استخراج اشكال متفاوت راه از تصاوير ماهواره‌اي با قدرت تفكيك‌هاي مختلف مكاني

Extraction of Different Road Shapes from Stellite Images with Different Resolutions

مقاله حاضر به‌منظور بررسي قابليت سيستم پيشنهادي استخراج نيمه‌خودكار راه از تصاوير ماهواره‌اي با حد تفكيك‌هاي مكاني مختلف به منظور بهنگام كردن نقشه‌هاي متوسط و كوچك‌مقياس پايگاه داده GIS سازمان راهداري و حمل‌ونقل جاده‌اي كشور تهيه گرديده است. هدف پژوهش حاضر حفظ و يا افزايش دقت و سرعت استخراج اطلاعات در مقايسه با عمليات زميني و استفاده از GPS است. افزون بر اين، ميزان موفقيت اين سيستم در استخراج اشكال مختلف راه اعم از راه مستقيم، مارپيچ، تقاطع و ميدان مورد بررسي قرار گرفته است. داده‌هاي ورودي سامانه مورد نظر شامل تصاوير پانكروماتيك و Pansharpened ماهواره‌هاي Ikonos و D1-IRS (به ترتيب داراي قدرت تفكيك مكاني 1، 4 و 5 متر) و تصاوير Pansharpened ماهواره 7-Landsat (داراي قدرت تفكيك مكاني 15 متر) است. در روش پيشنهادي، ضمن انجام خوشه‌بندي FCM در فضاي طيفي و بهبود كيفيت راه‌هاي كشف‌شده به‌وسيله اپراتورهاي مورفولوژي با حذف نويز و پوشش گپ‌ها، اقدام به كشف عارضه راه شده است. روش مذكور با انجام خوشه‌بندي در فضاي تصوير، موقعيت نقاط اصلي شبكه راه‌ها را شناسايي كرده و در پايان با بهره‌گيري از الگوريتم MST در تيوري گراف و انتخاب تابع وزن مناسب (فاصله اقليدسي) اقدام به اتصال اين نقاط و تشكيل محور مركزي راه در فرمت‌برداري براي ورود به GIS كرده است. رسيدن به ميانگين دقت كلي بيش از 98 درصد در طبقه‌بندي تصوير به دو كلاس راه و غيرراه و حصول ميانگين خطاي RMS حدود 68/0 پيكسل ـ از مقايسه محور راه استخراج‌شده با واقعيت زميني آن ـ نشانگر موفقيت كلي سامانه معرفي‌شده براي استخراج نيمه‌خودكار راه به شمار مي‌آيد.

Abstract The proposed semi-automatic road extraction system has been established to store and update road networks in medium and small scaled maps of the RMTO of Iran and to reduce charges and also to keep or increase precision and speed of information extraction in comparison to field work and GPS usage. Furthermore, the capability of the proposed system in extracting different shaped roads such as straight, spiral, junction and square has been investigated. The input data of the proposed road extraction system are Pansharpened and Panchromatic images of IKONOS and IRS-1D (1&4 and 5 meters spatial resolution) and Pansharpened images of ETM+ sensor of Landsat7 (15 meters spatial resolution). In the proposed method, FCM clustering technique is implemented in spectral space. Afterwards, morphological operators, as post- processing tools, are used to improve the road class image by removing noise and filling gaps and then C-Means clustering is performed on the spatial coordinates of the pixels and Key Nodes are attained. These nodes were connected using MST algorithm in graph theory by defining appropriate cost function (Euclidean distances) in order to extract road centerline which can be imported into GIS environment in vector format. Attaining mean overall accuracy (OA) of more than 98% and mean RMS error of about 0.68 pixels, when comparing automatic extracted road centerline with the manual extracted one, is a good criterion for the success of the proposed system in semi-automatic road extraction. Keywords: : Semi-Automatic Road Extraction, FCM, Morphology, Graph Theory, Satellite Images with Different Resolutions.