Geoinformática y geoestadística: descripción general

Extracción de la red vial urbana a partir de imágenes multiespectrales mediante estadísticas de kernel multivariadas y el método de segmentación

Abdur Raziq, Aigong Xu, Yu Li y Xuemei Zhao

La extracción de la red vial urbana a partir de imágenes multiespectrales ha sido una tarea desafiante en las comunidades de teledetección, desde las últimas décadas. Los problemas comunes encontrados actualmente en la extracción de la red vial urbana son la escena cubierta por sombras de árboles y objetos espectrales similares, mientras que las carreteras tienen diferentes anchos y material de superficie. En este artículo se propone un algoritmo de extracción automática de carreteras. La metodología propuesta combina la clasificación ISODATA y las técnicas de estadísticas de kernel para extraer la red vial urbana a partir de las imágenes satelitales de teledetección. La metodología propuesta tiene tres pasos principales; el primer paso es realizar la clasificación de la imagen en color, luego estas imágenes clasificadas en color se convierten en imágenes segmentadas binarias utilizando el algoritmo propuesto. En segundo lugar, el algoritmo propuesto se prueba en las imágenes en color superpuestas (imagen de línea roja) para detectar la red vial como imágenes binarias. Se utilizan algunas técnicas de filtrado para eliminar los objetos redundantes y conectar el segmento desconectado de la carretera, como la reconstrucción de segmentos y el relleno de regiones. Finalmente, se emplean técnicas de posprocesamiento para extraer la línea central de la carretera urbana, como se utiliza el algoritmo de adelgazamiento. Los procedimientos previstos se implementan en varios conjuntos de datos multiespectrales, como imágenes IKONOS y QuickBird, que contribuyen a una evaluación precisa. La metodología puede extraer características lineales, como la red vial en entornos urbanos, de manera eficiente, lo que resulta útil para reconocer algunas otras características lineales. Los resultados experimentales demuestran que la metodología sugerida es computacionalmente robusta y efectiva.

Descargo de responsabilidad: este resumen se tradujo utilizando herramientas de inteligencia artificial y aún no ha sido revisado ni verificado.