Вибір методів сегментації зображень, отриманих з квадрокоптерів для виявлення прихованих змін на місцевості

Abstract

Робота присвячена актуальній проблемі використання дронів для моніторингу змін на земній поверхні, зокрема, для виявлення забруднених ділянок та прихованих змін за допомогою аналізу зображень. Особливу увагу приділено методам сегментації зображень як ключовому етапу такого аналізу. Розглядаються різноманітні методи сегментації (порогова, на основі градієнтів, регіонів, кластерна, активні контури, глибоке навчання), їх переваги та недоліки. Проводиться порівняльний аналіз методів та надаються рекомендації щодо вибору оптимального методу в залежності від конкретної задачі. Акцентується увага на перспективності використання глибокого навчання для автоматизації процесу сегментації та підвищення точності результатів.

This paper addresses the pressing issue of using drones to monitor changes in the Earth's surface, particularly for detecting contaminated areas and hidden changes through image analysis. Special attention is paid to image segmentation methods as a key step in such analysis. Various segmentation methods (thresholding, gradient-based, region-based, clustering, active contours, deep learning) are considered, along with their advantages and disadvantages. A comparative analysis of the methods is conducted, and recommendations are provided for selecting the optimal method depending on the specific task. The paper emphasizes the promise of deep learning for automating the segmentation process and improving the accuracy of results.