ة الســـوريةـة العربيــوريـاجلمه

املعهد العايل للعلوم التطبيقية والتكنولوجيا صتااالتاال قسـم

2012/2013 العام الدراسي

السنة الرابعةمشروع

Road Extractor تصميم خوارزمية مساعدة على استخراج الطرقات من الصور امللتقطة لسطح األرض

تقدمي

دمحم الشريف

إشراف وسام شريفة. نزار زرقا م.د

10/09/2013

i

الخالصة

بواسطة طائرة أو لسطح االرض هندف يف هذا املشروع إىل إجياد أداة الستخراج الطرقات مبساعدة احلاسب من صورة ملتقطةهو صورة ُتظهر فقط شبكة الطرقات خرجها مكانمن خالل تصميم خوارزمية تلقائية وعامة قدر اإلوذلك قمر صناعي

وقد قمنا بتصميم . واستخدمنا لتحقيق ذلك أدوات معاجلة الصورة ضمن بيئة ماتالب الربجمية. املوجودة يف صورة الدخلمع االعتماد على نقطة من داخل عتماد على فكريت كشف حواف الصورة والتجانس اللوين للطريقاخلوارزمية املطلوبة ابإل

. إاليها املستخد الطريق يشري

Abstract

We aim in this project to create an assistance tool for extracting roads with computer aid from

aerial and satellite images by designing an automatic algorithm and as much general as possible. The output is an image showing only the existing road network in the original image. We used to achieve that image processing tools within the Matlab environment. We have designed the

algorithm required depending on the idea of detecting the edges of the image and Chromatic homogeneity of the roads.

ii

كلمة شكرالقراءة املتمعنة و التشجيع املتواصل و الدعم املتابعة و على, لمهندسة وسا شريفةلقبل كل شيء أريد أن أعرب عن امتناين

.العملواملالحظات القيمة واجلهد الذي بذلته يف إخراج هذا

. الكرمية توجيهاتهو حرصهالفرصة وعلى هذه ملنحيللدكتور نزار زرقا والعرفان لشكراب قد وكذلك أت

.األصدقاء دمحم وماهر وغريهم, واتوجه ابلشكر لكل من حاول تقدمي الدعم إلجناح هذا العمل .إلمتا هذا املشروع أيب وأمي وإخويت على دعمهم الذي مل يتوقف, وختاما أود أن اعرب عن امتناين العميق لعائليت

دمحم الشريف

iii

المحتوياتول جد

Contents I ............................................................................................... اخلالصة

ABSTRACT ....................................................................................... I

ii ............................................................................................ شكر كلمة

III ...................................................................................... احملتوايت جدول

CONTENTS..................................................................................... III

V ........................................................................................ األشكال قائمة

VIII ........................................................................................ عامة مقدمة

1 ........................................................................................... األول الفصل

1 ..............................................................................اجلغرافية املعلومات نظم

1 ........................................................................................الجغرافية المعلومات نظم هي ما 1.1-

2 .........................................................................................الجغرافية المعلومات نظم أهمية 2.1-

2 ...................................................................................الجغرافي المعلومات نظام يعمل كيف3.1-

3 ........................................................................................... الثاين الفصل

3 ....................................................... املستخدمة الصورة معاجلة وتقنيات الفضائية الصور

3 .............................................................................................................:الجوية الصور 1.2-

4 .................................................................................................. الصناعية األقمار صور 2.2-

4 ............................................................................. الرقمية الصورة معالجة حول عامة لمحة 3.2-

Morphology : ............................................................................... 6 مورفولوجياال عن لمحة 4.2-

7 .......................................................................................... الثالث الفصل

7 ................................................................... الرقمية الصور من الطرقات استخراج

7 ........................................................................................... :للطرقات المميزة الخصائص 1.3-

9 ....................................................................................................:والتحديات الصعوبات 2.3-

11 .......................................................................... :بها المحيطة البيئة حيث من الطرق أنواع 3.3-

11 ................................................................................:الطرقات صور في الضجيج مصادر 4.3-

13 ......................................................................................... الرابع الفصل

13 ............................................... الطرقات استخراج يف املستخدمة للطرائق املرجعية الدراسة

13 .........................................................................:الطرقات استخراج لطرائق العام التصنيف 1.4-

11 ...........................................................................الطريق استخراج في المستخدمة الطرائق 2.4-

02 ....................................................................................... اخلامس الفصل

iv

02 .....................................................................................العملي اجلزء

21 .............................................................. المستخدمة الصور في توفرها المطلوب المواصفات 1.5-

Textural Sakes .............................................................................. 21 اللونية األفاعي طريقة 2.5-

32 .................................................................................................التفاعلي التعتيب طريقة 3.5-

44 .......................................................................................السادس الفصل

44 ......................................................................................االختبارات

44 .......................................................................................................... :1 رقم األختبار 1.6-

46 .......................................................................................................... :2 رقم األختبار 2.6-

44 .......................................................................................................... :3 رقم األختبار 3.6-

44 .......................................................................................................... :4 رقم األختبار 4.6-

49 .......................................................................................................... :5 رقم األختبار 5.6-

11 .......................................................................................................... :6 رقم األختبار 6.6-

11 ...................................................................................... املستقبلية اآلفاق

10 ............................................................................................. املالحق

10 ............................................................... التفاعلي التعتيب خوارزمية: A امللحق

-1.Aالتابع RoadExtractor ................................................................................................... 12

-2.Aالتابع RoadFeatures .................................................................................................... 13

-3.Aالتابع CarsRemover..................................................................................................... 11

-4.Aالتابع demo ............................................................................................................... 16

-5.A17 ........................................................................................................................ التابع

15 ............................................................................................... اخلامتة

02 .............................................................................................. املراجع

v

قائمة األشكال

10 ..................................................................................... الطرق يف املناطق الريفية: 1الشكل

10 ........................................................................................... الطرق يف البلدات :2الشكل

10 ..............................................................................................الطرق يف املدن: 3الشكل

10 .................................................................................. الطرق يف املناطق الصناعية :4الشكل 12 .................................................................................. ات يف الطريقازدحا السيار :5الشكل

12 ........................................................................... تداخل ظالل االشجار مع الطريق :6الشكل

12 ................................................................ فعل كثافة الغاابتاختفاء اجزاء من الطريق ب: 7الشكل

12 ........................................................ تعقيد الطريق الناجم عن اجلسور و العالمات املرورية: 8 الشكل

12 .................................................. ظالل االبنية وعوامل أخرى حتد من جودة استخراج الطريق: 9 الشكل

12 ........................................................ فقي اختالل االسقاط العمودي وظهور املسقط األ: 01 الشكل

