Morphologische Straßensegmentierung in städtischen Gebieten aus hochauflösenden Satellitenbildern

Hochauflösende Satellitenbilder, die von Sensoren der letzten Generation bereitgestellt werden, haben das Potenzial nahezu aller Anwendungen zur Bildinformationsgewinnung (IIM), die sich auf die Erdbeobachtung beziehen, erheblich erhöht. Dies gilt insbesondere für die Extraktion von Straßeninformationen, eine Aufgabe, die von primärem Interesse für viele Anwendungen der Fernerkundung ist und deren Umfang dank der Verfügbarkeit hochdetaillierter Bilder immer weiter auf komplexe städtische Szenarien ausgedehnt wird. Dieser Kontext ist besonders herausfordernd aufgrund von Faktoren wie der Variabilität des visuellen Erscheinungsbildes von Straßen und den Verbergungen durch Objekte wie Bäume, Autos und Schatten. Auf der anderen Seite wird die besondere Geometrie und Morphologie von vom Menschen geschaffenen Strukturen, die in städtischen Gebieten besonders relevant ist, in hochauflösenden Bildern verstärkt, was diese Art von Informationen für die Straßenerkennung besonders nützlich macht. In dieser Arbeit geben wir einen neuen Einblick in die Verwendung der morphologischen Bildanalyse zur Straßenerkennung in komplexen städtischen Szenarien und schlagen eine Technik zur Straßensegmentierung vor, die ausschließlich auf diesem Bereich basiert. Der Keypoint der Technik ist die Verwendung von Skeletten als leistungsstarke Deskriptoren für Straßenobjekte: die vorgeschlagene Methode basiert auf einem ad-hoc-Skelettisierungsverfahren, das die lineare Struktur von Straßenstücken verstärkt und Straßenobjekte erkennt, indem es zunächst ihre Skelette detektiert und sie dann mit einem Bereich des Bildes verknüpft. Experimentelle Ergebnisse werden anhand von zwei verschiedenen hochauflösenden Satellitenbildern städtischer Gebiete präsentiert.