3D object detection and representation in remote sensing: Probabilistic methods and applications

Abstract

Günümüzde uydu görüntüleri ve üç boyut verisi birçok alanda aktif olarak kullanılmaktadır.Bunlardan en önemlisi doğal bir afet sonrası, bölgede ne tür nesnelerin olduğunubelirleyebilmektir. Herhangi bir dogal afet olmadan da belirli bir bölgede ne tür nesnelerinolduğunu uydu görüntüleri veya üç boyut verisi ile elde etmek şehir bölge planlayıcılarıve devlet kurumları için önemlidir. Türkiyenin yörüngede kendi uzaktan algılama uydularıbulunmaktadır. İleride de gelişmiş ve yeni uzaktan algılama uydularını yörüngeye oturtmaplanları vardır. Her ne kadar kendi uzaktan algılama uydularımız yörüngede bulunsada, bunlardan yalnızca ham imge elde edilebilmektedir. Bunlar ya bir operatör aracılığıile incelenip, içinden bilgi çıkarılabilir; ya da bir yazılım aracılığı ile bilgiler otomatikçıkartılmaya çalışılır. Birinci seçenek her zaman uygulanabilir değildir. Çünkü bu imgelerinboyutu çok büyüktür. Bulunması hedeflenen nesnelerin boyu da imge boyuna göre çokküçüktür. Bu tezde nesne tespiti ve bölütlemesi için yeni yöntemler önerilmiştir. Uzaktanalgılama nesneleri, yerel öznitelikler ve şekillerin kombinasyonları olasılıksal oylamaçerçevesinde kullanılarak tespit edilmiştir. Nesnelerin şekli uydu görüntüleri ve yükseklikverileri kullanılarak çıkarılır. İlk olarak, uydu görüntülerinde tespit edilen nesnelerin şeklinielde etmek için yeni bir geri yansıtma yöntemi geliştirdik. Ardından yükseklik verileriiçin iki yeni bölütleme ve filtreleme yöntemi önerilmiştir. İlk yöntem yeni bir morfolojiktabanlı bölge büyütme algoritması ile olasılıklı oylama yöntemine bağlıdır. İkinci yöntemDSM'yi zemin ve zemin olmayan noktalara süzmek ve bölmek için ampirik mod ayrıştırma(EMD) algoritmasını kullanmaktadır. Önerilen yöntemler, farklı uydu göruntuleri (IKONOS,WorldView, QuickBird,) ve üç boyutlu veriler (DSM, LIDAR) üzerinde test edilmiştir.Literatürdeki yöntemlerle karşılaştırıldığında daha iyi sonuçlar elde edilmiştir.

Nowadays, satellite images and three dimensional data are actively used in various areas.The most important of these is the detection of objects after a natural disaster using satelliteimages or three dimensional data. In fact, this information is also valuable for governmentagencies, city and regional planners even if no natural disaster occurs. Turkey has its ownremote sensing satellites in the orbit. There are also plans to launch new and advanced remotesensing satellites in the near future. Although we have our own remote sensing satellites inthe orbit, these can only provide raw images. Either an operator should extract informationfrom them or the information may be extracted by software automatically. The first option isnot applicable most of the times since the size of the raw images are huge. Also, the objects tobe detected from them are tiny compared to the image size. In this thesis, novel methods forobject detection and segmentation are proposed. Remote sensing objects are detected usingcombinations of local features and shapes in a novel probabilistic voting framework. Theshape of the objects are extracted using satellite images and height data. First, we developed anovel back-projection method to obtain the shape of detected objects in satellite images. Thenfor height data, two novel segmentation and filtering methods are proposed. The first methoddepends on the probabilistic voting method with a novel morphological based region growingalgorithm. The second method uses empirical mode decomposition (EMD) algorithm forfiltering and segmenting DSM into ground and non-ground points. The proposed methods aretested on different satellite images (IKONOS, WorldView, QuickBird,) and three dimensionaldata (DSM, LIDAR). Compared with the methods in the literature, better results have beenobtained.