Αξιολόγηση Μεθόδων Κατάτμησης Εικόνων Τηλεπισκόπησης, με Χρήση Γενετικών Αλγορίθμων

Abstract

Τα τελευταία χρόνια επικρατεί μια ραγδαία αύξηση του αριθμού των εικόνων που συναντάμε σε ψηφιακή μορφή και προέρχονται από διάφορες πηγές: ψηφιακές φωτογραφικές μηχανές, δορυφόροι, σαρωτές κτλ. Ο σκοπός της λήψης τους εξαρτάται από τον σκοπό για τον οποίο προορίζονται να χρησιμοποιηθούν. Ωστόσο κοινό παρανομαστή σε όλες αποτελεί η ανάγκη για ερμηνεία της περιεχόμενης πληροφορίας τους. Με τον όγκο των δεδομένων να αυξάνει συνεχώς και την υποκειμενικότητα της ανθρώπινης αντίληψης στην ερμηνεία τους, αναπτύσσεται έντονα η ανάγκη εύρεσης αυτόματων μεθόδων ερμηνείας των εικόνων. Και ενώ η ερμηνεία των πληροφοριών που υπάρχουν σε μια εικόνα, μπορεί να γίνει με επιτυχία από τους φωτοερμηνευτές με σχετική ευκολία, δεν συμβαίνει το ίδιο με έναν εξελιγμένο ηλεκτρονικό υπολογιστή. Η σημασιολογική ανάλυση του περιεχομένου μιας εικόνας, μπορεί να αποτελεί μια προαιώνια βιολογική διεργασία του ανθρώπινου εγκεφάλου που εκτελείται συνεχώς, όμως για τον ηλεκτρονικό υπολογιστή, είναι μια πρόκληση των τελευταίων δεκαετιών. Η αυτόματη εξαγωγή χαρακτηριστικών είναι ένα αντικείμενο ενδιαφέροντος πολλών πεδίων σύγχρονων εφαρμογών και βρίσκεται υπό συνεχή εξέταση και αναθεώρηση. Υπάρχει έντονη η ανάγκη αυτοματοποίησης της αναγνώρισης και χαρτογράφησης των τοπογραφικών, γεωμορφολογικών και ανθρωπογενών χαρακτηριστικών, ώστε η διαδικασία να καταστεί λιγότερο επίπονη χρονικά, χρησιμοποιώντας τις κατάλληλες μεθόδους αυτοματοποίησης. Ωστόσο κατά καιρούς, έχουν αναπτυχθεί διάφοροι αλγόριθμοι, οι οποίοι έχουν σκοπό να βοηθήσουν τόσο στην φωτοερμηνεία όσο και στην κατάτμηση των εικόνων. Οι αλγόριθμοι αυτοί εμπλέκουν συνήθως πλήθος παραμέτρων, με αποτέλεσμα να καθίσταται ιδιαίτερα πολύπλοκη η χρησιμοποίησή τους και ακόμα δυσκολότερος ο εντοπισμός των βέλτιστων τιμών των παραμέτρων αυτών. Την διαδικασία αυτή έρχονται να απλουστεύσουν οι γενετικοί αλγόριθμοι μέσω των οποίων αναζητούνται οι βέλτιστες τιμές των παραπάνω παραμέτρων με βάση την χρήση μιας συνάρτησης αξιολόγησης, χωρίς ωστόσο να πραγματοποιείται δοκιμή όλων των τιμών των παραμέτρων αυτών. Σκοπός της παρούσας διπλωματικής είναι η εφαρμογή γενετικών αλγορίθμων στην διαδικασία βελτιστοποίησης των παραμέτρων, οι οποίες χρησιμοποιούνται σε αλγορίθμους κατάτμησης εικόνων, υλοποιημένοι στην γλώσσα προγραμματισμού Python, με στόχο την ορθή κατάτμηση τηλεπισκοπικών και όχι μόνο απεικονίσεων, μέσω αυτοματοποιημένων διαδικασιών.

In recent years, there is a rapid increase in the number of images found in digital form and coming from several resources : digital cameras, satellites, scanners etc. The purpose of image collection depends on the purpose for which the images are intended to be used. However, the need for interpretation of the information contained in the images is a common denominator between all images. While the amount of data continues to increase and the subjectivity of the human perception continues to exist during their interpretation, a need for finding automatic methods of image interpretation is intensively being developed. While the interpretation of the information contained in an image can be achieved quite easily by photo interpreters, it is not the same with an advanced computer. The semantic analysis of the image content may be a primordial biological process of the human brain that runs continuously, nevertheless it is a big challenge for the computer in the recent decades. The automatic feature extraction is a subject of interest for several fields of modern applications and is under constant review and revision. There is a strong need for automating the identification and mapping of the topographic, geomorphologic and manmade features, so that the whole process can be less lengthy, using the proper automation methods. However, various algorithms have occasionally been developed, which are designed to contribute not only in the photo-interpretation but also in the segmentation of images. These algorithms usually involve a grade number crowd of parameters, which makes their use very complicated and the identification of the best values of these parameters even harder. This process is being simplified by the genetic algorithms via which the best values of the parameters mentioned above are being sought through an evaluation function, without however testing all the values of those parameters. The aim of this diploma thesis is the implementation of genetic algorithms for parameter optimization, of image segmentation algorithms implemented in the programming language Python, for the proper segmentation of remote sensing imagery.