здания.
Исследования выполнены при поддержке Министерства науки и высшего образования РФ (уникальный идентификатор проекта RFMEFI60719X0312).