Journal of Geospatial Information Technology

fa استخراج سایه ساختمان از تصاویر ماهواره‌ای با قدرت تفکیک بالا با تلفیق اطلاعات لبه و جهت عوارض نقطه‌ای Shadow extraction of building using fusion of edge and point feature orientation from high resolution satellite imagery فتوگرامتری Aerial Photogrammetry پژوهشي Research در بسیاری از کاربردهای سنجش از دور، خصوصا در پردازش تصاویر با قدرت تفکیک بالا، شناسایی سایه یک مرحله پیش پردازشی مهم است. سایه بیانگر اطلاعاتی در مورد شکل، موقعیت نسبی و جهت شیئ است که در محیط‌های شهری بخش قابل‌ توجهی از تصویر را اشغال می‌کند و می‌تواند در تفسیر عوارض اثرات مثبت و منفی به دنبال داشته باشد. به‌عنوان نمونه برآورد ارتفاع عوارض مرتفع و شناسایی موقعیت ساختمان به کمک سایه صورت می‌گیرد. محققان روش‌های متنوعی برای شناسایی سایه ارائه کرده‌اند که براساس ویژگی، مدل و شاخص‌ها هستند. در این تحقیق، به کمک عوارض موضعی به شناسایی سایه ساختمان‌ها پرداخته می‌شود تا بتوان از این اطلاعات در شناسایی موقعیت و برآورد ارتفاع ساختمان و غیره بهره برد. پس از استخراج عوارض موضعی نقطه‌ای، برآورد جهت آنها انجام شده و هیستوگرام جهت ترسیم می‌شود و با توجه به لبه‌های عمودی ساختمان، جهات آنها استخراج می‌گردد. لبه‌ها در جهات اصلی به‌دست‌آمده و به کمک عملگرهای مورفولوژی در جهات حاصل از مرحله قبل، پخش می‌شوند تا با سایه‌های اولیه تلفیق گردد. لازم به ذکر است که از لبه‌ها برای شناسایی سایه ساختمان و حذف سایه‌هایی که متعلق به ساختمان نیستند، استفاده می‌شود. روش پیشنهادی بر روی چهار تصویر با قدرت تفکیک بالا اجرا شد. همچنین داده‌های مرجع زمینی به‌صورت دستی به‌دست آمده و معیار Recall، دقت و شاخص F در بهترین حالت به ترتیب برابر با 1/90، 86/88 و 48/89 نشان از کارایی و عملکرد مناسب روش پیشنهادی دارد. Shadow detection is an important preprocessing step in many applications of remote sensing, particularly in high resolution images. Shadow represents information about the shape, relative position and direction of the object and in urban environments occupy a significant portion of the image. Shadow can have positive and negative effects in objects interpretation. Shadows can be regarded as a type of useful information in building position recognition and height estimation. Researchers have presented model-based methods, property-based methods and based on index to shadow detection. In this research, we use local feature to identify the shadow of buildings in order to detect building position recognition. After point local feature extraction, we estimate their orientation. Orientation histogram calculate and due to the perpendicular edges of different buildings can extract main orientations. Edge map definition, which emphasizes edges only in the main orientations and dilate in the main orientations. This improved edge map is fused with initial shadow features. Edges are used to detect shadow of building and remove shadows that are not for the building. The proposed method was performed on four high-resolution image. Ground reference data obtained manually and Recall, precision and F-score, in best situation, respectively 90.1, 88.86 and 89.48 indicate the efficiency and proper performance of the proposed method. جهات اصلی, لبه‌یابی, شناسایی سایه, تلفیق. Main Orientation, Edge Detection, Shadow Detection, Fusion, Point Local Feature. 115 137 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-425-2&slc_lang=fa&sid=1 Farzane Yousefiyan فرزانه یوسفیان fyousefian@mail.kntu.ac.ir 10031947532846007189 10031947532846007189 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Hamin Ebadi حمید عبادی 10031947532846007190 10031947532846007190 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Amin Sedaghat امین صداقت 10031947532846007191 10031947532846007191 No University of Tabriz دانشگاه تبریز