Автоматизированная сегментация растительности на спутниковых снимках с использованием спектрального анализа для задачи детектирования дорожного полотна

Аннотация

В статье представлен автоматизированный и инновационный метод сегментации растительности на спутниковых снимках, направленный на повышение точности и эффективности задачи детектирования дорожного полотна. Современные методы построения и обновления дорожных карт часто сталкиваются с рядом проблем, включая значительные временные и вычислительные затраты, а также высокую вероятность ошибок, связанных с человеческим фактором и сложностью анализа урбанистических территорий. Для решения этих проблем предложен комбинированный подход, который объединяет спектральный анализ с использованием нормализованного разностного вегетационного индекса (NDVI) и структурный анализ с применением модифицированного каскадного классификатора Виолы - Джонса. Такой синергетический метод позволяет эффективно отделять дорожные покрытия от растительности и других объектов даже в условиях плотной застройки и сложного ландшафта. В ходе детальных экспериментальных исследований, проведенных на спутниковых изображениях высокого разрешения WorldView-2, было установлено, что оптимальный порог NDVI, равный 0,3, обеспечивает максимальное подавление растительности при сохранении целостности и непрерывности дорожной сети. Использование бинарной сегментации растительности позволяет сократить область анализа в среднем на 65,8 %, что существенно снижает вычислительную нагрузку и ускоряет обработку данных без потери качества результатов. Предложенный метод демонстрирует высокую точность и надежность, сопоставимую с современными алгоритмами, при значительно меньших затратах ресурсов и времени. Полученные результаты свидетельствуют о высокой практической значимости подхода и позволяют рекомендовать его для интеграции в современные системы мониторинга дорожной инфраструктуры, управления транспортными потоками и градостроительного планирования. Это способствует повышению эффективности, масштабируемости и автоматизации анализа спутниковых данных, что особенно важно в условиях быстрого развития городских территорий и необходимости оперативного обновления геоинформационных систем.