Έρευνα για την αντικειμενοστραφή κατάτμηση κτιρίων που έχουν υποστεί ζημιά από σεισμό
Από RemoteSensing Wiki
Αντικείμενο μελέτης: Έρευνα για την αντικειμενοστραφή κατάτμηση κτιρίων που έχουν υποστεί ζημιά από σεισμό βασισμένη σε συνδυασμό τηλεπισκοπικών εικόνων πολλών χαρακτηριστικών
Πρωτότυπος τίτλος:The Research of building Earthquake damage Object-Oriented Segmentation Based on multi Feature Combination with Remote Sensing Image
Συγγραφείς: Zhao Yana, Cao De Sheng, Ren Hua Zhong
Πηγή: [4]
Λέξεις κλειδιά:object oriented, κατάτμηση, segmentation, αντικειμενοστραφή κατάτμηση
Περίληψη
Στην παρούσα μελέτη, γίνεται προσπάθεια βελτίωσης της μεθόδου κατάτμησης εικόνας και των αντικειμένων που αναγνωρίζονται. Με τη χρήση του αλγόριθμου ‘FSAM’ (fast scanning algorithm) εισάγονται στο φάσμα της εικόνας χαρακτηριστικά υφής και σχήματος, ενώ με τη χρήση ασαφούς λογικής πραγματοποιείται επιβλεπόμενη εκπαίδευση δειγμάτων. Προκειμένου να αναλυθεί η αποτελεσματικότητα του αλγορίθμου χρησιμοποιείται ως παράδειγμα η περιοχή Bam στο Ιράν, μέρος που είχε υποστεί φυσική καταστροφή. Τα συμπεράσματα υποδεικνύουν πιο ακριβή αποτελέσματα κατάτμησης και οδηγούν σε βελτιωμένη μελλοντική ποιότητα κατατμήσεων.
Εισαγωγή
Η έρευνα αποσκοπεί στην εύρεση λύσεων των παρόντων δυσκολιών που εμφανίζουν οι μέθοδοι κατάτμησης εικόνας όπως είναι ο χρονοβόρος ορισμός της παραμέτρου της κλίμακας, ο κρίσιμος ρόλος της εμπειρίας στο τελικό αποτέλεσμα κ. α. Για να γίνει αυτό η μελέτη επικεντρώνεται στην εφαρμογή μιας τεχνικής κατάτμησης με υψηλής ανάλυσης εικόνες, συνδυάζοντας τηλεπισκοπικά δεδομένα υψηλής ανάλυσης και αντικειμενοστραφή αναγνώριση με απώτερο σκοπό την αναγνώριση κτιρίων μετά από σεισμό.
Περιοχή Μελέτης
Η περιοχή μελέτης αφορά την πόλη BAM που βρίσκεται νοτιοανατολικά του Ιράν. Το Δεκέμβριο του 2003 χτυπήθηκε από σεισμό 6.6 ρίχτερ με αποτέλεσμα τα κτίρια στην αρχαίο κέντρο να καταστραφούν σε ποσοστό μεγαλύτερο του 80%.
Τηλεπισκοπικά Δεδομένα
Τα δεδομένα που χρησιμοποιήθηκαν για την ανάλυση του φαινομένου πριν και μετά το σεισμό ήταν δορυφορικές εικόνες πολυφασματικές και παγχρωματικές QuickBird. Το μέγεθος των εικόνων ήταν 600 επί 500 pixel και η χωρική ακρίβεια 0.6 μέτρα.(εικόνα 1).
Μεθοδολογία
O σκοπός είναι η σύγκριση της υφιστάμενης μεθόδου κατάτμησης εικόνας με μία συνδυασμένη μέθοδο κατάτμησης εικόνων υψηλής ανάλυσης βασισμένη στη βελτιωμένη συνένωση περιοχών με τη χρήση ασαφούς λογικής στον υπολογισμό των παραμέτρων. Η αρχική κατάτμηση γίνεται με τον αλγόριθμο FSAM με βήμα 0.1 ώστε να προκύψει η αρχική συνένωση επακόλουθων περιοχών. Στη συνέχεια υπολογίζεται η φασματική ετερογένεια των αντικειμένων με βάση το παρακάτω μοντέλο:
Ακολουθεί η μέτρηση της ετερογένειας σχήματος των αντικειμένων(hshape). Ο δείκτης αυτός δημιουργείται από τον υπολογισμό των δεικτών συμπαγότητας(hcompactness) και ομαλότητας(hsmoothness) βάζοντας τα κατάλληλα βάρη(ω) όπως φαίνεται παρακάτω:
Ακολουθεί ο υπολογισμός της ετερογένειας της υφής των αντικειμένων(texture), ενώ προτείνεται και ένα βελτιωμένο τοπικό δυαδικό πρότυπο (local binary pattern) ως περιγραφέας χαρακτηριστικού υφής. Η μέτρηση της ολικής ετερογένειας γίνεται με βάση την παρακάτω εξίσωση:
Η μέθοδος ασαφούς λογικής χρησιμοποιείται για την επιβλεπόμενη εκπαίδευση και ταξινόμηση της εικόνας που έχει κατατμηθεί.
Αποτελέσματα-Συμπεράσματα
Στις εικόνες 2 και 3 συγκρίνονται τα αποτελέσματα από την παραπάνω μέθοδο και την παραδοσιακή μέθοδο που πραγματοποιήθηκε στο λογισμικό e-cognition. Συνολικά φαίνεται πως η κατάτμηση έχει οδηγήσει σε ακριβή πληροφορία για την οριοθέτηση των κτιρίων και συμφωνεί με την υφιστάμενη κατάσταση. Με βάση την ποσοτική αξιολόγηση των αποτελεσμάτων κατάτμησης φαίνεται πως η μέθοδος που περιγράφεται στο παρόν καταλήγει σε πιο πιο συμπαγή αποτελέσματα σε σχέση με την παραδοσιακή μέθοδο.
