برداري‌سازي محور مركزي راه در تصاوير بزرگ مقياس با آناليز چند‌معياره توسط اپراتورهاي ميانگين‌گير وزن‌دار ترتيبي در مدل گراف شبكه راه

Road Centerline Vectorization of High Resolution Images By Multi-Criteria Analysis Using Ordered Weighted Averaging Operators in Road Network Graph Model

امروزه روشي متداول در ايجاد پايگاه داده راه‌ها، استخراج آن‌ها از تصاوير رقومي هوايي و ماهواره‌اي است. با توجه به حجم بسيار دادههاي شبكه راه و نياز به بهنگام كردن آن‌ها با كمترين زمان و هزينه محاسباتي، اتوماسيون فرايند استخراج اطلاعات راه در حال تبديل به يكي از ملزومات عصر جديد است. در تحقيق حاضر كه بيشتر بر مرحله برداري‌سازي راه تاكيد دارد، سيستمي هوشمند براي برداري‌سازي اتوماتيك نتايج كشف راه، با كمترين ميزان دخالت عامل انساني، طراحي شده است. سيستم طراحي‌شده داراي دو مرحله اساسي تعيين نقاط كليدي راه و برقراري اتصال بين آن‌ها است. نخست، با استفاده از تكنيك خوشه‌بندي بر مبناي الگوريتم انبوه ذرات نقاط اصلي نمايانگر محور مركزي راه تعيين مي‌شوند. سپس، با در نظر گرفتن مدل گراف وزن‌دار براي شبكه راه‌هاي تصوير، تعيين معيارهاي هندسي مناسب و تلفيق اين معيارها از سوي عملگرهاي ميانگين‌گير وزن‌دار ترتيبي، هزينه هر اتصال محاسبه مي‌شود. اتصالات داراي كمترين هزينه، به صورت قطعات نهايي راه در تشكيل شبكه برداري راه شركت مي‌كنند. نتايج حاصل از پياده‌سازي روش پيشنهادي روي چندين تصوير بزرگ مقياس ماهواره اي و مقايسه آن‌ها با نتايج الگوريتم درخت‌پوشاي كمينه تاييدكننده موفقيت روش پيشنهادي در استخراج شبكه راه با دقت و صحت بالا است. براساس نتايج ارزيابي، روش پيشنهادي قادر است شبكه راه‌هاي تصوير را با ميانگين RMSE حدود 9/0 متر، ميانگين completeness حدود 94% و ميانگين correctness بيش از 95% برداري كند. در مجموع، الگوريتم پيشنهادي در برداري‌سازي راه‌هاي با اشكال مختلف شامل راه‌هاي مستقيم، راه‌هاي داراي انحنا، راه‌هاي با ضخامت‌هاي متفاوت، راه‌هاي موازي با فواصل متغير، تقاطع و ميدان موفقيت‌آميز عمل كرده است

Nowadays, extraction of roads from digital aerial and satellite images is a common method of road database construction. Regarding to massive amount of road data and time and cost effective updating requirements, automation procedure is becoming an essential. In this research, which is mostly concentrated on road vectorization process, an automatic approach of road centerline vectorization from detected road image with negligible operator interventions is designed. The proposed system consists of two main stages including road key points determination and connection. At the first stage, the road key points representative of the road centerline are determined using particle swarm optimization clustering. At the second stage, in order to model the road networks weighted graph theory is considered. In this model cost of each connection is calculated by aggregating appropriate road geometric criteria by means of ordered weighted averaging operators. The least cost connections constitute the vectorized road networks. The proposed approach was implemented on several high resolution satellite images and their results were compared with the results of the minimum spanning tree algorithm. On the whole, the obtaining results proved the efficiency of the vectorization approach in attaining the complete and accurate road network. Extracting different road shapes including direct and curved roads, roads with different widths, parallel roads with different distances, junctions and square with average RMSE value about 0.9 meter, average completeness of %94, and average correctness greater than %95 proves the efficiency of the algorithm in yielding complete road networks. Keywords: clustering, particle swarm optimization algorithm, road vectorization, ordered weighted averaging operators