Научный журнал Байкальского государственного университета
System Analysis &
Mathematical Modeling
Издается с 2019 года
Menu
РусскийEnglish

Информация о статье

Название статьи:

Морфологическая обработка и скелетизация бинарных изображений для выделения дорожной сети

Авторы:
Тормозов В.С., кандидат технических наук, доцент, высшая школа кибернетики и цифровых технологий, Тихоокеанский государственный университет, 680035, Российская Федерация, г. Хабаровск, ул. Тихоокеанская, 136, 007465@togudv.ru
В рубрике:
ТЕХНИЧЕСКИЕ НАУКИ
Год: 2026 Том: 8 Номер журнала: 2
Страницы: 181-192
Тип статьи: Научная статья
УДК: 912.648+656.1/5
DOI: 10.17150/2713-1734.2026.8(2).181-192; EDN: QIWJDO
Аннотация:
Статья посвящена разработке усовершенствованного метода автоматизированного детектирования дорожной сети на спутниковых снимках городской инфраструктуры, решающего проблему сохранения топологической целостности при переходе от пиксельного представления к графовой модели. В работе предложен комплексный подход, сочетающий модифицированный алгоритм морфологического утончения на базе метода Квика с оптимизированным преобразованием Хафа для построения корректной пространственной структуры дорожной сети. Ключевой вклад исследования заключается в разработке формальных математических критериев для скелетизации, обеспечивающих оптимальный баланс между разреженностью и сохранением топологических свойств. Алгоритм основан на трехуровневой системе условий удаления пикселей, включающей анализ числа восьмисвязных соседей 2 ≤ N(p) ≤ 6, подсчет топологических переходов T(p) = 1 и проверку геометрических ограничений через ортогональных соседей. Экспериментальная верификация на выборке из 50 спутниковых снимков с разрешением 0.5-2.4 м/пиксель подтвердила высокую эффективность метода: достигнут коэффициент разреженности 0.999 ± 0.001 при сохранении 98.2 % топологических свойств и индексе связности 0.98 ± 0.02 с потерей менее 1.5 % узловых точек (перекрестков и развязок). Визуальный анализ продемонстрировал сохранение сложных структур, включая многоуровневые развязки и тупиковые окончания. Практическая значимость метода заключается в полной автоматизации построения графовой модели дорожной сети с корректным выделением структурных элементов, хотя выявлены ограничения, связанные с зависимостью от качества исходных данных: требуются снимки с ИК-каналом для NDVI и разрешением больше или равным 2.4 м/пиксель и необходимостью ручной настройки параметров Хафа для различных типов покрытий. Перспективные направления развития включают адаптацию для зимних сцен и сельских дорог, интеграцию с GPS-трекингом для верификации моделей, а также разработку нейросетевого модуля автоматизации параметров Хафа. Полученные результаты создают основу для создания систем мониторинга транспортной инфраструктуры, применимых в динамичных городских условиях.
Ключевые слова: скелетизация изображений, преобразование Хафа, морфологическое утончение, детектирование дорог, топологическая целостность, алгоритм Квика, спутниковый мониторинг, графовые модели
Скачать полный текст статьи
Список цитируемой литературы:
  • Deep Learning Approaches Applied to Remote Sensing Datasets for Road Extraction: A State-of-the-Art Review / A. Abdollahi, B. Pradhan, N. Shukla [et al.] // Remote Sensing. - 2020. - Vol. 12, no. 9. - P. 1444.
  • A Review of Deep Learning-Based Methods for Road Extraction from High-Resolution Remote Sensing Images / R. Liu, J. Wu, W. Lu [et al.] // Remote Sensing. - 2024. - Vol. 16, no. 12. - P. 2056.
  • Rajamani T. Automatic Building Footprint Extraction and Road Detection from Hyperspectral Imagery / T. Rajamani, P. Sevugan, S. Ragupathi // Journal of Electronic Imaging. - 2023. - Vol. 32, no. 1. - P. 011005-011005.
  • Shu H. Symmetrization Weighted Binary Cross-Entropy: Modeling Perceptual Asymmetry for Human-Consistent Neural Edge Detection / H. Shu // Applied Soft Computing. - 2026. - P. 114750.
  • Hoh W.K. Salient-Centeredness and Saliency Size in Computational Aesthetics / W.K. Hoh, F.L. Zhang, N.A. Dodgson // ACM Transactions on Applied Perception. - 2023. - Vol. 20, no. 2. - P. 1-23.
