Разработка нового RGB-сплит метода для улучшения выделения зданий на спутниковых снимках
Бенали А.
Факультет автоматики, Университет наук и технологий Мохамеда Будиафа в Оране, Алжир UstombBp 1505 El M 'naouer Oran: benabdel0305@gmail.com
DOI: 10.33677/ggianas20240100120
Резюме
Обработка изображений необходима в различных научных приложениях и областях исследований, особенно в спутниковой съемке. В области дистанционного зондирования, которая является сферой наших интересов, несколько исследователей разработали очень полезные методы классификации и сегментации. Однако их применение ограничено сложностью и разнообразием спутниковых изображений.
В этой статье мы предлагаем оригинальный метод обнаружения зданий на RGB спутниковых снимках. Идея заключается в раздельной обработке трех матриц RGB для точного определения изменений интенсивности пикселей, что обеспечивает лучшее обнаружение контуров зданий. Наш метод в основном основан на применении операторов математической морфологии. Метод представляет собой гибридизацию двух методов, основанных на математической морфологии, а именно: преобразования Hit or Miss и Top Hat. Преобразование Hit or Miss обнаруживает все здания благодаря своей надежной точности в обнаружении сегментов, после применения этого метода мы применяем Top Hat для уточнения результата сегментации и, наконец, четко обнаруживаем все здания на спутниковом изображении. Мы применили наш метод на нескольких изображениях из многих наборов данных, в основном на изображениях Ikonos и Sentinel-2. Результаты применения нашего метода дали отличные результаты: точность превысила 95 %, отзывы – 89 %. В качестве перспективы, чтобы воспользоваться преимуществами метода, мы можем применить его к медицинским или другим типам изображений.
Ключевые слова: обработка изображений, математическая морфология, RGB-изображение, классификация
ЛИТЕРАТУРА
Babaali K.O., Zigh E., Djebbouri M., Chergui Ou. A new approach for road extraction using data augmentation and semantic segmentation. Indonesian Journal of Electrical Engineering and Computer Science, Vol. 28, No. 3, 2022, pp. 1493-1501.
Benali A. et al. Buildings extraction of very high spatial resolution satellite images. International Conference on multimedia computing and systems, Vol. 14, Marrakech, Morocco, 2014, DOI:10.1109/ICMCS.2014.6911229.
Benali A. et al. Elaboration of a hybrid method for the enhancement of buildings reconstruction in multispectral images. International Journal of Imaging and Robotics, Vol. 17, No. 4, 2017, pp. 25-37.
Benali A. et al. Improvement of the Top Hat for the Buildings Extraction in the very High Spatial Resolution Satellite Images. International Journal of Emerging Sciences, Vol.4, No. 3, 2014, pp. 121-131.
Benblidia N., Abdellaoui A., GuessoumA., Bensaid A. Analysis of land occupation in urban and suburban presaharan areas: the case ofLaghouat (Algeria).Télédétection, Vol. 6, No. 2, 2006, pp. 177-190 (in French).
Benediktsson A., Arnason K., Peraresi M. The use of morphological profiles in classification of data from urban areas. IEEE/ISPRS Joint Workshop on Remote Sensing and Data Fusion over Urban Areas, 2001, pp. 30-34.
Bres S., Jolion J.M., Lebourgeois F. Digital image processing and analysis. Lavoisier. Hermès, 2003, 410 p. (in French).
Chandana D. et al. Optimization of structure elements for morphological Hit-Or-Miss transform for building extraction from VHR airborne imagery in natural hazard areas. International Journal of Machine Learning and Cybernetics, Vol. 6, 2015, pp. 641-650.
Dal Poz A.P. Synergy between Lidar and Image data in context of building extraction. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XL-1, 2014, ISPRS Technical Commission I Symposium, 17-20 November 2014, Denver, Colorado, USA, pp. 89-93.
Dikmen M. and Halici U. A learning-based resegmentation method for extraction of buildings in satellite images. IEEE Geoscience and Remote Sensing Letters, Vol. 11, No. 12, 2014, pp. 2150-2153.
Hao S. et al. Accurate urban area detection in remote sensing images. IEEE Geoscience And Remote Sensing Letters, Vol. 12, No. 9, 2015, pp. 1948-1952.
Hedhli I., Moser G., Zerubia J. New cascade method for multi-temporal hierarchical or multi-sensor classification of high resolution satellite images. Revue Française de Photogrammétrie et de Télédétection, Vol. 216, 2018, pp. 3-17 (in French).
Khan S.N., Urooj Khan S., Nwobodo O.J., Cyran K.A. Iris recognition through edge detection methods: application in flight simulator user identification. International Journal of Advanced Computer Science and Applications, Vol. 14, No. 4, 2023.
Liu Z.J. et al. Building extraction from high resolution imagery based on multi-scale object oriented classification and probabilistic Hough transform. Geoscience and Remote Sensing Symposium, 2005, IGARSS '05. Proceedings. 2005 IEEE International, Vol. 4, http://dx.doi.org/10.1109/IGARSS.2005.1525421.
Peraresi M. and Benediktsson A. A new approach for the morphological segmentation of high-resolution satellite imagery. IEEE Transactions on Geoscience and Remote Sensing, Vol. 39, No. 2, 2001, pp. 309-320.
Praveena M., Kameswara Rao M. Brain tumor detection using Integrated Learning Process Detection (ILPD). International Journal of Advanced Computer Science and Applications, Vol. 13, No. 10, 2022, DOI:10.14569/IJACSA.2022.0131018.
Qian Z. et al. A morphological building detection framework for high-resolution optical imagery over urban areas. IEEE Geoscience And Remote Sensing Letters, Vol. 13, No. 9, 2016, pp. 1-5.
Sellaouti A. et al. Template-based hierarchical building extraction. IEEE geoscience and remote sensing letters, Vol. 11, No. 3, 2013, DOI: 10.1109/LGRS.2013.2276936.
Sheeren D., Lefèvre S., Weber J. Binary mathematical morphology for the automatic extraction of buildings in THRS images. Revue internationale de Géomatique, Vol. 17(3-4), 2007, pp. 333-352, DOI:10.3166/geo.17.333-352 (in French).
Weber J. Lefèvre S. and Sheeren D. Detection of buildings in images THRS with mathematical morphology. SAGEO’2006, 2006, pp. 1-4 (in French).
DOI: 10.33677/ggianas20240100120