22 ................................................................. (اجليل صفر) األ اجلذر الناتج عن البذرة: 00 الشكل

22 .................................................................................. اجليل األول ر و جذأحد : 02 الشكل

22 ............................................................... اجلذر الناتج عن نقطة أخرى من اجلذر األ : 03 الشكل

22 ...............................................................................املزيد من جذور اجليل األول: 04 الشكل 24 ......................................................................... نتائج تنفيذ التوابع املولدة للجذور: 01 الشكل

Root_Generator ................................................................... 25نتيجة تنفيذ التابع : 06 الشكل

26 ..............................................................06 على الصورة Rerootنتيجة تنفيذ التابع : 07 الشكل

27 ........................................................ صورة الدخل يف حالة انتظار الضغط داخل الطريق: 08 الشكل

28 ......................................................................... يالتحويل إىل النمط الرمادنتيجة : 09 الشكل

28 ................................................................................ نتيجة تطبيق مرشح الوسط: 21 الشكل

Canny .................................................................... 29نتيجة كشف احلواف مبرشح : 20 الشكل

29 .................................................................... طاعاتتثخني احلواف للتقليل من االنق: 22 الشكل

29 ............................................................ رة يف مرحلة ما قبل املعاجلةنتيجة حتسني الصو : 23 الشكل

30 .....................................................من أجل عدة أجيال خمتلفة StarSnakeتنفيذ التابع : 24 الشكل

32 ......................................................... النتيجة النهائية لتنفيذ خوارزمية التعتيب التفاعلي: 21الشكل

33 .................................................................. ب التفاعلي املخطط التدفقي لطريقة التعتي: 0املخطط

vi

35 ............................................................................ النتيجة النهائية للصورة احملسنة : 26الشكل

37 ................................................لثنائي مع عتبة حتويل تعتمد على البذرةالتحويل اىل النمط ا: 27الشكل

37 .........................................................27على الصورة SELECTنتيجة تطبيق التعليمة : 28الشكل

37 .......................... بعد إدخال عدة بذور على الصورة األصلية road_extractorنتيجة تنفيذ التابع : 29الشكل

roadfeatures ...................................... 40نتيجة تنفيذ املرحلة األوىل من التابع closedالصورة : 31الشكل

features ......................................................................................... 40الصورة : 30الشكل colored ......................................................................................... 40الصورة : 32الشكل

CarsRemover......................................................... 41حواف الصورة قبل تطبيق التابع : 33الشكل

41 ................................................. على حواف الصورة CarsRemoverنتيجة تطبيق التابع : 34الشكل

44 ............................................................................صورة الدخل, 0االختبار رقم : 31الشكل 44 ................................................................................نتيجة إدخال البذرة األوىل : 36الشكل

44 ................................................................................ نتيجة إدخال البذرة الثانية : 37الشكل

44 ............................................................. نتيجة ادخال البذرة الثالثة وحدوث التسريب : 38 الشكل 45 ................................... نتيجة إعادة إدخال البذرة الثالثة بعد زايدة احلساسية وحدوث االنسداد: 39الشكل

45 ..................................................................... البذرة للمرة الثانية نتيجة إعادة إدخال: 41الشكل

45 .........................................................بعد إدخال املزيد من البذور 0نتيجة االختبار رقم: 40الشكل 45 ............................................................................0النتيجة النهائية لالختبار رقم : 42ل الشك

47 ...........................................................................2صورة الدخل يف االختبار رقم : 43الشكل

47 ...........................................................10وعرض طريق 0.75جتربة أوىل مع حساسية : 44الشكل

47 ................................4وعرض الطريق 0.9بعد عدة حماوالت مع حساسية 2نتيجة االختبار رقم:41الشكل

RoadExtractor ........................... 47بعد إجراء التعديل على خوارزمية التابع 2نتيجة االختبار رقم: 46الشكل 47 .......................................................... يةالنتيجة النهائية بصيغة الطريق مع الصورة األصل: 47الشكل

47 ............................................................................2النتيجة النهائية لالختبار رقم : 48الشكل

48 .............................................................................. 3صورة الدخل لالختبار رقم : 49 الشكل

48 .................................................................................... 3نتيجة االختبار رقم : 11 الشكل

48 ........................................................................... 4صور الدخل يف اإلختبار رقم : 10الشكل 48 .....................................................................................4 نتيجة اإلختبار رقم : 12الشكل

49 ................................................................5صورة الدخل املستخدمة يف االختبار رقم : 13 الشكل

vii

49 ......................................................................... 5نتيجة مرحلية أوىل لالختبار رقم : 14 الشكل

49 ........................................................................ 5نتيجة مرحلية اثنية لالختبار رقم : 11 الشكل

49 ............................................................................ 5النتيجة النهائية لالختبار رقم : 16 الشكل

50 ............................................................................... 6صورة الدخل يف االختبار : 17الشكل

50 ............................................................................. 6النتيجة األولية لالختبار رقم : 18الشكل

50 ................................................................................... استخراج الطريق ابلرتقيع: 19الشكل

10 ............................................................................ 6النتيجة النهائية لالختبار رقم : 61الشكل

viii

مقدمة عامة

اي ال غىن وهي تشكل ركنا هاما وعمودا فقر ,وعلو األرض أداة أساسية للتنقل احليوي واملعلومات اجلغرافية تعترب اخلرائط ىل رحالة يرسم خط مسريه خاللإصناعة اخلرائط عمال شاقا وحباجة رن العشرين كانت قبل الق. للحضارة االنسانية عنه

صناعة اخلرائط بشكل يف أما اليو فقد أصبح ملعاجلة الصورة الرقمية دور فعال ,ىل الدقةإرحلته وكانت هذه اخلرائط تفتقر لصور بدال من الرتكيز على جتميع عناصر اخلريطة من من ا اخلرائطىل استخراج إرتكيز الوهبذا انتقل .قل كلفةأسهل و أدق و أ

وضوح ابإلضافة إىل, رساهلامما حيسن سرعة إتتميز اخلرائط الرقمية عن الصور اجلوية والساتلية بصغر حجمها .هنا وهناك .هتا واخنفاض تكاليف طباعةاملعلومات فيها وسهولة قراء

ومبا أن الطرقات .ور اجلوية وصور األقمار الصناعية لصناعة اخلرائطأهم ما ميكن استخراجه من الصبني وتعد الطرق من لتقليل األخطاء وإضافة الطرقات بشكل مستمر تتعرض ابستمرار لتغريات عدة فإنه من املهم حتديث خرائط الطرقات

