A Framework for the Development and Assessment of Object Recognition Modules from High-Resolution Satellite Images

RÉSUMÉ

Les nouveaux capteurs satellitaires à haute résolution génèreront des images monochromes lorsqu'ils opéreront dans leur mode de résolution spatiale la plus élevée. Ainsi, les algorithmes conventionnels d'interprétation d'image comme la classification par maximum de vraisemblance atteindront leur limite d'efficacité en raison du manque de dimensionalité spectrale de ces derniers. Pour pallier cette lacune, il faudra développer de nouvelles méthodes d'extraction d'information sur les formes et les objets basées principalement sur le raisonnement spatial et contextuel. Dans cette optique, un système d'essai a été développé pour évaluer l'utilité de différentes combinaisons d'attributs spatiaux/spectraux/contextuels dans le cadre de la reconnaissance de formes communes comme les routes et les bâtiments. Une approche par objectif basée sur la formulation de règles est proposée pour analyser les rendus segmentés d'images dans le contexte de la délimitation de ces objets et de la saisie de leurs caractéristiques cartographiques. Des détails sur la segmentation, le traitement des attributs, le traitement de la réalité de terrain et la formulation des règles sont présentés. À partir de photographies aériennes à résolution de deux mètres, des modules de reconnaissance par exemple sont développés et évalués en aide à la reconnaissance des rues résidentielles.

SUMMARY

Forthcoming high-resolution satellite sensors will generate monochrome images when operating in their highest spatial resolution modes. As a result, conventional image interpretation algorithms, such as maximum likelihood classification, will be of limited applicability because of the paucity of spectral dimensionality. Instead, new feature and object information extraction methods, grounded primarily on spatial and contextual reasoning, will be required. To support these requirements, a testbed system has been developed to assess the utility of various spatial/spectral/contextual attribute combinations in the recognition of common features such as roads and buildings. A goal-driven, rule-based approach is proposed to analyze segmented renditions of imagery with the goals of delineating such objects and capturing their cartographic characteristics. Details of the segmentation, attribute processing, ground truth processing and rules formulation are described. Example recognition modules to support residential street recognition are developed and assessed using 2-metre resolution aerial photography.

Additional information

Notes on contributors

B. Guindon

•

B. Guindon is with the Canada Centre for Remote Sensing 588 Booth Street, Ottawa, Ontario, Canada, K1A 0Y7 Tel: [phone], Fax: [phone]. E-mail: [email protected]