رويكرد ژنتيك تكميلي ناحيه‌مبنا براي آشكارسازي ساختمان‌ها با استفاده از تصاوير ماهواره‌اي با قدرت تفكيك مكاني بالا

Area Based Complementary Genetic Approach for Building Detection by Using High Spatial Resolution Satellite Imagery

سامر (Sumer) و همكاران (2008 و 2013) بر پايه به‌كارگيري الگوريتم انطباقي فازي-ژنتيك، رويكردي نوين در آشكارسازي ساختمان‌ها با استفاده از تصاوير ماهواره‌اي با قدرت تفكيك مكاني بالا مطرح كردند. روش پيشنهادي با كاهش مشكل همگرايي زودرس در الگوريتم ژنتيك، دقت آشكارسازي عوارض را بهبود چشمگيري بخشيد. نبودِ كنترل‌هاي هندسي بر خروجي اين الگوريتم‌ از محدوديت‌هاي رويكرد پيشنهادي به‌شمار آمده است. در اين تحقيق، براي رفع اين محدوديت، روش استخراج فازي ژنتيك كه سامر و همكاران (2013) آن را توسعه دادند با كنترلگر هندسي پيشنهادي ادغام شد. در اين الگوريتم، ابتدا نمونه‌هاي آموزشي و تست انتخاب مي‌شوند، سپس اپراتورهاي پايه پردازش تصوير روي ژن‌هاي كروموزوم‌ها قرار مي‌گيرند. خروجي‌هاي موقتي حاصل از اعمال اپراتورهاي پردازش تصوير بر باندهاي تصوير ورودي به يك تصوير باينري با بيشترين ميزان تمايز بين دو كلاس تبديل مي‌شوند. با محاسبه ميزان مطابقت بين نمونه انتخابي و خروجي الگوريتم، مقادير ارزش براي هريك از اعضاي جامعه محاسبه مي‌شود. در پايان چرخه هر نسل، رويكرد فازي در نظر گرفته‌شده در اين تحقيقْ مقادير احتمالي اصلاح‌شده براي عمليات لقاح و جهش را به‌منظور ممانعت از همگرايي نابهنگام در شروع نسل بعد تعيين مي‌كند. اين فرايند تا زمان دستيابي به تعداد مشخصي از تكرار ادامه مي‌يابد. به‌منظور كنترل هندسي خروجي‌هاي الگوريتم پيشنهادي، يك الگوريتم ژنتيك تكميلي ناحيه‌مبنا نيز توسعه داده شده است. با فرض مشابهت ساختمان‌هاي همجوار در يك منطقه شهري، الگوريتم تكميلي سعي در بهينه‌يابي محدوده مساحتي در منطقه مورد مطالعه دارد. بدين‌ترتيب كه نواحي با حدود خارج از محدوده مساحتي تعيين‌شده به‌منزله عوارض كلاس «غيرساختمان» برچسب‌گذاري مي‌شوند. اين الگوريتم در دوازده ناحيه انتخابي با ساختمان‌هاي متراكم و پراكنده در منطقه ورزقان استان آذربايجان شرقي پياده‌سازي شد. ميزان كاپاي محاسبه‌شده با به‌كارگيري رويكرد پيشنهادي بين 0.59 تا 0.91 است كه، درمقايسه با تحقيقات مشابه، عملكرد بهتري از خود نشان مي‌دهد. اين الگوريتم در مناطق شهري و حومه شهري، به‌نسبت نواحي روستايي، نتايج بهتري داشت.

Sumer et al., (2008, 2013) proposed a new approach based on an adaptive fuzzy-genetic algorithm for detecting buildings using high-resolution satellite imagery. This approach improved the accuracy of building detection by decreasing the problem of untimed genetic convergence. The lack of geometric controllers to enhance the output of the algorithm was one of the main limitations of this method. In order to resolve this limitation, a geometric controller is integrated to the method which was proposed by Sumer et al., (2013). Training samples are selected to initiate the approach. The attribute plane was revealed by chromosomes carrying image processing operations. These planes are then reduced to one optimal plane for discriminating between two classes. The fitness value is calculated through the detection and miss-detection rate. Performance of GA operators is finally controlled by an adaptive- fuzzy module. This process repeats until a specified number of generations have been reached. Also a complementary area based genetic algorithm is proposed in order to enhance the algorithm results. By considering the hypothesis that buildings are similar in characteristics within an urban block or neighborhood unit, the complementary algorithm tries to find the optimal areas. Then regions with areas lower or upper than the determined optimal limits are labeled as ‘non-building’ class. The approach was tested on twelve dense and dispersed test scenes of the Varzaghan city of Tabriz, Iran. The kappa statistics computed for the proposed evolutionary genetic approach were between 0.59 and 0.91, which shows a better performance in comparison to other similar methods. The performance of the algorithm for building extraction was better for urban and suburban buildings than for buildings in rural scenes. Keywords: Building detection, Image processing, High resolution satellite imagery, Area based evolutionary genetic algorithm, Fuzzy logic.