حتداي لقدرة اآللة و يالبشر نه يشكل حتداي للعقل أن املواضيع الشائعة واملمتعة إذ يعترب استخراج الشوارع مو .اجلديدةه املعاجلة اليت هتدف اىل عزل الطريق أنخراج الطريق على يعرف است .ابإلضافة إىل أمهيته البالغة يف حتديث اخلرائط احلاسوبية

.عن الصورة

وجعلهالالالالا أكثالالالالر حنالالالالو أمتتالالالالة عمليالالالالة احلصالالالالول علالالالى املعلومالالالالات املتعلقالالالالة ابلطرقالالالالات عالالالا خالالالالل العقالالالالدين املاضالالالاليني ظهالالالالر توجالالالالهو كثالالالالالرة األحبالالالالالاث واخلوارزميالالالالالات وعلالالالالالى الالالالالالرغم مالالالالالن .الوقالالالالالت اجلهالالالالالد و إذ أن األسالالالالالاليب اليدويالالالالالة تسالالالالالتغرق الكثالالالالالري مالالالالالنلقائيالالالالالة ت

حالالالالالالاله ن جناإو وىل حبثالالالالالالا معاصالالالالالالرا مالالالالالالازال يف بداايتالالالالالاله األالكشالالالالالالف التلقالالالالالالائي للطرقالالالالالالات يعتالالالالالالرب الالالالالالاليت هتالالالالالالتم هبالالالالالالذا املوضالالالالالالوع إال أن . صناعة اخلرائط الجمكرب ومسك اخلتا يف بشكل هنائي قد يكون اخلطوة األ

هناك عدة طرائق الستخراج الطرقات تعتمد على اخلواص املختلفة للطرق سواء اخلواص اهلندسية أو اللونية أو الطبوغرافية أو داية قمنا بتصميم يف البالتجانس اللوين داخل الطريق؛ خاصيةعلى قمنا بتطويرهاتعتمد اخلوارزمية اليت . الوظيفية أو السياقية

وذلك ,توليد النقاط املتجانسة لونيا داخل الطريق يف( األفاعي اللونية)فكرة البذرة واجلذر تعتمد على رزمية أوليةخوايتم االستفادة من لون هذه البذرة واعتباره قيمة , وهي عبارة عن نقطة داخل الطريق,يدخلها املستخد ابستخدا بذرة

. الذي ميسح النقاط املتجانسة داخل الطريقاجلذر لبذرة وابلتايل يتشكل لدينا مرجعية للتحقق من جتانس النقاط حول هذه ا

صممنا للتخلص من هذه املشكالت .وسرعة االنسدادلتني أساسيتني مها بطئ التنفيذ تعاين طريقة األفاعي اللونية من مشكاللوين ابستخدا عتبة حتويل إىل النمط تعتمد على فكرة التجانس ؛خوارزمية التعتيب التفاعلي هي ,خوارزمية بديلة عنهاىل النمط بذرة أو أكثر يدخلها املستخد نعترب لون البذرة عتبة حتويل إ ابستخدا .لصورةكشف حواف االثنائي مع استخدا

.البذرةعن املفصولة خنتار من الصورة الثنائية الناجتة فقط اجلزء املتصل حول البذرة ونتجاهل ابقي أجزاء الصورةالثنائي مث

0

الفصل األول

نظم المعلومات الجغرافية

هبدف GIS (Geographic Information System)مثل نظا املعلومات اجلغرافية نظمةأختزن خرائط الطرق عادة يف و رض يف أزمنة تسمح بكشف التغريات اجلغرافية لألنظا كأداة حتليل و ادارة هذا اليستخد . عادهتا يف وقت الحقاست

نظم نبنين يف هذا الفصل حملة عن .ويويل أمهية خاصة الستخراج املعلومات اخلاصة ابلطرقات ومتابعة حالتها أمكنة خمتلفةكيفية عملها و تطبيقاهتا املختلفة حيث يعترب استخراج الطرقات أحد أهم و أمهيتها و مزاايها و عن املعلومات اجلغرافية

.التطبيقات الداعمة هلذه األنظمة

ما هي نظم المعلومات الجغرافية 1.1-فمثال يواجه , يواجه اإلنسان عادة مشاكل وتساؤالت وحتدايت عدة حيتاج إىل دعم ومساعدة يف مواجهتها واختاذ قرارات حللها

اطق زراعية ويواجه املزارع تساؤال عن خصائص الرتبة يف من. املخطط العمراين تساؤالت الختيار أفضل موقع إلنشاء عمراين جديدويواجه عامل املناخ تساؤالت عن , ويواجه التاجر تساؤال عن أفضل مكان الفتتاح متجره اجلديد للحصول على أكرب ربح, معينة

كشف قوات العدو وأسلحته تطور ثقب األوزون يف السنوات العشر األخرية وكذلك يواجه القائد العسكري تساؤالت عن إمكانية ولالجابة عن كل هذه التساؤالت وغريها تظهر احلاجة لوجود قواعد بياانت خاصة هبذه , حرك إىل موقع ماومعداته يف حالة الت

وهلذا ظهرت تكنولوجيا نظم املعلومات اجلغرافية , (Spatial Data)العناصر ومرتبطة مبواقعها اجلغرافية وهي اليت يطلق عليها (Geographic Information System) .

إخراج البياانت و و عرض وحتليل و إدارة و جلمع و إدخال و معاجلة( أو نظا كمبيوتري)عبارة عن علم ات اجلغرافية نظم املعلومصور , رائط خ)وهذا التعريف يتضمن مقدرة النظم على إدخال املعلومات اجلغرافية . اجلغرافية و الوصفية ألهداف حمددةاملعلومات

واسرتجاعها و االستفسار عنها و و ختزينها( تنقيحها من اخلطأ)تها معاجل و (جداول, أمساء)ة و الوصفي( مرئيات فضائية, جوية [1].رسومات بيانية و تقارير, أو على ورق يف شكل خرائطعرضها على شاشة احلاسب و ( حتليل مكاين و إحصائي)ليلها حت

مثل االستفسار والتحليل اإلحصائي ابإلضافة إىل (Data Base)وتتضمن هذه التكنولوجيا العمليات املعتادة على قواعد املعطياتأهنا جمموعة من وينبغي األخذ يف االعتبار عند التعرض لنظم املعلومات اجلغرافية . التصور والتحليل اجلغرايف املميز الذي توفره اخلرائط

ملعلومات اخلاصة مبجاالت التنمية املختلفة لذلك تنبع األدوات تستخد بواسطة األفراد املؤهلني حلل مشاكل التعامل مع البياانت وا .األمهية يف كيفية استخدا هذه األدوات

