Jornal de Sensoriamento Remoto e GIS

Abstrato

Avaliação da capacidade completa dos métodos Lambda e SVM para extrair estradas de imagens digitais

Abdollahi A, Bakhtiari HRR e Nejad PM

A extração automática de informação no solo através de fotogrametria e deteção remota requer a formulação de dados humanos e dados de imagem, pelo que deve incluir todo o conteúdo da imagem. A estrutura complexa dos vários objetos na imagem leva a desafios para o fazer. Por isso, escolher o tipo de dados digitais e uma boa forma de extrair o efeito desejado é importante na precisão do mapeamento. Este estudo investigou o método semiautomático de extração de vários tipos, incluindo estradas retas, espirais, interseccionais, urbanas e não urbanas a partir de imagens aéreas e de satélite. Os dados utilizados incluíram imagem aérea UltraCam, imagem de satélite Worldview de área não urbana com resolução de 0,5 m e imagens Quick-Bird da província de Teerão com resolução de 0,61 m. No método proposto, ao realizar a segmentação da imagem utilizando o método Full lambda, a classificação da imagem foi feita através do algoritmo SVM, e são utilizadas operações morfológicas para melhorar a qualidade da descoberta de caminhos e remover ruído e cobrir lacunas. Para imagens em que o método Full lambda tem uma elevada precisão na segmentação de imagens, portanto, a precisão da classificação da imagem é aumentada e a extração da estrada da mesma foi melhor feita. A precisão geral média de mais de 81 por cento e o coeficiente Kappa de precisão média superior a 78 por cento na classificação da imagem em duas classes de estradas e não rodoviárias indicam uma capacidade muito boa do sistema introduzido para a extracção semiautomática de diferentes estradas.