Отчёт по практике на тему "ТЮМГУ | Разработка сервиса для автоматизированного поиска и распознавания изолиний на изображениях геологических карт"

Работа на тему: Разработка сервиса для автоматизированного поиска и распознавания изолиний на изображениях геологических карт
Оценка: хорошо.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программного обеспечения

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
РАЗРАБОТКА СЕРВИСА ДЛЯ АВТОМАТИЗИРОВАННОГО ПОИСКА И РАСПОЗНАВАНИЯ ИЗОЛИНИЙ НА ИЗОБРАЖЕНИЯХ ГЕОЛОГИЧЕСКИХ КАРТ

02.03.03 Математическое обеспечение и администрирование информационных систем
Профиль «Технологии программирования и анализа больших данных»

Тюмень 2023

ОГЛАВЛЕНИЕ 2
ВВЕДЕНИЕ 4
ГЛАВА 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 7
1.1. ОБЗОР АЛГОРИТМОВ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ 7
1.2. СОДЕРЖАТЕЛЬНАЯ ПОСТАНОВКА ЗАДАЧИ 9
1.3. КОНЦЕПТУАЛЬНАЯ ПОСТАНОВКА ЗАДАЧИ 10
1.4. ГЕОГРАФИЧЕСКАЯ ПРИВЯЗКА КООРДИНАТ ИЗОБРАЖЕНИЯ 12
1.5 ЦВЕТОВАЯ ДИСКРЕТИЗАЦИЯ ИЗОБРАЖЕНИЯ МЕТОДОМ K-
СРЕДНИХ 13
1.6. ОБНАРУЖЕНИЕ И УДАЛЕНИЕ ТЕКСТА АЛГОРИТМОМ MSER 14
1.7. СКЕЛЕТИЗАЦИЯ ИЗОБРАЖЕНИЯ 15
1.8. РАСПОЗНАВАНИЕ ИЗОЛИНИЙ АЛГОРИТМОМ СТЕДЖЕРА 16
1.9. АЛГОРИТМ ОБЪЕДИНЕНИЯ ТОЧЕК В ИЗОЛИНИИ 18
1.10. ВОССТАНОВЛЕНИЕ РАЗРЫВОВ 20
ГЛАВА 2. РАЗРАБОТКА СЕРВИСА 21
2.1. ОПИСАНИЕ ФУНКЦИОНАЛА ПОЛЬЗОВАТЕЛЬСКОГО ИНТЕРФЕЙСА 22
2.2. РАЗРАБОТКА ПОЛЬЗОВАТЕЛЬСКОГО ИНТЕРФЕЙСА СЕРВИСА 27
2.3. ОПИСАНИЕ ВЫЧИСЛИТЕЛЬНОГО БЛОКА СЕРВИСА 30
2.4. ОБНАРУЖЕНИЕ ОБЛАСТЕЙ С ТЕКСТОМ 34
2.5. РАСПОЗНАВАНИЕ ТЕКСТА 35
2.6. АЛГОРИТМ СТЕДЖЕРА 39
2.7. ВОССТАНОВЛЕНИЕ РАЗРЫВОВ ИЗОЛИНИЙ 45
2.8. РАСПОЗНАВАНИЕ СКВАЖИН И ПРИВЯЗКА ИЗОБРАЖЕНИЯ 47
2.9. ВИЗУАЛИЗАЦИЯ РАСПОЗНАННЫХ ИЗОЛИНИЙ 50
2.10. ГЕНЕРАЦИЯ ТЕСТОВОЙ ВЫБОРКИ ДЛЯ ОЦЕНКИ КАЧЕСТВА РАСПОЗНАВАНИЯ ИЗОЛИНИЙ 51
2.11. ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ С ЗАМЕРОМ ВРЕМЕНИ РАСПОЗНАВАНИЯ ИЗОЛИНИЙ НА РАЗЛИЧНЫХ ИЗОБРАЖЕНИЯХ ГЕОЛОГИЧЕСКИХ КАРТ 52
2.12. ТЕСТИРОВАНИЕ КАЧЕСТВА РАСПОЗНАВАНИЯ ИЗОЛИНИЙ 53
ЗАКЛЮЧЕНИЕ 54
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 55
ПРИЛОЖЕНИЯ 1-5 60

