Teledetekcyjne wykorzystanie metody grupowania obiektów w oparciu o analizę gęstości

• Autorzy: Wyczałek I.

Warianty tytułu

EN

Using object grouping method based on density analysis in remote sensing

• Języki publikacji: PL

Abstrakty

PL

Klasyczne podejście do klasyfikacji obiektów na obrazach teledetekcyjnych, zakładające rozpoznawanie szczegółów terenowych pogrupowanych w kilka kategorii tematycznych, reprezentowanych przez cechy radiometryczne kilkukanałowego obrazu rastrowego, nadal wymaga coraz bardziej zaawansowanych metod podnoszenia skuteczności. Spośród współcześnie wprowadzanych rozwiązań na szczególną uwagę zasługują metody określane mianem obiektowych, które bazują na analizach fragmentów obszaru mapy bitowej, pogrupowanych według określonych kryteriów homologiczności. Segmentację obrazu można uzyskać różnymi metodami, które rozwijane są w licznych dziedzinach zastosowań informatyki. W interpretacji obrazów teledetekcyjnych opracowano rozwiązania dostosowane do specyfiki tychże obrazów. W niniejszej pracy podjęto temat takiego szczególnego wykorzystania techniki grupowania obiektów spełniających określone kryteria dokładnościowe. Scharakteryzowano metodę gęstościową analiz baz danych i jej modyfikację dostosowaną do analiz obrazów rastrowych, a następnie podano proponowany sposób dalszego rozwoju metody z wykorzystaniem dostępnej informacji wektorowej. Wywód zilustrowano za pomocą uproszczonego modelu obrazu teledetekcyjnego.

EN

Typical approach to classification of objects on remote sensing images, which assume detection of terrain details being grouped into several thematic categories, represented by radiometric properties of the multispectral raster image, still needs more and more sophisticated methods of increasing efficiency. Among currently used solutions, on special attention claimed methods stated as the object-oriented, which are based on analyses of parts of the bitmap, grouped according to criteria of homogeneity. It is possible to carry out the image segmentation using various methods, which are developed within couple of informatics' sciences. In interpretation of remote sensing images there were elaborated approaches adapted to specific of those types of images. Such special use of grouping technique of objects fulfilled the particular accuracy criteria were investigated here. There were described the density-based clustering method of large databases and their implementation adapted to raster image analyses, and then, the possible solution using accessible vector information was suggested. The text is illustrated using the simplified model of remote sensing image.

Słowa kluczowe

PL

teledetekcja; segmentacja obiektowa; grupowanie gęstościowe

EN

remote sensing; object segmentation; density-based clustering

• Wydawca: Wydawnictwo Uniwersytetu Przyrodniczego we Wrocławiu
• Czasopismo: Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
• Rocznik: 2005
• Tom: Vol. 4, nr 1
• Strony: 29--39
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Wyczałek I.

• Politechnika Poznańska, Zakład Geodezji,

Bibliografia

• 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, Netherlands, 7-13.
• Baltsavias E.P., 2002. Object extraction and revision by image analysis using existing geospatial data and knowledge: State-of-the-art and steps towards operational systems. International Archives of Photogrammetry and Remote Sensing, Vol. 34, Part 2, Comm. II, 13-22.
• 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, 226-231.
• Wang J., Yang W., Raj A., 1997. Color clustering technologies for color-content based image retrieval from image databases. International Conference on Multimedia Computing and Systems (ICMCS’97), Ottawa, June 03-06 1997, 442-450.
• Wyble D.R., Fairchild M.D., 2000. Prediction of Munsell Appearance Scales Using Various Color Appearance Models. Color Res. Appl., 25, 132-144.
• 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, 345-348.