Обоснование структуры форматов изображений для решения задач распознавания образов при экологическом мониторинге

Введение. В настоящее время важнейшей задачей является экологический мониторинг акваторий морей и океанов и своевременное выявление на поверхности воды результатов техногенных катастроф, в том числе обнаружение загрязнения нефтепродуктами. Для эффективного выполнения данной задачи проводится контроль над акваториями морей и океанов с использованием средств космического и воздушного базирования. Однако из-за того, что водная поверхность занимает большую часть общей площади планеты, объем подлежащих контролю данных становится запредельно большим. Данная проблема решается с помощью отбора только тех фотои видеоматериалов, на которых обнаружены следы разливов нефтепродуктов и других техногенных катастроф.

Цель работы. Разработка научно-технического подхода, позволяющего автоматически осуществлять выборку изображений, полученных с систем видового контроля, предоставляя только актуальные изображения.

Материалы и методы. В теоретической части исследования применяется метод классификации на основе методов теории распознавания образов. Сравнивалось тестовое изображение, на котором присутствует разлив нефтепродуктов на поверхности Черного моря, с этим же изображением, представленным в формате BMP с разными кодировками глубины цвета, а также с этим же изображением, представленным в формате JPEG. В ходе работы использовалась ЭВМ для обработки растровых изображений. Моделирование проводилось в среде САПР MathCAD.

Результаты. Для подтверждения результата проведен эксперимент с 200 изображениями. В результате визуального анализа можно заключить, что наиболее близко к тестовому изображению изображение в формате JPEG, на котором приведенная граница позволяет четко выделить зону разлива нефтепродуктов.

Заключение. По результатам эксперимента с различными форматами файлов растровых изображений в качестве исходных данных представляется необходимым использовать изображения, полученные с помощью систем визуального контроля, представленные в формате JPEG. Сформированы направления дальнейшего исследования.

1. Свецкий А. В. Правовая охрана морской среды от разливов нефти и нефтепродуктов // Юридические исследования. 2023. № 3. С. 1–12. doi: 10.25136/2409-7136.2023.3.39944.

2. Алексеев Д. В., Лентарев А. А Статистический анализ разливов нефти и нефтепродуктов на море // Вестн. ГУ морского и речного флота им. адм. С. О. Макарова. 2023. Т. 15, № 6. С. 959–970. doi: 10.21821/2309-5180-2023-15-6-959-970

3. Аббасов И. Б. Современные тенденции мониторинга водной среды прибрежных акваторий // Экологическая безопасность прибрежной и шельфовой зон моря. 2019. № 1. С. 29–39. doi: 10.22449/2413-5577-2019-1-29-39

4. Формирование векторов признаков сигналов из вейвлет-коэффициентов их фреймовых преобразований / С. В. Дворников, Д. В. Степынин, А. С. Дворников, А. П. Букарева // Информационные технологии. 2013. № 5. С. 46–49.

5. Дворников С. В. Теоретические основы синтеза билинейных распределений энергии нестационарных процессов в частотно-временном пространстве (обзор) // Тр. учеб. заведений связи. 2018. Т. 4, № 1. С. 47–60.

6. Дворников С. В., Дворников С. С., Васильева Д. В. Автоматизация процедур обнаружения нефтяных разливов на водной поверхности // Информация и космос. 2024. № 1. С. 126–132.

7. Борисова О. Н., Доронкина И. Г. Аналитическая оценка при решении задач экологического мониторинга с использованием информационных технологий на примере полигона ТБО "Тимохово" // Экология промышленного производства. 2024. № 1(125). С. 38–44. doi: 10.52190/2073-2589_2024_1_38

8. Гусев С. С. Векторизация растровых изображений // Прикладная математика и вопросы управления. 2018. № 4. С. 83–98. doi: 10.15593/24999873/2018.4.05

9. Горячкин Б. С., Можаев Д. В., Андрианов А. А. Сравнительный анализ различных форматов изображения в контексте веб-приложения // Современная наука: актуальные проблемы теории и практики. Сер. Естественные и технические науки. 2023. № 6. С. 83–91. doi: 10.37882/2223-2966.2023.06.11

10. Савко А. А., Акинина Ю. С., Аралов М. Н. Преобразование графических файлов в формат pdf // Науч. опора Воронежской области: сб. тр. победителей конкурса НИР студентов и аспирантов ВГТУ по приоритетным направлениям развития науки и технологий. Воронеж: ВГТУ, 2021. С. 158–163.

11. Сергеев А. В., Хорев П. Б. Обзор и анализ стеганографических методов в документах формата PDF // Информационные технологии. Радиоэлектроника. Телекоммуникации. 2020. № 8. С. 382–387.

12. Автоматизированная система векторизации растровых изображений / А. Р. Исмагилов, А. П. Кирпичников, С. А. Ляшева, М. П. Шлеймович // Вестн. Технологического ун-та. 2018. Т. 21, № 9. С. 136–140.

13. Image vectorization: a review / M. O. Dziuba, I. Jarsky, V. Efimova, A. A. Filchenkov // Zap. nauchnyh sem. SPb otdelenija matematicheskogo instituta im. V. A. Steklova RAN. 2023. Vol. 530. P. 6–23.

