Journal of Geomatics Science and Technology

fa به هنگام سازی نقشه ساختمان ها مبتنی بر مدل های منحنی فعال Building Map Updating Based on Active Contour Models فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research در حال حاضر، به‌روزرسانی پایگاه داده مکانی با اتکا به اطلاعات موجود در پایگاه داده و استفاده از تصاویر هوایی جدید، از موضوعات مهم در حیطه مهندسی ژئوماتیک می‌باشد. اطلاعات موجود در نقشه قدیمی می تواند بهعنوان داده آموزشی در طبقه بندی، ایجاد مدل مفهومی، کاهش فضای جستجو و نیز در برآورد پارامترهای مجهول، مورد استفاده قرار گیرد. لذا، در این تحقیق، از اطلاعات هندسی پلیگون های نقشه قدیمی جهت کاهش فضای جستجو، بهینه نمودن مقداردهی اولیه به‌منظور بهبود فرآیند استخراج ساختمان مبتنی بر مدل های منحنی فعال و نیز عدم نیاز به الگوریتم های فیلترینگ داده های ارتفاعی، استفاده خواهد شد. این فرآیند در یک رویکرد سلسله مراتبی و مبتنی بر ترکیبی از دو مدل منحنی فعال هندسی انجام می‌گیرد که موجب رفع نقص این مدل‌ها در استخراج ساختمان های با رفتار طیفی و هندسی متفاوت می گردد. در روش پیشنهادی، هر یک از پلیگون های قدیمی، به طور مجزا،  به عنوان منحنی اولیه به یک مدل هندسی ناحیه‌مبنا معرفی می شوند. پس از اجرای مدل بر روی بخشی از DSM، متناسب با موقعیت پلیگون قدیمی و شناسایی ساختمان از DSM، آشکارسازی تغییرات هندسی رخ داده، انجام می گیرد. به‌منظور بهبود مرزهای استخراج‌شده، نتایج حاصله به یک مدل هندسی لبه مبنای مقید، معرفی شده و بر روی اطلاعات طیفی اجرا می‌گردد. در نهایت، مرزهای بهبودیافته طی فرآیند خلاص هسازی و منظم سازی به روش MBR، در پایگاه داده ذخیره می گردند. ارزیابی نتایج، موفقیت روش پیشنهادی در مناطق شهری در استخراج ساختمان‌های با رفتار طیفی و هندسی متفاوت را نشان میدهد. به‌طوری‌که صحت کلی فرآیند آشکارسازی تغییرات هندسی رخ داده و ضریب کاپا به ترتیب 79درصد و 74درصد بوده و  صحت نسبی مرزهای ساختمانی استخراج شده برابر 92 درصد می‌باشد. The rapid growth and development of urban environments has been created a lot of motivation for researchers in Geomatics engineering in order to provide optimal methods for monitoring urban changes and updating maps. Nowadays, using aerial/satellite imagery for updating old maps is one of the important topics in Photogrammetry and Remote Sensing. In this case, the available information in the digital cartographic data can be used as training data for classification, creating conceptual model, reducing the search space and also to estimate the unknown parameters like segmentation parameters. Applying available information of cartographic data leads to contribution this type of information during the feature extraction in order to improve the efficiency and decrease the defects of this progress. Therefore, this paper proposes a novel approach for building extraction in order to building map updating from aerial images with help of old digital cartographic data. In this study, the geometric information of polygons existing in old cartographic data is used as an auxiliary data to improve the process of building extraction and change detection based on active contour models in a hierarchical approach. The building extraction process is done in two step using two types of active contour models which runs upon the height and spectral data. The active contour models in the face with large dimensions, high level of details and also images with weak gradient information have not acceptable performance. Therefore, the focus of this paper is to present a novel approach to compensate the above mentioned defect. So, the building extraction process is done in a hierarchical approach based on a combination of two geometric active contour models which causes the elimination of the defects of these models in the extraction of buildings with different geometric and spectral behaviors. In the proposed method, each of the polygons are considered as an initial curve to a region-based geometric active contour model. This model is run upon a part of the DSM, commensurate with the position and dimension of the old polygon. After primary extraction of the building boundaries from the DSM, geometric change detection is done and then, the change map is produced. The change map gives a comprehensive intuition about the occurred changes. Due to various errors in DSM, the primary extracted boundaries did not have sufficient accuracy. So, to improve the accuracy of these boundaries, the results are introduced to a constrained edge-based geometric active contour model which is one of the innovations of this study. The common edge-based active contour models cannot recognize the object boundary in images with weak gradient information and so, the level set function evolution well be unstable and therefore will not be getting correct results. To solve this problem, a novel approach as constrained level set formulation is proposed. This constraint is derived from output of the region-based model and is caused to solve the deficiency of this model in the face with weak gradient images. After the extraction of the precise boundaries, the MBR-based approach as an approximation or generalization technique is applied for irregular generated boundaries of changed buildings which are obtained from the proposed constrained edge-based model. Finally, the generalized polygons are record in geodatabase. The dataset used in this study concern the part of vaihingen city of Germany. The shape accuracy of extracted buildings and overall accuracy of change detection process were 92% and 78%, respectively. These results clearly demonstrated the success of the proposed method in building extraction using active contour models and change detection in order to automatic building map updating. به هنگام سازی نقشه ساختمان ها, آشکارسازی تغییرات هندسی و به‌روزرسانی نقشه, مدل های منحنی فعال Updating Building Plan, Revealing the Geometric Changes and Update the Map, Active Curve Models, MBR 211 225 http://jgst.issgeac.ir/browse.php?a_code=A-10-313-1&slc_lang=fa&sid=1 M. Gharibi مهدی غریبی mahdigharibi@ut.ac.ir 10031947532846003165 10031947532846003165 Yes دانشگاه تهران H. Arefi حسین عارفی hossein.arefi@ut.ac.ir 10031947532846003166 10031947532846003166 No دانشگاه تهران H. Rastiveis حیدر راستی ویس hrasti@ut.ac.ir 10031947532846003167 10031947532846003167 No دانشگاه تهران H. Hashemi حسین هاشمی hosseinhashemi@ut.ac.ir 10031947532846003168 10031947532846003168 No دانشگاه تهران