Автоматическая реконструкция покрытий земли по историческим аэрофотоснимкам: оценка алгоритмов извлечения признаков и классификации

Реконструкция покрытий земли по монохромным историческим аэрофотоснимкам является сложной задачей, которая в последнее время привлекает повышенное внимание научного сообщества в связи с распространением крупномасштабных эпидемиологических исследований, включающих ретроспективный анализ пространственных паттернов. Тем не менее усилия сообщества компьютерного зрения в задачах дистанционного зондирования в основном сосредоточены на перспективных подходах с использованием высокоразрешённых многоспектральных данных, полученных в рамках продвинутых космических программ. В данной статье предложены четыре вклада, призванные создать основу для последующей разработки алгоритмов компьютерного зрения, применяемых к автоматизации реконструкции покрытий земли по монохромным историческим аэрофотоснимкам. Во-первых, совместно с экспертами по географии создан новый многомасштабный многодатный набор данных HistAerial, состоящий из 4,9 миллиона неперекрывающихся аннотированных патчей по территории Франции за период 1970–1990 годов. Во-вторых, выполнено обширное сравнительное исследование современных алгоритмов извлечения текстурных признаков и методов классификации, включая глубокие сверточные нейронные сети (DCNN). В-третьих, предложен новый низкоразмерный локальный текстурный фильтр, названный rotated-corner local binary pattern (R-CRLBP), представляющий собой упрощение фильтра бинарных градиентных контуров посредством ортогонального комбинированного представления. Наконец, введена новая комбинация низкоразмерных текстурных дескрипторов, включающая фильтр R-CRLBP, обозначенная как light combination of local binary patterns (LCoLBPs). Фильтр LCoLBP продемонстрировал сопоставимые с передовыми результатами на наборе данных HistAerial при сохранении относительно низкоразмерного пространства векторных признаков по сравнению с подходами на основе DCNN (в 17 раз короче).