Search

In this study, we propose a new approach for segmenting building roofs from Light Detection And Ranging (LiDAR) point clouds. The algorithm takes advantage of height gradients to automatically seed Purposive FastICA (PFICA) algorithm. The PFICA algorithm with a novel seeding method is implemented to detect ridge points from point clouds of building roofs. Then, 2D coordinates are used to rasterize the detected points. Eventually, morphological filtering and thinning algorithms are used to extract inner and external boundaries of the building roofs. In addition, the potential of PFICA algorithm in clustering 3D point clouds are discussed. The results obtained on a set of LiDAR point clouds demonstrate

Bina çıkarma işlemi bina değişimlerinin tespit edilmesi için çok önemli bir görevdir. Bunun yanısıra yıkılan binaların tespit edilmesi, vektör haritaların güncellenmesi ve binaların 3 boyutlu modellerinin oluşturulması için de kullanılır. Uydu ve hava görüntüleri, bu amaçlar için çeşitli entegre edilmiş formlarda yaygın olarak kullanılmaktadır . Bu çalışmada, yüksek çözünürlüklü çok bantlı uzay görüntülerinden, binaların otomatik çıkarılması için yeni bir yaklaşım önerilmiştir. Önerilen yaklaşımdaki temel amaç çeşitli boyut, yükseklik, renk, şekil ve çevresel durumlara sahip binaların gölgeleri arasındaki ilişkiye dayanarak otomatik çıkarılmaları için bir yöntem geliştirmesidir. Eğer gölgeler ve onları oluşturan binaların geometrik özellikleri dikkate alınır ise gölgelerin geometrisinin yüksek oranda gölgeyi oluşturan binanın geomerisine bağlı olduğu görülebilir. Bu nedenle, sunulan yöntem bina ve onların gölgeleri arasındaki anlamlı ilişkiye dayalı olarak geliştirilmiştir.Başlangıçta, binaların gölge alanları LAB renk uzayında gölgelerin özellikleri üzerinde çalışan yeni bir teknik yardımıyla çıkarılmaktadır. Sonra, binaların anahatlarının bölütlenmesi için başlığı 'Buffer zone generation' olan yeni bir örnekleme yöntemi uygulanmaktadır. Önerilen yöntem, binalar ve onların gölgelerinin arasındaki geometrik ilişki ve aydınlatma yönü bilgilerini kullanmaktadır. Daha sonra oluşturulan tampon bölge GVF Snake bölütleme algoritmasının ihtiyacı olan uygun başlangıç konturlarını oluşturacak şekilde büyütülmektedir.. Örnekleme alanın büyütülmesi ve başlangıç konturları güvenilir pozisyonlara yerleştirmek için, piksel bazlı Alan-büyüme bölütleme algoritması kullanılmıştır ve bu algoritma sayesinde GVF Snake algoritması tarafından kullanılan gerekli vektörler üretilmiştir. Alan-büyüme bölütlemesi GVF Snake algoritması ve oluşturulmuş tampon bölgesi arasındaki bağlantıyı kurmak ve GVF Snake algoritmasını otomatik yapmak için ara adım olarak kullanılmıştır. Alan-büyüme algoritmasının sonuçları daha sonra vektör formata dönüştürülmüş ve GVF Snake algoritmasının binaları çıkarmak için kullandığı başlangıç konturları üretmek için kullanılmıştır. Bu tez çalışması üç ana katkı sunmaktadır. Birincisi, binaların gölgelerini, yöntemin temel gereksinimi olarak, otomatik çıkarmaktadır. İkincisi, yöntem otomatik olarak binaların üzerinden örnek toplamaktadır. Üçüncü katkı olarakta, binaları otomatik olarak GVF Snake algoritması ile çıkarmaktadır.Geliştirilen yaklaşım, Ankara'nın yakın çevresindeki kentsel ve banliyö bölgelerde yer alan 50 test alanı üzerinde uygulanmıştır. Bu çalışmada kullanılan yüksek çözünürlüklü uydu görüntüleri Google Earth'den elde edilmiştir. Yöntem boyunca takip edilen her üç ana aşama için doğruluk değerleri iyi bilinen ölçum teknikleri olan Precision, Recall ve FB-score ile hesaplanmıştır. Elde edilen sonuçlar oldukça tatmin edicidir. Önerilen algoritmada gölge çıkarma bölümü için toplam kalite değerlendirme sonucu %87.3 olurken, binaların son çıkarma durumu için toplam kalite değerlendirme sonucu %84.9 olarak hesaplanmıştır. Ayrıca bu çalışmada elde edilen sonuçlar, GVF Snake bölütleme algoritmasının Alan-büyüme bölütleme sonuçlarını tarafından yaklaşık 10% iyileştirildini göstermiştir. Anahtar kelimeler: Google Earth Görüntüleri, Gölge Tespiti, LAB Renk uzayı, Alan-Büyüme bölütleme, GVF Snake, Bina çıkarma Building extraction is an important task for detecting the changes of buildings, detecting the destroyed buildings, updating the vector maps as well as reconstructing 3D building models. Satellite and airborne images are greatly used for this purpose in various integrated forms. In this study, a novel approach is presented for automatic extraction of buildings from high resolution multispectral space imagery. The main goal of the study was to develop an automatic method for building extraction by utilizing the relationship between the cast shadows and the buildings with various types, shapes, sizes, heights and environmental scenes. If the characteristics of the shadow areas and the buildings that cast them are considered it can be seen that the geometry of the shadows highly depends on the geometry of buildings that share a border with their cast shadows. Therefore, the developed method has been developed with regard to meaningful relations between the buildings and their cast shadows. In the beginning, the shadow regions of the buildings are extracted through a novel developed technique which operates on the features of the shadows in LAB color space. Next, to segment the buildings automatically, a novel sampling method entitled 'buffer zone generation' is carried out. This method utilizes the geometric relations between the buildings and their relevant cast shadows as well as the illumination direction. Then, the generated buffer zone is enlarged to generate appropriate initial contours for the Gradient Vector Flow (GVF) Snake segmentation algorithm. To enlarge the sampling region and localize the initial contours in reliable positions, the pixel-based Region-Growing segmentation algorithm is carried out to produce the required vectors to be used by the GVF Snake algorithm. The region-growing segmentation is used as an intermediate step as a connectivity-bridge between the generated buffer zone and the GVF segmentation to automate the GVF Snake algorithm. The results of Region-Growing segmentation are then converted into vector form and used as initial contours for the GVF Snake segmentation algorithm to extract buildings. This thesis study contains three main contributions. The first contribution is that it automatically extracts the cast shadows of the buildings as the essential requirements for the method. The second contribution is that it automatically collects samples from the rooftops of the buildings. The third contribution is that it segments the building areas in an automatic manner by means of the GVF snake algorithm.The developed approach was tested on 50 test sites selected from urban and sub-urban areas in Ankara, the capital of Turkey. The high resolution multispectral satellite images used for the test sites were obtained from Google Earth. For each of the three main steps followed throughout the approach, the accuracy values were computed using the well-known metrics Precision, Recall, and FB-score. For each metric, the overall accuracy and the individual accuracies were computed. The results achieved are quite satisfactory. For the shadow extraction part, the overall FB-score result was computed to be 87.3%, while for the final extracted buildings the overall FB-score result was computed to be 84.9%. The results achieved in this study also demonstrated that the GVF Snake algorithm improved the overall results of the region growing segmentation about 10%. Keywords: Building Extraction, Shadow Detection, Region Growing Segmentation, GVF Snake, Google Earth Images, Shadow Detection, LAB Color Space. 92