Geoinformatik und Geostatistik: Ein Überblick

Extraktion des städtischen Straßennetzes aus multispektralen Bildern mithilfe multivariater Kernelstatistiken und Segmentierungsmethoden

Abdur Raziq, Aigong Xu, Yu Li und Xuemei Zhao

Die Extraktion von Stadtstraßen aus multispektralen Bildern ist seit Jahrzehnten eine anspruchsvolle Aufgabe für Fernerkundungsexperten. Die derzeit häufigsten Probleme bei der Extraktion von Stadtstraßennetzen sind die von Bäumen und ähnlichen spektralen Objekten bedeckte Szene, während die Straßen unterschiedliche Breiten und Oberflächenmaterialien aufweisen. In diesem Artikel wird ein Algorithmus zur automatischen Straßenextraktion vorgeschlagen. Die vorgeschlagene Methodik kombiniert die ISODATA-Klassifizierung und die Kernelstatistiktechniken, um das Stadtstraßennetz aus den Fernerkundungssatellitenbildern zu extrahieren. Die vorgeschlagene Methodik besteht aus drei Hauptschritten: Der erste Schritt besteht darin, eine Klassifizierung des Farbbildes durchzuführen, dann werden diese farbklassifizierten Bilder mithilfe des vorgeschlagenen Algorithmus in binär segmentierte Bilder umgewandelt. Zweitens wird der vorgeschlagene Algorithmus an den überlagerten Farbbildern (rotes Linienbild) getestet, um das Straßennetz als binäre Bilder zu erkennen. Einige Filtertechniken werden verwendet, um die redundanten Objekte zu entfernen und die getrennten Straßensegmente zu verbinden, wie z. B. Segmentrekonstruktion und Bereichsfüllung. Schließlich werden Nachbearbeitungstechniken eingesetzt, um die Mittellinie der Stadtstraße zu extrahieren, beispielsweise wird der Ausdünnungsalgorithmus verwendet. Die beabsichtigten Verfahren werden auf verschiedenen multispektralen Datensätzen wie IKONOS- und QuickBird-Bildern implementiert, die zu einer genauen Auswertung beitragen. Die Methode kann lineare Merkmale wie das Straßennetz in städtischer Umgebung effizient extrahieren, was für die Erkennung einiger anderer linearer Merkmale nützlich ist. Versuchsergebnisse zeigen, dass die vorgeschlagene Methode rechnerisch robust und effektiv ist.