شناسایی و استخراج اتوماتیک عارضۀ ساختمان با ساختار هندسی پیچیده از تصاویر هوایی و دادۀ لیدار به‌صورت پیکسل مبنا و شیء مبنا

نوع مقاله : علمی - پژوهشی

نویسندگان

1 کارشناسی ارشد فتوگرامتری، دانشگاه صنعتی خواجه نصیرالدین طوسی

2 دانشیار گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی

3 استادیار گروه مهندسی زیرساخت، دانشگاه ملبورن، استرالیا

چکیده

روش‌های اتوماتیک شناسایی و استخراج عارضۀ ساختمان از منابع گوناگون اطلاعاتی همچون تصاویر هوایی و ماهواره‌ای و داده‌های لیدار دارای کاربردهای بسیار وسیع و مهم مانند به‌روزرسانی نقشه‌ها، مدلسازی و آنالیز رشد و پیشرفت در مناطق شهری و نیمه‌شهری به‌دست می‌آید. هدف اصلی مقاله طرح روش جدید اتوماتیک استخراج ساختمان با تلفیق داده‌های لیدار و تصویر هوایی است. برا­ی این منظور در مرحلۀ اول، انواع روش‌های شناسایی ساختمان (SVM­1، MD2 و ANN3) در دو سطح پیکسل پایه و شیء ­مبنا بررسی و ارزیابی شد. نتایج حاصل از شناسایی حاکی از توانایی بالای روش SVM، در مقایسه با دیگر روش‌ها، در دو سطح پیکسل پایه و شیء مبناست که دقت کلی 95.9٪ و خطای نوع اول 6.2٪ و خطای نوع دوم 3.2٪ را نشان می‌دهد که در حالت پیکسل مبنا به‌منزلۀ روش منتخب شناسایی است. در مرحلۀ دوم، براساس روش منتخب شناسایی مرز دقیق ساختمان بازسازی می‌­شود. بنابراین با استفاده از قطعه‌بندی برمبنای طیفی و هندسی، لبۀ هر ساختمان به‌صورت قطعات مجزا تفکیک شد. سپس لبه‌های هر ساختمان براساس معادلات کمترین مربعات بازسازی می‌شود. نتایج روش پیشنهادی استخراج ساختمان با دقت کلی 96.85٪­، خطای نوع اول 5.9٪ و خطای نوع دوم 2.5٪ برای الگوریتم پیشنهادی استخراج است. 

