No abstract

No abstract

This article presents an automatic methodology for extraction of road seeds from high-resolution aerial images. The method is based on a set of four road objects and another set of connection rules among road objects. Each road object is a local representation of an approximately straight road fragment and its construction is based on a combination of polygons describing all relevant image edges, according to some rules embodying road knowledge. Each one of the road seeds is composed by a sequence of connected road objects, in which each sequence of this type can be geometrically structured as a chain of contiguous quadrilaterals. Experiments carried out with high-resolution aerial images showed that the proposed methodology is very promising in extracting road seeds. This article presents the fundamentals of the method and the experimental results, as well.

RESUMOEste artigo apresenta uma metodologia automática para a extração da malha viária em imagens de média-e altaresolução. Baseia-se em duas etapas. Na primeira etapa sementes de rodovia são extraídas usando um conjunto de quatro objetos semânticos de rodovia e regras de conexão entre eles. Cada objeto semântico de rodovia é uma representação local de um segmento de rodovia aproximadamente reto. No segundo passo, duas estratégias para complementação automática da malha viária são aplicadas a fim de gerar a malha viária completa. A primeira estratégia baseia-se em duas regras básicas de agrupamento perceptivo, isto é, as regras de colinearidade e proximidade, que permitem a reconstrução seqüencial das lacunas entre cada par de sementes de rodovia desconectadas. A segunda estratégia de complementação da malha viária visa reconstruir os cruzamentos de rodovia. Basicamente, polígonos representando os cruzamentos de rodovia são extraídos. Este artigo apresenta a metodologia proposta e os resultados experimentais. PALAVRAS-CHAVE ABSTRACTThis paper presents an automatic methodology for road network extraction from medium-and high-resolution images. It is based on two steps. In the first step road seeds are extracted using a set of four road objects and connection rules among them. Each road object is a local representation of an approximately straight road segment. In the second step, two strategies for road network completion are applied in order to generate the complete road network. The first strategy is based on two basic perceptual grouping rules, i.e., proximity and collinearity rules, which allow the sequential reconstruction of gaps between every pair of disconnected road seeds. The second strategy for road network completion aims at reconstructing road crossings. Basically, polygons representing the road crossings are extracted. This paper presents the proposed methodology and experimental results.

Este artigo propõe uma metodologia para a detecção de bordas em imagens digitais usando o detector de Canny, associado à focalização prévia da estrutura de borda por difusão anisotrópica não linear via Equações Diferenciais Parciais (EDP). Esta estratégia visa minimizar o efeito da conhecida dualidade do detector de Canny, pela qual não se pode realçar simultaneamente a insensibilidade aos ruídos da imagem e a precisão de localização das bordas detectadas. O processo de difusão anisotrópica via EDP é utilizado para focalizar previamente a estrutura de borda devido sua característica notável em suavizar seletivamente a imagem, deixando as regiões homogêneas fortemente suavizadas e preservando principalmente as bordas físicas, isto é, aquelas que realmente estão associadas com objetos presentes na imagem. A solução para a dualidade mencionada consiste em aplicar o detector de Canny em escala gaussiana fina, mas somente ao longo das regiões de bordas focalizadas pelo processo de difusão anisotrópica via EDP. Os resultados mostraram que o método é apropriado para aplicações envolvendo extração automática de feições, pois possibilitou a localização de bordas afinadas com alta precisão, as quais estão geralmente relacionadas com objetos presentes na imagem.