No abstract

This letter introduces a new approach for the automated detection of circular oil tanks from single panchromatic satellite images. The new approach considers the symmetric nature of the circular oil depots, and it computes the radial symmetry in a unique way. We propose an automated thresholding method to focus on circular regions and a new measure, circle support ratio, to verify detected circles. Experiments are performed on GeoEye-1 test scenes, and the results reveal that the new approach is capable of detecting oil tanks with high success. The performance of our approach is also compared with leading techniques from the literature and has provided comparable or superior results.Index Terms-Circle detection, oil tanks, panchromatic satellite imagery, radial symmetry.

ABSTRACT:This paper presents an original approach to identify oil depots from single high resolution aerial/satellite images in an automated manner. The new approach considers the symmetric nature of circular oil depots, and it computes the radial symmetry in a unique way. An automated thresholding method to focus on circular regions and a new measure to verify circles are proposed. Experiments are performed on six GeoEye-1 test images. Besides, we perform tests on 16 Google Earth images of an industrial test site acquired in a time series manner (between the years 1995 and 2012). The results reveal that our approach is capable of detecting circle objects in very different/difficult images. We computed an overall performance of 95.8% for the GeoEye-1 dataset. The time series investigation reveals that our approach is robust enough to locate oil depots in industrial environments under varying illumination and environmental conditions. The overall performance is computed as 89.4% for the Google Earth dataset, and this result secures the success of our approach compared to a state-of-the-art approach.

Yüksek çözünürlüklü uzaktan algılama görüntülerinin içeriğini hızlı bir şekilde analiz edebilmek için otomatik görüntü kıymetlendirme algoritmaları çok büyük önem taşımaktadır. Bir görüntüde helikopter pisti varlığı, genellikle hükûmet binaları veya askerî tesisler gibi önemli bir tesise işaret etmektedir. Bu nedenle helikopter pistlerinin tespiti, bir görüntünün içeriği hakkında kritik bilgiler ortaya çıkarabilir. Bu çalışmada, H şeklinde, açık renkli helikopter pistlerini tespit etmek için tasarlanmış, yapay sinir ağları kullanan iki algoritma sunulmuştur. İlk algoritma, helikopter pisti adayı olan bölütlerin şeklinin klasik yapay sinir ağları ile analizi üzerine inşa edilmiştir. İkinci algoritma ise derin öğrenme teknikleri ile geliştirilmiş bir algoritmadır. Öğrenme tabanlı bu iki algoritma, klasik görüntü işleme teknikleri ile geliştirilmiş başka bir algoritma ile karşılaştırılarak tekniklerin birbirlerine göre avantajları ve dezavantajları üzerine bir tartışma da sunulmuştur.

Özetçe -Bir uydu görüntüsündeki bulutların tespit edilmesi, hem görüntünün kalitesinin belirlenmesi hem de görüntü üzerinde otomatik unsur tespiti yapan algoritmaların bulutlu alanlar nedeniyle performanslarının düşmesini önlemek açısından büyük önem arz etmektedir. Bu yayında, yüksek çözünürlüklü elektro-optik uydu görüntülerinde bulutların tespit edilmesi için yeni bir yaklaşım önerilmiştir. Önerilen çözüm öncelikle resmi alt parçalara bölerek her bir alt resim için renk ve kenar tabanlı çeşitli kontroller yapmaktadır. Daha sonra, bulut içerme potansiyeline sahip resim parçacıkları için örüntü tanıma literatüründe yaygın olarak kullanılan Homojen Doku Tanımlayıcısı ile öznitelikler hesaplanmakta ve bu öznitelikler Destek Vektör Makineleri(DVM) aracılıgıyla sınıflandırılarak görüntü parçacıgının bulut olup olmadıgına karar verilmektedir.Abstract-Detecting the cloud covarage of a satellite image is crucial for determining the image quality as well as preventing a perfromance loose of automatic detection algorithms because of the clouds. In this work, a new approach for detecting clouds in high-resolution satellite images has been proposed. The proposed method initially subsets the image into small patches and performs analyses based on edge and color information. Homogenous Texture Descriptors are then extracted for the patches that have the potential to contain cloud areas and the final classification of the patch is performed by using a Support Vector Machine (SVM) type classifier. I. GİRİŞGünümüzde ticari uyduların yaygınlaşmasıyla beraber uzaktan algılama,şehir bölge planlama, ormancılık ve madencilik gibi çok farklı alanlarda yaygın birşekilde kullanılmaya başlanmıştır. Bu uygulama alanlarındaki işlemlerin bir kısmı operatörler tarafından manuel yapılırken bir kısmı ise geliştirilmiş yazılımlar ile otomatik veya yarı otomatik olarak yapılabilmektedir. Her iki durumda da bu verilerin mümkün oldugunca uygun havaşartlarında temin edilmiş ve görüntü üzerinde analiz yapılmasını engelleyen bulut gibi etmenlerin en az miktarda olması tercih edilmektedir. Bu nedenle bir görüntünün herhangi bir uygulama alanında kullanılmaya başlan-madan önce içerdigi bulutlu alanlarının tespiti hem verinin kalitesinin belirlenmesini saglayacaktır, hem de bulutlu alanların otomatik bulunan diger unsurlar ile karışması önlenerek otomatik unsur tespit/teşhis algoritmalarının çalışma performansının daha yüksek olmasını saglayacaktır. Literatürdeki bulut tespitine yönelik güncel çalışmalar, verinin elde edildigi uydu sensörüne ve kullanım alanına göre farklılık içermektedir. Bu çalışmaların bir kısmı MODIS gibi atmosferik gözlem uydularında bulutların tespitini hedeflemektedir [1] [2]. Bununla beraber yüksek çözünürlüklü uydu görüntülerinde de bulutların tespit edilmesini amaçlayan çalışmalar bulunmaktadır. He ve ekibi bulutları bulmak için öncelikle görüntüyü modifiye edilmiş bir HSI uzayına çevirmektedir. Daha sonra bu veri üzerinde duragan dalgacık dönüşümü (Undecimated Wavelet Tansformation) yaptıktan sonra çift degerli bir eşikleme ...