Διερεύνηση μεθόδων ανίχνευσης μεταβολών μέσω τηλεπισκοπικών δεδομένων IKONOS για την αναθεώρηση του οδικού δικτύου

Abstract

Η Διπλωματική αυτή Εργασία πραγματεύεται διεξοδικά τη μελέτη διαφόρων αλγόριθμων για την ανίχνευση μεταβολών σε οδικό δίκτυο, καθώς και την υλοποίηση μιας ολοκληρωμένης μεθόδου για την εξαγωγή τέτοιων ανθρώπινων κατασκευών σε διανυσματική μορφή, με βάση τα χωρικά χαρακτηριστικά των δρόμων. Για το σκοπό αυτό, χρησιμοποιήθηκαν διαχρονικές τηλεπισκοπικές εικόνες υψηλής χωρικής ανάλυσης IKONOS, στην περιοχή της Αττικής Οδού. Οι απεικονίσεις είχαν χρονική διαφορά επτά ετών, όπου στην παλαιότερη το οδικό έργο δεν είχε ακόμη ξεκινήσει, ενώ στην άλλη το έργο εμφανίζεται ολοκληρωμένο. Η μελέτη επιχειρεί να συμβάλει γενικότερα στην προσπάθεια για επίτευξη ταχείας αναθεώρησης χαρτών, εξετάζοντας την αποτελεσματικότητα της αυτοματοποιημένης ανίχνευσης μεταβολών για το σκοπό αυτό. Πιο συγκεκριμένα: Στο πρώτο κεφάλαιο παρουσιάζεται ο γενικότερος προβληματισμός που οδήγησε στη συγκεκριμένη μελέτη και δίνεται ένα γενικό πλάνο των ενεργειών που πρέπει να ακολουθηθούν κατά τη διαδικασία ανίχνευσης μεταβολών. Το δεύτερο κεφάλαιο καταγράφει τις διάφορες μεθόδους που έχουν δημοσιευθεί μέχρι σήμερα για την εξαγωγή δρόμων με τη χρήση τηλεπισκοπικών απεικονίσεων. Οι μέθοδοι συγκεντρώθηκαν ύστερα από βιβλιογραφική αναζήτηση. Στο τρίτο κεφάλαιο προσδιορίζονται όλοι οι απαιτούμενοι προκαταρκτικοί έλεγχοι που επιβάλλεται να γίνονται στις διαχρονικές εικόνες της περιοχής μελέτης. Επίσης, γίνεται αναφορά στα είδη προεπεξεργασίας που είναι απαραίτητα για τα δεδομένα. Στο τέταρτο κεφάλαιο παρουσιάζονται οι αλγόριθμοι ανίχνευσης μεταβολών που χρησιμοποιήθηκαν στην παρούσα εργασία. Στη συνέχεια, το πέμπτο κεφάλαιο ασχολείται με το φιλτράρισμα της περιττής εξαχθείσας πληροφορίας μεταβολών. Το έκτο κεφάλαιο περιγράφει τη μέθοδο που ακολουθήθηκε για την εξαγωγή δρόμων. Η μέθοδος αυτή είναι βασισμένη στα χωρικά χαρακτηριστικά των οδών, σύμφωνα με τα οποία επινοήθηκαν και οι αναφερόμενοι αλγόριθμοι. Στο έβδομο κεφάλαιο γίνεται πειραματική υλοποίηση της υιοθετούμενης μεθόδου, παρουσιάζοντας τις παραμέτρους που τέθηκαν σε κάθε περίπτωση καθώς και τα αντίστοιχα αποτελέσματα που προέκυψαν. Τέλος, στο όγδοο κεφάλαιο γίνεται σύγκριση και αξιολόγηση των αποτελεσμάτων όλων των τεχνικών που εφαρμόσθηκαν, συνοψίζονται τα προκύπτοντα συμπεράσματα και διατυπώνονται προτάσεις για περαιτέρω έρευνα του υπ΄ όψιν θέματος.

The present Diploma Thesis had as goal to study extensively various algorithms for change detection of road networks, as well as to implement an integrated method for the extraction of such man-made structures, based on the spatial characteristics of the roads. The dataset that has been chosen for this purpose was a pair of very high resolution IKONOS remotely sensed images, in the region of “Attiki Odos” Highway, Athens. The images had a time difference of seven years, thus in the older image the construction of the highway had not begun yet. The general objective of the study was to contribute in the research for achieving automatic map updating, and to examine the effectiveness of automated change detection techniques. More specifically, the particular study presents at first the general steps required to perform change detection and also the various methods that have been developed up to today for road network extraction. The methods were assembled after bibliographic search. Then, all the considerations of significance and the preliminary steps were reviewed. Five change detection algorithms were described, pointing their advantages on detecting specific kind of land-cover use. In order to filter out unwanted detected change, various methods were presented. A newly developed approach for road extraction was followed experimentally, based on spatial reasoning. Different parameters were evaluated by studying many cases and the corresponding results of change. For the evaluation of this technique, changes were compared with true data. This comparison demonstrated that in most cases, roads can be extracted at a reasonable accuracy level. Finally, several conclusions were drawn regarding the results. These results could lead to further research for the improvement and the full automation of the process.