My Topic (Paper | One Component of my Thesis)

การแปลงภาพถ่ายดาวเทียมที่มีเส้นถนนจำนวนมากจากแบบแรสเตอร์ให้อยู่ในรูปแบบวัตถุเชิงพื้นที่
Image Vectorization of Road-Dense Satellite Datasets ธีรพงศ์ ปานบุญยืน1 พีรพล เวทีกูล1 และ กุลสวัสดิ์ จิตขจรวานิช2
Teerapong Panboonyuen1 Peerapon Vateekul1 and Kulsawasd Jitkajornwanich2
1 ภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
ถนนพญาไท แขวงวังใหม่ เขตปทุมวัน กรุงเทพฯ 10330
โทรศัพท์ 0-2218-6956
e-mails: 9teerapong@gmail.com, peerapon.v@chula.ac.th
2 สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน)
ถนนแจ้งวัฒนะ แขวงทุ่งสองห้อง เขตหลักสี่ กรุงเทพฯ 10210
โทรศัพท์ 0-2141-4600
e-mail: kulsawasdj@gistda.or.th
บทคัดย่อ
การสกัดข้อมูลประเภทวัตถุเชิงพื้นที่ (geo-spatial objects) ออกจากภาพถ่ายดาวเทียมเป็นขั้นตอนที่มีความสำคัญในการวิเคราะห์ข้อมูล (data analysis) แบบเชิงพื้นที่ (spatial) หรือแบบช่วงเวลาเชิงพื้นที่ (spatio-temporal) โดยวัตถุเชิงพื้นที่ของภาพถ่ายดาวเทียมมักจะประกอบด้วย เส้น (lines) และรูปหลายเหลี่ยมหรือพื้นที่ (polygons) ซึ่งหมายถึง ถนน และส่วนที่ไม่ใช่ถนนตามลาดับ อย่างไรก็ตามวิธีการสกัดเส้นและรูปหลายเหลี่ยมที่มีอยู่มักจะไม่แม่นยำเมื่อมีจานวนถนนในภาพถ่ายดาวเทียมเป็นจำนวนมาก ในบทความนี้จึงเสนอวิธีในการแปลงข้อมูลจากภาพถ่ายเทียม (satellite raster images) ที่มีถนนปนอยู่ ในรูปแบบจุดภาพ (pixels) ให้อยู่ในรูปแบบวัตถุเชิงพื้นที่ ที่มีข้อมูลเส้นและรูปหลายเหลี่ยมสกัดเป็นที่เรียบร้อยแล้ว วิธีที่นำเสนอประกอบไปด้วยสามขั้นตอน เริ่มต้นจากการสกัดแยกพื้นที่ถนนออกมาจากวัตถุอื่นๆ โดยใช้การจัดกลุ่มแบบเคมีน (k-means clustering) ลำดับถัดมานาเฉพาะรูปส่วนพื้นที่ถนนมาสกัดเส้น โดยใช้การดำเนินการแบบมอร์โฟโลจิคอล (morphological operation) ในการสร้างโครงเส้นหลัก (skeletonization) จากนั้นเพิ่มความราบเรียบให้กับเส้นที่ได้โดยใช้วิธีแบคแพกกิง (bag packing) และวิธีการดักลาสพาร์เกอร์ (Ramer-Douglas-Peucker) ขั้นตอนสุดท้ายจะนาเฉพาะรูปส่วนที่ไม่ใช่ถนนมาสกัดรูปหลายเหลี่ยมโดยใช้วิธีการจำแนกแบบแลนด์คัพเวอร์ (land cover classification) ผลการทดลองแสดงให้เห็นว่าสามารถนำขั้นตอนวิธีไปใช้กับภาพถ่ายดาวเทียมที่ประกอบไปด้วยพื้นที่ถนนเป็นจานวนมากแล้วได้ผลการทดลองที่แม่นยำมากขึ้นในการสกัดเส้นและพื้นที่ออกมาจากภาพถ่ายดาวเทียม
คำสำคัญ: การจัดกลุ่มของเคมีน วิธีแบคแพกกิง วิธีการดักลาสพาร์เกอร์ วิธีการจำแนกแบบแลนด์คัพเวอร์


ABSTRACT
Data extraction of geo-spatial objects from satellite images is an important processing step in enabling data analysis on geo-spatial or spatio-temporal data, which commonly composes of line (road) and polygon (area) layers. Unfortunately, the traditional method is often inaccurate in extracting roads from other objects if there are many roads in the satellite image. In this paper, we present a technique for converting satellite data (raster images), that contains several roads, in the form of pixels onto the form of spatial objects that contain lines and polygons. There are three main steps in our algorithm. First, roads are extracted from other objects by employing k-means clustering. Second, the line extraction is applied only to the road areas by using morphological operation to skeletonize the image, and then, enhancing the result by using bag packing and Ramer-Douglas-Peucker algorithms. Finally, polygons can be extracted by applying land-cover classification only to non-road objects. The experiments showed that lines (road networks) and polygons (areas) can be accurately extracted out of satellite imagery, simultaneously.
KEYWORDS: k-means clustering, bag packing, Ramer-Douglas-Peucker, land cover classification