کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4948513 1439615 2016 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Road centerlines extraction from high resolution images based on an improved directional segmentation and road probability
ترجمه فارسی عنوان
استخراج مرکز خط جاده ها از تصاویر با وضوح بالا بر اساس تقسیم بندی بهبود یافته و احتمال جاده
کلمات کلیدی
استخراج مرکز خطوط جاده، برش برش، تقسیم بندی جهت، ویژگی های شکل،
ترجمه چکیده
بسیار مهم است که شبکه های دقیق جاده ای را از تصاویر حساسیت سنجی با وضوح بالا برای برنامه های مختلف، مانند به روز رسانی پایگاه داده حمل و نقل، استخراج کنید. با این حال، رویکردهای موجود نمیتوانند نتایج دلخواه را بدست آورند. ما پیشنهاد می کنیم که یک شبکه بهبود یافته از شبکه های جغرافیایی از تصاویر سنجش از راه دور بر اساس تبدیل برش، تقسیم بندی جهت، احتمال جاده، ویژگی های شکل و یک الگوریتم اسکلتینگ پیشنهاد شود. روش پیشنهادی شامل مراحل زیر است. اول، ما تبدیل تبدیل برشی را با تقسیم بندی جهتی ترکیب می کنیم تا مناطق دوردست اولیه را بدست آوریم. دوم، نقشه جاده ای بر اساس فاصله ماهالانوبیس و آستانه سازی آن با مناطق جاده ای اولیه برای بهبود دقت ترکیب شده است. سوم، ویژگی های جاده ای فیلتر کردن و پر کردن سوراخ برای استخراج قطعات قابل اعتماد استفاده می شود. در نهایت، خطوط راه جاده با استفاده از روش اسکلتیزاسیون دقیق سوویوکسل اتوماتیک بر اساس راهپیمایی سریع استخراج می شوند. شبکه های جاده ای پس از پردازش تولید می شوند. نتایج تجربی نشان می دهد که روش پیشنهادی می تواند خطوط مسطح صاف و صحیح را استخراج کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
It is very important to extract accurate road networks from high resolution remote sensing images for various applications, such as transportation database updating. However, existing approaches cannot get satisfactory results. We propose an improved road networks extraction from remote sensing images based on the shear transform, the directional segmentation, the road probability, shape features and a skeletonization algorithm. The proposed method includes the following steps. First, we combine shear transform with directional segmentation to get the initial road regions. Second, road map based on Mahalanobis distance and thresholding is fused with the initial road regions to improve accuracy. Third, road shape features filtering and hole filling are used to extract reliable road segments. Finally, the road centerlines are extracted by an automatic subvoxel precise skeletonization method based on fast marching. Road networks are then generated by post-processing. Experimental results show that the proposed method can extract smooth and correct road centerlines.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 212, 5 November 2016, Pages 88-95
نویسندگان
, , , , ,