IX Международная студенческая научная конференция Студенческий научный форум - 2017

Введение

В настоящее время потребители информации (организации, коллективы, отдельные люди) испытывают трудности с обработкой и своевременным использованием получаемой всеми способами и средствами информации – начиная от устных источников и публикаций, заканчивая средствами массовой информации и компьютерными сетями. Очень часто для обработки информации требуется большое количество монотонного труда, и как следствие, такая обработка занимает много времени, замедляя принятие управленческих решений. Таким образом, возникает необходимость в автоматизации обработки получаемых данных.

Главными преимуществами автоматизации являются:

1) Повышение качества производства и/или труда;

2) Повышение надежности процесса или продукта;

3) Уменьшение затрат на человеческий труд;

Главными недостатками автоматизации являются:

1) Автоматизированная система может быть более подвержена ошибкам, возникающим за пределами ее объема знаний;

2) Избыточные затраты на разработку: расходы на исследование и разработку процесса автоматизации могут превысить сумму, сэкономленную благодаря внедрению системы автоматизации;

3) Высокая начальная стоимость: автоматизация, как правило, требует больших начальных вложений.

Одной из областей деятельности, где проблема недостаточной автоматизации особенно актуальна, является обработка различных геопространственных данных, таких как спутниковые и аэроснимки. Это связано как с несовершенством математического аппарата, так и со спецификой самой отрасли. Специалистам по обработке изображений порой приходится иметь дело с тысячами различных снимков, которые нужно обработать или с операциями по обработке, которые требуют высокой точности исполнения. [1]

Дешифрирование – метод исследования территорий, акваторий, атмосферных явлений по их изображениям на аэро-, космических, подводных снимках, фотосхемах, фотопланах. Суть дешифрирования составляет расшифровка содержания снимков, распознавание изображённых объектов, определение их качественных и количественных характеристик, извлечение информации на основе зависимостей, существующих между свойствами объектов и их отображением на снимках.

Целью данной работы является проанализировать основные положения методологии автоматизации интеллектуального труда и оценить возможность применения данной методологии к процессу дешифрирования спутниковых изображений.

1. Обзор методологии

Многие исследователи предпринимали попытки создания алгоритмов автоматизации интеллектуального труда для определенных целей. Самыми распространенными сферами применения исследуемых методик автоматизаций являются промышленность, медицина, вычислительная биология, океанология и геоинформатика.

Методология автоматизации интеллектуального труда (МАИТ) была разработана группой ученых под руководством Галины Дмитриевны Волковой [2]. Она основана на семиотическом подходе, последовательном концептуальном, инфологическом и даталогическом описании операции или процесса. На рисунке 1 изображена схема создания автоматизированной системы в соответствии с методологией автоматизации интеллектуального труда на основе системного подхода и теории систем, разработанного Волковой Г.Д.

Рис. 1. Схема создания автоматизированной системы по МАИТ

Предпроектное обследование состоит в описании предметной задачи на естественном и формальном языках. Предметная задача представляется в виде набора моделей сначала на объектном, самом общем, и конкретном уровнях.

Технология автоматизации предметных задач в соответствие с описываемой методологией представлена на рисунке 2.[2]

Рисунок 2. Технология автоматизации предметных задач

Система действий в данном случае будет представлять собой алгоритм дешифрирования космического снимка, который будет представлять собой этапы дешифрирования. Процесс дешифрирования снимков включает в себя ряд этапов:

Первый этап работ - привязка снимков. Заключается в определении пространственного положения территории, изображенной на снимке. Она осуществляется при помощи географических, топографических или тематических лесных карт масштаба, соответствующего масштабу снимка или мельче его.

Второй этап - обнаружение объектов - выделение различных рисунков изображения, характерно преимущественно для снимков низкого пространственного разрешения и сопровождается, как правило, опознаванием дешифрируемых объектов или их групп.

Третий этап - опознавание объектов - или их идентификация включает анализ всего комплекса прямых признаков дешифрирования: тона (цвета), формы рисунка (структуры, текстуры), размеров изображения и элементов рисунка, определяющих физиономичность изображенных объектов, а также косвенных признаков, указывающих на сопряженность распознаваемых объектов с другими объектами или природными и антропогенными особенностями.

Четвертый этап - интерпретация - заключается в распознавании и выделении опознанных дешифрируемых объектов и определении их характеристик по прямым и косвенным признакам по определенному принципу в зависимости от тематической направленности дешифрирования.

Пятый этап - экстраполяция - включает идентификацию аналогичных объектов по всей территории, изображенной на снимке или нескольких снимках.

Каждый этап, как предметное действие, обладает множеством. каких-либо входных параметров. Также, необходимо формально описать каждый выше представленный этап и выявить бинарные зависимости между ними.

В нашем случае, формальное описание предметной задачи можно представить набором моделей в виде:

		(1)

где: — начальная модель представления предметной задачи на объектном уровне;

— система предметных зависимостей, описывающих взаимосвязи моделей разных уровней абстрагирования для n-ой предметной задачи процесса дешифрирования.

	,	(2)

где - начальная модель представления n-ой предметной задачи m-ой реализаций на конкретном уровне;

Формальное описание модели предметной задачи для конкретного уровня можно представить в виде множества экземпляров параметров и множества функциональных отношений на данных экземплярах:

(3)

(4)

где: — множество экземпляров параметров, где индекс k определяет параметр, а q – принадлежность значения параметра конкретному объекту;

— система экземпляров предметных действий;

— отношения, описывающие взаимосвязи множества экземпляров параметров и множества экземпляров предметных действий модели предметной задачи конкретного уровня. [3]

Следующим этапом является составление концептуальной и инфологической структуры рассматриваемой системы предметных действий. Полученные структуры будут в дальнейшем использоваться для даталогического моделирования применительно к выбранного средства программной реализации.

В качестве средства программно-технической реализации рассматривается модуль для геоинформационной системы QuantumGIS. Данный выбор обоснован простотой создания пользовательских плагинов для данной геоинформационной системы и большим количеством встроенных в нее функций для работы с изображениями, что существенно облегчит работу над программной реализацией процесса.

Таким образом, технологию автоматизации дешифрирования спутниковых изображений на основе стандартной, описанной на рисунке 2, можно представить следующим образом (рисунок 3).

3 Заключение

Методология автоматизации интеллектуального труда позволяет существенно ускорить процесс принятия интеллектуальных решений и увеличить эффективность выполнения определенных операций. Однако, данная методология нашла свое применение пока только в сфере машиностроения.

Рисунок 3. Технология автоматизации дешифрирования изображений

Самые основные положения методологии были применены к процессу интерпретации спутниковых изображений, в результате чего была получена схема технологии автоматизации применительно для рассматриваемого процесса. Однако, формальный аппарат методологии гораздо более сложный, так что вопрос применения процесса дешифрирования к нему нуждается в более серьезном рассмотрении и доработке. Необходимо продумать формальное описание описываемого процесса на конкретном уровне, а также рассмотреть множество бинарных связей между этапами в системе предметных действий.

Литература:

1. Пустынный Я.Н., Шошина К.В. Применение цикла Шухарта-Деминга к процессу автоматизации обработки геопространственной информации // Журнал «Молодой ученый». г.Казань: 2016, №15, с. 194­–198;

2. Волкова Г.Д. Методология автоматизации интеллектуального труда. М.: Янус-К, 2013. – 104 с.;

3. Новоселова О.В. Моделирование предметных задач на начальных этапах автоматизации предметной деятельности. М.: ФГБОУ ВО «МГТУ «СТАНКИН», 2016 – 100 с.

Код для цитирования: Скопировать