Detection of line objects by means of Gabor wavelets and Hough transform

• Autorzy: Marmol U. , Borowiec N.

Identyfikatory

DOI

10.24425/ace.2020.134401

Warianty tytułu

PL

Detekcja obiektów liniowych z wykorzystaniem falek Gabora i transformaty Hougha

• Języki publikacji: EN

Abstrakty

EN

This article presents a method for detecting linear objects with a defined direction based on image and lidar data. It was decided to use Gabor waves for this purpose. The Gabor wavelet is a sinusoid modulated by the Gauss function. The orientation angle of the sinusoid means that the waveform can only operate in strictly defined directions. It should, therefore, provide an appropriate solution to the problem posed by the publication. The research problem focused in the first stage on determining the approximate location of only the analysed objects, and in the next step on correct and accurate detection. The first stage was carried out using Gabor filters, the second - using the Hough transform. The tests were performed for both laser data and image data. In both cases, good results were obtained for both stages: approximate location and precise detection.

PL

Celem pracy jest zaproponowanie metody wykrywania krawędzi o ściśle określonym kierunku przebiegu na danych obrazowych i laserowych. Tradycyjne filtry wykrywają krawędzie we wszystkich kierunkach (np. filtr Canny), ewentualnie w trzech wybranych – horyzontalnym, wertykalnym lub diagonalnym (np. filtr Roberts). Często przedmiotem analiz są tylko określone obiekty liniowe jak linie energetyczne, tory, czy rurociągi. Mają one zazwyczaj ściśle określone kierunki przebiegu. Klasyczne filtry wykrywają oczywiście te informacje, ale także dużą ilość danych nadmiarowych, które utrudniają dalsze analizy. Problemem postawionym w pracy jest znalezienie takiego rozwiązania, które pozwoliłoby na wyznaczenie krawędzi tylko i wyłącznie o ściśle określonym kierunku, odpowiadających za przebieg konkretnych obiektów takich jak tory kolejowe, rurociągi czy linie energetyczne. Problem badawczy skupiał się w pierwszym etapie na określeniu przybliżonej lokalizacji wyłącznie analizowanych obiektów, a w kolejnym kroku na poprawnej i dokładnej ich detekcji. Pierwszy etap został przeprowadzony z wykorzystaniem filtrów Gabora, drugi - z użyciem transformaty Hougha. Testy zostały wykonane zarówno dla danych laserowych jak i danych obrazowych w postaci ortofotomapy. W obydwu przypadkach uzyskano dobre rezultaty dla obydwóch etapów: przybliżonej lokalizacji i precyzyjnej detekcji.

Słowa kluczowe

EN

edge detection; line object; Gabor wavelet; Hough transform

PL

detekcja krawędzi; obiekty liniowe; falki Gabora; transformata Hougha

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2020
• Tom: Vol. 66, nr 3
• Strony: 339--363
• Opis fizyczny: Bibliogr. 19 poz., il.

Twórcy

autor

Marmol U.

• AGH University of Science and Technology, Faculty of Mining Surveying and Environmental Engineering, Krakow, Poland

autor

Borowiec N.

• AGH University of Science and Technology, Faculty of Mining Surveying and Environmental Engineering, Krakow, Poland

Bibliografia

• [1] A. Fryskowska, Improvement of 3D Power Line Extraction from Multiple Low-Cost UAV Imagery Using Wavelet Analysis, Sensors (Basel) 19(3):700, 2019.
• [2] Y. Wang, Q. Chen, L. Liu, X. Li, A. K. Sangaiah, K. Li, Systematic Comparison of Power Line Classification Methods from ALS and MLS Point Cloud Data, Remote Sensing 10(8): 1222, 2018.
• [3] G. Yan, C. Li, G. Zhou, W. Zhang, X. Li, Automatic Extraction of Power Lines From Aerial Images, IEEE Geoscience and Remote Sensing Letters, 4(3): 387-391, 2007.
• [4] M. Yermo, J. Martínez, O. G. Lorenzo, D. L. Vilariño, J. C. Cabaleiro, T. F. Pena, F. F. Rivera, Automatic detection and characterisation of power lines and their surroundings using lidar data, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-2/W13:1161–1168, 2019.
• [5] R. Zhou, W. Jiang, S. Jiang, A Novel Method for High-Voltage Bundle Conductor Reconstruction from Airborne LiDAR Data, Remote Sensing 10(12):2051, 2018.
• [6] B. Guo, Q. Li, X. Huang, C. Wang, An improved method for power-line reconstruction from point cloud data, Remote Sensing 8(1):36, 2016.
• [7] M. Awrangjeb, Extraction of Power Line Pylons and Wires Using Airborne LiDAR Data at Different Height Levels. Remote Sensing 11(15):1798, 2019.
• [8] Y. Wang, Q. Chen, L. Liu, D. Zheng, C. Li, and K. Li, Supervised classification of power lines from airborne lidar data in urban areas, Remote Sensing 9(8): 771, 2017.
• [9] J. N. Niya, A. Aghagolzadeh, M. A. Tinat, S. Feizi, 2-step wavelet-based edge detection using gabor and cauchy directional wavelets, The 7th International Conference on Advanced Communication Technology, ICACT 2005.
• [10] J. G. Daugman, Uncertainty relation for resolution in space, spatial-frequency, and orientation optimized by two-dimensional visual cortical filters, J. Opt. Soc. Amer. 2: 1160-1169, 1985.
• [11] L. Shen, L. Bai, A review of Gabor wavelets for face recognition, Pattern Analysis and Applications 9: 273-292, 2006.
• [12] J. Movellan, Tutorial on Gabor Filters, Open source document. 2002.
• [13] M. Włodarczyk, T. Matuszczak, Rozpoznawanie człowieka przy pomocy wzorca tęczówki oka, Raport z projektu kursu metody i algorytmy sztucznej inteligencji, Politechnika Wrocławska, 2009.
• [14] A. C. Bovik, M. Clark, W. S. Geisler, Multichannel texture analysis using localized spatial filters, IEEE Trans. Pattern Analysis Mach. Intell. 12: 55-73, 1990.
• [15] A. K. Jain, F. Farrokhnia, Unsupervised texture segmentation using gabor filters, Pattern Recognition 16: 1167-1186, 1991.
• [16] F. Bergeaud, S. Mallat, Matching pursuit of images, Proc. SPIE 2491, Wavelet Applications II: 1-16, 1995.
• [17] M. Nixon, A. Aguado, Feature extraction and Image processing, Second Edition. Elsevier Ltd., Oxford, 2008.
• [18] R. Duda, P. Hart. Use of the Hough Transformation to detect lines and curves in pictures, Communications ACM 15: 11-15, 1972.
• [19] A. Anagnou, J. M. Blackledge, Pattern Recognition using the Hough Transform, Sciences and Engineering Research Centre, De Montfort University, Leicester 1993.