Οδική ανίχνευση από δορυφορικές εικόνες υψηλών και χαμηλών αναλύσεων
Από RemoteSensing Wiki
| Γραμμή 14: | Γραμμή 14: | ||
<b>Μεθοδολογία</b><br><br> | <b>Μεθοδολογία</b><br><br> | ||
Αρχικά θα αναφερθούμε στις αυτοματοποιημένες μεθόδους. Υπάρχουν αρκετές διαφορετικές μέθοδοι αυτοματοποιημένης εξαγωγής οδικού δικτύου από εικόνες. Γενικά, η αυτοματοποιημένη εξαγωγή δρόμων, αποτελείται από τέσσερα διαφορετικά βήματα: εστίαση στους δρόμους (sharpening), εντοπισμός δρόμων, σχεδιασμός δρόμων και συσχετισμός με άλλους εξαγώμενους δρόμους. Αυτή η μελέτη αυτοματοποίησε την οδική εξαγωγή που πραγματοποιήθηκε με τη χρησιμοποίηση της ενότητας γραμμών του λογισμικού PCI Geomatica [http://www.pcigeomatics.com/] (εικ.2). Σύμφωνα με τα αυτοματοποιημένα αποτελέσματα εξαγωγής, οι δρόμοι μέσω των γυμνών αγροτικών περιοχών θα μπορούσαν να ανιχνευθούν ευκολότερα και ακριβέστερα. Αυτό συμβαίνει λόγω της βασικής και κανονικής δομής των δρόμων σε γυμνές αγροτικές περιοχές και λόγω του ότι είναι μακριά από τακτοποιήσεις. Σε μια υψηλής ανάλυσης εικόνα, η αυτοματοποιημένη ανίχνευση δρόμων είναι ιδιαίτερα πολύπλοκη. Αυτό οφείλεται στη μη γραμμική και ανομοιόμορφη δομή και στις σκιές των κτιρίων γύρω από αυτούς τους δρόμους. Σε μια εικόνα χαμηλής ανάλυσης, το μέγεθος του pixel θα μπορούσε να είναι μεγαλύτερο από το πλάτος του δρόμου, έτσι όσο χαμηλότερη είναι η ανάλυση της εικόνας τόσο δυσκολότερο είναι να ανιχνεύσει τους δρόμους. | Αρχικά θα αναφερθούμε στις αυτοματοποιημένες μεθόδους. Υπάρχουν αρκετές διαφορετικές μέθοδοι αυτοματοποιημένης εξαγωγής οδικού δικτύου από εικόνες. Γενικά, η αυτοματοποιημένη εξαγωγή δρόμων, αποτελείται από τέσσερα διαφορετικά βήματα: εστίαση στους δρόμους (sharpening), εντοπισμός δρόμων, σχεδιασμός δρόμων και συσχετισμός με άλλους εξαγώμενους δρόμους. Αυτή η μελέτη αυτοματοποίησε την οδική εξαγωγή που πραγματοποιήθηκε με τη χρησιμοποίηση της ενότητας γραμμών του λογισμικού PCI Geomatica [http://www.pcigeomatics.com/] (εικ.2). Σύμφωνα με τα αυτοματοποιημένα αποτελέσματα εξαγωγής, οι δρόμοι μέσω των γυμνών αγροτικών περιοχών θα μπορούσαν να ανιχνευθούν ευκολότερα και ακριβέστερα. Αυτό συμβαίνει λόγω της βασικής και κανονικής δομής των δρόμων σε γυμνές αγροτικές περιοχές και λόγω του ότι είναι μακριά από τακτοποιήσεις. Σε μια υψηλής ανάλυσης εικόνα, η αυτοματοποιημένη ανίχνευση δρόμων είναι ιδιαίτερα πολύπλοκη. Αυτό οφείλεται στη μη γραμμική και ανομοιόμορφη δομή και στις σκιές των κτιρίων γύρω από αυτούς τους δρόμους. Σε μια εικόνα χαμηλής ανάλυσης, το μέγεθος του pixel θα μπορούσε να είναι μεγαλύτερο από το πλάτος του δρόμου, έτσι όσο χαμηλότερη είναι η ανάλυση της εικόνας τόσο δυσκολότερο είναι να ανιχνεύσει τους δρόμους. | ||
| - | Στην ημια-αυτόματη εξαγωγή δρόμων, τα πράγματα είναι λίγο διαφορετικά. Όσον αφορά το φιλτράρισμα. Η χωρική συχνότητα περιγράφεται ως αριθμός παραλλαγών μεταξύ των τιμών των εικονοκυττάρων σε μια συγκεκριμένη περιοχή πέρα από το σύνολο δεδομένων ράστερ. Εάν αυτή η παραλλαγή είναι χαμηλή από ότι η εικόνα μπορεί να περιγραφεί ως χαμηλής συχνότητας εικόνα, ή εάν η παραλλαγή είναι υψηλή, τότε η εικόνα περιγράφεται ως εικόνα υψηλής συχνότητας. Τα υψιπερατά φίλτρα χρησιμοποιούνται για την αύξηση της χωρικής συχνότητας των εικόνων ενώ τα χαμηλής διέλευσης φίλτρα χρησιμοποιούνται για τη μείωση ή την καταστολή της χωρικής συχνότητας των εικόνων. Στο φιλτράρισμα επεξεργάζεται κάθε εικονοκύτταρο που αξιολογείται με τον ιδιαίτερο αριθμό γειτονικών του εικονοκυττάρων και εξαρτάται από το βάρος που η νέα αξία κάθε εικονοκυττάρου υπολογίζεται και ορίζεται έπειτα σε καθένα. Σε αυτήν την μελέτη προκειμένου να ανιχνευθούν τα φίλτρα ανίχνευσης οδικών ακμών που είναι οι τύποι υψιπερατών φίλτρων (Prewitt και Sobel), διευθύνονται στις δορυφορικές εικόνες διαφορετική χωρική ανάλυση. | + | Στην ημια-αυτόματη εξαγωγή δρόμων, τα πράγματα είναι λίγο διαφορετικά. Όσον αφορά το φιλτράρισμα. Η χωρική συχνότητα περιγράφεται ως αριθμός παραλλαγών μεταξύ των τιμών των εικονοκυττάρων σε μια συγκεκριμένη περιοχή πέρα από το σύνολο δεδομένων ράστερ. Εάν αυτή η παραλλαγή είναι χαμηλή από ότι η εικόνα μπορεί να περιγραφεί ως χαμηλής συχνότητας εικόνα, ή εάν η παραλλαγή είναι υψηλή, τότε η εικόνα περιγράφεται ως εικόνα υψηλής συχνότητας. Τα υψιπερατά φίλτρα χρησιμοποιούνται για την αύξηση της χωρικής συχνότητας των εικόνων ενώ τα χαμηλής διέλευσης φίλτρα χρησιμοποιούνται για τη μείωση ή την καταστολή της χωρικής συχνότητας των εικόνων. Στο φιλτράρισμα επεξεργάζεται κάθε εικονοκύτταρο που αξιολογείται με τον ιδιαίτερο αριθμό γειτονικών του εικονοκυττάρων και εξαρτάται από το βάρος που η νέα αξία κάθε εικονοκυττάρου υπολογίζεται και ορίζεται έπειτα σε καθένα. Σε αυτήν την μελέτη προκειμένου να ανιχνευθούν τα φίλτρα ανίχνευσης οδικών ακμών που είναι οι τύποι υψιπερατών φίλτρων (Prewitt και Sobel), διευθύνονται στις δορυφορικές εικόνες διαφορετική χωρική ανάλυση. Κατά αυτόν τον τρόπο η χωρική συχνότητα κάθε εικόνας αυξήθηκε και έτσι οι δρόμοι τονίστηκαν και εξήχθησαν έπειτα από κάθε εικόνα (εικ.3) |
Αναθεώρηση της 19:32, 13 Ιανουαρίου 2011
Οδική ανίχνευση από δορυφορικές εικόνες υψηλών και χαμηλών αναλύσεων
Πρωτότυπος τίτλος : ROAD DETECTION FROM HIGH AND LOW RESOLUTION SATELLITE IMAGES.Πηγή : R.Gecen, G.Sarp, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B4. Beijing 2008.
