Wybrane przykłady wykorzystania morfologii matematycznej w przetwarzaniu obrazów w teledetekcji

• Autorzy: Kupidura P. , Marciniak J. , Koza P. , Kowalczyk M.

Warianty tytułu

EN

Selected examples of applying mathematical morphology to image processing in remote sensing

• Języki publikacji: PL

Abstrakty

PL

Morfologia matematyczna stanowi zbiór nieliniowych operacji, umożliwiających zmianę struktury obrazu cyfrowego. Jej specyficzna natura pozwala na przetwarzanie obrazów w zależności od kształtu, wielkości, tekstury czy sąsiedztwa obiektów obecnych na zdjęciu. W artykule przedstawiono wyniki uzyskiwane w projekcie MNiSzW Nr N526 034 32/3448, poświęconym w całości wykorzystaniu operacji morfologicznych w przetwarzaniu danych teledetekcyjnych. Wnioski wynikające z przeprowadzonych badań potwierdzają wysoką skuteczność morfologii matematycznej w wielu różnorodnych zastosowaniach, jak filtracja dolnoprzepustowa, wydzielanie na obrazie heterogenicznych typów obiektów, czy wykrywanie krawędzi obiektów. W artykule przedstawiono analizę możliwości wykorzystania funkcji morfologicznych w przetwarzaniu danych teledetekcyjnych. Zaprezentowano również założenia darmowego oprogramowania BlueNote, tworzonego w ramach projektu.

EN

The paper presents results of a research project concerning the application of mathematical morphology in remote sensing. Mathematical morphology was developed created in the 1960s by two Fench scientists: Jean Serra and George Matheron. Since then, the great progress in this discipline has led to the development of many different operators. Their most important advantage is involving important features of objects in the image, such as size, shape, texture, and neighbourhood. Because of that, selected morphological operators are used in digital image processing in many fields, including remote sensing. However, the analysis shows mathematical morphology to have an even greater potential in this field. The first line of thought presented is the object-oriented classification. The traditional, pixelbased algorithms are often ineffective when classifying selected heterogenic types of land cover. A morphological operator developed by Kupidura, involving a combination of results of opening and closing of the original image, allows to extract the class of orchards by using a simple pixelbased algorithm. The subsequent research showed that granulometric maps, first presented by Serra, which – for each pixel - generate a set of values denoting heterogeneity of the pixel neighbourhood, allow to extract the built-up class in a traditional classification process. The issue in which morphological operators prove their high efficiency is noise removal. Application of alternate filters allows to filter out both optical and microwave images with a high noise level. Noteworthy is that the filters show inpressive results wherever detail preservation is concerned. The project involved also experiments on edge detection with morphological gradient Preliminary results showed a high efficiency of those procedures comperable to Sobel’s gradient. An additional aim of the project was to develop software that would allow running any combination of morphological operators. The software called BlueNote will be available free of charge, which could lead to further increase of applications of mathematical morphology to remote sensing.

Słowa kluczowe

PL

morfologia matematyczna; filtracja obrazu; klasyfikacja obiektowa; wykrywanie krawędzi

EN

mathematical morphology; image filtration; object-oriented classification; edge detection

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2008
• Tom: Vol. 18a
• Strony: 323--332
• Opis fizyczny: Bibliogr. 12 poz.

Twórcy

autor

Kupidura P.

• Politechnika Warszawska, Zakład Fotogrametrii, Teledetekcji i SIP, tel. [phone] fax.: [phone]

autor

Marciniak J.

• Politechnika Warszawska, Zakład Fotogrametrii, Teledetekcji i SIP, tel. [phone]

autor

Koza P.

• Politechnika Warszawska, Zakład Fotogrametrii, Teledetekcji i SIP, tel. [phone] fax.: [phone]

autor

Kowalczyk M.

• Politechnika Warszawska, Zakład Fotogrametrii, Teledetekcji i SIP, tel. [phone]

Bibliografia

• 1. Gwadera, Ł., 2008. Badanie porównawcze wybranych metod wyodrębniania heterogenicznych klas pokrycia terenu na przykładzie sadów. Praca magisterska, Politechnika Warszawska.
• 2. Haralick, R. M., Sternberg, S. R., Zhuang, X, 1987. Image Analysis using Mathematical Morphology. IEEE Transactions on Pattern Analysis and Machine Intelligence, 9(4), 532-550.
• 3. Jakubiak, M., 2008. Badanie przydatności operacji morfologii matematycznej do filtracji danych teledetekcyjnych. Praca magisterska, Politechnika Warszawska.
• 4. Kowalczyk, M., Koza, P., Kupidura, P., Marciniak, M. 2008. Application of mathematical morphology operations for simplification and improvement of correlation of images in close-range photogrammetry. The international archives of the photogrammetry, remote sensing and spatial information sciences. Volume XXXVII, Part B5. Benjin, 153-159.
• 5. Kupidura, P., 2006. Zastosowanie wybranych operacji morfologii matematycznej do wydzielania klas pokrycia terenu na zdjęciach satelitarnych. Rozprawa doktorska, Politechnika Warszawska.
• 6. Kupidura, P., 2007. Morphological processing of satellite images for improvement of classification of orchards. New Developments and Challenges in Remote Sensing. Ed.Z. Bochenek, Millpress, Roterdam, 225-232.
• 7. Kupidura, P., Koza, P., 2008. Filtration of radar images using morphological operations. Polish Journal of Environmental Studies.
• 8. Nieniewski, M., 1998. Morfologia matematyczna w przetwarzaniu obrazów, Akademicka Oficyna Wydawnicza PLJ, Warszawa.
• 9. Nieniewski, M., 2005. Segmentacja obrazów cyfrowych. Metody segmentacji wododziałowej. Akademicka Oficyna Wydawnicza EXIT, Warszawa.
• 10. Serra, J., 1982. Image Analysis and Mathematical Morphology, vol.1. Academic Press, Londyn.
• 11. Serra, J. (editor), 1998. Image Analysis and Mathematical Morphology, vol.2: Theoretical Advances. Academic Press, Londyn.
• 12. Sternberg, S. R., 1986. Grayscale Morphology. Computer Vision Graphics and Image Processing, 35 (3) 333-355.