اتصال خودکار بريدگي‌‌ها در شبکة راه‌‌هاي استخراج‌شده به‌وسيلة الگوريتم‌‌هاي استخراج راه با استفاده از تکنيک‌‌هاي تبديل رادون و درون‌يابي اسپلاين

علي‌اکبر متکان, محمد حاجب, محمد اسلامي

چکیده


دسترسي به اطلاعات راه‌ها اهميت زيادي در کاربردهاي مختلف نظير حمل‌ونقل، کنترل ترافيک، سيستم‌هاي هدايت خودکار وسايل نقليه و مانند اينها دارد. در سال‌هاي اخير طراحي الگوريتم‌‌هاي استخراج راه، هدف مطالعات بسياري از پژوهشگران بوده است. باوجود پيشرفت‌‌هايي که در اين زمينه حاصل شده است، همچنان نواقصي در عملکرد اين الگوريتم‌‌ها وجود دارد که يکي از مهم‌ترين آنها وجود بريدگي در شبکة راه‌‌هاي استخراج‌شده است. اين بريدگي‌‌ها ممکن است به‌دلايل مختلفي نظير قرار‌‌گرفتن راه‌‌ها در زير درختان يا واقع‌شدن در سايه باشند. ازآنجاکه پيوسته‌بودن راه‌‌ها يکي از ويژگي‌هاي مهم توپولوژيکي آنهاست، رفع اين نقيصه ضروري به‌نظر مي‌‌رسد. هدف پژوهش حاضر ارائة روشي خودکار براي يافتن و اتصال بريدگي‌‌هاي موجود در راه‌‌هاي استخراج‌شده به‌وسيلة الگوريتم‌‌هاي استخراج راه است. در اين الگوريتم ابتدا با استفاده از روشي مبتني بر تبديل رادون سر و ته بريدگي‌‌ها شناسايي مي‌شوند، سپس اين نقاط با به‌کارگيري روشي بر پاية تکنيک درون‌‌يابي اسپلاين به يکديگر متصل مي‌‌شوند. اين الگوريتم روي خروجي يک روش استخراج راه که در آن چهار بريدگي در راه‌‌هاي مستقيم و دو بريدگي در تقاطع‌ها وجود دارد، پياده‌‌سازي شد. نتايج نشان دادند که الگوريتم قادر به اتصال تمام بريدگي‌‌هاي واقع در راه‌‌هاي مستقيم بود، ولي دو مورد بريدگي در تقاطع‎ها را نتوانست الگوريتم متصل کند. بنابر‌‌اين مي‌‌توان گفت که صرف‌نظر از محل بريدگي که در راه‌‌هاي مستقيم يا در تقاطع‌ها واقع شده‌‌اند، الگوريتم حدود 7/66 درصد از بريدگي‌‌هاي موجود در تصوير را شناسايي و متصل کرده است. اين الگوريتم در محيط نرم‌‌افزار MATLAB برنامه‌‌نويسي شد.


واژگان کلیدی


آشکارسازي عوارض خطي، اتصال قطع‌شدگي‌‌ها، تبديل رادون، درون‌‌يابي اسپلاين

تمام متن:

PDF

منابع و مآخذ مقاله


Akhras, M.S., Unemo, M., Thiyagarajan, S., Nyre´n, P., Davis, R.W., Fire, Z.A. & Pourmand, N., 2007, Connector Inversion Probe Technology: a powerful one-primer multiplex DNA amplification system for numerous scientific applications, PLoS ONE 2(9): e915. doi:10.1371/journal.pone.0000915.

Chiang, Y., Knoblock, C. & Chen, C., 2005, Automatic Extraction of Road Intersections from Raster Maps, In GIS '05: Proceedings of the 13th annual ACM international workshop on Geographic information systems, Bremen, Germany,

PP. 267-276.

Chiang, Y., Knoblock, C., Shahabi, C. & Chen, C., 2008, Automatic and Accurate Extraction of Road Intersections from Raster Maps, GeoInformatica 13, PP. 121-157.

Dirac, P.A.M., 1984, The Principles of Quantum Mechanics, Oxford University Press, Oxford.

Faessel, M., Courtois, F., 2009, Touching Grain Kernels Separation by Gap-filling, Image Anal Stereol, 28, PP. 195–203.

Fischler, M.A. & Heller, A.J., 1998, Automated Techniques for Road Network Modeling, In: Proceedings of DARPA Image Understanding Workshop, PP. 501–516.

Garcia, A., Honda, A. & Meves, N., 2008, Gap Detection in Road Networks with Linear and Polynomial Models, UCLA Department of Mathematics, August 8th.

Gardner, M., Roberts, D.A., Funk, Ch. & Noronha, V., 2001, Road Extraction from AVIRIS Using Spectral Mixture and Q-tree Filter Techniques, Technical Report, University of California, Santa Barbara, National Consortium on Remote Sensing and Transportation: Infrastructure.

Hashemi, S., Valadan Zoej, M.J. & Mokhtarzadeh, M., 2011, Automatic Road Gap Detection Using Fuzzy Inference System, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVIII-4/W19, PP. 101-103.

Henderson, T. & Linton, T., 2009, Raster Map Image Analysis, In ICDAR '09: Tenth International Conference on Document Analysis and Recognition, Catalonia, Spain, PP. 376-380.