2

أهمية نظم المعلومات الجغرافية 2.1-اخلاصة بقواعد البياانت مع إمكانية (Query)متتاز نظم املعلومات اجلغرافية أبهنا جتمع بني عمليات االستفسار واالستعال

وهي امليزة اليت متيز , واملعاجلة البصرية لبياانت جغرافية من اخلرائط وصور األقمار الصناعية والصور اجلوية املشاهدة والتحليلهذه النظم عن نظم املعلومات املعتادة وجتعلها متاحة لكثري من التطبيقات العامة واخلاصة لتفسري األحداث وحساب

, التلوث, من التحدايت املعاصرة يف عاملنا اليو االنفجار السكاين: الفعلى سبيل املث. [2] املؤشرات ووضع االسرتتيجيات . كل هذه األمور تشرتك يف البعد اجلغرايف, والكوارث الطبيعية, الزحف العمراين على املناطق الزراعية

رية أو إجياد أحسن نوع وعلى املستوى احمللي أو الفردي فمشكلة إجياد أفضل موقع لفرع أو منشأة جديدة من سلسة فروع جتاتربة يناسب زراعة حمصول جديد أو حتديد أحسن مسار على شبكة الطرق لسيارة املطافئ أو اإلسعاف كل هذه األشياء

.جيمعها العامل اجلغرايف

كيف يعمل نظام المعلومات الجغرافي3.1-املتصلة (Thematic Maps)ة من الطبقات املتفردة يقو نظا املعلومات اجلغرايف بتخزين املعلومات عن العامل يف هيئة جمموع

ببعضها جغرافيا يف صورة بسيطة ولكن غاية يف القوة ومن الناحية العملية أثبتت أمهيتها يف حل العديد من مشكالت العامل .اخلارجي بدءا من التطبيقات البسيطة وحىت التطبيقات املعقدة

يتم متثيل vectorففي منوذج , Vectorو Rasterمن النماذج اجلغرافية مها ظم بنموذجني خمتلفني أساسيني هذه النتعمل إن . (x,y)واملضلعات يتم اعطائها رمز وختزينها يف صورة جمموعة من اإلحداثيات , واخلطوط , املعلومات اخلاصة ابلنقط

هنار ميكن ختزينها على هيئة جمموعة أما وصف اخلطوط مثل الشوارع واأل. ميكن وصفه بنقطة واحدة مثل بئرجغرايف موقع [2].وابلنسبة ملتعدد األضلع مثل املناطق السكنية وموانئ األهنار ميكن ختزينها يف رتل مغلق من اإلحداثيات . من النقط

شكل , يستخد يف وصف األشياء الثابتة لكنه غري مفيد يف وصف األشياء دائمة التغري مثل نوع الرتبة vectorإن منوذج . فقد مت عمله هلذا النوع من األشياء دائمة التغري يف الشكل واخلصائص Rasterأما منوذج . لشاطئ يف فرتة زمنية حمددةا

.من جمموعة من اخلالاي مأخوذة من خريطة أو صورة Rasterوتتكون صورة

فالبياانت يف منوذج . ات وعيوب لتخزين املعلومات اجلغرافية ولكل منهما مميز Rasterو Vectorويستخد كال النموذجني vector ويتطلب تكنولوجيا عالية ونظم ( ملفات صغرية)عالية الدقة وسريعة العرض والتحليل وسهلة و سعة ختزين صغرية

منخفضة الدقة و بطيئة العرض والتحليل وصعبة الفهم للقطاع العا من Rasterبينما نرى أن بياانت منوذج . غالية الثمن 2].وتتطلب تكنولوجيا منخفضة ونظم قليلة الكلفة( صور)فاهتا ذات حجم كبري الناس ومل

3

الثانيالفصل

الفضائية وتقنيات معالجة الصورة الصور

المستخدمةنبنين يف هذا الفصل نوعني من الصور املستخدمة كمصدر معلومات أساسي يف أنظمة املعلومات اجلغرافية مربزين املزااي و

ة يف كل منهما و الفروقات بينهما إذ تشكل هذه الصور املادة اخلا ملشروعنا مث نتطرق إىل حملة سريعة عن التقنيات املتبع .معاجلة الصورة الرقمية وتقنياهتا

:الصور الجوية 1.2- الصور اجلوية هي تلك الصور اليت مت التقاطها عن طريق طائرة تطري فوق سطح األرض على ارتفاع اثبت ويف مسار حمددعلى شكل شرائط يوجد بينها تداخالت يف االجتاه الطويل والعرضي وتظهر الصور اجلويية مجيع التفاصيل األرضية كما هي يف الطبيعة مثل الطرق واملباين واألهنار واملزارع كما هي يف حلظة التصوير وأهم فائدة للصور اجلوية هي عمل حتليالت مكانية

ومن األمهية مبكان مالحظة أنه البد من القيا ببعض . نتاج خرائط عالية الدقة هلذه املواقعوتقييم ملواقع حمددة للبدء يف إالتصميمات اهلندسية للصور اجلوية قبل البدء يف استخدامها كمصدر النتاج اخلرائط حيث من املتوقع حدوث أخطاء انجتة

قع مما ينتج عنه تشوه يف أبعاد املعامل اجلغرافية على عن كروية األرض اليت ال تتيح الفرص لتصوير صورة عمودية على املواهلا خطوات اثبتة ونظرايت وقواعد حمدودة تعتمد على عوامل كثرية منها ارتفاع الطريان و البعد هذه التصميمات . الصورة

.احملرقي لعدسة الكامريا ومقدار التداخل بني الصور

4

صور األقمار الصناعية 2.2-مث انتقلت هذه .هبدف التجسس على االحتاد السوفيييت 0961ل قمر صناعي خمصص لغرض التصوير عا مت إطالق أو

اآلن وتعترب صور األقمار الصناعيةلتصبح من أقوى مصادر البياانت املكانية وأسرعها انتشارا حاليا التقنية اىل اجملاالت املدنيةو IKONOSر األقمار الصناعية املتخصصة ابلتصوير الدقيق ومن أشه .ذات فائدة عظيمة يف جمال حتديث اخلرائط

QuickBird يتم احلصول على الصور الساتلية ابستخدا تقنية .[5] اليت تقرتب دقة التصوير فيها من دقة الصور اجلويةستشعار عن حد تطبيقات االأ يه هذه التقنية. (Visible Spectral Remote Sensing)"استشعار الطيف املرئي عن بعد"

مواج ذات طول موجي حمدود ضمن اجملال اخلاص ابلضوء املرئي وهوبعد اليت تستخد حساسات خاصة ابأل(0.38-0.76 microns) لى سطح االرضستقبال ضوء الشمس املنعكس عحيث تقو هذه احلساسات اب .

ن اعتبار صور األقمار الصناعية صورا عمودية على سطح وميك , لوان احلقيقيةهنا تعطي صورا ابألأجيابيات هذه التقنية إمن وان كانت , كما هو احلال يف الصور اجلوية , األرض واختاذها أساسا النتاج خرائط مباشرة دون احلاجة لتصميمات معقدة

.ا إىل ذلكحتتاج اىل تصميمات أبسط لزايدة درجة وضوح الصورة إلزالة التشوهات الناجتة عن وجود السحب و الغيو و م

ينتج الظل اما عن . عن سطح االرض ليحل الظل حمله بْ ج ن حيُْ أولكْن سلبياهتا تكمن يف طبيعة ضوء الشمس الذي ميكن االجسا املرتفعة املوجودة على سطح االرض كاالبنية او عن الغيو اليت متنع اشعة الشمس من الوصول اىل سطح االرض

ابملقارنة مع الصور امللتقطة من . فية حتتها سطح االرض بشكل الميكن االستفادة منهوعندها تظهر الغيو يف الصورة خمالطائرات جند انه ال وجود ملشكلة احلجب ابلغيو حيث متر الطائرة حتت مستوى الغيم ولكن تبقى ظالل هذه الغيو ظاهرة

.إال أن الصور الساتلية أقل تكلفة, من انحية اخرى الصور اجلوية اكثر دقة من الصور الساتلية. على سطح االرض

معالجة الصورة الرقمية عامة حوللمحة 3.2-واملسح التصويري هو , photogrammetry الرقمية حاليا حيزا واسعا وفعاال يف أحباث املسح التصويري شغل معاجلة الصورت

رة الستخراج املكوانت املطلوبة لتحديث اخلرائط تستخد معاجلة الصو . 0931العلم الذي يقف وراء صناعة كل اخلرائط منذ عا .وقواعد معطيات أنظمة املعلومات اجلغرافية

ممايعين أن , معظم الصور ختزن حاليا بشكل اشارات رقمية. هنا تطبيق معاجلة االشارة يف جمال الصورةأتعرف معاجلة الصورة على ومتوسطة أ منخفضة: الصورة اىل ثالث مستوايتتصنف تقنيات معاجلة .تمعاجلة الصورة ستكون معاجلة صورة رقمية يف معظم احلاال

التقنيات منخفضة املستوى تتعامل مع الصورة على مستوى البكسل وفقا خلصائص البكسل كاللون والنسيج . وعالية املستوىأTEXTURE املكوانت هلا اشكال هندسية جمموعة من هناطة املستوى تنظر اىل الصورة على أالتقنيات متوس .والتدرج اللوين

.التقنيات عالية املستوى تستخد معلومات داللية أوخصائص مميزة الستخراج مكون ما .كنقاط وخطوط ومناطق

1

:التقنيات منخفضة املستوىى واحدة من ابسط التقنيات منخفضة املستو . تستخد هذه التقنيات للتنظيف ولتقليص الضجيج يف مرحلة ما قبل املعاجلة

مرشح املتوسط الذي يستبدل كل بكسل مبتوسط البكسالت احمليطة به فيصبح الفرق اللوين بني بكسالت الصورة املتجاورة median filterومرشح الوسط mean filterيفضل استخدا مرشح الايزوترويب كمرشح املتوسط . ضئيال مما يقلل الضجيج

.زالتها مما مينع استخراجهاري احلواف أو إح الغاوصي ألن قد تؤدي اىل تغيو االبتعاد عن املرشحات االيزوتروبية كاملرش

:التقنيات متوسطة املستوىبسط أهذا النوع تصنف الصورة بنفسها و بعض التقنيات من. التقنيات متوسطة املستوى تشكل خطوة ابجتاه تصنيف الصورة

سلوب بسيط يستخد على نطاق واسع يف وهو أ Binerizationمثال على تصنيف الصورة هو حتويلها اىل النمط الثنائي هم التقنيات االخرى يف هذا املستوى تتضمن أ .حيث يتم تصنيف الصورة اعتمادا على عتبة مقارنة لونية معاجلة الصورة

. Sobel edge detectorكشف احلواف داخل الصورة على سبيل املثال

:التقنيات عالية املستوىوتستخدمها كمعلومات دخل نيات املستويني املنخفض واملتوسطاملستوى املعلومات الصادرة عن تقجتمع تقنيات هذا

أبسط شكل من اشكال التقنيات عالية املستوى هو متييز املناطق املرغوبة . لتحديد واستخراج املكوانت املرغوبة من الصورةومن . تتضمن كشف واستخراج االشكال اكثر تعقيدألالعمليات ا .صليةابستخدا التعتيب على الصورة األ بلون واحد

واليت تستخد يف Snakesو طريقة االفاعي Hough transformالتقنيات الشهرية يف هذا املستوى هي تقنية حتويل هوغ .الكشف عن الطرقات

معينة كاخلطوط وحتويل هوغ هو تقنية تستخد الستخراج مكون ذو شكل معني ضمن الصورة فهو يكشف مالمح هندسية لكن هذا التحويل عاجز عن كشف االشكال املعقدة فهو مثال اليستطيع كشف املنحنيات .واملنحنيات والدوائر والقطوع

يستخد بدال من ذلك تقنية االفاعي . لذلك تعترب هذه التقنية اداة بدائية يف استخراج الطرقات.من الدرجة الثالثة او اكثر(Active Contour model ) يف استخراج الطرقات حيث اهنا متثل الطريق بشكل افضل من متثيلها كخطوط مستقيمة يف

[3. ]حتويل هوغ

6

: Morphologyعن المورفولوجيا لمحة 4.2-العمليات . تعرف املورفولوجيا يف معاجلة الصورة ابهنا جمموعة من العمليات اليت تعاجل الصور ابالعتماد على االشكال

حيث تعطى قيمة لكل . ة تطبق عنصرا بناء على صورة الدخل فيكون اخلرج صورة هلا نفس ابعاد صورة الدخلاملورفولوجييعرف اجلوار على انه جمموعة من . بكسل يف صورة اخلرج وفقا الستجابة البكسل املوافق يف صورة الدخل مع جماوراته

جراء العملية املورفولوجية اخلاصة هبذا الشكل احملدد يف بتحديد حجم وشكل للجوار ميكن ا. البكسالت احمليطة بكل بكسل . صورة الدخل

يف التمديد يضاف بكسالت اىل حدود .العمليتان االساسيتان يف املورفولوجيا dilationوالتمديد erosion يعترب احلت و احملذوفة يعتمد على ان عدد البكسالت املضافة ا. االجسا يف الصورة بينما حيذف احلت بكسالت من حواف الصورة

تستخد قاعدة ملعاجلة الصورة وفقا . املستخد يف العملية املورفولوجية Structural elementحجم وشكل العنصر البناء .للعنصر البناء حتدد هذه القاعدة نوع العملية ما اذا كانت حت او متديد

يعرب عن الفتح ابنه عملية حت .ملشتقة من احلت والتمديدمن العمليات املورفولوجية ا closingواالغالق openingالفتح من جهة اخرى يعرب عن اإلغالق أبنه عملية متديد متبوعة بعملية حت بنفس . متبوعة بعملية متديد بنفس العنصر البناء

.العنصر البناء

7

الثالثالفصل

من الصور الرقمية استخراج الطرقاتحيث ان التعامل مع .ىل اخرإديث اخلرائط اخلاصة هبا من وقت مما جيعل من الضروري حت تتعرض املدن لتغريات سريعة

الطرقات موضوع يعتمد على حاجة االنسان لذلك فان الطرقات قد متهد او ترد حسب حاجة اجملتمع احمليط الذي يستخد من وقت الخر فإنه من الضروري فحص قاعدة ونظرا الن الطرق ميكن ان ختضع لتغيريات بشرية وطبيعية خمتلفة. هذا الطريق

وابلتايل علينا احلصول على تغريات .املعطيات بشكل دوري للتخلص من االخطاء و اضافة العناصر اجلديدة للطرقليست هناك مشكلة يف مصدر . املعلومات يف سطح االرض أبسرع وقت ممكن وتعديل اخلرائط بناء على املعلومات اجلديدة

املشكلة احلقيقية تكمن هي كيف ميكن استخراج الطرقات من هذه .الصور امللتقطة بفرض اهنا دقيقة كفاية اخلرائط وهو الصور بشكل سريع و دقيق؟

:الخصائص المميزة للطرقات 1.3-بشري الطريق من يدرك العقل ال. و الصنعية كوانت املختلفة بنوعيها الطبيعيةتتألف الصور املأخوذة من الطائرة من عدد هائل من امل

عقل بداية إبدراك الطريق الحيث يقو . الوظيفية و السياقيةخالل حتسس جمموعة من اخلصائص اهلندسية و اللونية و الطوبوغرافية و نه مصنوع من مادة واحدة مهمال التغريات أا أن الطريق طويل وذو عرض اثبت و اعتمادا على خصائصه اهلندسية واللونية مفرتض

دراك و ازدحا مروري يقو الدماغ إبأبنية و األأشجار يف حال وجود األ . العرض و يف الشدة الضوئية على طول الطريقالصغرية يفجوبة من الطريق كتلك و احملأجزاء املشوهة صائص الطبوغرافية للتعرف على األتستخد اخل .وجود الطريق من السياق العا للصورة

.دما يكون الطريق حتت جسرو عنأشجار والبيوت املغطاة ابألإذن هناك حاجة لتطوير تقنية الستخراج الطريق ابستخدا مناذج شبيه بتلك اليت يعتمدها الدماغ البشري لتفسري الطريق ضمن

يستخد يف اخلوارزميات نصف التلقائية ( وهي اهلندسية واللونية)صناف اثنان منها فقط أىل مخسة إتصنف خصائص الطريق .الصورة . [3] نما تستخد مجيع هذه اخلصائص يف اخلوارزميات اتمة التلقائية الستخراج الطرقاتبي

:الهندسية للطريق الصفات -1.3.1كرب بكثري من عرضه أن للطريق طول أوالمها أيف استخراج الطرقات على فرضيتني نظمة اليت تعتمد على اخلواص اهلندسية تركز األخرى أن هناك مكوانت أمن واصأتيت حمدودية الكشف ابستخدا هذه اخل. ت و حافتيه متوازيتنياثبن عرض الطريق أوالثانية

قد يكون متغري ضمن ن عرض الطريقأىل ذلك إإضافة . يق وهذا يسبب كشفا خاطئاهنار هلا نفس اخلصائص اهلندسية للطر كاألص إضافية استخدا خواىل إوهذا ما يدفعنا (. او فرعيطريق رئيسي )خر حسب وظيفة الطريق و متغري من طريق آلأالطريق نفسه

.يف استخراج الطريق من الصور اجلوية او الساتلية وحده عتماد عليهال ميكن اإل النوع من اخلواص االستخراج الطريق ألن هذ

8

:اللونيةالصفات -1.3.2انس وان هناك تباين واضح بينه وبني املناطق اللونية ان للطريق سطح متج اخلواصاخلوارزميات اليت تعتمد على معظم تفرتض

ومنه تقرراخلوارزميات من هذا النوع ما إذا كانت . وابلتايل فان للطريق قيم متقاربة للشدة الضوئية يف كافة نقاطه. للمجاورة لهسبقا او مع قطعة من قطعة من الصورة هي طريق ا ال اعتمادا على قيمة الشدة الضوئية الكلية هلا مقارنة مع منوذج موجود م

هذه الطريقة تعمل بشكل جيد يف معظم احلاالت ابستثناء احلاالت اليت حيجب فيها جزء الطريق . الطريق املدروس نفسهبتأثري األشجار والظالل أو بتأثري كثافة السيارات ضمن الطريق وكذلك احلاالت اليت حيصل فيها تداخل لوين بني الطريق

.ة مما حيد من قدرة هذه الطريقة على معاجلة هذه احلاالتوأسطح األبنية اجملاور

:الطبوغرافية الصفات -1.3.3ميكن االستفادة من .تتميز الطرق ابهنا متيل اىل التقاطع و االتصال مع الطرق االخرى واهنا تصل بني عدة مناطق من الصورة

ث تساعد اخلاصيتان اهلندسية واللونية على استخراج معظم حي. املعلومات الطوبولوجية الستخراج األجزاء احملجوبة من الطريقبنية شجار او األجوبة ابلظالل او السيارات او األجزاء احملولكنهما لن يتمكنا من استخراج األالطرقات املوجودة يف الصورة

على اخلواص الطبوغرافية جزاء املستخرجة وذلك ابالعتماد قودة من الطريق ميكن وصلها مع األجزاء املفهذه األ. او غريها Baumgartner et al.[3] من قبل 0999 استخدمت هذه اخلاصية الول مرة عا . لالجزاء اجملاورة

:الوظيفية الصفات -1.3.4وابلتايل ميكن تصنيف .الطرق كما ذكران يف الفقرة السابقة تصل بني مناطق مميزة مثل املنازل اواملصانع او االراضي الزراعية