کلیدواژه‌ها

مراجع

  1. رضایی، ی. ،فاطمی، م.ب.، 1385، مبانی سنجش از دور.
  2. Anderson, J.A. & Rosenfeld, E., 1980, Neurocomputing: Foudation of Research, Cambridge, MA: MIT Press.
  3. Aparajithan, Sampath and Jie Shan, 2007, Building Boundary Tracing and Regularization from Airborne Lidar Point Clouds, Photogrammetric Engineering & Remote Sensing, 73(7), July, PP. 805–812.
  4. Arefi, H., 2008, Levels of Detail in 3D Building Reconstruction from Lidar Data, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVII, Part B3b, Beijing.
  5. Awrangje, M., 2010, Automatic Detection of Residential Buildings Using Lidar Data Multispectral Imagery, ISPRS Journal of Photogrammetry & Remote Sensing, 65, PP. 457–467.
  6. Baligh Jahromi, A., Valadan Zoej, M.J., Hammadzadeh, A. & Sadeghian, S., 2011, A Novel Filtering Algorithm for Bare-Earth Extraction from Airborne Laser Scanning Data Using an Artificial Neural Network, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, February 09.
  7. Canny, J., 1986, A Computational Approach to Edge Detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI-8(No. 6), PP. 679–98.
  8. Duda, T., Canty, M. & Klaus, D., 1999, Unsupervised Land-use Classification of Multispectral Satellite Images: A Comparison of Conventional and Fuzzy-logic Based Clustering Algorithms, IEEE Geoscience and Remote Sensing Symposium IGARSS, Vol. 2, PP. 1256−1258.
  9. Ekhtari, N., Sahebi, M.R., Valadan Zoej, M.J. & Mohammadzadeh, A., 2008, Automatic Building Detection from Lidar Point Cloud Data, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVII, Part B4.
  10. Fraser, C.S., Baltsavias, E. & Gruen, A., 2002, Processing of IKONOS Imagery for Submetre 3D Positioning and Building Extraction, ISPRS Journal of Photogrammetry & Remote Sensing, 56, PP. 177–94.
  11. Gonzalez, R.C. & Woods, R., 1993, Digital Image Processing, Addison-Wesley Publishing.
  12. Gorte, B., 2002, Segmentation of Tin-Structured Surface Models, ISPRS WG IV/6, Joint Conference on Geo-spatial Theory, Processing and Applications, July 8–12, Ottawa, Canada, 5 pages.
  13. Haala, N. & Brenner, C., 1999, Extraction of Buildings and Trees in Urban Environments, ISPRS Journal of Photogrammetry & Remote Sensing, 54(2), PP.130–37.
  14. Hassoun, M.H., 1995, Fundamentals of Artificial Neural Networks, MIT Press.
  15. Hongjiana, Y. & Shiqiang, Z., 2006, 3D Building Reconstruction from Aerial CCD Image and Sparse Laser Sample Data, Journal of Optics and Lasers in Engineering, 44, PP. 555–566.
  16. Hu, H., 2003, Automated Extraction of Digital Terrain Models, Roads and Buildings Using Airborne Lidar Data, in Department of Geomatics Engineering, the University of Calgary: Calgary, Alberta, P. 206.
  17. Izadi, M. & Saeedi, P., 2010, Automatic Building Detection in Aerial Images Using a Hierarchical Feature Based Image Segmentation, in ICPR (2010), PP. 472–475.
  18. Katzenbeisser, R., 2003, Technical Note on Echo Detection of Laser Data, http://www. Topscan.de/(Accessed: March, 2005).
  19. Khoshelham, K. & Li, Z., 2004, A Model-based Approach to Semi-automated Reconstru-ction of Buildings from Aerial Images, The Photogrammetric Record, 19(108), P. 342–59.
  20. Khoshelham, K. & Nardinocchi, C., 2010, Performance Evaluation of Automated Approaches to Building Detection in Multi-source Aerial Data, ISPRS Journal of Photogrammetry and Remote Sensing, 65(1), PP. 123–133.
  21. Maas, H.G. & Vosselman, G., 1999, Two Algorithms for Extracting Building Models from Raw Laser Altimetry Data, ISPRS Journal of Photogrammetry and Remote Sensing, 54(2–3), PP. 153–63.
  22. Mohammadzadeh, A., Valadan Zoej, M.J., Tavakoli, A. & Mohammadzadeh, N., 2006, An Overview to the Applications of Airborne Lidar Systems, in The 13th Australian Remote Sensing and Photogrammetry Conference, Canberra, Australia.
  23. Pakizeh, E., & Palhang, M., 2010, Building Detection from Aerial Images using Hough Transform and Intensity Information, in Proceedings of the 18th Iranian Conference on Electrical Engineering (ICEE).
  24. Sithole, G. and Vosselman, G., 2003, Isprs Comparison of Filters, P. 62, http://www.geo.tudelft.nl/frs/isprs/filtertest/AppendixB05082003.pdf, Last accessed: November 2004.
  25. Saeedi, P. & Zwick, H., 2008, Automatic Building Detection in Aerial and Satellite Images, IEEE International Conference on Control, Automation, Robotics and Vision (ICARCV 2008), Hanoi, Vietnam.
  26. Sohn, G. & Dowman, I., 2002, Terrain Surface Reconstruction by the Use of Tetrahedron Model with the MDL Criterion, In ISPRS Commission III, Symposium, Photo-grammetric Computer Vision, Graz, Austria: International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences.
  27. Sohn, H., Park, C., Kim, H. & Heo, J., 2005, 3D Building Extraction Using IKONOS Multispectral Images, in Geoscience and Remote Sensing Symposium.
  28. Suveg, I. & Vosselman, G., 2004, Reconstruction of 3D Building Models from Aerial Images and Maps, ISPRS Journal of Photogrammetry & Remote Sensing, 58, PP. 202–24.
  29. Vincent, L., 1993, Morphological Gray Scale Reconstruction in Image Analysis: Applications and Efficient Algorithms, IEEE Transactions on Image Processing, 2(2), PP. 176–201.
  30. Vincent, L. & Soille, P., 1991, Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations, IEEE Transactions on Pattern Analysis and Machine Intelligence, 13(6), PP. 583–598.
  31. Zhang, K., Yan, J. & Chen, S., 2006, Automatic Construction of Building Footprints from Airborne LIDAR Data, IEEE Transactions on Geoscience and Remote Sensing, 44(9), PP. 2523–33.
  32. Zingaretti, P., Frontoni, E., Forlani, G. & Nardinocchi, C., 2007, Automatic Extraction of Lidar Data Classification Rules. In: Proc., 14th International Conference on Image Analysis and Processing, ICIAP, Modena, 10–13 September, IEEE Computer Society, PP. 273–278.
  33. Gunho Sohn, Ian Dowman, 2007, Data Fusion of High-Resolution Satellite Imagery and Lidar Data for Automatic Building Extraction, ISPRS Journal of Photogrammetry & Remote Sensing, 62,15 February, PP. 43–63.
  34. Aparajithan Sampath & Jie Shan, 2010, Segmentation and Reconstruction of Polyhedral Building Roofs from Aerial Lidar Point Clouds, IEEE Transactions on Geoscience and Remote Sensing, Vol. 48, No. 3, March.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار