Детектирование новых антропогенных объектов на разновременных спутниковых изображениях Белорусской космической системы дистанционного зондирования Земли

Авторы

  • Леонид Владимирович Семененко Институт прикладных физических проблем им. А. Н. Севченко БГУ, ул. Курчатова, 7, 220045, г. Минск, Беларусь
  • Евгений Николаевич Кочик Институт прикладных физических проблем им. А. Н. Севченко БГУ, ул. Курчатова, 7, 220045, г. Минск, Беларусь
  • Александр Михайлович Сорока Независимый исследователь, г. Заславль, Беларусь

Ключевые слова:

детектирование, экологический мониторинг, разновременные спутниковые изображения, Белорусская космическая система дистанционного зондирования Земли, нейронная сеть, глубокое обучение, семантическая сегментация

Аннотация

Рассматривается решение задачи детектирования новых антропогенных объектов при проведении экологического мониторинга территории Беларуси с использованием разновременных панхроматических спутниковых изображений Белорусской космической системы дистанционного зондирования Земли и нейронной сети глубокого обучения, обеспечивающей максимально достоверное обнаружение изменений наземных объектов при минимизации ложных срабатываний. Для реализации данной задачи выполнен анализ моделей нейронных сетей глубокого обучения для детектирования новых антропогенных объектов на основе семантической сегментации разновременных спутниковых изображений, по результатам которого выбрана модель нейронной сети глубокого обучения с проверкой гипотезы о необходимости обучения на собственной сформированной выборке антропогенных объектов. Проведено обучение выбранной модели нейронной сети глубокого обучения для реализации задачи детектирования новых антропогенных объектов на основе разновременных панхроматических спутниковых изображений с оптимизацией настроек и подбором гиперпараметров. Исходя из полученных результатов, сделан вывод о реальной возможности автоматизации контроля появления новых антропогенных объектов при проведении экологического мониторинга.

Биографии авторов

  • Леонид Владимирович Семененко, Институт прикладных физических проблем им. А. Н. Севченко БГУ, ул. Курчатова, 7, 220045, г. Минск, Беларусь

    кандидат технических наук; заведующий лабораторией информационных технологий

  • Евгений Николаевич Кочик, Институт прикладных физических проблем им. А. Н. Севченко БГУ, ул. Курчатова, 7, 220045, г. Минск, Беларусь

    старший научный сотрудник лаборатории информационных технологий

  • Александр Михайлович Сорока, Независимый исследователь, г. Заславль, Беларусь

    независимый исследователь

Библиографические ссылки

  1. Белозерский ЛА, Мурашко НИ, Орешкина ЛВ. Проблемы использования разновременных спутниковых снимков в решении задач автоматического обнаружения изменений на местности. В: Абламейко СВ, Казаченок ВВ, Красногир ЕГ, Буза МК, Воротницкий ЮИ, Журавков МА и др., редакторы. Международный конгресс по информатике: информационные системы и технологии. Материалы Международного научного конгресса; 24–27 октября 2016 г.; Минск, Беларусь. Минск: БГУ; 2016. c. 4–8.
  2. Макриденко ЛА, Волков СН, Горбунов АВ, Салихов РС, Ходненко ВП. КА «Канопус-В» № 1 – первый российский малый космический аппарат высокодетального дистанционного зондирования Земли нового поколения. Вопросы электромеханики. Труды ВНИИЭМ. 2017;156:10–20. EDN: YWELEH.
  3. Bandara WGC, Patel VM. A transformer-based Siamese network for change detection. In: Institute of Electrical and Electronics Engineers. IGARSS-2022. Proceedings of the 2022 IEEE International geoscience and remote sensing symposium; 2022 July 17–22; Kuala Lumpur, Malaysia. [S. l.]: Institute of Electrical and Electronics Engineers; 2022. p. 207–210. DOI: 10.1109/IGARSS46834.2022.9883686.
  4. Daudt RC, Le Saux B, Boulch A. Fully convolutional Siamese networks for change detection. In: Institute of Electrical and Electronics Engineers. 2018 25th IEEE International conference on image processing (ICIP); 2018 October 7–10; Athens, Greece. [S. l.]: Institute of Electrical and Electronics Engineers; 2018. p. 4063–4067. DOI: 10.1109/ICIP.2018.8451652.
  5. Liu Y, Pang C, Zhan Z, Zhang X, Xue Yang X. Building change detection for remote sensing images using a dual-task constrained deep Siamese convolutional network model. IEEE Geoscience and Remote Sensing Letters. 2021;18(5):811–815. DOI: 10.1109/LGRS.2020.2988032.
  6. Chen H, Shi Z. A spatial-temporal attention-based method and a new dataset for remote sensing image change detection. Remote Sensing. 2020;12(10):1662. DOI: 10.3390/rs12101662.
  7. Zhang C, Yue P, Tapete D, Jiang L, Shangguan B, Huang L, et al. A deeply supervised image fusion network for change detection in high resolution bi-temporal remote sensing images. ISPRS Journal of Photogrammetry and Remote Sensing. 2020;166:183–200. DOI: 10.1016/j.isprsjprs.2020.06.003.
  8. Fang S, Li K, Shao J, Li Z. SNUNet-CD: a densely connected Siamese network for change detection of VHR images. IEEE Geoscience and Remote Sensing Letters. 2021;19:8007805. DOI: 10.1109/LGRS.2021.3056416.
  9. Chen H, Qi Z, Shi Z. Remote sensing image change detection with transformers. IEEE Transactions on Geoscience and Remote Sensing. 2022;60:5607514. DOI: 10.1109/TGRS.2021.3095166.
  10. van Rijsbergen CJ. Information retrieval. 2nd edition. London: Butterworths; 1979. 208 p.
  11. Loshchilov I, Hutter F. Decoupled weight decay regularization. In: Proceedings of the 7th International conference on learning representations (ICLR-2019); 2019 May 6–9; New Orleans, USA. Volume 6. Red Hook: Curran Associates; 2019. p. 4061–4078.
  12. Ronneberger O, Fischer P, Brox T. U-Net: convolutional networks for biomedical image segmentation. In: Navab N, Hornegger J, Wells WM, Frangi AF, editors. Medical image computing and computer-assisted intervention – MICCAI-2015. Proceedings of the 18th International conference; 2015 October 5–9; Munich, Germany. Part 3. Cham: Springer; 2015. p. 234–241 (Lecture notes in computer science; volume 9351). DOI: 10.1007/978-3-319-24574-4_28.

Загрузки

Опубликован

2025-12-31

Выпуск

№ 3 (2025): Журнал Белорусского государственного университета. Физика

Раздел

Приборы и методы исследований

Лицензия

Copyright (c) 2026 Журнал Белорусского государственного университета. Физика

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).

Как цитировать

(1)
Семененко, Л. В.; Кочик, Е. Н.; Сорока, А. М. Детектирование новых антропогенных объектов на разновременных спутниковых изображениях Белорусской космической системы дистанционного зондирования Земли. Журнал Белорусского государственного университета. Физика 2025, вып. 3, 62-69. https://doi.org/10.33581/2520-2243-2025-3-%p.
Crossref
Scopus
Google Scholar
Europe PMC