В целях повышения эффективности создания, обновления электронных и цифровых топографических карт, а также планов за счет автоматизации процесса топографического дешифрирования материалов дистанционного зондирования Земли выполнен обзор существующих и перспективных методов, в т.ч. технологий автоматического и автоматизированного топографического дешифрирования. В настоящее время при создании и обновлении электронных и цифровых топографических карт и планов используются достижения современной цифровой фотограмметрии и аэрофототопографии. При этом получение информации об объектах по материалам дистанционного зондирования Земли выполняется на этапе дешифрирования. Дешифрирование — один из сложных и трудоемких этапов обработки изображений. Традиционно данный процесс основывается на визуально инструментальных методах при активном участии человека, что приводит к субъективному отношению к данному процессу и напрямую зависит от уровня подготовленности и опыта специалиста. Кроме того, процесс дешифрирования занимает достаточно много времени и предъявляет высокие требования к квалификации дешифровщиков. В связи с этим актуальна задача автоматизированного топографического дешифрирования, решение которой должно быть направлено на уменьшение длительности обработки изображений. В настоящее время автоматизированное и автоматическое дешифрирование требует больших временны́х затрат на подбор необходимого алгоритма и его параметров, формирования достаточно большой обучающей выборки и трудоемкой проверки результатов, однако обладает более высокой производительностью и стабильностью результатов. По итогам проведенных исследований определены направления использования средств автоматизированного топографического дешифрирования материалов аэрокосмической съемки при создании и обновлении электронных топографических карт и планов.

1. Бирюков В.С., Новоселов Д.И., 2006. Обзор средств автоматизации топографического дешифрирования. Известия высших учебных заведений. Геодезия и аэрофотосъемка, № 4, с. 118–130.
2. Волков А.В., 2004. Метод автоматического распознавания изображений площадных объектов растительного покрова и грунтов с использованием нейросети. Информация и космос, № 2, с. 37–39.
3. Волков А.В., 2004. Способ автоматизированного распознавания изображений топографических объектов с использованием элементов экспертной системы, построенной на основе нейросети. Информация и космос, № 1, с. 58–61.
4. Волков А.В., Волков В.В., 2003. Анализ нейросетевых методов обработки аэрокосмических изображений местности. Информация и космос, № 1–2, с. 29–37.
5. Живичин А.Н., Соколов В.С., 1980. Дешифрирование фотографических изображений. Недра, Москва.
6. Кандоба И.Н., Костоусов В.Б., 2000. Система автоматизированной подготовки электронных карт местности по снимкам земной поверхности. URL: https://gisinfo.ru/item/38.htm (дата обращения: 15.05.2022).
7. Мышляев В.А., Воронов Г.Б., 2012. Изобразительные свойства космических снимков и их влияние на масштаб создаваемых ортофотопланов. Геодезия и картография, Спецвыпуск, с. 109–111, https://doi.org/10.22389/0016-7126-2012-109-111.
8. Цыпкин Я.З., 1970. Обобщенные алгоритмы обучения. Автоматика и телемеханика, № 1, с. 97–104.
9. Чекалин В.Ф., Сухов А.А., 2019. Проблемы калибровки измерительных средств российских спутников дистанционного зондирования Земли. Геодезия и картография, Том 80, № 6, с. 39–47, https://doi.org/10.22389/0016-7126-2019-948-6-39-47.
10. Официальный сайт КБ «Панорама», 2022. Программное изделие. Комплекс автоматизированного дешифрирования и векторизации. Руководство оператора ПАРБ.00097-01 34 01. URL: https://gistoolkit.com/download/doc/automapdoc.pdf (дата обращения: 15.05.2022).

