شناسایی و استخراج اتوماتیک راه از تصاویر چندطیفی بااستفاده ازتلفیق روشی شی‌گرا و سلسله مراتبی

شناسایی و استخراج راه یکی از موضوعات مهم در زمینه فتوگرامتری و سنجش از دور و ماشین بینایی می باشد. تحقیقات بسیار زیادی در این خصوص بر مبنای تصاویر چندطیفی انجام شده که عمدتا نتایج نسبتا خوبی نیز به دست آمده است. در این مقاله، یک روش اتوماتیک و شی گرای سلسله مراتبی جهت شناسایی و استخراج عارضه راه در مناطق شهری پیشنهاد داده شده است. روش پیشنهادی این تحقیق مبتنی بر روش قطعه بندی شیفت میانگین[1] و مدل رنگی hsi[2] برای شناسایی عارضه راه است. ابتدا از تصویر چندطیفی قطعه بندی شده، شاخصهای طیفی ndvi [3] و ndwi[4] ایجاد شده، همچنین تصویر قطعه بندی شده فوق به فضای رنگی hsi انتقال یافت. در ادامه به کمک محصول رنگ و شاخصهای طیفی ndvi و ndwi و باند مادون قرمز نزدیک[5] راه های اولیه شناسایی شدند. سپس با تکنیک برداری سازی مبتنی بر دیاگرام ورونی[6] محور راه ها استخراج شد. پس از استخراج محور راه های اولیه، بر اساس قواعد توپولوژیکی قطعات زائد متصل به راه حذف گردیدند. به منظور آزمون روش پیشنهادی، از تصویر ماهواره ای چندطیفی محدوده moonah کشور استرالیا که توسط انجمن بین المللی فتوگرامتری و سنجش از دور (isprs) ارائه شده، استفاده گردید. طبق نتایج ارزیابی، پارامترهای کامل بودن، صحت، کیفیت و f1measure روش پیشنهادی به طور میانگین عبارتند از: 98%، 85%، 84% و 91% برآورد شده است. علاوه بر این، نتایج روش پیشنهادی با نتایج پنج روش از روشهای برجسته موجود در استخراج راه، مورد قیاس قرار گرفت. نتایج حاصل از ارزیابی نشان می دهد که روش پیشنهادی در شناسایی و استخراج راه ها بر مبنای تصاویر چندطیفی ماهواره ای با قدرت تفکیک مکانی بالا، از قابلیت بسیار خوبی در مناطق شهری برخوردار است.

Automatic Road Detection and Extraction From MultiSpectral Images Using a New Hierarchical Object-based Method

Road detection and Extraction is one of the most important issues in photogrammetry, remote sensing and machine vision. A great deal of research has been done in this area based on multispectral images, which are mostly relatively good results. In this paper, a novel automated and hierarchical objectbased method for detecting and extracting of roads is proposed. This research is based on the Mean Shift Segmentation Method and the HSI Color Model for Road Detection. Initially, the multispectral images were segmented and then NDVI and NDWI spectral indices were created. In addition, the segmented images were transformed to HSI color space. Then, primary road surfaces were detected by Hue, NDVI, and NDWI spectral indices. In addition, the centerlines of roads were extracted using Voronoi diagrambased technique. After extracting of centerlines of primary roads, dangle errors were removed with emphasis on the topological rules and the lengths of dangles. In order to evaluate the proposed method, the Moonah multispectral Image provided by the ISPRS was used. According to the evaluation results, the parameters of completeness, accuracy and quality of the proposed method are, on average, estimated to be 98%, 84% and 84%. In addition, the results of the proposed method were compared with the results of five state oftheart methods. The results demonstrate the high capability of the proposed method in detecting and extracting roads from satellite multispectral images in urban areas.