[1]
<b>Περίληψη
Η εξαγωγή οδικού δικτύου από δορυφορικές εικόνες έχουν γίνει αντικείμενο έρευνας τα τελευταία χρόνια. Χρησιμοποιείται ειδικά στον προγραμματισμό πόλεων, στη χαρτογραφία και στην ενημέρωση ήδη ανιχνευμένων δρόμων στο γεωγραφικό συστημάτων πληροφοριών (GIS). Πολλοί τρόποι της οδικής εξαγωγής έχουν προταθεί και διαφέρουν μεταξύ τους λόγω των διαφορετικών στατηγικών τους, τον τύπο και την ανάλυση των εικόνων εισαγωγής, τις διαμορφώσεις του πειράματος, τους τρόπους της επεξεργασίας και τις γενικές υποθέσεις, κ.λπ. Τα κύρια πλεονεκτήματα της αυτόματης οδικής εξαγωγής είναι η δυνατότητά της ομοιόμορφης προσέγγισης στις διαφορετικές εικόνες, οι διαδικασίες επεξεργασίας εκτελούνται σε σύντομο χρονικό διάστημα και η δυνατότητά εξαγωγής δρόμων που δεν αναγνωρίζονται από το ανθρώπινο μάτι. Στην ημι-αυτοματοποιημένη μέθοδο εξαγωγής, οι δρόμοι εξάγονται από τη δορυφορική εικόνα με τη χρησιμοποίηση της οπτικής ερμηνείας. Υπάρχουν διάφορες τεχνικές αύξησης της εικόνας που συμβάλλουν στην ημι-αυτοματοποιημένη οδική εξαγωγή όπως φιλτράρισμα, ταξινόμηση, λόγοι καναλιών. Ο Zheng και οι λοιποί (1998), ανίχνευσαν δρόμους από δορυφορικές εικόνες με τη διαδικασία φιλτραρίσματος και την ανίχνευση ακμών. Η ανάλυση των δορυφορικών εικόνων έχει σημαντική επίδραση στην ανίχνευσση των δρόμων ή άλλων αντικειμένων που καλούνται για διάκριση. Οι εικόνες που έχουν διαφορετική ανάλυση περιλαμβάνουν διαφορετικούς τύπους δρόμων. Σε μια εικόνα χαμηλής ανάλυσης, οι δρόμοι απεικονίζονται ως μια μοναδική γραμμή ενώ στις εικόνες υψηλής ανάλυσης οι δρόμοι έχουν συγκεκριμένο πλάτος και τα pixels είναι τοποθετημένα και στις δύο πλευρές του δρόμου και έχουν ανομοιόμορφο σχέδιο λόγω της ύπαρξης των δέντρων, των αυτοκινήτων και των σπιτιών κατά μήκος των δρόμων. Στόχος αυτής της μελέτης είναι να ανιχνευθούν οι δρόμοι στις αστικές περιοχές από τις δορυφορικές εικόνες με διαφορετικές αναλύσεις με τη χρησιμοποίηση των αυτοματοποιημένων και ημιαυτόματων μεθόδων και να ερευνηθεί η επιρροή της ανάλυσης σχετικά με την οδική εξαγωγή. Η μελέτη που αυτοματοποιείται στην τεχνική οδικής εξαγωγής εφαρμόζεται σε τέσσερις διαφορετικές δορυφορικές εικόνες (SPOT, IKONOS, QUICKBIRD, ASTER) με διαφορετικές αναλύσεις που ανήκουν στην πόλη της Άγκυρας της Τουρκίας. Κατά αυτόν τον τρόπο οι δρόμοι εξάγονται από αυτές τις τέσσερις δορυφορικές εικόνες χωριστά. Τέλος, η ακρίβεια των παραγμένων αποτελεσμάτων εξετάστηκε με το στρώμα στοιχείων GIS που αντιπροσωπεύει την πραγματικότητα.
Η περιοχή μελέτης-Τηλεπισκοπικά δεδομένα
Η μελέτη πραγματοποιήθηκε στην δυτική Άγκυρα, την πρωτεύουσα της Τουρκίας, σε επιφάνεια 6km² (εικ.1). Χρησιμοποιήθηκαν πέντε διαφορετικές δορυφορικές εικόνες με διαφορετική ανάλυση και διαφορετικά χαρακτηριστικά (QUICKBIRD 2.4 m, IKONOS 4 m, SPOT-PAN 10 m, ASTER 15 m and LANDSAT-ETM 30 m.) και οι δρόμοι προσπάθησαν να ανιχνευθούν χρησιμοποιώντας αυτοματοποιημένες ή ημι-αυτόματες μεθόδους.