ВОРОНОВ Г.Б.*
МИРЭА — Российский технологический университет, г. Москва, Россия, voronovmgu@mail.ru
Адрес: пр-кт Вернадского, д. 78, г. Москва, 119454, Россия
КАРНОВ В.В.
МИРЭА — Российский технологический университет, г. Москва, Россия, karnov@mirea.ru
ВОЛКОВ В.В.
Военно-космическая академия имени А.Ф. Можайского, г. Санкт-Петербург, Россия, stainer3@mail.ru
Адрес: ул. Ждановская, д. 13, г. Санкт-Петербург, 197198, Россия

In order to improve the efficiency of developing and updating electronic and digital topographic maps, as well as plans through automation of topographic interpretation of remote sensing data a review of existing and promising methods, including technologies of automatic and automated topographic interpretation was carried out. At present time the achievements of modern digital and aerial photogrammetry are used for developing and updating electronic and digital topographic maps and plans. At the same time extraction of information about objects from remote sensing data is executed at the stage of interpretation. Interpretation is one of the most complicated and labor-intensive stages of image processing. Traditionally this process is based on visual-instrumental methods with active human participation, which leads to a subjective attitude to this process and directly depends on the level of training and experience of the specialist. In addition, the process of interpretation takes quite a lot of time and imposes high requirements to the qualification of interpreters. The task of automated topographic interpretation is relevant. Its solution should be aimed at reducing the duration of image processing. Currently, automated and automatic interpretation requires a lot of time to select the necessary algorithm and its parameters, form a sufficiently large training sample and time-consuming verification of results, but has a higher productivity and stability of results. As a result of the conducted research, the directions of use of automated topographic interpretation of aerospace surveying data for creating and updating electronic topographic maps and plans were determined.

1. Biryukov V.S., Novoselov D.I., 2006. Review of automation tools for topographic decoding. Izvestiya Vuzov. Geodesy and Aerophotosurveying, No. 4, pp. 118–130. (in Russian)
2. Volkov A.V., 2004. Method for automatic recognition of images of areal objects of vegetation cover and soil using a neural network. Information and Space, No. 2, pp. 37–39. (in Russian)
3. Volkov A.V., 2004. Method for automated recognition of images of topographic objects using elements of an expert system built on the basis of a neural network. Information and Space, No. 1, pp. 58–61. (in Russian)
4. Volkov A.V., Volkov V.V., 2003. Analysis of neural network methods for processing aerospace terrain images. Information and Space, No. 1–2, pp. 29–37. (in Russian)
5. Zhivichin A.N., Sokolov V.S., 1980. Interpretation of photographic images. Nedra, Moscow. (in Russian)
6. Kandoba I.N., Kostousov V.B., 2000. System for automated development of electronic maps based on images of the earth’s surface. URL: https://gisinfo.ru/item/38.htm (accessed: 15 May 2022). (in Russian)
7. Myshlyaev V.A., Voronov G.B., 2012. On pictorial properties of space photos and their influencing the scale of the created orthophotoplans. Geodesy and Cartography, Special Issue, pp. 109–111, https://doi.org/10.22389/0016-7126-2012-109-111. (in Russian)
8. Tsypkin Ya.Z., 1970. Generalized learning algorithms. Avtomatika i Telemekhanika, No. 1, pp. 97–104. (in Russian)
9. Chekalin V.F., Sukhov A.A., 2019. On the problems of calibrating Russian measuring devices on the satellites for remote sensing the Earth. Geodesy and Cartography, Vol. 80, No. 6, pp. 39–47, https://doi.org/10.22389/0016-7126-2019-948-6-39-47. (in Russian)
10. The official site of the Panorama Design Bureau, 2022. Software product. Complex of automated decoding and vectorization. Operator’s manual PARB.00097-01 34 01. URL: https://gistoolkit.com/download/doc/automapdoc.pdf (accessed: 15 May 2022). (in Russian)

GENNADY B. VORONOV*
MIREA — Russian Technological University; Moscow, Russia; voronovmgu@mail.ru
Address: Bld. 78, Vernadsky Ave, 119454, Moscow, Russia
VLADIMIR V. KARNOV
MIREA — Russian Technological University; Moscow, Russia; karnov@mirea.ru
VASILY V. VOLKOV
Mozhaisky Military Aerospace Academy; Saint Petersburg, Russia; stainer3@mail.ru
Adres: Bld. 13, Zhdanovskaya St., 197198, Saint Petersburg, Russia