Resumen

En la última década, el análisis de imágenes basado en objetos (OBIA) ha sido ampliamente reconocido como un método de clasificación eficaz para imágenes de muy alta resolución espacial o datos integrados de diferentes fuentes. En este estudio, se propuso una estrategia de optimización en dos etapas para el análisis difuso basado en objetos utilizando LiDAR aerotransportado para la extracción de carreteras urbanas. El método optimiza los dos pasos básicos del OBIA, a saber, la segmentación y la clasificación, para realizar una cartografía precisa de la cubierta terrestre y la extracción de carreteras urbanas. Este objetivo se alcanzó seleccionando el parámetro óptimo de escala para maximizar la separabilidad de clases y los parámetros óptimos de forma y compacidad para optimizar los segmentos finales de la imagen. La separabilidad de clases se maximizó mediante el algoritmo de distancia de Bhattacharyya, mientras que la segmentación de imágenes se optimizó mediante el método Taguchi. Las reglas difusas propuestas se crearon a partir de datos integrados y conocimientos de expertos. Se utilizaron características espectrales, espaciales y de textura en las reglas difusas mediante la aplicación de la técnica de optimización de enjambre de partículas. Las reglas difusas propuestas eran fáciles de aplicar y transferibles a otros ámbitos. Se obtuvo una precisión global del 82 y un índice kappa de concordancia (KIA) de 0,79 en la zona estudiada cuando se compararon los resultados con objetos de referencia creados mediante digitalización manual en un sistema de información geográfica. La precisión de la extracción de carreteras mediante las reglas difusas desarrolladas fue de 0,76 (productor), 0,85 (usuario) y 0,72 (KIA). Mientras tanto, la precisión global disminuyó aproximadamente un 6% cuando las reglas se aplicaron en un sitio de prueba. Se obtuvo un KIA de 0,70 en el sitio de prueba utilizando las mismas reglas sin ningún cambio. La precisión de las vías urbanas extraídas del sitio de prueba fue de 0,72 (KIA), que disminuyó a aproximadamente 0,16. La información espacial (es decir, la elongación) y la intensidad del LiDAR fueron las propiedades más interesantes para la extracción de vías urbanas. El método propuesto puede aplicarse a una amplia gama de aplicaciones reales mediante teledetección, transfiriendo las reglas basadas en objetos a otras áreas mediante técnicas de optimización.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:extracción de vías urbanas, reglas difusas, sitio de prueba, kia, otras áreas, precisión general, cartografía precisa de la cubierta terrestre, imágenes de alta resolución espacial, técnica de optimización de enjambre de partículas, algoritmo de distancia de bhattacharyya
• Keywords:urban road extraction, fuzzy rules, test site, kia, other areas, overall accuracy, accurate land cover mapping, high spatial resolution images, particle swarm optimization technique, bhattacharyya distance algorithm