РОЗРОБКА ТА ПОРІВНЯННЯ МОДЕЛЕЙ ГЛИБОКОГО НАВЧАННЯ ДЛЯ СЕГМЕНТАЦІЇ СУПУТНИКОВИХ ЗОБРАЖЕНЬ З МЕТОЮ ЛОКАЛІЗАЦІЇ ЕРОЗІЇ ҐРУНТІВ
DOI:
https://doi.org/10.20998/2220-4784.2022.02.05Ключові слова:
дистанційне зондування, сегментація зображень, глибоке навчанняАнотація
Дана робота присвячена вирішенню задачі автоматичного визначення географічного положення ґрунтів, що виявляють ознаки деградації. У роботі проведене детальне дослідження існуючої літератури за тематикою, розглянуто алгоритми та підходи вирішення задачі та їх переваги і недоліки, а також запропоновано критерії оцінки та базовий алгоритм для порівняння з результатами подальших досліджень та експериментів. Такий підхід забезпечує адекватну оцінку якості розробки програмних засобів сегментації зображень. Оскільки алгоритми машинного навчання потребують попередньої обробки даних, а також існують певні особливості роботи із супутниковими зображеннями, розроблена низка функцій, які надалі можуть використовуватись такими алгоритмами. Результатом роботи є розроблений програмний пакет завантаження та передобробки супутникових зображень, а також тренування і оцінки моделей глибокого навчання.
Посилання
European Space Agency, Sentinel-2 mission: Overview. Електроний ресурс.
Panditharathne, D. & Abeysingha, Nimal & Nirmanee, K G & Mallawatantri, Ananda. (2019). Application of Revised Universal Soil Loss Equation (Rusle) Model to Assess Soil Erosion in “Kalu Ganga” River Basin in Sri Lanka. Applied and Environmental Soil Science. 2019. 1-15. 10.1155/2019/4037379.
Thapa, Pawan. (2020). Spatial Estimation of Soil Erosion Using RUSLE Modeling: A case study of Dolakha District, Nepal. 10.21203/rs.3.rs-25478/v4.
El Jazouli, A., Barakat, A., Ghafiri, A. et al. Soil erosion modeled with USLE, GIS, and remote sensing: a case study of Ikkour watershed in Middle Atlas (Morocco). Geosci. Lett. 4, 25 (2017).
N.R. Pal, S.K. Pal, A review on image segmentation techniques, Pattern Recognition 26(9) (1993) 1277–1294.
N.M. Zaitoun, M.J. Aqel, Survey on image segmentation techniques, Procedia Computer Science 65 (2015) 797–806,Іinternational Conf. on Communications, management, and Information technology (ICCMIT’2015).
Gurung, Amit and Sangyal Lama Tamang. “Image Segmentation using Multi-Threshold technique by Histogram Sampling.” ArXiv abs/1909.05084 (2019)
Achanta, Radhakrishna & Shaji, Appu & Smith, Kevin & Lucchi, Aurélien & Fua, Pascal & Süsstrunk, Sabine. (2010). SLIC superpixels. Technical report, EPFL.
Wang, Haohan and Bhiksha Raj. “On the Origin of Deep Learning On the Origin of Deep Learning.” (2017).
Wiatowski, Thomas & Bölcskei, Helmut. (2015). A Mathematical Theory of Deep Convolutional Neural Networks for Feature Extraction. IEEE Transactions on Information Theory. PP. 10.1109/TIT.2017.2776228.
Zweifel, Lauren & Meusburger, K. & Alewell, Christine. (2019). Spatio-temporal pattern of soil degradation in a Swiss Alpine grassland catchment. Remote Sensing of Environment. 235. 10.1016/j.rse.2019.111441.
Wiegand, C.; Rutzinger, M.; Heinrich, K.; Geitner, C. Automated extraction of shallow erosion areas based on multi-temporal ortho-imagery. Remote Sens. 2013,5, 2292–2307.
He, Kaiming & Zhang, Xiangyu & Ren, Shaoqing & Sun, Jian. (2016). Deep Residual Learning for Image Recognition. 770-778. 10.1109/CVPR.2016.90.
Ronneberger, O.; Fischer, P.; Brox, T. U-net: Convolutional networks for biomedical image segmentation. In Proceedings of the Medical Image Computing and Computer-assisted intervention—MICCAI 2015, Munich, Germany, 5–9 October 2015; Volume 9351, pp. 234–241.
Zhou, Zongwei & Rahman Siddiquee, Md Mahfuzur & Tajbakhsh, Nima & Liang, Jianming. (2018). UNet++: A Nested U-Net Architecture for Medical Image Segmentation.
