شناسايي جاده و تشخيص خودرو در تصاوير هوايي با استفاده از شدت روشنايي و رنگ

Road Extraction and Car Detection from Aerial Image Using Intensity and Color

يكي از مهم‌ترين كاربردهاي عكس‌هاي هوايي، شناسايي و استخراج جاده و خودرو از تصاوير هوايي مي‌باشد. در اين مقاله ابتدا، با استفاده از شدت روشنايي و محتواي رنگ و فيلتر كردن تصوير در مدل‌هاي HSI و RGB، محدوده‌هاي جاده تعيين مي‌گردد. سپس به منظور حذف نويز از فيلترهاي متوسط‌گير و ميانه استفاده مي‌شود. پس از لبه‌يابي توسط فيلتر لبه ياب مناسب، زاويه بين خط‌هاي مجاور جاده، توسط روش تبديل هاف محاسبه شده و خط‌هاي غير موازي زايد حذف مي‌گردد. در گام بعدي، كدهاي زنجيره‌اي به منظور فرموله كردن لبه‌هاي جاده به دست مي‌آيد و بازسازي جاده از فايل كدهاي زنجيره‌اي صورت مي‌پذيرد. مرحله آخر، تشخيص خودرو از تصاوير هوايي با استفاده از ويژگي سايه ايجاد شده از خودرو است. هدف از اين مقاله ارايه روش بهينه در شناسايي جاده، انجام چندين مرحله اصلاح جاده، كد كردن آن و تشخيص خودرو مي‌باشد. در اين تحقيق مرجع تصاوير هوايي جاده، پايگاه Google Earth است. دقت كدهاي زنجيره‌اي به منظور شناسايي جاده حدود 90% به دست آمده كه نسبت به كارهاي قبلي انجام شده بهبود نسبي حاصل شده است.

In this paper a new automatic approach to road extraction from aerial images is proposed. The initialization strategies are based on the intensity, color, and Hough transform. After road elements extraction, chain codes are calculated. In the last step, using shadow, cars on the roads are detected. We implemented our method on the 25 images from "Google Earth" database. The experiments show an increase in both the completeness and the quality indexes for the extracted road.