ВВЕДЕНИЕ
Предприятия, работающие в нефтедобывающей отрасли и сотрудничающие с ООО «БАСПРО ПРОЕКТ» работают с геологическими картами1, чтобы прогнозировать и разведывать полезные ископаемые, оценивать условия освоения территорий, строительства, охраны недр. Для этого клиенты ООО «БАСПРО ПРОЕКТ» используют программный комплекс «BGE», который состоит из трёх модулей: «BaspOil», «Geomaster», «Explore».
Данные, по которым строится геологическая карта в ГИС 2, хранятся в базе данных или в локальном хранилище программы. Однако иногда возникают ситуации, когда геологическую карту необходимо восстановить по изображению, то есть оцифровать объекты на изображении. Этот процесс возможно осуществлять вручную путём создания объектов, например, изолиний на карте в ГИС, однако этот процесс является трудоёмким и времязатратным [1]. Также, по статистике, более 40% на изображении геологических карт занимают изолинии 3 [2].
В данной работе рассматривается проблема автоматизации процесса восстановления данных с изображений геологических карт.
На изображениях геологических карт могут находиться такие объекты, как: изолинии, скважины, а также надписи рядом со скважинами и на изолиниях, характеризующие их свойства. В данной работе восстановление данных с изображений геологических карт включает в себя обнаружение изолиний, скважин, а также распознавание надписей, связанных с этими объектами.
Процесс обнаружения объектов на изображении геологических карт является нетривиальной задачей, так как зачастую на изображении может
1 Геологическая карта – карта, отображающая на топографической основе геологическое строение определённого участка внешней поверхности земной коры.
2 ГИС – геоинформационная система, осуществляющая сбор, хранение, анализ и графическую визуализацию пространственных (географических) данных и связанной с ними информацией о необходимых объектах.
3 Изолиния – условное обозначение на карте, представляющее собой линию, в каждой точке которой измеряемая величина сохраняет одинаковое значение.
присутствовать шум, объекты могут накладываться друг на друга, области изображения могут иметь неоднородные цвета. Перечисленные факторы затрудняют распознавание изолиний и текста, в виду этого необходимо производить предобработку изображения.
В качестве опорных данных будет использоваться информация о координатах скважин, чтобы привести систему координат геологической карты на изображении к базовой системе координат (то есть к реальным координатам) и восстановить перспективу изображения.
Предлагаемое решение - автоматизация распознавания отдельных изолиний и значений на них с бумажных носителей и скан-копий с переносом в геоинформационную систему с помощью алгоритмов компьютерного зрения.
Цель проекта - разработать сервис, интегрированный в ГИС, который позволит осуществлять восстановление данных с геологических карт с помощью алгоритмов компьютерного зрения.
Задачи:
1. Реализовать пользовательский интерфейс сервиса
a. Спроектировать структуру пользовательского интерфейса сервиса.
b. Реализовать диалог с настройкой параметров предобработки изображения с использованием Qt.
2. Реализовать предобработку изображения
a. Реализовать алгоритм привязки изображения к локальной системе координат.
b. Реализовать алгоритм сегментации изображения методом k-средних.
c. Реализовать алгоритм скелетизации изображения.
d. Реализовать алгоритм восстановления разрывов изолиний.
3. Реализовать распознавание изолиний
a. Реализовать алгоритм Стеджера.
b. Реализовать объединение изолиний в системы.
4. Реализовать распознавание текста на изображении
a. Реализовать обнаружение областей с текстом, используя алгоритм
MSER.
b. Реализовать обнаружение горизонтального текста с помощью соответствия с шаблоном.
c. Реализовать обнаружение повёрнутого текста в разрывах изолиний с помощью соответствия с шаблонов.
5. Реализовать модуль 3D визуализации восстановленной карты в Unity
a. Реализовать построение трёхмерной поверхности карты с помощью алгоритма Convex Hull.
b. Реализовать навигацию по построенной карте.
6. Реализовать инструмент для генерации изображениях геологических карт с изолиниями, скважинами и текстовыми значениями для оценки качества автоматизированного распознавания данных.
Для успешной подготовки и защиты выпускной квалификационной работы использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающую высокую умственную и физическую работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Jackson M.J., Woodford P.A. GIS data capture hardware and software. In Geographical Information Systems. Maguire D.J., Goodchild M.F., Rhind D.W. (ред.). Longman: Harlow, 1991. – 239-249 с.
2. Bin Xu, Jianping Chen, Meijuan Yao. Identification of Contour Lines from Average-Quality Scanned Topographic Maps // Mathematical Problems in Engineering. – 2016. – Т. 2016. – Статья ID 3089690. – 14 с.
3. Samet, R. & Hancer, E. A new approach to the reconstruction of contour lines extracted from topographic maps // Journal of Visual Communication and Image Representation. – 2012. – №. 23(4). – С. 642-647.
4. Miao, Q., Xu, P., Liu, T., Yang, Y., Zhang, J. & Li, W. Linear Feature Separation From Topographic Maps Using Energy Density and the Shear Transform
