ارائه يك روش سلسله مراتبي نظارت نشده براي شناسايي درختان با استفاده از داده‌هاي ليدار و تصاوير هوايي

A Hierarchical Unsupervised Method for Tree Detection Using Aerial Imagery and LiDAR

شناسایی درختان توسط داده‌های سنجنده‌های هوایی در چند دهه‌ی اخیر توجه بسیاری از محققین علوم فتوگرامتری و سنجش از دور را به خود اختصاص داده است. در این مقاله سعی ما شناسایی درختان موجود در مناطق شهری شلوغ با استفاده از تصاویر هوایی و داده‌های لیزر اسكنر می‌باشد كه به روش نظارت‌نشده انجام می‌شود. روش پیشنهادی این مقاله یك روند سلسله مراتبی است كه از یكسری عملیات ساده تشكیل شده‌ است. این روند به سه بخش كلی تقسیم می‌شود، كه در بخش اول از تصاویر هوایی، و در بخش دوم و سوم از داده‌های لیدار استفاده شده‌است. در بخش اول سعی می‌شود پوشش گیاهی در مناطق سایه و آفتابی شناسایی شده و استخراج شود. این كار در مناطق آفتابی توسط شاخص پوشش گیاهی و در مناطق سایه توسط شاخص سایه انجام می‌گیرد. نتایج این بخش شامل چمن‌ها و بوته‌ها خواهد بود كه باید حذف شوند. در بخش دوم برای حذف چمن‌ها از معیار نرخ تغییرات شیب استفاده می‌شود. نتایج این بخش نیز شامل عارضه‌های دیگری مانند بوته‌ها می‌باشد كه این عارضه‌ها نیز باید حذف شوند. در بخش سوم با تهیه مدل رقومی زمین و سپس استخراج مدل رقومی نرمال شده سطح منطقه عوارض با یك ارتفاع خاص نیز از نتایج حذف می‌شوند. در نهایت 3 لایه بدست آمده از هر بخش در هم ضرب شده و لایه نتیجه نهایی بدست می-آید. برای اینكه بتوانیم نتایج كاری را با نتایج سایر روش‌های مشابه مقایسه كنیم از سری داده‌های انجمن بین‌المللی فتوگرامتری و سنجش از دور، كارگروه WG III/4 استفاده كردیم. این داده‌ها به عنوان داده‌های مرجع در اختیار اعضای مشاركت كننده WG III/4 قرار گرفتند تا روش‌های مختلف روی این داده‌ها ارزیابی شده و قابل مقایسه باشند. با مقایسه روند پیشنهادی با روش‌های دیگر به بررسی نقاط قوت و ضعف آن می‌پردازیم. در نواحی مختلف شناسایی درختان با توجه به شاخص كامل بودن %0/56 تا %2/70 و با توجه به شاخص صحت %7/65 تا %1/67 انجام شده‌است. با توجه به نظارت‌نشده بودن روش پیشنهادی و اتوماتیك بودن آن می‌توان با كار بیشتر در این زمینه به آینده امیدوار بود.

Tree detection using aerial sensors in early decades was focused by many researchers in different fields including Remote Sensing and Photogrammetry. This paper is intended to detect trees in complex city areas using aerial imagery and laser scanning data. The methodology used in this paper is a hierarchal unsupervised method consists of some primitive operations. This method could be divided into three sections, in which, first section uses areal imagery and both second and third sections use laser scanners data. In the first section a vegetation cover mask is created in both sunny and shadowed areas. In sunny areas Normalized Difference Vegetation Index (NDVI) and in shadowed areas a Shadow Index (SI) is employed to obtain vegetation cover mask. This mask contains grasses and bushes that should be eliminated in the other two sections. In the second section Rate of Slope Change (RSC) is used to eliminate grasses. Such areas that their RSC is below a threshold is eliminated. In the third section a Digital Terrain Model (DTM) is obtained from LIDAR data. By using DTM and Digital Surface Model (DSM) we would get to Normalized Digital Surface Model (nDSM). Then objects which are lower than a specific height are eliminated. Now there are three result layers from three sections. At the end multiplication operation is used to get final result layer. This layer will be smoothed by morphological operations. Our result has a good rank in comparing to other methods in ISPRS WG III/4, when assessed in terms of 5 indices including area base completeness, area base correctness, object base completeness, object base correctness and boundary RMS. With regarding of being unsupervised and automatic, this method is improvable and could be integrate with other methods to get best results.