Halbautomatische Straßenerkennung aus Satellitenbildern

Die automatisierte Extraktion aus hochauflösenden Satellitenbildern bietet die Möglichkeit, Straßenbereiche zu extrahieren, die für die Fahrzeugnavigation nützlich sind. Allerdings machen Faktoren wie die Verdeckung durch Bäume entlang der Straße, Schatten von Gebäuden und Fahrzeugen, unterschiedliche Straßenoberflächeneigenschaften und sich ändernde Straßengeometrie, die in hochauflösenden Satellitenbildern deutlicher werden, die Straßenextraktion zu einem schwierigen Problem. In diesem Text werden drei verschiedene Methoden zur Straßenerkennung untersucht. Diese Methoden sind Clustering, Directional Morphology und Adaptive Threshold und werden auf der Grundlage verschiedener Parameter wie Vollständigkeit, Korrektheit und Qualität verglichen. Was die Verarbeitungszeit betrifft, so benötigt die Methode der gerichteten Morphologie mehr Zeit für die Bildverarbeitung, da es sich um einen pixelbasierten Vorgang handelt, der acht Richtungen für die Segmentierung berücksichtigt, aber einen höheren Korrektheitswert erzeugt. Die Clustering-Methode benötigt im Vergleich zu anderen Methoden weniger Zeit, die Zeit für die Segmentierung hängt von der Anzahl der Iterationen ab und variiert je nach Art des Bildsatzes. Die große Iterationszahl führt zu besseren Ergebnissen, benötigt aber mehr Zeit für die Bildsegmentierung. Die adaptive Schwellenwertmethode benötigt sehr viel weniger Zeit.

Autorentext

Nadeem Akhtar erwarb 2003 und 2014 einen Bachelor- und Master-Abschluss in Ingenieurwesen an der North Maharashtra University Jalgaon. Derzeit arbeitet er als Assistenzprofessor in der Abteilung für Elektrotechnik und Telekommunikation am R. C. Patel Institute of Technology in Shirpur. Seine Interessengebiete sind Elektronikschaltungsdesign, Satellitenbildverarbeitung und Fernerkundung.