// IEEE Transactions on Image Processing. – 2013. – Т. 22, №. 4. – С. 1548-1558.
5. Wu, R., Cheng, X., & Yang, C. Extracting contour lines from topographic maps based on cartography and graphics knowledge // Journal of Computer Science & Technology. – 2009.
_topographic_maps_based_on_cartography_and_graphics_knowledge (дата обращения: 19.06.23).
6. Raster Map Line Element Extraction Method Based on Improved U-Net Network / Ran, W., Wang, J., Yang, K., [и др.] // ISPRS International Journal of Geo- Information. – 2022.
7. Pradhan, R., Kumar, S., Agarwal, R., & Ghose, M. Contour Line Tracing Algorithm for Digital Topographic Maps // International Journal of Image Processing.
– 2010.
8. Hansen, C. Contour Extraction and Visualization from Topographic Maps // 2015.
9. Color topographical map segmentation Algorithm based on linear element features / Liu, T., Miao, Q., Xu, P., [и др.]. // Multimed Tools Appl, 2016. – Т. 75. – С. 5417-5438.
10. Sidi Wu, Magnus Heitzler, & Lorenz Hurni. Leveraging uncertainty estimation and spatial pyramid pooling for extracting hydrological features from scanned historical topographic maps // GIScience & Remote Sensing, 2022. URL: 10 (дата обращения: 19.06.23).
11. Ostafin, K., Iwanowski, M., Kozak, J., Cacko, A., Gimmi, U., Kaim, D., Psomas, A., Ginzler, C., & Ostapowicz, K. Forest cover mask from historical topographic maps based on image processing // Geosci. Data J., 2017. – Т. 4. – С. 29- 39.
12. Ghircoias, T., & Brad, R. Contour lines extraction and reconstruction from topographic maps // 2011.
13. Fischler, M. A., Tenenbaum, J. M., & Wolf, H. C. Detection of roads and linear structures in low-resolution aerial imagery using a multisource knowledge integration technique // Computer Graphics and Image Processing, 1981. – Т. 15. – С. 201–223.
14. Jedynak, B., & Roz?e, J. P. Tracking roads in satellite images by playing twenty questions // In Gruen et al, 1995. – С. 243-253.
15. Geman, D., & Jedynak, B. An active testing model for tracking roads in satellite images // IEEE Transactions on Pattern Analysis and Machine Intelligence, 1996. – Т. 18, №. 1. – С. 1–14.
16. Fischler, M. A. The perception of linear structure: A generic linker // In Image Understanding Workshop, San Francisco, CA, USA. Morgan Kaufmann Publishers, 1994. – С. 1565-1579.
17. Fischler, M. A., & Wolf, H. C. Linear delineation // In Computer Vision and Pattern Recognition. IEEE Computer Society Press, 1983. – С. 351-356.
18. Geman, D., & Jedynak. Shape recognition and twenty questions // Rapport de Recherche 2155, INRIA, Rocquencourt, France, 1993.
19. Koller, T. M., Gerig, G., Sz?ekely, G., & Dettwiler, D. Multiscale detection of curvilinear structures in 2-d and 3-d image data // In Fifth International Conference on Computer Vision. IEEE Computer Society Press, 1995. – С. 864-869.
20. Filbois, A., & Gemmerl?e, D. From step edge to line edge: Combining geometric and photometric information // In MVA ’94 IAPR Workshop on Machine Vision Applications, 1994. – С. 87-90.
21. Subirana-Vilanova, J. B., & Sung, K. K. Multi-scale vector-ridge- detection for perceptual organization without edges // A.I. Memo 1318, MIT Artificial Intelligence Laboratory, Cambridge, MA, USA, 1992.
22. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Фурман, Я. А., Кревецкий, А. В., Передреев [и др.]. Москва: ФИЗМАТЛИТ, 2002. – 224-303 с.
23. Steger, C. An unbiased detector of curvilinear structures // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1998. – Т. 20, №. 2. – С. 113-125. URL: [23] (дата обращения: 19.06.23).
24. Zhang, T. Y., & Suen, Ching Y. A Fast Parallel Algorithms For Thinning Digital Patterns // Communication of the ACM. – 1984. – Vol. 27, No. 3. – С. 236-
239.
25. Ма Ц., Цветков В. Ю., Конопелько В. К. Двухшаговая скелетизация бинарных изображений на основе модели Занга-Суена и порождающей маски // Системный анализ и прикладная информатика. – 2021. – №1.
26. Xin, D., Zhou, X., & Zhenz, H. Contour Line Extraction from Paper- based Topographic Maps // Journal of Information and Computing Science. – 2006. – Vol. 1. – С. 275–283.
27. Ben Boudaoud, L., Sider, A., & Tari, A. A new thinning algorithm for binary images // 2015 3rd International Conference on Control, Engineering &
Information Technology (CEIT), Tlemcen, Algeria, 2015. – С. 1-6.
28. Matas, J., Chum, O., Urban, M., & Pajdla, T. Robust wide baseline stereo from maximally stable extremal regions // Proceedings of the British Machine Vision Conference, Cardiff, UK, 2002. – С. 384-396.
29. Bradski, G. R., & Kaehler, A. Learning OpenCV. Farnham: O'Reilly, 2008. – С. 214-219.
31. Козлов, О.И. Совершенствование методов геодезической привязки сканерных снимков в целях повышения точности и надежности создания ортофотопланов. Москва, 2021. – С. 23.
32. Гудков, В.Ю., & Клюев, Д.А. Скелетизация бинарных изображений и выделение особых точек для распознавания отпечатков пальцев // Вестник Южно-Уральского государственного университета. Серия «Компьютерные технологии, управление, радиоэлектроника». – 2015. – Т. 15, № 3. – С. 11–17.