Acta Univ. Agric. Silvic. Mendelianae Brun. 2010, 58(1), 207-216 | DOI: 10.11118/actaun201058010207

VÝVOJ ALGORITMU SEGMENTACE OBRAZU NA BÁZI RŮSTU OBLASTÍ PRO PROSTŘEDÍ GIS GRASS

Aleš Tippner
Ústav geoinformačních technologií, Mendelova zemědělská a lesnická univerzita v Brně, Zemědělská 1, 613 00 Brno, Česká republika

Příspěvek stručně popisuje vyvíjený algoritmus segmentace obrazu na bázi růstu oblastí, implementačně závislý na GIS GRASS a GNU/Linux, který, jak doufáme, bude užitečný pro objektový přístup klasifikací v tomto svobodném GIS. Program v jazyce C++ využívá GIS GRASS spíše podpůrně, zejména co se týče zajištění vstupního formátu dat algoritmu a import výsledku segmentace. Algoritmus vytváří nejdříve homogenní plošky podle kritéria maximální odchylky hodnoty pixelu od průměrné hodnoty pixelů segmentu a tyto plošky pak dále zpracovává podle kritéria minimální velikosti segmentu, přičemž vnikají homogenní segmenty (dostatečně velké homogenní plošky) i segmenty s texturou (shluky malých homogenních plošek). Výstup segmentace lze upravit operátory matematické morfologie, s využitím uživatelsky definovaného strukturního elementu. Algoritmus je navržen na zpracování panchromatických dat s velmi vysokým prostorovým rozlišením a zejména s cílem odlišit jednotlivé složky krajinného pokryvu. Program je uvolněn pod licencí GNU/GPL a nadále vyvíjen. Vývoj nyní sleduje zejména potřebu odlišení jednotlivých typů textury a použití předzpracování dat s ohledem na cíl segmentace.

segmentace obrazu, GIS GRASS, C++, GNU/GPL

Development of segmentation algorithm based region growing for software GIS GRASS

Image segmentation is fundamental prerequisite for new satellite images interpretation methods. GIS GRASS provides segmentation tools enabling global image segmentation only. We designed procedure enabling local segmentation using existing GRASS tools and segmentation algorithm based on region growing that we developed with C++. This algorithm applies mathematical morphology operators to output segments, too. Principial aim of the project is creation of useful input for differentiation of base land cover classes in panchromatic high-resolution satellite image (or historical aerial photographs for example).

Keywords: image segmentation, GIS GRASS, algorithm
Grants and funding:

Tento příspěvek byl řešen v rámci grantového projektu 51/2008 Interní grantové agentury LDF MZLU v Brně. Děkuji Interní grantové agentuře LDF MZLU v Brně za poskytnutí finančních prostředků.

Received: July 2, 2009; Published: October 5, 2014  Show citation

ACS AIP APA ASA Harvard Chicago IEEE ISO690 MLA NLM Turabian Vancouver
Tippner, A. (2010). Development of segmentation algorithm based region growing for software GIS GRASS. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 58(1), 207-216. doi: 10.11118/actaun201058010207
Share...
Download citation
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Open full article

    References

    1. FRULLA, J. L. L., 1998: An automated region growing algorithm for segmentation of texture regions in SAR images. International Journal of Remote Sensing, Vol. 19, No. 18, pp. 3595-3606. ISSN 0143-1161. Go to original source...
    2. HLAVÁČ, V., ŠONKA, M., 1992: Počítačové vidění. Grada, Praha. ISBN 80-85424-67-3.
    3. HAY, G. J., Castilla, G., Wulder, M. A. and Ruiz, J. R. 2005: An automated object-based approach for the multiscale image segmentation of forest scenes. International Journal of Applied Earth Observation and Geoinformation, Vol. 7, pp. 339-359. ISSN: 0303-2434. DOI: 10.1016/j.jag.2005.06.005 Go to original source...
    4. NETELER, M., MITASOVA, H., 2008: Open Source GIS A GRASS GIS Approach, 3rd ed. Springer, NY, USA, 406 pp. ISBN 978-0-387-35767-6, p. 326-328.
    5. SCHNEIDER, W., STEINWENDER, J., 1999: Landcover mapping by interrelated segmentation and classification of satellite images. International Archives of Photogrammetry and Remote Sensing, Vol. 32, Part 7-4- W6.
    6. Rico E. C., Maseda, R. C., 2009: An alternative approach to object oriented classification of historical black & white aerial photographs using GRASS GIS and R. Dostupné z: http://laborate.usc.es/files/an-alternative-approach-to-object-oriented-classification-of-historical-black-white-aerial-photographs-using-grass-gis.pdf, [cit. 14. 12. 2009].
    7. eCognition: object oriented image analysis: user guide [online]. Dostupné na: http://www.rstc.msstate.edu/wfd/ecog/User_Guide/index.htm. [cit. 14. 12. 2009].

    This is an open access article distributed under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY NC ND 4.0), which permits non-comercial use, distribution, and reproduction in any medium, provided the original publication is properly cited. No use, distribution or reproduction is permitted which does not comply with these terms.


    Return to the content