شناسايي و استخراج اتوماتيك راه از تصاوير چندطيفي بااستفاده ازتلفيق روشي شي‌گرا و سلسله مراتبي

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

شناسايي و استخراج راه يكي از موضوعات مهم در زمينه فتوگرامتري و سنجش از دور و ماشين بينايي مي­باشد. تحقيقات بسيار زيادي در اين خصوص بر مبناي تصاوير چندطيفي انجام شده كه عمدتا نتايج نسبتا خوبي نيز به دست آمده است. در اين مقاله، يك روش اتوماتيك و شي­ گراي سلسله مراتبي جهت شناسايي و استخراج عارضه راه در مناطق شهري پيشنهاد داده شده است. روش پيشنهادي اين تحقيق مبتني بر روش قطعه بندي شيفت ميانگين[1] و مدل رنگي HSI[2] براي شناسايي عارضه راه است. ابتدا از تصوير چندطيفي قطعه ­بندي شده، شاخص هاي طيفي NDVI [3] و NDWI[4] ايجاد شده، همچنين تصوير قطعه ­بندي شده فوق به فضاي رنگي HSI انتقال يافت. در ادامه به كمك محصول رنگ و شاخص هاي طيفي NDVI و NDWI و باند مادون قرمز نزديك[5] راه­هاي اوليه شناسايي شدند. سپس با تكنيك برداري سازي مبتني بر دياگرام وروني[6] محور راه­ها استخراج شد. پس از استخراج محور راه­هاي اوليه، بر اساس قواعد توپولوژيكي قطعات زائد متصل به راه حذف گرديدند. به منظور آزمون روش پيشنهادي، از تصوير ماهواره­اي چندطيفي محدوده Moonah كشور استراليا كه توسط انجمن بين ­المللي فتوگرامتري و سنجش از دور (ISPRS) ارائه شده، استفاده گرديد. طبق نتايج ارزيابي، پارامترهاي كامل بودن، صحت، كيفيت و F1Measure روش پيشنهادي به طور ميانگين عبارتند از: 98%، 85%، 84% و 91% برآورد شده است. علاوه بر اين، نتايج روش پيشنهادي با نتايج پنج روش از روشهاي برجسته موجود در استخراج راه، مورد قياس قرار گرفت. نتايج حاصل از ارزيابي نشان مي­دهد كه روش پيشنهادي در شناسايي و استخراج راه ­ها بر مبناي تصاوير چندطيفي ماهواره­اي با قدرت تفكيك مكاني بالا، از قابليت بسيار خوبي در مناطق شهري برخوردار است.

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.