Integration of open-source tools for object-based monitoring of urban targets

Abstract

The constant increase in population in conjunction with unplanned and irregular urban growth, typical problems in developing countries, can promote a rapid increase in population density and related public infrastructure demand that may be hard to bear with the available economic resources. Efficient monitoring of urban development is thus a key instrument for planners and public policy makers that have to cope with this scenario. This work aims at developing a tool to aid monitoring urban growth from very-high resolution remote sensing images, focussing on the integration of available open-source software and the application of OBIA methods. Specifically, we created a method for detection of urban, land use/land cover classes based on the integration of the InterIMAGE and the Orange Canvas software packages. The image interpretation model for the particular application was constructed with the aid of dataflow building blocks (widgets) for data analysis, structured in the visual programming environment of Orange Canvas. The Classification Tree and the Classification Tree Graph widgets were used to design a decision tree that was later translated in InterIMAGE Decision Rules. The study was conducted over an image from the GeoEye-1 sensor, covering a central area of the city of Goianésia, in the Midwestern region of Brazil. Ten land use/land cover classes were the target of the supervised classification. The results obtained in the experiments confirm that the integration of the two open-source packages can provide for accurate remote sensing image analysis, while facilitating data exploration and the construction of automatic image interpretation models.

Quality Analysis of the Segmentation and Object-Based Classification of an Urban GeoEye-1 Satellite Image Performed in the PostgreSQL and InterIMAGE Platforms

“…Com base nas definições de Antunes et al (2018b), foi criada uma rede semântica com as seguintes classes temáticas: vegetação arbórea, vegetação rasteira, amianto, cerâmica clara, cerâmica escura, cobertura metálica, solo exposto, asfalto, pavimento de concreto, piscina, sombra e não-classificado. Atribuiu-se, ao nó vegetação, o operador TA_ NDVI_Segmenter para classificar vegetação arbórea Na API proposta, os seguintes parâmetros foram definidos, como padrão: processamento em pequenos blocos, indicando a execução dos processamentos thread (execução de chamada de métodos, passagens de parâmetros e alocação de variáveis locais) e m_enableBlockProcessing (divisão da imagem em pequenos blocos, com segmentação independente e, se possível, mosaicagem dos resultados no final do processamento); tamanho máximo do processamento em bloco igual a 10 (zero indica que a definição da alocação dos recursos computacionais será realizada pelo sistema operacional); e valor de similaridade (grau de semelhança entre segmentos vizinhos que será considerado para mesclá-los ou não) igual a 0,03.…”

“…Para os demais nós, foram selecionados o operador TA_Baatz_Segmenter, atribuindo-se regras de decisões no operador topdown decision. As regras estabelecidas para a árvore de decisão foram importadas das definições do minerador WEKA (Antunes et al, 2018b). Na Figura 4, é apresentado um exemplo das regras utilizadas.…”

“…As avaliações para a análise da acurácia temática da classificação foram: definição do número de amostras, distribuição aleatória de pontos de amostragem, definição da classe temática de cada ponto de amostragem por interpretação visual da imagem de satélite, composição da matriz de confusão e determinação do índice de concordância Kappa. Por meio de uma distribuição multinominal, foi calculado o número de amostras, utilizando-se o pixel como unidade amostral, conforme descrito em Antunes et al (2018b). Para verificação da acurácia das classificações, optou-se por escolher uma das imagens em tiles (recorte de 1.024 pixels x 1.024 pixels) de uma parte da área urbana da Figura 1.…”

Object-Based Analysis for Urban Land Cover Mapping Using the Interimage and the Sipina Free Software Packages

“…A great challenge is posed to urban planners by the fact that intra-urban occupation has been advancing lately, notably in developing countries (Antunes et al 2016). Small, medium or large size cities need up-to-date data and automated tools to monitor and regulate urban expansion in order to ensure quick and consistent solutions towards efficient urban planning.…”

Reproducibility and Practical Adoption of GEOBIA with Open-Source Software in Docker Containers

“…Firstly, the software focuses on image interpretation, and not all required algorithms for processing the image layers (e.g., the edge detection) are available in the basic package. A combination with other tools is possible to add missing functionality (see, e.g., [72,73]), but it is unclear how to achieve that in a scripted workflow. More importantly, the latest available download for Linux is outdated (Version 1.27; see http://www.lvc.ele.puc-rio.br/ projects/interimage/download).…”