K. Sun, B. Xiao, D. Liu, and J. Wang. Deep high-resolution representation learning for human pose estimation. In CVPR, 2019. 1, 2, 3, 4, 8, 9
T. Zhang, G. Qi, B. Xiao, and J. Wang. Interleaved group convolutions. In ICCV, pages 4383–4392, 2017. 3
Zhang, Yiwen & Lai, Haoran & Yang, Wei. (2021). Cascade UNet and CH-UNet for Thyroid Nodule Segmentation and Benign and Malignant Classification. 10.1007/978-3-030-71827-5_17.
Heidary, Farnoosh & Yazdi, Mehran & Dehghani, Maryam & Setoodeh, Peyman. (2021). Urban Change Detection by Fully Convolutional Siamese Concatenate Network with Attention.
Xu, Hanqiu, Xiujuan Hu, Huade Guan, Bobo Zhang, Meiya Wang, Shanmu Chen, and Minghua Chen. 2019. A Remote Sensing Based Method to Detect Soil Erosion in Forests. Remote Sensing 11, no. 5: 513.
Mwaniki, Mercy & Agutu, Nathan & Mbaka, John & Ngigi, Tg & Waithaka, Edward. (2015). Landslide scar/soil erodibility mapping using Landsat TM/ETM+ bands 7 and 3 Normalised Difference Index: A case study of central region of Kenya. Applied Geography. 64. 108-120. 10.1016/j.apgeog.2015.09.009.
Chen, Fen & Van de Voorde, Tim & Roberts, Dar & Zhao, Haojie & Chen, Jingbo. (2021). Detection of Ground Materials Using Normalized Difference Indices with a Threshold: Risk and Ways to Improve. Remote Sensing. 13. 10.3390/rs13030450.
Rukhovich, Dmitry I., Polina V. Koroleva, Danila D. Rukhovich, and Natalia V. Kalinina 2021. The Use of Deep Machine Learning for the Automated Selection of Remote Sensing Data for the Determination of Areas of Arable Land Degradation Processes Distribution. Remote Sensing 13, No. 1: 155.
Avwunudiogba, Augustine & Hudson, Paul. (2014). A Review of Soil Erosion Models with Special Reference to the needs of Humid Tropical Mountainous Environments. European Journal of Sustainable Development. 3. 299-310. 10.14207/ejsd.2014.v3n4p299
Laflen, John & Flanagan, Dennis. (2013). The development of U. S. soil erosion prediction and modeling. International Soil and Water Conservation Research. 34. 10.1016/S2095-6339(15)30034-4.
Anejionu, O.C.D., Nwilo, P.C., and Ebinne, E.S. (2013). Long Term Assessment and Mapping of Erosion Hotspots in South East Nigeria. TSO 3B – Remote Sensing for Land use and Planning – 6448, FIG Working Week, 2013.
Chandramohan, T. & Venkatesh, Basappa & Balchand, A. (2015). Evaluation of Three Soil Erosion Models for Small Watersheds. Aquatic Procedia. 4. 1227-1234. 10.1016/j.aqpro.2015.02.156.
Singh, Vijay & Asce, F&Cui, Huijuan&Byrd, Aaron. (2014). Sediment Graphs Based on Entropy Theory. Journal of Hydrologic Engineering. 20. 10.1061/(ASCE)HE.1943-5584.0001068.
Beasley, David & Huggins, L. & Monke, E.. (1980). ANSWERS: a model for watershed planning.. Transactions of the ASAE. 23. 10.13031/2013.34692.
Bahrawi, Jarbou & Elhag, Mohamed & Aldhebiani, Amal & Galal, Hanaa & Hegazy, Ahmad & Alghailani, Ebtisam. (2016). Soil Erosion Estimation Using Remote Sensing Techniques in Wadi Yalamlam Basin, Saudi Arabia. Advances in Materials Science and Engineering. 2016. 1-8. 10.1155/2016/9585962.
Panagos, Panos & Karydas, Christos & Borrelli, Pasquale & Ballabio, Cristiano & Meusburger, K.. (2014). Advances in soil erosion modelling through remote sensing data availability at European scale. Proc SPIE. 9229. 1-10. 10.1117/12.2066383.
Sultana, Farhana & Sufian, A. & Dutta, Paramartha. (2020). Evolution of Image Segmentation using Deep Convolutional Neural Network: A Survey. Knowledge-Based Systems. 201-202. 10.1016/j.knosys.2020.106062.
