بهبود تشخیص ساختمان‌ها در تصاویر ماهواره‌ای بر اساس آستانه گذاری تطبیقی

نویسندگان

1 مخابرات سیستم، امنیت و رمزنگاری

2 طراحی مدارهای الکترونیکی و مخابراتی

چکیده

در این مقاله، روشی ترکیبی به منظور تشخیص ساختمان‌ها، از روی تصاویر ماهواره‌ای ارائه شده است. این روش بر مبنای ترکیب داده‌های حاصل شده از بردارهای ویژگی محلی و تصمیم‌گیری با اعمال آستانه‌گذاری تطبیقی روی تابع چگالی احتمال تخمین زده شده، انجام گرفته است. ویژگی‌ها به عنوان مشاهدات و محل ساختمان‌ها به عنوان متغیر تصادفی توأم به منظور تخمین تابع توزیع احتمال در نظر گرفته می‌شوند. سپس با توجه به مدهای تابع توزیع احتمال و همچنین ویژگی‌های استخراج شده، مکان ساختمان مشخص می‌گردد. به منظور ارزیابی کارایی روش معرفی شده، از برخی تصاویر ماهواره‌ای شمال شهر تهران استفاده شده است. تصاویر مورد آزمایش دارای وضوح و تباین‌های مختلفی هستند. همچنین، ساختمان‌ها در این تصاویر مشخصه‌های متفاوت و مختلفی دارند، بنابراین می‌توان رویکرد ارائه شده را روی مجموعه اطلاعات واگرا آزمایش شود. نتایج به‌دست آمده روی 32 تصویر مختلف از شهر تهران، بیانگر این است که روش پیشنهادی می‌تواند ساختمان‌های موجود در تصاویر ماهواره‌ای را با خطای کمتر و دقت بیشتری تشخیص دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Improvement of Buildings Detection Based on Adaptive Thresholding in Satellite Images

چکیده [English]

In this paper, a combined method to detect buildings from satellite imagery is presented. This method is based on combining data obtained by the local feature vectors and decision-making by applying adaptive thresholding the estimated probability distribution function, is conducted. Local Features serve as observations and location of buildings are used as joint random variables in order to estimate the probability density function. Then the locations of buildings are determined by considering modes of estimated probability density function and extracted features. To evaluate the efficiency of proposed method some satellite imagery of northern Tehran is used. Satellites North of Tehran building images are used in order to evaluate our proposed method. Tested images have different spatial contrast and resolution. Furthermore, tested buildings contain variety of characteristics which allows us representing our simulation with sufficient diversity. Experimental results of 32 different images in Tehran have shown that proposed method can be detected existing buildings in satellite imagery with fewer errors and more accurately.

کلیدواژه‌ها [English]

  • Satellite Images
  • Building Detection
  • Feature Extraction
  • probability density function
  • random variables