priborИзвестия высших учебных заведений. ПриборостроениеJournal of Instrument Engineering0021-34542500-0381Национальный исследовательский университет ИТМО10.17586/0021-3454-2022-65-9-630-639pribor-267Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И СИСТЕМЫ, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКАINFORMATION TECHNOLOGIES AND SYSTEMS, COMPUTER TECHNIQUEПрименение методов фрактального анализа изображений при решении задач оценки экологической обстановки и распознавания объектовApplication of Methods of Fractal Images Analysis in Solving Environmental Assessment and Object Recognition ProblemsЕсиковО. В.EsikovO. V.

Олег Витальевич Есиков - д-р техн. наук, профессор; главный специалист

 Тула

Oleg V. Esikov - Dr. Sci., Professor; Chief Specialist

Tula

eovmail@rambler.ruТитовД. В.TitovD. V.

Дмитрий Витальевич Титов - д-р техн. наук, доцент, кафедра вычислительной техники

Курск

Dmitry V. Titov - Dr. Sci., Associate Professor, Department of Computer Engineering

 Kursk

titov.swsu@gmail.comЦентральное конструкторское бюро аппаратостроенияCentral Design Bureau of Instrument EngineeringЮго-Западный государственный университетSouthwest State University202202122024659630639Copyright © Национальный исследовательский университет ИТМО, 20242024Национальный исследовательский университет ИТМОНациональный исследовательский университет ИТМОhttps://pribor.ifmo.ru/jour/about/submissions#copyrightNoticehttps://pribor.ifmo.ru/jour/article/view/267

Предложен подход к повышению эффективности системы распознавания изображений объектов в комплексах мониторинга и зондирования и беспилотных средствах на основе применения дополнительного признака классификации. Определен перечень задач, решаемых в комплексах зондирования при построении системы распознавания объектов. Для формирования дополнительной характеристики объектов использовано значение фрактальной размерности (фрактальной сигнатуры) изображений их контуров. Представлены результаты фрактального анализа изображений объектов дорожного движения. Получены результаты фрактального анализа изображений территорий, пострадавших от стихийных бедствий. Для построения карты и гистограммы фрактальной размерности предложено использовать размерность Минковского. Представлены результаты экспериментальной проверки работоспособности предлагаемых методов и алгоритмов.

An approach to improving the efficiency of the image pattern recognition system in monitoring and sensing complexes, and in unmanned vehicles based on the use of an additional classification feature is proposed. Tasks to be solved in sensing complexes when constructing an object recognition system are listed. To form an additional characteristic of the object, the value of the fractal dimension (fractal signature) of its contour image is used. Results of fractal analysis of traffic objects images are presented. Fractal analysis of images of territories affected by natural disasters is demonstrated. To construct a dimension map and a fractal dimension histogram, the application of the Minkowski dimension is proposed. The results of experimental verification of the proposed methods and algorithms operability are presented.

распознавание объектовискусственные нейронные сетифрактальный анализфрактальная размерностьстихийные бедствияobject recognitionartificial neural networksfractal analysisfractal dimensionnatural disastersReferencesБакланов А. И. Группировки микроспутников оптико-электронного наблюдения высокого разрешения // Материалы XV науч.-техн. конф. „Системы наблюдения, мониторинга и дистанционного зондирования Земли“. Алушта, 2018. С. 43-62.Baklanov A.I. Sistemy nablyudeniya, monitoringa i distantsionnogo zondirovaniya Zemli (Systems of Observation, Monitoring and Remote Sensing of the Earth), Materials of the XV Scientific and Technical Conference, Alushta, 2018, рр. 43-62. (in Russ.)Бакланов А. И. Новые тенденции развития космических систем оптико-электронного наблюдения Земли высокого разрешения // Материалы XIV науч.-техн. конф. „Системы наблюдения, мониторинга и дистанционного зондирования Земли“. Сочи, 2017. С. 32-49.Baklanov A.I. Sistemy nablyudeniya, monitoringa i distantsionnogo zondirovaniya Zemli (Systems of Observation, Monitoring and Remote Sensing of the Earth), Materials of the XIV Scientific and Technical Conference, Sochi, 2017, рр. 32-49. (in Russ.)Данилов А. С. Система экологического мониторинга окружающей среды с использованием малогабаритных беспилотных летательных аппаратов // Экология и промышленность России. 2013. № 9. С. 4-7.Danilov A.S. Ekologiya i promyshlennost' Rossii (Ecology and Industry of Russia), 2013, no. 9, pp. 4-7. (in Russ.)Коршунов Н. А., Котельников Р. В. Борьба с лесными пожарами: проблема информационного обеспечения авиасредствами и ее решение // Пожарная безопасность. 2008. № 1. С. 125-129.Korshunov N.A., Kotel'nikov R.V. Pozharnaya bezopasnost', 2008, no. 1, pp. 125-129. (in Russ.)Шовенгердт P. A. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 560 с.Schowengerdt R.A. Remote Sensing: Models and Methods for Image Processing, Elsevier, 2006, 560 р.Федоров А. М. Эффективность мониторинга техногенных объектов с применением беспилотных летательных аппаратов // Докл. БГУИР. 2015. № 7(93). С. 129-130.Fedorov A.M. Reports of the Belarusian State University of Informatics and Radioelectronics, 2015, no. 7(93), pp. 129-130. (in Russ.)Есиков О. В., Сухарев Е. М., Алтухов А. В., Тарасов Е. А. Оценка эффективности методов и алгоритмов обработки графической информации и распознавания объектов мониторинга // Наукоемкие технологии. 2011. № 4. С. 54-61.Esikov O.V., Sukharev E.M., Altukhov A.V., Tarasov E.A. Naukoyemkiye tekhnologii (High Technologies), 2011, no. 4, pp. 54-61. (in Russ.)Потапов А. А. Фракталы в дистанционном зондировании // Зарубежная радиоэлектроника. Успехи современной радиоэлектроники. 2000. № 6. С. 3-65.Potapov A.A. Zarubezhnaya radioelektronika. Uspekhi sovremennoy radioelektroniki, 2000, no. 6, pp. 3-65. (in Russ.) 9. Potapov A.A. Noveyshiye metody obrabotki izobrazheniy (The Latest Image Processing Techniques), Moscow, 2008, 496 р. (in Russ.)Потапов А. А. Новейшие методы обработки изображений. М.: Физматлит, 2008. 496 с.Gonzalez R.C., Woods R.E. Digital Image Processing, Prentice Hall, 2008, 954 р.Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2012. 1104 с.Crownover R.M. Introduction to Fractals and Chaos, Jones and Bartlett Books in Mathematics, 1995, 350 p.Кронвер Р. М. Фракталы и хаос в динамических системах. Основы теории. М.: Постмаркет, 2000. 352 с.Akinshin N.S., Potapov A.A., Bystrov R.P., Esikov O.V., Chernyshkov A.I. Journal of Communications Technology and Electronics, 2020, no. 7(65), pp. 835-842.Akinshin N. S., Potapov A. A., Bystrov R. P., Esikov O. V., Chernyshkov A. I. Building Systems for Object Recognition by Multichannel Sensing Systems Based on Neural Networks and Fractal Signatures // J. of Communications Technology and Electronics. 2020. Vol. 65, N 7. P. 835-842.Esikov O.V., Denisova N.A., Romanyuta A.E. News of the Tula State University. Technical Sciences, 2021, no. 2, pp. 139-145. (in Russ.)Есиков О. В., Денисова Н. А., Романюта А. Е. Результаты экспериментальной оценки эффективности архитектур искусственных нейронных сетей при решении задач распознавания объектов дорожного движения // Изв. ТулГУ. Технические науки. 2021. Вып. 2. С. 139-145.Charu С. Aggarwal, Neural Networks and Deep Learning А Textbook, Springer, 2018.Аггарвал Ч. Нейронные сети и глубокое обучение: Пер. с англ. М.: Изд. дом „Вильямс“, 2020. 752 с.Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition, arxiv preprint arxiv:1409.1556, 2014, URL: https://arxiv.org/abs/1409.1556.Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition // arxiv preprint arxiv:1409.1556. 2014. [Электронный ресурс]: , 13.07.2020.He K., Zhang X., Ren S., Sun J. Proceedings of the IEEE conference on computer vision and pattern recognition, 2016, рр. 770-778.He K., Zhang X., Ren S., Sun J. Deep residual learning for image recognition // Proc. IEEE Conf. on Computer Vision and Pattern Recognition. 2016. Р. 770-778.Rutkowska D., Pilinski M., Rutkowski L. Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Warszawa, Łodż, Wydawnictwo Naukowe PWN, 2004.Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; Пер. с польск. М.: Горячая линия–Телеком, 2004. 383 с.Akinshin N.S., Esikov O.V., Potapov A.A., Akinshin R.N., Kuleshov A.V. EPJ Web of Conferences, MNPS-2019, 2019, no. 224, pp. 04008.Akinshin N. S., Esikov O. V., Potapov A. A., Akinshin R. N., Kuleshov A.V . Application of fractal analysis methods of Earth surface images for ecological setting assessment // EPJ Web Conf. 2019. Vol. 224, 04008 (MNPS-2019).Akinshin N.S., Esikov O.V., Chernyshkov A.I., Savchuk K.V. News of the Tula State University. Technical Sciences, 2019, no. 10, pp. 44-52. (in Russ.)Акиншин Н. С., Есиков О. В., Чернышков А. И., Савчук К. В. Применение методов фрактального анализа изображений для решения задач мониторинга экологической обстановки // Изв. ТулГУ. Технические науки. 2019. № 10. С. 44-52.https://trinixy.ru/52197-do-i-posle-navodneniya-40-foto.html. (in Russ.)https://trinixy.ru/52197-do-i-posle-navodneniya-40-foto.htmlhttps://trinixy.ru/167549-fotografii-malibu-so-sputnika-do-i-posle-pozharov-9-foto.html. (in Russ.)https://trinixy.ru/167549-fotografii-malibu-so-sputnika-do-i-posle-pozharov-9-foto.htmlCertificate on the state registration of the computer programs 2019665064, Programma fraktal'nogo analiza izobrazheniy dlya otsenki ekologicheskoy obstanovki (Fractal Image Analysis Program for Environmental Assessment), Esikov O.V., Peteshov A.V., Kuleshov A.V., Savchuk K.V., Ivutin A.N., Priority 11.11.2019, Published 18.11.2019. (in Russ.)Свид. о рег. прогр. № 2019665064. Программа фрактального анализа изображений для оценки экологической обстановки / О. В. Есиков, А. В. Петешов, А. В. Кулешов, К. В. Савчук, А. Н. Ивутин. 18.11.2019 г.Свид. о рег. прогр. № 2019665064. Программа фрактального анализа изображений для оценки экологической обстановки / О. В. Есиков, А. В. Петешов, А. В. Кулешов, К. В. Савчук, А. Н. Ивутин. 18.11.2019 г.

The authors declare that there are no conflicts of interest present.