Wykorzystanie decyzyjnych automatów komórkowych w klasyfikacji wysokorozdzielczych obrazów satelitarnych

• Autorzy: Wyczałek I.

Warianty tytułu

EN

The use of decision-making cellular automata in the classification of remote sensing images

• Języki publikacji: PL

Abstrakty

PL

Klasyfikacja jest jednym z najczęściej stosowanych sposobów określania pokrycia terenów w teledetekcji. Metody stosowane w podejściu klasycznym są w dużym stopniu nieskuteczne i wymagają działań wspomagających, takich jak wstępna segmentacja, uwzględnianie dodatkowych parametrów lub zależności, stosowanie metod rozpoznawania wzorów, sztucznej inteligencji, sieci neuronowych itp. Rozwijane są też metody obiektowe, bazujące na różnorodnych relacjach między zbiorami hierarchicznie uporządkowanych segmentów o zbliżonych cechach radiometrycznych. W pracy zaproponowano podejście, w którym grupowane są wyniki klasyfikacji nienadzorowanej w oparciu o analizę gęstości. Metoda gęstościowa w wersji opracowanej na użytek niniejszej pracy uwzględnia zarówno cechy spektralne jak i relacje przestrzenne między grupami pikseli, przypisując do nowotworzonych klas zarówno piksele klasy dominującej, jak i nielicznie występujące na danym obszarze piksele pozostałych klas. Jako narzędzie informatyczne służące rozwiązaniu powyższej idei wykorzystano automat komórkowy wyposażony w mechanizmy decyzyjne. Proces grupowania klas ma charakter iteracyjny, sterowany za pomocą specyficznej „funkcji przejścia” o dopuszczalnych stanach zgodnych z zadanymi klasami pokrycia terenu. Decyzyjny charakter automatu wynika z typowej dla metod podejmowania decyzji postaci funkcji kryterialnej, a także charakterystycznego zestawu jej parametrów – czynników decyzyjnych i ograniczeń. Przedstawione podejście zweryfikowano na przykładzie praktycznym polegającym na wskazaniu terenów pokrytych zielenią wysoką na 4-kanałowym obrazie QuickBird, wyostrzonym metodą PanSharpeningu. W tym celu wybrano trzy fragmenty sceny obejmujące tereny zieleni miejskiej o różnym przeznaczeniu. Uzyskano wysoką dokładność selekcji szukanej klasy pokrycia terenu. Metoda będzie rozwijana w kierunku powiązania z wektorową informacją bazodanową.

EN

Classification is one of the most often used methods for land cover detection in remote sensing applications. The classic approach is not always efficient and needs using various additional criteria or methods such as segmentation, pattern recognition, artificial intelligence, neural networks and so on. In this paper, a new approach based on density-based clustering is presented using a method dealing with previously-classified images. The decision-making Cellular Automata has been proposed as a tool for solving this task. The iterative process of clustering has been driven by a specific transition rule of CA, with an earlier established set of states. The decision-making nature of AK arises from a criterion function typical for decision making methods, and the set of their factors and constraints. The proposed method lies in multiplied crossing of the classified image (K-means method) by Automata at a certain shape. The task aggregate classes fulfilling defined criteria concerning density of existence, and its iterative form serves to bridge gaps and eliminate dispersed pixels which don’t fulfill the threshold values of the used criterion. The approach presented here has been verified on the example aimed at showing trees on 4-canal pan-sharpened multispectral QuickBird imagery. Three parts of a scene of enclosed urban green areas of various destinations have been chosen. Selected phases of clustering are shown in images 3, 4 and 5 containing a decreased number of tall trees. An assessment of the results shows the great potential capabilities of the method and is expected to be useful in further change detection of land cover.

Słowa kluczowe

PL

klasyfikacja; segmentacja; metoda gęstościowa; automat komórkowy

EN

classification; segmentation; consistence assessment method; cellular automata

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2006
• Tom: Vol. 16
• Strony: 577--586
• Opis fizyczny: Bibliogr. 8 poz.

Twórcy

autor

Wyczałek I.

• Zakład Geodezji, Politechnika Poznańska, tel. [phone]

Bibliografia

• 1. Baatz M., Shape A., 1999. Object-oriented and multi-scale image analysis in semantic networks. 2nd International Symposium: Operationalization of Remote Sensing, 16-20 August, ITC, Netherland, s. 7-13.
• 2. Dash M., Liu H., Xu X., 2001.’1+1>2’: Merging distance and density based clustering. Database Systems for Advanced Applications. Hong Kong, China, s. 32-39.
• 3. Ester M., Kriegel H-P., Sander J., Xu X., 1996. A density-based algorithm for discovering clusters in large spatial databases with noise. Proceedings of 2nd Int. Conference on Knowledge and Data Mining, s. 226-231.
• 4. Wang J., Yang W., A. Rai, 1997. Color clustering technologies for color-content based image retrieval from image databases. Intern. Conf. on Multimedia Computing and System.
• 5. Wolfram S., 2002. A new kind of science. http://www.wolframscience.com/nksonline/toc.html
• 6. Wyczałek I., 2005. Teledetekcyjne wykorzystanie metody grupowania obiektów w oparciu o analizę gęstości. Geodesia et Descriptio Terrarum, 4(1), s. 29-40.
• 7. Ye Q., Gao W., Zeng W. 2003: Color image segmentation using density-based clustering, ICME Proceedings, 2003 Int. Conference on Multimedia and Expo, Vol. 3, s. 345-348.
• 8. DigitalGlobe. 2006: http://www.digitalglobe.com