14. Мерзлякова Е. Ю. Разработка метода встраивания информации в растровые изображения с помощью интерполяции Лагранжа и кривых Безье // Вестн. СибГУТИ. 2023. Т. 17, № 3. С. 12–22. doi: 10.55648/1998-6920-2023-17-3-12-22

15. Босиков Д. Н., Гуфан А. Ю., Елисеев А. С. Метод хрупкой маркировки изображений и анимаций в формате GIF без потерь данных // Телекоммуникации. 2013. № 12. С. 19–28.

16. Анализ организации файловой структуры формата TIFF с точки зрения стеганографического контейнера / С. В. Радаев, В. А. Иванов, А. А. Двилянский, А. А. Адарацкий // Промышленные АСУ и контроллеры. 2017. № 6. С. 40–46.

17. Губницкая Ю. С., Писаревский Н. Я. Проблема использования форматов PNG и JPG, игнорируя технические особенности SVG // Информатика, математическое моделирование, экономика: сб. науч. ст. по итогам Пятой междунар. науч.-практ. конф. 2015. Смоленск: Автономная НОО ВО центросоюза РФ "Российский университет кооперации". Смоленский филиал, 2015. С. 257–262.

18. Студеникин В. А., Малышев А. С., Фокина Г. В. Компьютерная графика: растровая графика, сравнение растровых графических редакторов // Материалы секционных заседаний 62-й студ. науч.-практ. конф. ТОГУ. Хабаровск: ТОГУ, 2022. С. 134–139.

19. Пальчикова И. Г., Смирнов Е. С. Пороги цветоразличения в модели RGB с глубиной цвета 8 бит // Интерэкспо Гео-Сибирь. 2017. Т. 5, № 2. С. 30–35.

20. Арапов С. Ю., Арапова С. П., Тягунов А. Г. Экспериментальный комплекс мультиспектральной фотосъемки на основе стандартной цифровой камеры // Изв. высш. учеб. заведений. Проблемы полиграфии и издательского дела. 2014. № 5. С. 45–54.

21. Al-khazraji S. H., Khalil M. M., Khalil A. I. A Biomedical Application Software for Measuring Particles Sizes in Electro-Microscopic Images // Intellectual Technologies on Transport. 2023. № 3 (35). P. 38–43. doi: 10.24412/2413-2527-2023-335-38-43

22. Sheikh H. R., Bovik A. C. Image information and visual quality // IEEE Transactions on Image Processing. 2006. Vol. 15, iss. 2. P. 430–444. doi: 10.1109/tip.2005.859378

23. Потапов В. С. Реализация алгоритма преобразования классического изображения в квантовое состояние, выделения границ и преобразования полутонового изображения в бинарное // Изв. ЮФУ. Техн. науки. 2019. № 3 (205). С. 43–50. doi: 10.23683/23113103-2019-3-43-51

24. Performance improvement of Lempel-Ziv-Welch compression algorithm / S. L. Frenkel, M. Kopeetsky, R. Molotkovsky, P. Borovsky // Informatics and Applications. 2015. Vol. 9, № 4. P. 78–84. doi: 10.14357/1992264150408

25. Базеева Н. А., Холодова Е. А., Радаев К. Д. Сравнение современных операционных систем. Личное и производственное пользование // E-Scio. 2020. № 6 (45). С. 638–643.

26. Ключеня В. В. Проектирование процессора вычисления дискретного косинусного преобразования для систем сжатия изображения по схеме losless-to-lossy // Докл. БелГУ информатики и радиоэлектроники. 2021. Т. 19, № 3. С. 5–13. doi: 10.35596/1729-7648-2021-19-3-5-13

27. Анализ алгоритмов сжатия изображений JPEG и JPEG 2000 / П. С. Быковский, В. А. Ляшенко, А. А. Липницкий, М. А. Пак // Актуальные научные исследования в современном мире. 2020. № 6–2 (62). С. 23–32.

28. Способ сжатия графических файлов методами вейвлет-преобразований / А. А. Умбиталиев, С. В. Дворников, И. Н. Оков, А. А. Устинов // Вопр. радиоэлектроники. Сер. Техника телевидения. 2015. № 3. С. 100–106.

29. Автоматизация процедур обнаружения лесных пожаров по результатам обработки видео / Д. В. Васильева, С. В. Дворников, С. А. Якушенко, С. С. Дворников // Науч.-аналит. журн. Вестн. СПбУ ГПС МЧС России. 2023. № 4. С. 47–58.

30. Пугин Е. В. Обзор методов и алгоритмов обработки последовательностей цифровых изображений // Алгоритмы, методы и системы обработки данных. 2014. № 3 (28). С. 50–59.

31. Формирование векторов признаков для систем видеонаблюдения / Д. В. Васильева, С. С. Дворников, Ю. Е. Толстуха, П. С. Обрезков, С. В. Дворников / Вопр. радиоэлектроники. Сер. Техника телевидения. 2023. № 4. С. 62–68.

32. Громов Ю. Ю., Ищук И. Н., Родионов В. В. Применение искусственного интеллекта в задачах обработки данных дистанционного мониторинга // Тр. Междунар. конф. по компьютерной графике и зрению (ГрафиКон 2023). 2023. № 33. С. 727–735. doi: 10.20948/graphicon-2023-727-735

33. Малыхина Г. Ф., Меркушева А. В. Совместное использование нейронной сети и вейвлетпреобразования при анализе нестационарного сигнала // Информационные технологии. 2008. № 7. С. 51–56.