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

V S Tormozov

doi:10.22213/2410-9304-2025-4-97-102

Authors

V. S. Tormozov Pacific National University

DOI:

https://doi.org/10.22213/2410-9304-2025-4-97-102

Keywords:

automated segmentation, satellite images, Vegetation segmentation, spectral analysis, road detection, Binary optimization, image processing

Abstract

The article presents an automated method of vegetation segmentation on satellite images to increase accuracy and efficiency of road detection. Modern methods of building and updating road maps often require significant time and computing resources, and are also prone to errors due to the human factor. The proposed approach combines spectral analysis using the normalized difference vegetation index (NDVI) and structural analysis using a modified cascade Viola-Jones classifier, which makes it possible to effective roadseparation from vegetation and other objects in complex urban scenes. Experimental studies conducted on high-resolution satellite images of WorldView-2 have shown that the optimal threshold of 0.3 ensures maximum suppression of vegetation while maintaining the integrity of the road network. The use of binary vegetation optimization reduces the area of analysis by an average of 65.8%, which significantly reduces the computational load and increases the speed of data processing. The proposed method demonstrates comparable accuracy with modern algorithms at a lower cost of resources and time. The research results allow us to recommend this approach for integration into monitoring systems of road infrastructure, transport management and urban planning, ensuring increased efficiency and scalability of satellite data analysis.

Author Biography

V. S. Tormozov, Pacific National University

PhD in Engineering, Associate Professor

References

Павлов М. П. Семантическая сегментация спутниковых снимков Республики Карелия с помощью спектрального анализа местности свёрточной нейронной сетью // StudArctic Forum. 2024. Т. 9, № 2. С. 80-89.

Кондранин Т. В. Сегментация и определение структурных особенностей объектов окружающей среды на основе спектрально-текстурной обработки разномасштабных спутниковых изображений // Современные проблемы дистанционного зондирования Земли из космоса: материалы 19-й Международной конференции. 2021. С. 34-34.

Тормозов В. С. Разработка и исследование метода автоматического выделения уличной дорожной сети города на основе данных спутниковой съемки // Промышленные АСУ и контроллеры. 2020. № 2. С. 3-7.

Shein V. A., Pak A. O. Road lane line detection with Hough transform // Theoretical & Applied Science. 2020. No. 12 (92). P. 401-408.

Пущак О. Н. Методика исследования программы автоматизированного трассирования автомобильных дорог на покрытых лесом территориях // Каталог научных и инновационных разработок ФГБОУ ВО «Омский государственный аграрный университет им. П.А. Столыпина» : сборник материалов по итогам учебной, научно-исследовательской и практической деятельности. Омск : Омский государственный аграрный университет имени П. А. Столыпина, 2023. С. 429-434.

Тормозов В. С. Улучшение работы алгоритма детектирования и классификации транспортных средств на спутниковых снимках путем сокращения области поиска с использованием геоинформации о дорогах // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2019. № 2. С. 56-63.

Podolskaia E. S. Remote sensing data from space for road image recognition in the forestry // Forest Science Issues. 2023. Vol. 6, no. 1. P. 90-104.

Журавлев А. А. Сравнение эффективности классификации методов выделения контуров на примере изображений дорожного покрытия // XXI век: итоги прошлого и проблемы настоящего плюс. 2023. Т. 12, № 1 (61). С. 23-28.

Тормозов В. С., Василенко К. А., Золкин А. Л. Настройка и обучение многослойного персептрона для задачи выделения дорожного покрытия на космических снимках города // Программные продукты и системы. 2020. Т. 33, № 2. С. 343-348.

Подольская Е. С. Использование данных дистанционного зондирования Земли из космоса для распознавания изображения дорог в лесном хозяйстве // Вопросы лесной науки. 2022. Т. 5, № 4. С. 1-21.

Журавлев А. А., Аксенов К. А. Повышение качества изображений дорожного покрытия на основе подходов морфологической обработки // Инженерный вестник Дона. 2023. № 7 (103). С. 404-413.

Тусикова А. А., Вихтенко Э. М. О распознавании автомобильных дорог на спутниковых снимках с использованием свёрточных сетей MASK-RCNN // Информационные технологии и высокопроизводительные вычисления: V Международная конференция (ITHPC-2019), Хабаровск, Россия, 2019. С. 308-314.

Тимофеев А. Н. Этапы развития и возможности аэрокосмической техники в экомониторинговых исследованиях дорожно-транспортного комплекса и других наземных объектов // Журнал естественнонаучных исследований. 2022. Т. 7, № 4. С. 39-49.

Бабаян П. В., Кожина Е. С. Автоматическое выделение объектов в видеоинформационной системе в условиях масштабных преобразований // Цифровая обработка сигналов и ее применение (DSPA-2022): 24-я Международная конференция, Москва, 30 марта - 01 2022 года. Вып. XXIV. 2022. С. 257-60.

Применение современных методов сбора геоданных для целей мониторинга территорий /А. А. Панютищева, Е. Д. Беркова, Д. А. Гура, Р. А. Дьяченко // Астраханский вестник экологического образования. 2023. № 6 (78). С. 58-63.

Пугачев И. Н., Тормозов В. С. Разработка нового метода детектирования и классификации транспортных средств по спутниковым изображениям // Дороги и мосты. 2023. № 1 (49). С. 199-220.

Subtselnaya T. A., Tishchenko S. A., Zolkin A. L., Tormozov V. S., Dmitriev A. D. Prospects for the use of artificial intelligence technologies in the digital economy // AIP conference proceedings: Proceedings Of The IV International Conference On Modernization, Innovations, Progress: Advanced Technologies in Material Science, Mechanical and Automation Engineering: MIP: Engineering-IV-2022, Krasnoyarsk, 12-30 апреля 2022 года. Vol. 3021. Melville: AIP PUBLISHING, 2024. - P. 040012.

Журавлев А. А. Сравнение эффективности классификации методов выделения контуров на примере изображений дорожного покрытия // XXI век: итоги прошлого и проблемы настоящего плюс. 2023. Т. 12, № 1 (61). С. 23-28.

Тезисы к вопросу методологии программного обеспечения применения технологии нейросетевого аппарата распознавания / А. Л. Золкин, В. С. Тормозов, Ю. В. Гуменникова, И. В. Степина // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2022. № 4. С. 129-136.

Bu Q., Miroevskiy A. Recognition of buildings on satellite images // Pattern Recognition and Information Processing (PRIP'2023). Artificial Universe: New Horisont: Proceedings of the 16 th International Conference, Minsk, 17-19 октября 2023 года. Minsk: Белорусский государственный университет, 2023. P. 182-185.