ريق ومتييز خواصه عن اخلواص الوظيفية هي املسؤولة عن حتديد عرض الط. سب وظيفتها كطرق رئيسية او فرعيةالطرق حبىل خوارزمية االستخراج جيب ان تدعم مبعلومات خارجية غري موجودة يف الصورة إ اخلواصضافة هذه وإل .خواص الرصيف

.ابالضافة اىل املعلومات املوجودة ضمن الصورة نفسها

:السياقية الصفات -1.3.5و أبنية و األأهي تكون على سبيل املثال الظالل حياان و أتستخد عن العناصر احمليطة ابلطرقات ضافيةإهي معلومات

.صورتني أو أكثر لنفس املوقع من زوااي خمتلفة دمج تنتج هذه املعلومات عنطريق وقد االشجار على طول ال

ة موجودة بشكل كامل ضمن الصورة اما اخلواص الطبوغرافية و الوظيفية والسياقية فهي لذلك فان اخلواص اهلندسية واللونيتستخد معلومات موجودة يف الصورة أو ضمن مصدر معلومات خارجي إلعطاء اداة أكثر ذكاء يف معرفة واستخراج الطرق

[3].ق من الناحية اهلندسية واللونيةاحملجوبة أو اليت ال تُفهم على أهنا طري

9

:الصعوبات والتحديات 2.3-دوات املسح و وضعية التصوير أحالة الطقس و دقة يف نواحي عدة أبرزها إن الطرقات املوجودة يف الصور واسعة االختالف

و قمر صناعي يلتقط أحتمله طائرة ( و كامرياأ)تخد عادة نظا استشعار عن بعد يس. م من هذا البيئة احمليطة ابلطريقهواألووقت يكون فيه االزدحا يو صاف نه من احلكمة التصوير يف أوالشك ,حناء املنطقة املدروسةأ بشكل دوري يف عدة صور

اعتماد زاوية تصوير عمودية على مستوي االرض وهبذا نكون قد وحدان و ر دقيقة كفايةدوات التصويأن تكون أو صغراي أ .طة ابلطرقاتدا عامل البيئة احمليالصور ما ع بنياالختالف عوامل

خوارزمية املعاجلة أداء نه يؤثر علىأذ إ مهم للغايةمر أالطرقات هو البيئة احمليطة وهذا قوى بني صور عامل االختالف األيقصد ابلبيئة احمليطة ابلطريق العناصر املوجودة خارج الطريق سواء كانت مظاهر بشرية كاالبنية او مكوانت . بشكل كبري

هلذا من .البا ما تؤثر ظالل هذه العناصر على الطريق نفسه حاجبة اايه مما يعقد عملية االستخراجطبيعية كاالشجار وغالضروري يف اغلب االحيان ادخال معلومات مساعدة لتحديد الطريق بشكل جيد بعض احلاالت حتتاج اىل القليل من

.كربأ حتتاج قدرااملعلومات املساعدة على استخراج الطريق و يف بعضها االخر

مر البديهي ابلنسبة للكمبيوتر ولكل صورة ولكل شبكة شبكة الطرقات يف صورة ما ليس ابألن االستخراج املؤمتت ملكوانت إة مئة يف املئة جياد خوارزمية عامإنه من الصعب مبكان إلذلك ف .طرقات درجة من اخلصوصية تفرض معاجلة خاصة هلا

حدة قدر االمكان تكون مقبولة من جياد خوارزمية مو إدف من عملنا هذا هو نت لذا فاهلي صورة كاأتستخرج الطرق من .جل عدد كبري من صور الطرقاتأ

ا هنألة ليست ابلسهلة على الباحث حيث من جهة اخرى فإن كشف الطرقات بشكل تلقائي من الصور الفضائية مسأحيث يعترب الكشف التلقائي . جابة عنهاإق بعد صورة مل تلسئلة متعلقة بتفسري الأتتطلب الكثري من الغوص يف عدة

و جمال الرؤية photogrammetryحد التحدايت الكربى يف جمال املسح التصويري أقات ضمن البيئات املعقدة كاملدن للطر قد ورة عالية فكلما ازداد تعقيد الصور وازدحامها تزداد احلاجة اىل دقة ص. على حد سواء computer visionاحلاسوبية

كيف ميكن "السؤال العريض فيطرحابلنسبة للرؤية احلاسوبية ماأملسح يتم من ارتفاعات عالية جدا ن اأيعسر توفرها وخاصة ".العقل البشري؟ يدركهلطريق كما ا يدركن أللحاسب

01

:أنواع الطرق من حيث البيئة المحيطة بها 3.3-

:ة احمليطة هباوميكن تصنيف الطرقات اىل أربع اصناف من حيث البيئ

راضي الزراعية تقريبا كامل الصورة قد مير الغطاء النبايت و األيغطي ,قليلة االزدحا و ذات تقاطعات قليلة: الطرق الريفية .1 (0 الشكل. )شجار احمليطةوقد تتداخل الطرقات مع ظل األ ,من خالل بعض القرى الصغريةالطريق

صور هذا النوع عدد حتوي ,توسطة االزدحا ولكنها ذات تقاطعات كثريةم: لطرق يف البلدات الصغرية او املتوسطةا .2 (2 الشكل. )بنية املطلة عليهوقد تتداخل الطرقات مع ظل األ ,بنيةحمدود من األ

(3 الشكل. )تتميز بكثافة ازدحا عالية والصورة مليئة ابالبنية ومعظم الطريق مغطى ابلظل :الطرق يف املدن الكبرية .3

منخفضة االزدحا ولكنها حتوي العديد من املناطق املفتوحة ومواقف السيارات متصلة مع : املناطق الصناعيةالطرق يف .4 (4 الشكل. )الطريق

الطرق يف املناطق الاناعية :4الشكل الطرق يف املدن: 3الشكل

الطرق يف البلدات :2الشكل الطرق يف املناطق الريفية: 1الشكل

00

:مصادر الضجيج في صور الطرقات 4.3- :وهناك عدة مصادر للضجيج حتد من جودة استخراج الطريق مرتبة حبسب صعوبة التخلص منها كالتايل

(1 الشكل)يف الطريق السيارات املارة .1 (9 الشكل)و ( 6 الشكل. )الظالل سواء كان مصدرها الغيو او االشجار او االبنية املرتفعة .2

.الضجيج الناتج عن التداخل اللوين بني الطريق و العناصر احمليطة به كأسطح االبنية .3

(8 الشكل(. )يةاجلسور واالنفاق والعالمات املرور , اخلط املنصف للطريق)تعقيد بنية الطريق .4

(7 الشكل. )اختفاء الطريق كليا خلف ستار حيجبه كالغيو و االشجار الكثيفة يف الغاابت .5

