ارزيابي طبقه‌بندي شي‌گراي قانون مبنا و الگو مبنا به‌منظور استخراج جاده‌هاي كوهستاني از تصاوير ماهواره‌اي

Evaluation of Object-Oriented Rule-Based and Example-Based Classification Methods to Extract the Mountain Roads Using Satellite Images

با ظهور و فعالیت ماهواره‌های باقدرت تفكیك مكانی زیاد در دو دهه اخیر، استخراج عوارض و پدیده‌های زمینی از تصاویر ماهواره‌ای، موردتوجه بسیاری از محققین قرارگرفته است. راه، به‌عنوان یكی از عوارض زمینی از اهمیت زیادی در امور زیربنایی، حمل‌ونقل و مدیریت برخوردار است. استخراج شبكه راه‌های شهری با استفاده از روش‌های مختلف موضوع تحقیقات زیادی بوده است. استخراج راه‌های كوهستانی از تصاویر ماهواره‌ای به دلیل تباین كم با محیط اطراف، ساختار هندسی پیچیده و دور بودن از مراكز شهری پرتردد تاكنون كمتر موردتوجه قرارگرفته است. در این تحقیق از تصاویر ماهواره‌ای كوئیك برد برای استخراج راه استفاده‌شده است. به‌منظور افزایش قدرت تفكیك مكانی تصاویر چند طیفی، فرآیند تلفیق باند پانكروماتیك و باندهای چند طیفی با استفاده از روش جدید Esri انجام شد. استخراج راه با استفاده از طبقه‌بندی پیشرفته شی‌گرا انجام و نتایج حاصل از آن موردبررسی صحت قرار گرفتند كه دقت كلی برای طبقه‌بندی شی‌گرای قانون مبنا 93% و الگو مبنا 92%، به دست آمدند. با توجه به نتایج مطلوب‌تر طبقه‌بندی شی گرای قانون مبنا، دقت نهایی برای محور مركزی استخراج‌شده راه توسط آن 87% و RMSE آن نسبت به داده‌های مرجع 1/1 پیكسل به دست آمد. با توجه به پیچیدگی‌های توپوگرافیك منطقه و قدرت تفكیك مكانی تصویر، نتایج نشان داد طبقه‌بندی پیشرفته شی‌گرا در استخراج پدیده‌های زمینی همگن، خصوصاً راه از قابلیت خوبی برخوردار است.

With the advent of the high spatial resolution satellites in recent years, feature extraction has attracted the attention of many researchers. Road has a great importance in infrastructure, transportation and management. The extraction of urban road network has been the subject of numerous studies. Because of its low contrast, complex geometric structure and far away from crowded city centers, mountain road extraction from satellite images has been less studied. In this study to extract mountain roads QuickBird satellite imagery was used. In order to increase the spatial resolution of multispectral images, panchromatic and multispectral bands were fused using novel Esri method. Rod extraction was performed using advanced object-oriented classification methods and the results were evaluated. The overall accuracy for Object-oriented rule-based and Example-based classification methods was 93% and 92% respectively. Considering the results, roadʹs central axis was extracted from the region generated by the Object-oriented rule-based method. Final accuracy of central axis was 87% and RMSE 1.1 pixel comparing to the reference data. Due to the Topographic complexity of the area and spatial resolution of the images, the results showed that advanced Object-oriented classification method has a good capability to extract homogeneous terrestrial objects especially the roads.