Μεθοδολογία
Αρχικά θα αναφερθούμε στις αυτοματοποιημένες μεθόδους. Υπάρχουν αρκετές διαφορετικές μέθοδοι αυτοματοποιημένης εξαγωγής οδικού δικτύου από εικόνες. Γενικά, η αυτοματοποιημένη εξαγωγή δρόμων, αποτελείται από τέσσερα διαφορετικά βήματα: εστίαση στους δρόμους (sharpening), εντοπισμός δρόμων, σχεδιασμός δρόμων και συσχετισμός με άλλους εξαγώμενους δρόμους. Αυτή η μελέτη αυτοματοποίησε την οδική εξαγωγή που πραγματοποιήθηκε με τη χρησιμοποίηση της ενότητας γραμμών του λογισμικού PCI Geomatica [2] (εικ.2). Σύμφωνα με τα αυτοματοποιημένα αποτελέσματα εξαγωγής, οι δρόμοι μέσω των γυμνών αγροτικών περιοχών θα μπορούσαν να ανιχνευθούν ευκολότερα και ακριβέστερα. Αυτό συμβαίνει λόγω της βασικής και κανονικής δομής των δρόμων σε γυμνές αγροτικές περιοχές και λόγω του ότι είναι μακριά από τακτοποιήσεις. Σε μια υψηλής ανάλυσης εικόνα, η αυτοματοποιημένη ανίχνευση δρόμων είναι ιδιαίτερα πολύπλοκη. Αυτό οφείλεται στη μη γραμμική και ανομοιόμορφη δομή και στις σκιές των κτιρίων γύρω από αυτούς τους δρόμους. Σε μια εικόνα χαμηλής ανάλυσης, το μέγεθος του pixel θα μπορούσε να είναι μεγαλύτερο από το πλάτος του δρόμου, έτσι όσο χαμηλότερη είναι η ανάλυση της εικόνας τόσο δυσκολότερο είναι να ανιχνεύσει τους δρόμους.
Στην ημια-αυτόματη εξαγωγή δρόμων, τα πράγματα είναι λίγο διαφορετικά. Όσον αφορά το φιλτράρισμα. Η χωρική συχνότητα περιγράφεται ως αριθμός παραλλαγών μεταξύ των τιμών των εικονοκυττάρων σε μια συγκεκριμένη περιοχή πέρα από το σύνολο δεδομένων ράστερ. Εάν αυτή η παραλλαγή είναι χαμηλή από ότι η εικόνα μπορεί να περιγραφεί ως χαμηλής συχνότητας εικόνα, ή εάν η παραλλαγή είναι υψηλή, τότε η εικόνα περιγράφεται ως εικόνα υψηλής συχνότητας. Τα υψιπερατά φίλτρα χρησιμοποιούνται για την αύξηση της χωρικής συχνότητας των εικόνων ενώ τα χαμηλής διέλευσης φίλτρα χρησιμοποιούνται για τη μείωση ή την καταστολή της χωρικής συχνότητας των εικόνων. Στο φιλτράρισμα επεξεργάζεται κάθε εικονοκύτταρο που αξιολογείται με τον ιδιαίτερο αριθμό γειτονικών του εικονοκυττάρων και εξαρτάται από το βάρος που η νέα αξία κάθε εικονοκυττάρου υπολογίζεται και ορίζεται έπειτα σε καθένα. Σε αυτήν την μελέτη προκειμένου να ανιχνευθούν τα φίλτρα ανίχνευσης οδικών ακμών που είναι οι τύποι υψιπερατών φίλτρων (Prewitt και Sobel), διευθύνονται στις δορυφορικές εικόνες διαφορετική χωρική ανάλυση. Κατά αυτόν τον τρόπο η χωρική συχνότητα κάθε εικόνας αυξήθηκε και έτσι οι δρόμοι τονίστηκαν και εξήχθησαν έπειτα από κάθε εικόνα (εικ.3)
