| Revista: | Boletim de ciencias geodesicas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000373751 |
| ISSN: | 1413-4853 |
| Autores: | Mendes, Tatiana Sussel Goncalves1 Poz, Aluir Porfirio dal1 |
| Instituciones: | 1Universidade Estadual Paulista "Julio de Mesquita Filho", Instituto de Ciencia e Tecnologia, Presidente Prudente, Sao Paulo. Brasil |
| Año: | 2013 |
| Periodo: | Abr-Jun |
| Volumen: | 19 |
| Número: | 2 |
| Paginación: | 287-313 |
| País: | Brasil |
| Idioma: | Portugués |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en inglés | The problem of automated urban road network extraction is extremely complex, as roads in urban scenes interact strongly with other scene objects (vegetation, buildings and vehicles). This problem can be simplified if regions corresponding to roads were previously isolated using a classification procedure. Next, the urban road network can be extracted from these regions previously detected, leading to a geometric and semantic description. The image classification procedure can be used in order to isolate regions of road, but in complex urban scenes, the use of only spectral data may not be sufficient for a reliable separation of classes with similar spectral characteristics. To overcome the problem, it is proposed the integration of laser scanner geometric and radiometric data with high-resolution RGB aerial images in the classification using Artificial Neural Network, with main focus to isolate regions of road. The benefit of this integration was cheked using different combinations of input data. The experiments showed that the combination that integrates different sources of data allows the separations of the road class with better accuracy and the problems related to spectral similar responses were minimized |
| Resumen en portugués | O problema de extração automática da malha viária urbana é extremamente complexo, uma vez que em cenas urbanas as vias apresentam forte interação com os outros objetos da cena (vegetação, edificações, veículos etc.). Esse problema pode ser simplificado se regiões correspondente às vias forem previamente isoladas. Na sequência, a malha viária urbana pode ser extraída baseando-se apenas nessas regiões, reduzindo a área de busca e o esforço computacional. A classificação de imagens pode ser usada no intuito de isolar as regiões de via, mas em cenas urbanas complexas a utilização de somente dados espectrais pode não ser suficiente para separar com confiabilidade classes com comportamento espectral similar. Para contornar esse problema, é proposta a integração dos dados geométricos e radiométricos de varredura a laser com imagem aérea RGB de alta resolução numa classificação por Redes Neurais Artificiais, tendo por foco principal o isolamento de regiões de via. O benefício desta integração foi verificado usando diferentes combinações de dados de entrada na rede. Os experimentos mostraram que a combinação que integra diferentes fontes de dados permitiu separar a classe via com melhor acurácia e que problemas relacionados com as respostas espectrais similares foram minimizados |
| Disciplinas: | Geografía |
| Palabras clave: | Cartografía, Redes neuronales artificiales, Modelos digitales del terreno (MDT), Imágenes de intensidad, Morfología matemática, Datos Láser |
| Keyword: | Geography, Cartography, Artificial neural networks, Digital terrain models (DTM), Intensity images, Mathematical morphology, Laser data |
| Texto completo: | Texto completo (Ver PDF) |
