طراحي يك پايگاه قوانين عارضه مبنا جهت كشف عارضه راه از تصاوير ماهواره‌اي با حد تفكيك مكاني بالا

Designing an object based rule set for road detection from high resolution satellite imagery

افزايش دسترسي به تصاوير ماهواره‌اي با حد تفكيك مكاني بالا بيش از پيش امكان شناسايي و استخراج اتوماتيك عوارض راه را براي ما فراهم نموده است. در حال حاضر اغلب روش‌هاي ارايه شده جهت شناسايي و استخراج اتوماتيك عوارض راه پيكسل مبنا بوده كه بر اساس درجه خاكستري هر پيكسل عمل مي‌نمايند. به‌دليل ضعف اطلاعات موجود در يك پيكسل، توانايي تفسير مفهومي تصوير از طريق روش‌هاي پيكسل مبنا بسيار ضعيف مي‌باشد. در صورتي‌كه در روش‌هاي عارضه مبنا، علاوه بر ويژگي‌هاي طيفي، ويژگي‌هايي همچون بافت، ساختار، مقياس و اطلاعات متني مانند اطلاعات در رابطه با ماهيت عوارض مجاور و نحوه ارتباط با آن‌ها براي هر عارضه تصويري قابليت تعريف دارند و به همين دليل پردازش‌هاي تصويري حاصل از آ‌ن‌ها نتايج قابل اطمينان‌تري را نيز در اختيار مي‌گذارند. از ان رو در اين مقاله سعي شده است با‌توجه به مزاياي روش‌هاي عارضه مبنا روشي كارا در قالب يك سيستم دانش مبنا جهت كشف اتوماتيك عارضه راه از تصاوير ماهواره‌اي طراحي و پياده سازي گردد. در مرحله اول به دليل تعداد بالاي ويژگي‌هاي قابل تعريف براي هر قطعه تصويري در روش‌هاي عارضه مبنا و اهميت استفاده از ويژگي‌هاي شاخص در تفكيك عوارض از يكديگر، استفاده از الگوريتم ژنتيك در تلفيق با الگوريتم طبقه‌بندي نزديكترين همسايگان جهت يافتن موثرترين ويژگي‌ها در شناسايي عارضه راه پيشنهاد گرديده است. در مرحله دوم يك سيستم دانش مبنا با توجه به دانش موجود، بررسي داده‌ها و همچنين با بهره‌گيري از هوش انساني در شناسايي عارضه راه طراحي خواهد گرديد. تصاوير مختلفي از ماهواره‌ IKONOS به‌منظور توليد قوانين دانش مبنا و همچنين جهت ارزيابي و اعتبار‌سنجي سيستم پيشنهادي مورد استفاده قرار گرفته است. نتايج اعتبارسنجي حاكي از كارايي و قابليت اعتماد آناليز‌هاي عارضه مبنا و هم چنين پايگاه قوانين ارايه شده مي‌باشد.

The increasing availability of high resolution satellite images is an opportunity to detect urban objects such as roads. In order to increasing the precision a new image analysis using object-based approaches has been proposed. In this paper, designing steps of knowledge based of road detection has been presented. In this field, an important challenge is the use of knowledge for automatic road objects identification, and a major issue is the formalization and exploitation of this knowledge. At first, optimum features, including spectral, texture and structural features, are detected using a genetic algorithm with a k-nearest neighbor classifier. After that a rule based road detection strategy has been developed using prior knowledge and optimum features interpretation. The method is designed and validated by IKONOS images of the urban areas of Hobart, Kish and Shiraz. The validation results highlight the capacity of the proposed method to automatically identify road objects using the knowledge based proposed system.