Yüksek çözünürlüklü ortofoto ve lidar verisinden hough dönüşümü ve algısal gruplama kuralları ile bina sınırlarının çıkarımı

Abstract

Son yıllarda uzaktan algılama teknolojisindeki gelişmelerle nesne belirleme çalışmalarında artış olmuştur. Özellikle LiDAR (Light Detection and Ranging) verisi ve yüksek konumsal çözünürlüklü görüntülerden bina tespiti en yaygın çalışmalar arasında yer almıştır. Bu çalışmada, yüksek çözünürlüklü renkli (Kırmızı, Yeşil, Mavi) ortofoto ve LiDAR verilerinden otomatik bina çıkarımı için Hough dönüşümü ve algısal gruplama tabanlı bir yaklaşım geliştirilmiştir. Yaklaşımın ön işlemleri, ortofoto ve LiDAR verilerinin referanslandırılması, LiDAR verisinden gürültünün temizlenmesi ve yer filtrelemesi işlemlerini içermektedir. LiDAR verisinden sayısal yüzey modeli (SYM), sayısal arazi modeli (SAM) ve normalize edilmiş SYM (nSYM), ortofotodan da VARI (Visible Atmospherically Resistant Index) bitki indeksi oluşturulur. Sadece bitki ve bina nesnelerini elde etmek için nSYM verisine bir eşik değer uygulanır. Bitki indeksi bandı kullanılarak eşiklenmiş nSYM verisinden bitki alanları maskelenir ve yalnız bina alanlarının kalması sağlanır. Bundan sonra, DoG (Difference of Gaussian) filtresi ile ortofotodan kenarlar çıkarılır. Elde edilen kenar görüntüsünden Hough dönüşümü ile binaları oluşturan çizgi segmentleri çıkarılır ve bu çalışmada uygulanan algısal gruplama kuralları ile çizgi segmentlerinden bina sınırlarının çıkarımı yapılır. Yaklaşım, İzmir ili, Bergama ilçesinden seçilen farklı özelliklere sahip test alanları üzerinde uygulanmıştır. Sonuçların doğruluk analizlerinde piksel-tabanlı ve nesne-tabanlı iki farklı yöntem kullanılmıştır. Piksel tabanlı ve nesne tabanlı yöntemlere göre, ortalama BBBüt (Building Detection Completeness – Bina Belirleme Bütünlüğü) değeri sırasıyla %79.61- %90.76 ve BBDoğ (Bina Belirleme Doğruluğu – Building Detection Correctness) değeri %95.74- %100 olarak hesaplanmıştır. Elde edilen sonuçlar, uygulanan yaklaşımın ortofoto ve LiDAR verilerinden bina çıkarımında oldukça başarılı olduğunu göstermektedir. Elde edilen sonuçlar, uygulanan yaklaşımın ortofoto ve LiDAR verilerinden bina çıkarımında oldukça başarılı olduğunu göstermektedir.

In recent years, with the development of remote sensing technology there has been an increase in object detection studies. Especially, building detection from LiDAR data and high resolution images has become one of the most common used studies. In this study, an approach based on Hough transform and perceptual grouping has been developed for automatic building extraction from high resolution orthophotos and LiDAR. Pre-processing of the approach, consists of the registration of LiDAR and orthophotos, noise removal and ground filtering of LiDAR data. Digital Surface- Terrain Model (DSMDTM) and normalized Digital Surface Model (nDSM) are generated from LiDAR, and VARI index is generated from orthophoto. To obtain only the vegetation and the building objects a threshold is applied to nDSM. The vegetation areas are masked from the thresholded nDSM with the vegetation index band and the building areas remained. The edges are extracted from orthophoto using the DoG filter. Line segments that form buildings are extracted from the obtained edge image using Hough transform, and the building boundaries are constructed using these line segments through the developed perceptual grouping rules. The approach was tested on test fields with different characteristics selected from the city of Bergama/ Izmir province, Turkey. Two different methods, pixel and object-based, were used for the accuracy assessments. According to pixel- object-based methods, the average BDCom. rates were %79.61- %90.76 and and BDCor. rates were %95.74- %100, respectively. The results demonstrate that the developed approach is quite successful in the extraction of buildings from orthophotos and LiDAR.