Geoinformática e Geoestatística: Uma Visão Geral

Extração de Rede Viária Urbana a partir de Imagens Multiespectrais Utilizando Estatística Kernel Multivariada e Método de Segmentação

Abdur Raziq, Aigong Xu, Yu Li e Xuemei Zhao

A extração da estrada urbana de imagens multiespectrais tem sido uma tarefa desafiadora nas comunidades de sensoriamento remoto, nas últimas décadas. Os problemas comuns encontrados atualmente na extração da rede de estradas urbanas são a cena coberta por sombras de árvores e objetos espectrais semelhantes, enquanto as estradas têm diferentes larguras e material de superfície. Neste artigo, o algoritmo de extração automática de estradas é proposto. A metodologia proposta está combinando a classificação ISODATA e as técnicas de estatística do kernel para extrair a rede de estradas urbanas das imagens de satélite de sensoriamento remoto. A metodologia proposta tem três etapas principais; a primeira etapa é realizar a classificação da imagem colorida, então essas imagens de classificação de cores são convertidas em imagens segmentadas binárias usando o algoritmo proposto. Em segundo lugar, o algoritmo proposto é testado nas imagens coloridas de sobreposição (imagem da linha vermelha) para detectar a rede de estradas como imagens binárias. Algumas técnicas de filtragem são usadas para remover os objetos redundantes e conectar o segmento desconectado da estrada, como reconstrução de segmentos e preenchimento de região. Finalmente, técnicas de pós-processamento são empregadas para extrair a linha central da estrada urbana, como o algoritmo de afinamento é usado. Os procedimentos pretendidos são implementados em vários conjuntos de dados multiespectrais, como imagens IKONOS e QuickBird, que contribuem para uma avaliação precisa. A metodologia pode extrair recursos lineares, como rede rodoviária em ambiente urbano, de forma eficiente, o que é útil para reconhecer alguns outros recursos lineares. Os resultados experimentais mostram que a metodologia sugerida é computacionalmente robusta e eficaz.