Khotanzad, A. & Zink, E., 2003, Contour Line and Geographic Feature Extraction from Usage Color Topographical Paper Maps, IEEE Transactions on Pattern Analysis and Machine Intelligence, 25, 1, PP. 18-31.

Li, X., Zhang, Sh., Pan, X., Dale, P., Cropp, R., 2010, Straight Road Edge Detection from High-resolution Remote Sensing Images based on the Ridgelet Transform with the Revised Parallel-beam Radon Transform, International Journal of Remote Sensing, 31, 19, PP. 5041-5059.

Massopust, P., 2010, Interpolation and Approximation with Splines and Fractals, Oxford University Press, January 14.

Matkan, A., Sadeghian, S., Mohammadzadeh, A. & Hajeb, M., 2011, Road Detection from Lidar Data Using SVM Classification, International Conference on Sensor and Models in Photogrammetry and Remote Sensing (SMPR), May 18-19, Tehran, Iran.

Maurya, R., Singh, Sh., Gupta, P.R., Sharma, M.K., 2011, Road Extraction Using K-mean Clustering and Morphological Operations, International Journal of Advanced Engineering Sciences and Technologies, 5(2), PP. 290-295.

Mena, J.B., 2003, State of the Art on Automatic Road Extraction for GIS Update: A novel classification, Pattern Recognition Letters, 24(16), PP. 3037–3058.

Miciak, M., 2010, Radon Transformation and Principal Component Analysis Method Applied in Postal Address Recognition Task, International Journal of Computer Science and Applications, 7, 3, PP. 33–44.

Mnih, V., Hinton, G., 2010, Learning to Detect Roads in High-resolution Aerial Image, European Conference on Computer Vision, PP. 210-223.

Mountrakis, G., Luo, L., 2011, Enhancing and spectral Information with Intermediate Structural Inputs: A case study on impervious surface detection, Remote Sensing of Environment, 115, 5, PP. 1162–1170.

Murphy, L.M., 1986, Linear Feature Detection and Enhancement in Noisy Images via the Radon Transform, Pattern Recognition Letters, 4, PP. 279−284.

Porikli, F., Keaton, T., 2000, Unsupervised Road Extraction Algorithm in Low-resolution Satellite Imagery, IAPR Pattern Recognition for Remote Sensing Workshop, Andorra.

Pouderoux, J., Spinello, S., 2007, Global Contour Lines Reconstruction in Topographic Maps, In ICDAR '07: Proceedings of the Ninth International Conference on Document Analysis and Recognition, IEEE Computer Society, Washington, DC, USA, PP. 779-783.

Radon, J. 1917, Über die Bestimmung von Funktionen durch ihre Integralwerte längs gewisser Mannigfaltigkeiten, Berichte über die Verhandlungen der Sächsische Akademie der Wissenschaften, Reports on the proceedings of the Saxony Academy of Science, 69, PP. 262−277.

Risser, L., Plourabou´e, F., Descombes, X., 2008, Gap Filling of 3-d Microvascular Networks by Tensor Voting. IEEE Transactions on Medical Imaging, 27, 5, PP. 674-687.

Rochery, M., Jermyn, I.H., Zerubia, J., 2004, Gap Closure in (road) Networks Using Higher-order Active Contours, In: Proc. IEEE International Conference on Image Processing, Singapore, October.

Rochery, M., Jermyn, I.H., Zerubia, J., 2005, New Higher-order Active Contour Energies for Network Extraction, In: Proc. IEEE International Conference on Image Processing, Genoa, Italy, September.

Rochery, M., Jermyn, I.H., Zerubia, J., 2006, Higher-order Active Contours, International Journal of Computer Vision, 69 (1), PP. 27–42.

Rochery, M., Jermyn, I.H., Zerubia, J.B., 2007, Higher-order Active Contour Energies for Gap Closure, Journal of Mathematical Imaging and Vision, 29(1), PP. 1-20.

Szymczak, A., Tannenbaum, A., Mischaikow, K., 2005, Coronary Vessel Cores from 3-D Imagery: A topological approach, in Proc. SPIE-Med. Image Process 2005, 5747,

PP. 505–513.

Terrades, O.R., Valveny, E., 2003, Radon Transform for Lineal Symbol Representation, The Seventh International Conference on Document Analysis and Recognition.

Tesser, H., Pavlidis, T., 2000, Roadfinder front end: an automated road extraction system, in: Proc. 15th International Conference on Pattern Recognition, Barcelona, Spain, PP. 338–341.

Toft, P., 1996, The Radon Transform - theory and implementation, Ph.D. Thesis, Dep. of Mathematical Modelling Section for Dsp of Technical University of Denmark.

Zhang, Ch., Murai, Sh., Baltsavias, E., 1999, Road Network Detection by Mathematical Morphology, Proc. of International Workshop on 3D Geospatial Data Production: Meeting Application Requirements, Paris, PP. 185–200.

Zhang, Q. & Culoigner, I., 2007, Accurate Centerline Detection and Line Width Estimation of Thick Lines using the Radon Transform, IEEE Transactions on Image Processing, 16, PP. 310−316.


ارجاعات

  • در حال حاضر ارجاعی نیست.