Krāteru identificēšana uz astronomiskā ķermeņa virsmas attēla

Abstract

Zinātniskā interese pēc citām planētam pieaug, un atbilstoši pieaug citu planētu virsmu bilžu daudzums. Eksistējošais attēlu skaits jau sen pārsniedz daudzumu, ko ir iespējams apstrādāt cilvēka spēju robežās, tāpēc šis darbs piedāvā apskatīt automātisko krāteru detektēšanas algoritmu, sākot ar pirmsapstrādes veidiem un malu atpazīšanas algoritmiem un beidzot ar fināla algoritma parametru optimizāciju. No pirmsapstrādes veidiem tika apskatīti vidējas vērtības filtrs, Gausa filtrs un mediānas filtrs. Starp apskatītajiem malu atpazīšanas algoritmiem ir tādi algoritmi kā Canny malu atpazīšanas algoritms, Hough taisnes transformācija un Hough riņķa līnijas transformācija. Parametru izvēle tika veikta daļēji empīriski un daļēji ar pārlases metodi, salīdzinot rezultējošo precizitāti un pareizu atbilsmju skaitu, izmantojot nelielu Venēras virsmas bilžu kopu. Darba nobeigumā tika izveidots algoritms, kas izvēlētajai datu kopai spēj pareizi noteikt 41.33% krāteru ar 18.09% pareizo atbilsmju skaitu. Tika secināts, ka algoritms nav piemērots Venēras krāteru identificēšanai, kā arī tika apskatīti iemesli un iespējami algoritma uzlabojumi.

Scientific interest for other planets has been increasing and the amount of available imagery of planet surfaces has been increasing respectively. The number of existing images has crossed a line of what is possible to process manually long ago. Hence, this paper presents an automatic algorithm for crater detection beginning with initial processing approaches and edge detection algorithms and finishing with selection of optimal parameters for the final algorithm. Mean, Gaussian and median filters have been considered for initial processing. For edge detection such algorithms as Canny edge detection, Hough line transform, and Hough circle transform have been suggested and evaluated. Selection of parameters was done with help of created program by using a small set of images of Venus surface. As a result, an algorithm was created with true positive rate equal to 41.33% and precision equal to 18.09%. It was concluded that the created algorithm is not suitable for identification of Venus craters and reasons for it and possible improvements were discussed.