Calculation of aircraft area on satellite images by genetic algorithm

Abstract

Classical genetic algorithm is used in a computational experiment, which is described in this article, to measure an area of the aircraft Boeing 737-300. Satellite images containing objects of interest are selected as initial data. The computational experiment consists of two steps. The first step presents the generalized formulas of values. These formulas are needed to select initial images, using the theory of modified descriptive algebra of images. After that, the initial data is formed according to the calculated values, i.e. the satellite image is chosen in the needed scale and the shooting angle. At the second step, a model of technical vision system (computer vision system) in the modified descriptive images algebra and a fitness function for the genetic algorithm are developed. Then varying parameters of the model are chosen and their optimization is carried out in MATLAB. The article demonstrates development of the model due to its complexity by additional imaging techniques. Experimentally it was found that the evolution of the model improves optimization results. В статье описан вычислительный эксперимент, в котором для измерения площади самолета Boeing 737-300 используется классический генетический алгоритм. В роли начальных данных выбраны спутниковые снимки, содержащие объекты интереса. Вычислительный эксперимент состоит из двух этапов. На первом этапе приводятся обобщенные формулы величин, необходимые для выбора начальных изображений, с использованием теории модифицированных дескриптивных алгебр изображений. Далее с учетом вычисленных значений величин происходит формирование начальных данных, т.е. выбор спутникового снимка в нужном масштабе и угле съемки. На второй стадии разрабатывается модель системы технического зрения (системы компьютерного зрения) в модифицированных дескриптивных алгебрах изображений и функция пригодности для генетического алгоритма. Далее выбираются варьируемые параметры модели и проводится их оптимизация в среде MATLAB. В статье демонстрируется развитие модели за счет ее усложнения дополнительными методами обработки изображений. Экспериментально было установлено, что эволюция модели улучшает результаты оптимизации.