روش جديد در تشخيص اشياء با استفاده از ويژگي هاي هندسي در تصاوير ماهواره اي

A new method for recognition objects using geometric features in satellite imagery

با توجه به گسترش علوم فتوگرامتري و سنجش از دور و در دسترس قرارگرفتن تصاوير ماهواره اي، طيف وسيعي از داده هاي مكاني در اختيار علوم مختلف قرارگرفته است. همچنين به دليل پيشرفت هاي حاصل در زمينه ي داده كاوي و يادگيري ماشين، اطلاعات بيشتر و ارزشمندتري از عناصر موجود در تصاوير ماهواره اي استخراج و به تبع آن، تشخيص اجزاء تصوير با دقت بالاتري ممكن گرديده است. در اين مقاله يك روش جديد جهت تشخيص اشياء هندسي در تصاوير ماهواره اي ارائه شده است.در روش پيشنهادي از يك پايگاه داده اي از تصاوير مربوط به اشياء هندسي شامل 60 شي استفاده شده است. تعداد 12 ويژگي عددي مربوط به شكل هندسي اشيا از مولفه هاي متصل موجود در تصوير استخراج، سپس بر اساس معيار فاصله اقليدسي، نزديك ترين شكل به شكل وروردي (پرس و جو) از تصاوير پايگاه داده استخراج مي گردد. دقت سيستم مذكور در بررسي عملكرد، براي هر كدام از اشياء هندسي به طور مجزا بررسي شده است. نتيجه ي دقت تشخيص سيستم پيشنهادي براي شيء مستطيل برابر 0.8 و براي شيء دايره برابر 0.9 مي باشد. همچنين دقت دسته بندي براي اشيا ء هندسي بصورت دو به دو ارزيابي و مساحت زير نمودار ROC محاسبه شده است. مقدار AUC نمودار ROC براي اشياء مستطيل و دايره مقدار 0.9 و براي اشياء مستطيل و مثلث مقدار 0.9 مي باشد.

Due to the development of photogrammetry and remote sensing and the availability of satellite imagery, a wide range of spatial data is available to various sciences. Due to advances in data mining and machine learning, more and more valuable information is extracted from the elements in satellite imagery, and hence, it is possible to identify the components of the image with a higher precision.In this paper, a new method for recognition geometric objects in satellite imagery is presented. In the proposed method, a database of images related to geometric objects including 60 objects has been used. A total of 12 numerical attributes are derived from the geometric shapes of objects from the connected components in the image, and then extracted from the database images based on the Euclidean distance criterion, the closest form in the form of a query. The precision of the system in the performance review is separately investigated for each geometric object.The precision of the recognition system for the rectangle is 0.8 and for the circle object is 0.9. Also, the precision of the classification for geometric objects is calculated two to two and the area under the ROC chart is calculated. value s AUC of ROC for the rectangular and circular objects is 0.9 and for rectangles and triangles is 0.9.