Journal of Geomatics Science and Technology

fa شناسایی و استخراج اتوماتیک راه از تصاویر چندطیفی بااستفاده ازتلفیق روشی شی‌گرا و سلسله مراتبی Automatic Road Detection and Extraction From MultiSpectral Images Using a New Hierarchical Object-based Method فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;">شناسایی و استخراج راه یکی از موضوعات مهم در زمینه فتوگرامتری و سنجش از دور و ماشین بینایی میباشد. 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 شیگرای 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<a href="#_ftn1" name="_ftnref1" title="">[1]</a> و مدل رنگی HSI<a href="#_ftn2" name="_ftnref2" title="">[2]</a> برای شناسایی عارضه راه است. ابتدا از تصویر چندطیفی قطعهبندی شده، شاخصهای طیفی NDVI <a href="#_ftn3" name="_ftnref3" title="">[3]</a> و NDWI<a href="#_ftn4" name="_ftnref4" title="">[4]</a> ایجاد شده، همچنین تصویر قطعهبندی 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<a href="#_ftn5" name="_ftnref5" title="">[5]</a> راههای اولیه شناسایی شدند. سپس با تکنیک برداری سازی مبتنی بر دیاگرام ورونی<a href="#_ftn6" name="_ftnref6" title="">[6]</a> محور راهها استخراج شد. پس از استخراج محور راههای اولیه، بر اساس قواعد توپولوژیکی قطعات زائد متصل به راه حذف گردیدند. به منظور آزمون روش پیشنهادی، از تصویر ماهوارهای چندطیفی محدوده Moonah کشور استرالیا که توسط انجمن بینالمللی 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 میدهد که روش پیشنهادی در شناسایی و استخراج راهها بر مبنای تصاویر چندطیفی ماهوارهای با قدرت تفکیک مکانی بالا، از قابلیت بسیار خوبی در مناطق شهری برخوردار است. </div> <div> <div style="text-align: justify;"></div> <hr align="left" size="1" width="33%" > <div id="ftn1" style="text-align: justify;"><a href="#_ftnref1" name="_ftn1" title="">[1]</a> Mean Shift</div> <div id="ftn2" style="text-align: justify;"><a href="#_ftnref2" name="_ftn2" title="">[2]</a> Hue, Saturation, Intensity</div> <div id="ftn3" style="text-align: justify;"><a href="#_ftnref3" name="_ftn3" title="">[3]</a> Normalized Difference Vegetation Index</div> <div id="ftn4" style="text-align: justify;"><a href="#_ftnref4" name="_ftn4" title="">[4]</a> Normalized Difference Water Index</div> <div id="ftn5" style="text-align: justify;"><a href="#_ftnref5" name="_ftn5" title="">[5]</a> Near InfraRed</div> <div id="ftn6" style="text-align: justify;"><a href="#_ftnref6" name="_ftn6" title="">[6]</a> Voronoi diagram</div> </div> <div style="text-align: justify;"></div> <div style="text-align: justify;">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 object-based 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 diagram-based 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 multi-spectral 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 of-the-art methods. The results demonstrate the high capability of the proposed method in detecting and extracting roads from satellite multispectral images in urban areas.</div> قطعه بندی شیفت میانگین, HSI, NDVI, NDWI, شناسایی و استخراج راه Mean Shift Segmentation, Hue, NDVI, NDWI, Voronoi diagram 13 27 http://jgst.issgeac.ir/browse.php?a_code=A-10-804-1&slc_lang=fa&sid=1 S. A. Kianejad Tejenaki عبدا... کیانژاد تجنکی Abdullah.kianejad@gmail.com 10031947532846006505 10031947532846006505 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیر H. Ebadi حمید عبادی ebadi@kntu.ac.ir 10031947532846006506 10031947532846006506 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیر A. Mohammadzadeh علی محمدزاده a_mohammadzadeh@kntu.ac.ir 10031947532846006507 10031947532846006507 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیر