Identification of Objects on Satellite Images Using the Image Texture Properties
| dc.contributor.author | Hnatushenko, Volodymyr V. | en |
| dc.contributor.author | Shedlovska, Yana | en |
| dc.contributor.author | Shedlovsky, Igor | en |
| dc.contributor.author | Gorev, Vyacheslav | en |
| dc.date.accessioned | 2023-09-14T12:13:07Z | |
| dc.date.available | 2023-09-14T12:13:07Z | |
| dc.date.issued | 2023 | |
| dc.description | V. Hnatushenko: ORCID 0000-0003-3140-3788 | en |
| dc.description.abstract | ENG: This paper focuses on identifying objects in satellite images using image texture properties, which is an important problem in agriculture. Texture segmentation can distinguish areas that correspond to tree plantations. Orchards and tree plantations can cover vast areas with thousands of trees, making the automation of harvest estimation crucial. Satellite images enable the creation of an effective automatic system for counting trees in plantations. In this work, we applied image texture segmentation to identify areas corresponding to agricultural plantations. We calculated textural properties of the image using the gray-level cooccurrence matrix, including mean value, variance, homogeneity, second angular moment, correlation, contrast, divergence, and entropy. These characteristics were used for segmentation, with multi-scale segmentation employed to distinguish areas of the image with specific textures. We proposed an algorithm for counting objects in satellite images, based on identifying individual objects that create a texture according to their spectral characteristics. The images used in this work primarily featured three object classes: trees, soil, and tree shadows. Since trees in gardens and plantations are arranged uniformly and have the same size, they can be easily distinguished from other image pixels based on their spectral characteristics. We analyzed NDVI and NSVDI spectral indices for tree detection and used the automatic spectral index histogram splitting method to distinguish objects with a high index value corresponding to trees. | en |
| dc.description.abstract | UKR: Ця стаття присвячена ідентифікації об’єктів на супутникових зображеннях за допомогою характеристик текстури зображення, що є важливою проблемою в сільському господарстві. Сегментація текстури може визначати ділянки, які відповідають насадженням дерев. Фруктові сади та плантації можуть охоплювати величезні території з тисячами дерев, що робить автоматизацію оцінки врожаю надзвичайно важливою. Супутникові знімки дозволяють створити ефективну автоматичну систему підрахунку дерев у насадженнях. У цій роботі ми застосували сегментацію текстури зображення для ідентифікації територій, які відповідають сільськогосподарським насадженням. Ми розрахували текстурні характеристики зображення за допомогою матриці співпадінь рівня сірого, зокрема середнє значення, дисперсію, однорідність, другий кутовий момент, кореляцію, контраст, розбіжність та ентропію. Ці характеристики були використані для сегментації, причому багатомасштабна сегментація була застосована для виділення областей зображення з певними текстурами. Нами запропоновано алгоритм підрахунку об’єктів на супутникових знімках, заснований на ідентифікації окремих об’єктів, які створюють текстуру за своїми спектральними характеристиками. Зображення, використані в цій роботі, в основному включали три класи об’єктів: дерева, ґрунт і тіні дерев. Оскільки дерева в садах і насадженнях розташовані рівномірно й мають однаковий розмір, їх можна легко відрізнити від інших пікселів зображення за їхніми спектральними характеристиками. Ми проаналізували спектральні індекси NDVI та NSVDI для виявлення дерев і використали метод автоматичного розбиття гістограми спектрального індексу, щоб розрізнити об’єкти з високим значенням індексу, що відповідають деревам. | uk_UA |
| dc.description.sponsorship | Dnipro University of Technology, Dnipro, Ukraine | en |
| dc.identifier.citation | Hnatushenko V., Shedlovska Ya., Shedlovsky S., Gorev V. Identification of Objects on Satellite Images Using the Image Texture Properties. CEUR Workshop Proceedings. Vol. 3387 : Proceedings of the 7th International Conference on Computational Linguistics and Intelligent Systems (CoLInS 2023). Vol. I: Machine Learning Workshop, Kharkiv, Ukraine, April 20–21, 2023. Kharkiv, 2023. P. 63–76. | en |
| dc.identifier.issn | 1613-0073 | |
| dc.identifier.uri | https://ceur-ws.org/Vol-3387/ | en |
| dc.identifier.uri | https://ceur-ws.org/Vol-3387/paper6.pdf | en |
| dc.identifier.uri | https://crust.ust.edu.ua/handle/123456789/17457 | en |
| dc.language.iso | en | |
| dc.publisher | CEUR-WS Team, Aachen, Germany | en |
| dc.subject | remote sensing data | en |
| dc.subject | segmentation | en |
| dc.subject | texture | en |
| dc.subject | NDVI | en |
| dc.subject | NSVDI | en |
| dc.subject | object identification | en |
| dc.subject | tree counting | en |
| dc.subject | satellite image | en |
| dc.subject | дані дистанційного зондування | uk_UA |
| dc.subject | сегментація | uk_UA |
| dc.subject | текстура | uk_UA |
| dc.subject | ідентифікація об'єктів | uk_UA |
| dc.subject | підрахунок дерев | uk_UA |
| dc.subject | супутниковий знімок | uk_UA |
| dc.subject | КІТС | uk_UA |
| dc.subject.classification | TECHNOLOGY::Information technology::Image analysis | en |
| dc.title | Identification of Objects on Satellite Images Using the Image Texture Properties | en |
| dc.title.alternative | Ідентифікація об'єктів на супутникових знімках за допомогою характеристик текстури зображення | uk_UA |
| dc.type | Article | en |