Design and implementation of a satellite and aerial image processing platform to update spatial objects of geographic information system (GIS) for monitoring urban changes

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Object detection and identification from remotely sensed data, especially Buildings, can be considered the foundation of updating Geographic Information system data for improving and monitoring the infrastructure of cities. Small-scale objects like buildings may now be recognized because of the development of extremely high-resolution remote-sensing images. However, manually separating the buildings from the images requires substantial processing time. Comprehensive research has been conducted on various approaches, including traditional image processing techniques, supervised and unsupervised machine learning methods, and deep learning architectures. The literature survey explores the evolution of feature extraction algorithms, classification models, and their applications in urban environments. Notable studies on semantic segmentation, object-based image analysis, and multi-sensor data integration are discussed. Additionally, insights are provided into the challenges and limitations faced by current techniques, paving the way for the development of novel strategies proposed in this thesis. The synthesis of this extensive review establishes a foundation for the research, highlighting gaps in the current state-of-the-art and setting the context for the proposed advancements in automated building detection.Therefore, a robust building detection methodology is necessary. We present two approaches for extracting buildings from high-resolution images. The first approach is based on a supervised machine learning technique, and for the second, we use deep learning methods.In the supervised approach, the image is firstly divided into superpixel patches, from which the colors and texture features are retrieved. Buildings, roads, trees, and shadows are then separated into four groups using the Support Vector Machines technique (SVM). The approximate location of the building has been determined using a seed point start and an adaptive regional growth approach based on the previously known position of the shadows. A contouring procedure involving an open morphological operation was applied to extract the final shape of buildings.The second method involves four main steps: homogeneous superpixel image segmentation through an altered Simple Linear Iterative Clustering (SLIC), extensive feature extraction via a variational auto-encoder (VAE) adjust on the superpixels for training and testing data collection, classification of four classes (buildings, roads, trees, and shadows) utilizing extracted feature data as feedback to a Convolutional Neural Network (CNN), and extraction of building forms by morphological processes and regional growth.Our innovative methods have excellent accuracy rates for identifying building units. Accuracy assessment over different study areas shows the advantage of our novel approach, making it a robust, realistic, and accurate tool.يمكن اعتبار اكتشاف العناصر وتحديدها من البيانات المستشعرة عن بعد وبالأخص المباني، من بين الخطوات الأساسية لتحديث بيانات أنظمة المعلومات الجغرافية لتحسين ومراقبة البنية التحتية للمدن وكيفية توسعها. في الوقت الراهن وبسبب التطور السريع في الصور الملتقطة عن بعد إلى صور بدقة عالية جداً، يمكننا التعرف على العناصر ذات أحجام صغيرة مثل المباني، ومع ذلك يستغرق تحديد المباني بشكل يدوي وتمييزها من الصور الملتقطة وقتًا طويلاً، وعليه تم إجراء بحث شامل حول أساليب مختلفة، بما في ذلك تقنيات معالجة الصور التقليدية، وطرق التعلم الآلي الخاضعة للإشراف وغير الخاضعة للإشراف، وبنيات التعلم العميق. بدراسة للأبحاث السابقة تظهر تطور خوارزميات استخراج الميزات ونماذج التصنيف وتطبيقاتها في البيئات الحضرية. وتناقش الدراسات البارزة حول التجزئة الدلالية، وتحليل الصور المستندة إلى الكائنات، وتكامل بيانات أجهزة الاستشعار المتعددة. بالإضافة إلى ذلك، يتم تقديم رؤى حول التحديات والقيود التي تواجهها التقنيات الحالية، مما يمهد الطريق لتطوير استراتيجيات جديدة مقترحة في هذه الأطروحة. يضع توليف هذه المراجعة الشاملة أساسًا للبحث، حيث يسلط الضوء على الثغرات في الوضع الحالي ويحدد سياق التطورات المقترحة في الكشف الآلي عن المباني. لذلك هناك حاجة إلى نظام فعال وتلقائي لتحديد المباني من بين بقية العناصر. نقدم في هذا العمل مقاربتين جديدتين لاستخراج المباني من الصور عالية بالإعتماد في المنهج الأول على تقنية التعلم الآلي تحت الإشراف، أما في الثاني فيتم الإعتماد على التعلم العميق. في تقنية التعلم تحت الإشراف يتم فيها أولاً تقسيم الصورة إلى قطع تحتوي على مجموعة من البكسلز ويتم من خلالها استخراج مميزات الألوان والملمس. بعد ذلك تصنف إلى أربع مجموعات وهي: المباني، الطرق، الأشجار والظلال باستخدام تقنية التعلم الآلي (SVM). تحدد المواقع التقريبية للمباني باستخدام نقط بداية ونهج النمو الإقليمي التكيفي بناءً على المعرفة المسبق للإتجاه للظلال. بعدها تطبق إجراء تحديد الحدود لاستخراج الشكل النهائي للمباني التي يتم ضمنها سد الفراغات والشوائب في أشكال المبان.أما في التعلم العميق فهو مكون من أربع خطوات رئيسية: تجزئة الصورة إلى وحدات بكسل فائقة ومتجانسة باستخدام مجموعة تكرارية خطية بسيطة معدلة (SLIC)، استخراج ميز معمقة باستخدام مقياس التشفير التلقائي المتغير (VAE) على وحدات البكسل الفائقة من أجل التدريب واختبار البيانات، بعدها يتم تحديد أربع فئات (المباني والطرق والأشجار والظلال) باستخدام بيانات المعالم المستخرجة من الخطوة السابقة كمدخلات لشبكة عصبية تلافيفية (CNN)، وأخيراً استخراج أشكال المباني من خلال النمو الإقليمي والعمليات المورفولوجية. تتميز طريقتنا المبتكرة بمعدلات دقة ممتازة لتحديد الأبنية ويظهر ذلك من خلال تقييم الدقة المتحصل عليها في مناطق دراسة مختلفة مما يجعله نظام قوي، واقعي وفعال.