  • BING: Binarized Normed Gradients for Objectness Estimation at 300fps / M.-M. Cheng, Y. Liu, W.Y. Lin [et al.] // Computational Visual Media. - 2019. - Vol. 5, no. 1. - P. 3-20.
  • Hinz S. Detection of Vehicles and Vehicle Queues for Road Monitoring Using High Resolution Aerial Images / S. Hinz // Proceedings of 9th World Multiconference on Systemics, Cybernetics and Informatics. - Orlando, 2005. - P. 1-4.
  • Butilă E.V. Urban Traffic Monitoring and Analysis Using Unmanned Aerial Vehicles (UAVs): A Systematic Literature Review / E.V. Butilă, R.G. Boboc. - DOI 10.3390/rs14030620. - EDN LTQAJK // Remote Sensing. - 2022. - Vol. 14, no. 3. - P. 620.
  • Khan S.D. A Unified Deep Learning Framework of Multi-Scale Detectors for Geo-Spatial Object Detection in High-Resolution Satellite Images / S.D. Khan, L. Alarabi, S. Basalamah // Arabian Journal for Science and Engineering. - 2022. - Vol. 47, no. 8. - P. 9489-9504.
  • Лагунов Н.А. Нейросетевое моделирование распознавания многопараметрических объектов : дис. … канд. техн. наук : 05.13.18 / Н.А. Лагунов. - Ставрополь, 2016. - 207 с.
  • Dai L. RADANet: Road Augmented Deformable Attention Network for Road Extraction from Complex High-Resolution Remote-Sensing Images / L. Dai, G. Zhang, R. Zhang // IEEE Transactions on Geoscience and Remote Sensing. - 2023. - Vol. 61. - P. 1-13.
  • Goumeidane A.B. Guided Scale Space Radon Transform for linear structures detection / A.B. Goumeidane, D. Ziou, N. Nacereddine // Signal, Image and Video Processing. - 2024. - Vol. 18, no. 5. - P. 4275-4289.
  • Hinz S. Automatic Car Detection in High Resolution Urban Scenes Based on an Adaptive 3D-model / S. Hinz, C. Schlosser, J. Reitberger // 2nd GRSS/ISPRS Joint Workshop on Remote Sensing and Data Fusion over Urban Areas. - IEEE, 2003. - P. 167-171.
  • Тормозов В.С. Улучшение работы алгоритма детектирования и классификации транспортных средств на спутниковых снимках путем сокращения области поиска с использованием геоинформации о дорогах / В.С. Тормозов. - DOI 10.25586/RNU.V9187.19.02.P.056. - EDN LKERAT // Вестник Российского нового университета. Cерия: Сложные системы: модели, анализ, управление. - 2019. - № 2. - С. 56-63.
  • Тормозов В.С. Метод детектирования и классификации транспортных средств на спутниковых снимках сверхвысокого разрешения / В.С. Тормозов. - DOI 10.25791/asu.06.2019.678. - EDN WAMRGQ // Промышленные АСУ и контроллеры. - 2019. - № 6. - С. 18-24.
  • Selective Search for Object Recognition / J. Uijlings, K. Sande, T. Gevers, A. Smeulders // International Journal of Computer Vision. - 2013. - Vol. 104, no. 2. - P. 154-171.
  • Ring‐Radial Pattern Recognition Method for the Road Network Supported by Skeletonization Idea / H. Song, X. Lu, Z. Zhang, H. Yan // Transactions in GIS. - 2025. - Vol. 29, no. 5. - P. e70078.
  • Zhang Z. Road Extraction by Deep Residual U-Net / Z. Zhang, Q. Liu, Y. Wang // IEEE Geoscience and Remote Sensing Letters. - 2018. - Vol. 15, no. 5. - P. 749-753.
  • Road Extraction from High-Resolution Remote Sensing Imagery Using Deep Learning / Y. Xu, Z. Xie, Y. Feng, Z. Chen // Remote Sensing. - 2018. - Vol. 10, no. 9. - P. 1461.
  • Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation / L.C. Chen, Y. Zhu, G. Papandreou [et al.] // Proceedings of the European Conference on Computer Vision (ECCV). - 2018. - P. 801-818.
  • Máttyus G. Deeproadmapper: Extracting Road Topology from Aerial Images / G. Máttyus, W. Luo, R. Urtasun // Proceedings of the IEEE International Conference on Computer Vision. - 2017. - P. 3438-3446.
  • Roadtracer: Automatic Extraction of Road Networks from Aerial Images / F. Bastani, S. He, S. Abbar [et al.] // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. - 2018. - P. 4720-4728.
  • Alshehhi R. Hierarchical Graph-Based Segmentation for Extracting Road Networks From High-Resolution Satellite Images / R. Alshehhi, P.R. Marpu // ISPRS Journal of Photogrammetry and Remote Sensing. - 2017. - Vol. 126. - P. 245-260.
  • TERNformer: Topology-enhanced Road Network Extraction by Exploring Local Connectivity / B. Wang, Q. Liu, Z. Hu [et al.] // IEEE Transactions on Geoscience and Remote Sensing. - 2023. - Vol. 61. - P. 1-14.