viagra super force

+7(495) 123-XXXX  г. Москва

Выпуски журналов

  • Серия
  • Серия
  • Серия
  • Серия
  • Журнал
  • Журнал
  • Журнал
  • Журнал

В.С. Тарасян,  (К.ф-м. н., Уральский государственный университет путей сообщения, г. Екатеринбург)

Н.В. Дмитриев,  (Аспирант, Уральский государственный университет путей сообщения, г. Екатеринбург)

Серия «Естественные и Технические науки» # ЯНВАРЬ  2017

Искусственная нейронная сеть
В работе произведено построение системы продукционных правил для автоматизирования восстановления плана горизонталей при обработке топографических карт. Правила учитывают геометрические характеристики окрестностей концевых точек сегментов горизонталей. С помощью F-меры были найдены оптимальные значения параметров правил и доказана их эффективность.

Ключевые слова: Искусственная нейронная сеть, продукционная система правил, восстановление горизонталей.

 

Введение

В последнее время системы поддержки принятия решения при проектировании транспортно-логистической инфраструктуры получили широкое развитие вследствие возможности автоматизированной обработки топографических карт. Существующие программные решения, однако, носят скорее процедурный характер, выполняя только простейшие операции над цифровыми изображениями, оставляя сложные интеллектуальные задачи человеку. При этом время преобразования топографических карт в  геоинформационную систему местности сокращается, но остаётся до сих пор на достаточно высоком уровне.

Топографические карты представляют собой цветные сложноструктурные изображения низкой чёткости. Наполнение их различными по свойствам и функциям объектами говорит не только о высокой информационной плотности, но и о наличии большого количества знаний, необходимых для их обработки (базами знаний при этом являются правила изображения ТК). Всё это говорит о необходимости прохождения полного цикла их обработки, включая понимание изображения в целом [5]. При этом полная автоматизация считается невозможной, человеку в любом случае необходимо верифицировать результаты работы обрабатывающих программ, в том числе и вносить некоторые исправления [3].

Постановка проблемы

Одной из основных задач понимания изображения топографических карт является воссоздание плана горизонталей. Каждой горизонтали ставится в соответствие высота над уровнем моря. Значения высот дискретизируются с некоторым шагом и не всегда отображаются на горизонталях. Из полного плана горизонталей можно получить объёмную модель местности и делать первичные выводы об оптимальном расположении инфраструктурных объектов.

Реальные горизонтали не могут пересекаться и являются замкнутыми кривыми, но их отображение на ТК может привести к их частичному перекрытию другими объектами или замыканию на края карты. Кроме того, горизонтали могут иметь различный вид: тонкие, утолщённые (каждая 4-ая или 5-ая горизонталь) или штриховые (отражают полушаг). Всё это приводит к тому, что при выполнении предобработки и сегментации горизонталей оптическими и морфологическими методами может быть потеряно большое количество информации о характере рельефа, топология отображения горизонталей может существенно поменяться.

Существует несколько основных проблем, которые необходимо решить для восстановления плана горизонталей. Первая относятся к воссозданию правильной топологии плана, то есть сращивание разорванных горизонталей и размыкание ложно соединённых. Вторая – распознавание начертания горизонтали. Третья – определение конкретного значения соответствующей высоты. В данной статье плотно рассмотрена первая проблема.

Алгоритм восстановления плана горизонталей

Для получения начальной информации о расположении горизонталей была обучена искусственная нейронная сеть, получающая на входе цветовые координаты соседних пикселей (всего 27 входов) [6]. На выходе нейронной сети – мера принадлежности данного пикселя к цвету горизонталей. Фактически данная операция выполняет более интеллектуальную сегментацию, чем другие методы, так как использует весь цветовой спектр, без предобработки изображения ТК в полутоновое, чем достигается сохранение информации. Благодаря использованию ИНС была достигнута гибкость при сегментации, метод показывает достаточно хорошие результаты на небольших кусках ТК.

Полученные сегменты далее необходимо обработать, для этого предварительно была проведена операция скелетонизации и разделения ветвления, так как при этом не теряется информация о топологии исходной карты (горизонтали изначально не могут пересекаться). В итоге получился набор криволинейных отрезков, которые необходимо соединить с учётом того, что все горизонтали могут быть либо замкнутыми, либо замыкаться на краях ТК. Пример ТК изображён на рис. 1а, полученные сегменты на данном этапе – на рис. 1б.

Читать полный текст статьи …


СПИСОК ЛИТЕРАТУРЫ:
1. Ghircoias T., Brad R. Contour lines extraction and reconstruction from topographic maps / T. Chircoias, R. Brad // UbiCC Journal. – 2009. – V. 6. – p. 681-692.
2. Pradhan M. P. Knowledge based contour line reconnection techniques / M. P. Pradhan, M. K. Ghose, P. S. Rai, N. Mukherjee // International Journal of Computer Applications. – 2013. – V. 65 (9). – p. 37-42.
3. Береженко Д. Ю., Дулесов А. С. 3D моделирование местности и построение карты вершин по растровой топографической карте / Д. Ю. Береженко, А. С. Дулесов // Перспективы науки. – Тамбов: Тамбовпринт. – 2010. – № 3 (5). – с. 85-91.
4. Дедов С. В. Способ восстановления разрывов изолиний при создании цифровых моделей рельефа по топографическим картам / С. В. Дедов, А. М. Кадрелев, А. В. Кониченко, С. А. Орлов // Информационно-измерительные и управляющие системы. – М.: Радиотехника. – 2015. – Т. 13. – № 6. – с. 26-31.
5. Дмитриев Н. В. Автоматизированная система преобразования топографических карт в геоинформационную модель / Н. В. Дмитриев // Информационные технологии и нанотехнологии (конференция ИТНТ-2016). – Самара: Самарский научный центр РАН. – 2016. – с. 386-389.
6. Тарасян В. С., Дмитриев Н. В. Сравнение методов сегментации пикселей топографических карт по типам объектов / В. С. Тарасян, Н. В. Дмитриев // Известия Тульского государственного университета: технические науки. – Тула: Тульский государственный университет. – 2016. – № 3. – с. 97-106.
 



© 
В.С. Тарасян, Н.В. Дмитриев, Журнал "Современная наука: актуальные проблемы теории и практики".
 

 

 

 
SCROLL TO TOP

 Rambler's Top100 @Mail.ru