روابط وملفات

التعريف والنوع

رقم الوثيقة

0f08c966-1af9-4144-b7e9-7c9b23eb5e3c

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

1034089_1.pdf

بيانات النشر

ترجمة العنوان

Conception et mise en œuvre d'une plateforme de traitement d’images satellitaires et aériennes pour la mise à jour des objets spatiaux d'un système d’information géographique (SIG) destiné au suivi des changements urbains

ألقاب المؤلفين

[{"name_ar":" Mohamed-Khireddine KholladI","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Ayoub Benchabana ","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

English

المصدر والدورية

اسم المصدر

Design and implementation of a satellite and aerial image processing platform to update spatial objects of geographic information system (GIS) for monitoring urban changes

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

La détection et l'identification des objets à partir des données de télédétection, particulièrement les constructions, peuvent être considérées comme le fondement de la mise à jour du système d'information des données géographiques pour l'amélioration et la surveillance des infrastructures des villes. Les objets à petite échelle comme les bâtiments, désormais grâce au développement d'images de télédétection, peuvent être identifiés à très haute résolution. Cependant, la séparation manuelle des constructions des images nécessite un temps de traitement très conséquent. Des recherches approfondies ont été menées sur diverses approches, notamment les techniques traditionnelles de traitement d'images, les méthodes d'apprentissage automatique supervisé et non supervisé et les architectures d'apprentissage profond. L'étude de la littérature explore l'évolution des algorithmes d'extraction de caractéristiques, des modèles de classification et de leurs applications en environnements urbains. Des études notables sur la segmentation sémantique, l'analyse d'images basée sur les objets et l'intégration de données multi-capteurs sont discutées. De plus, des informations sont fournies sur les défis et les limites rencontrés par les techniques actuelles, ouvrant la voie au développement de nouvelles stratégies proposées dans cette thèse. La synthèse de cette étude approfondie établit une base pour la recherche, mettant en évidence les lacunes de l'état de l'art actuel et définissant le contexte des avancées proposées dans la détection automatisée des bâtiments. Pour cette raison, l'élaboration d'une nouvelle méthodologie robuste pour la détection des constructions est nécessaire. Nous présentons deux approches pour extraire des bâtiments à partir d'images haute résolution. La première approche est basée sur une technique supervisée de l'apprentissage automatique, et pour la seconde, nous utilisons des méthodes d'apprentissage profond. Dans l'approche supervisée, l'image est d'abord divisée en patchs de superpixels, à partir desquels les couleurs et les caractéristiques de texture sont récupérées. Les bâtiments, les routes, les arbres et les ombres sont ensuite séparés en quatre groupes à l'aide de la technique des machines à vecteurs de support (SVM). L'emplacement approximatif du bâtiment a été déterminé à l'aide d'un point de départ et d'une approche de croissance régionale adaptative basée sur la position précédemment connue des ombres. Une procédure de contournage a été appliquée pour extraire la forme finale des bâtiments impliquant une opération morphologique ouverte. La deuxième approche consiste en quatre étapes principales: segmentation de l'image en superpixels homogènes à l'aide d'un clustering itératif linéaire simple (SLIC) modifié, extraction approfondie des caractéristiques à l'aide d'une échelle d'auto-encodeur variationnel (VAE) sur les superpixels pour la formation et le test de la collecte de données, identification de quatre classes (bâtiments, routes, arbres et ombres) à l'aide de données d'entités extraites en entrée d'un réseau neuronal convolutif (CNN), et extraction de formes de bâtiments par croissance régionale et opérations morphologiques. Notre méthode innovante donne d'excellents taux de précision dans le cadre d'identification des unités de construction. L'évaluation de la précision sur différents domaines d'étude démontre les avantages qu'on obtient avec cette nouvelle approche, ce qui permet de la positionner comme un outil robuste, réaliste et précis.

كلمات الباحثين

Building detection, Image processing, Feature extraction, Machine Learning,Deep Learning,Remote sensing, Geographic Information System.

إشراف وإعداد

الإشراف

Mohamed-Khireddine KholladI

الإعداد

Ayoub Benchabana

الاقتباسات الببليوغرافية