ذكران . يف بعض مناطق الصورة Vectorizationسقاط العمودي له عامال اخر وهو عامل اختالل اإلنضيف اىل ذلك كلكن هذا التعامد يكون أبفضل حاالته يف املكان أسفل و , رضاأل ىسابقا أن التصوير ينبغي أن يكون عموداي على مستو

فقي عن مكان التصوير فيظهر املسقط األيتالشى هذا التعامد مع االبتعاد , حلظة التقاط الصورة( أو احلساس)الكامريا يف الصور يعود السبب يف ذلك إىل الطبيعة الكروية لألرض اليت ال ميكن امهال أثرها . للطريق بدال من مسقطه العمودي

خيلف ظهور املسقط االفقي آاثرا سلبية تسبب اختفاء بعض . الضخمة بسبب ارتفاع أدوات التصوير عن سطح االرض (01 الشكل. )الطرقات كليا خلف مكوانت حميطة ابلطريق أاي تكن هذه املكوانت

امليؤوس منها فاستخراج الطرق هو يف بعض احلاالت القلقىل إبصعوبة استخراج الطرق مبا يدفع انهدأالصور بعض توحين نقبل أبنه مهما كانت اخلوارزمية جيدة فإهنا التكفي ودائما هناك أنكون واقعيني علينا لكيو .ابلفعل موضوع شائك

.ىل خوارزميات أخرى ملعاجلتهاإحاالت مستعصية حباجة

أجزاء من الطريق ويسمى ابخلطأ أو وعلى كل حال هناك نوعني للكشف اخلاطئ األول هو اخلطأ الناتج عن عد كشفأما اخلطأ املوجب فهو ذلك اخلطأ الناتج عن , الضجيج السالب وهو السبب يف ظهور االنكسارات واالنقطاعات يف الطريق

اعتبار أجسا خارج الطريق على أهنا طريق كنتيجة للتداخل اللوين وعادة ما يكون التخلص منه أسهل من التخلص من .باخلطأ السال

02

صتعقيد الطريق الناجم عن اجلسور و العالمات املرورية( : 8) الشكل

ظالل االبنية وعوامل أخرى حتد من جودة استخراج (: 9) الشكل الطريق

فقي االسقاط العمودي وظهور املسقط األاختالل (: 11) الشكل

اختفاء اجزاء من الطريق بفعل كثافة الغاابت: 7الشكل

يقيف الطر ازدحام السيارات :5الشكل صتداخل ظالل االشجار مع الطريق :6الشكل

03

الرابعالفصل

المستخدمة في لطرائق الدراسة المرجعية ل

استخراج الطرقاتبنين يف هذا الفصل التصنيف العا للطرائق املتبعة يف استخراج الطرقات مث نذكر أهم هذه الطرائق مربزين خصائص و مزااي و

.عيوب كل منها

:التصنيف العام لطرائق استخراج الطرقات 1.4-

الطرق اليدوية 1.1.4-

تعتمد الطريقة .كثر انتشارا ووثوقية حىت يومنا هذاوما زالت هي األ كثر بديهيةاأل التقليدية ليدوية هي الطريقةالطريقة اوميكن .كثر ختصصاأو برامج حترير صورة أ العامةساليب تفاعلية يف حترير الصورة مستخدمة برامج حترير الصورة أاليدوية على

عدل كشف ممتاز يصل اىل كنها الوصول اىل مميكثر دقة يف استخراج الطرقات و الطريقة اليدوية هي الطريقة األن أالقول هنا تتم بتدخل مباشر وكثيف من العقل البشري ودون االعتماد على ما يسمى ابلرؤية احلاسوبية وهذا هو أحيث % 011

.مصدر الوثوقية يف هذه الطريقة

اص هبا خيتلف عنها الطريقة اليدوية من انعدا العمومية حيث تتم فيها معاجلة كل صورة بشكل خعلى الرغم من دقتها تعايننظمة الضخمة نظمة الطرق تعترب من األأن أه الطريقة تستهلك وقتا طويال حيث ىل ذلك فان هذإضافة ابإل .يف ابقي الصور

كرب شبكة أواثين 2005 ت املتحدة االمرييكية عا ايكم يف الوال6,430,366 غ طول اكرب شبكة طرقات يف العاملحيث بلهلذا فإن الطريقة اليدوية مكلفة جدا وتتطلب من اجلهد و الوقت ما [.4] 2007كم يف الصني عا 3,583,715طرقات

اخلرائط وهو االداة االكثر شيوعا يف جمال اخلرائط يتم حتديث GPSنظا يف فعلى سبيل املثال .يعيق سرعة حتديث اخلرائطذا إ .ىل طريقة استخراج تلقائية لزايدة سرعة حتديث اخلرائطإوهذا ما يفسر احلاجة .اخلاصة هبذا النظا مرة كل عدة أشهر

رض الواقع لن يكون أختالف بني اخلريطة والطرقات على و حىت مرة كل يو فإن اإلأسبوع أمكن حتديث اخلرائط مرة كل أ .كشف الطرقات من الصور اجلوية ستوفر الكثري من الوقت واملوارد البشرية واالقتصادية إن طريقة تلقائية يف. موجودا

04

الطرق التلقائية 2.1.4-

اتمة التلقائية تقد معاجلة قائدبيات الطر يف األ. خرى نصف تلقائيةأىل خوارزميات اتمة التلقائية و إ تصنف الطرائق التلقائيةمتتة ي تدخل من املستخد لكن هذه األأمتتة الكاملة ال تتطلب نظراي األ. ت الطريقستخراج مكوانال" كامل"تلقائية بشكل

التامة غري عملية من حيث معدل الكشف لذلك تعترب الطريقة اتمة التلقائية اذا كانت تطلب تدخل من املستخد فقط يف .ن معدل الكشف فيها ما زال ضعيفاتتميز الطرائق اتمة التلقائية بسهولة استخدامها إال أ. املراحل االوىل هلا

ولية أاملعاجلة وغالبا ما تعطي نتيجة ثناءأوىل و معقول من املستخد يف املراحل األتدخل بْ ل طْ يف الطرائق نصف التلقائية يُ .هنائي الستخراج الطريق منها بشكلالنتيجة املعدلة من جديد معاجلةمث يتم جيري عليها املستخد بعض التعديالت الصغرية

تعترب الطرائق نصف التلقائية أدوات مساعدة على استخراج الطرقات حيث أهنا حل وسط بني الطريقة اليدوية و الطرق اتمة [4].وبتدخل مقبول من املستخد تعطي نتائج مبعدل كشف مقبول فهي , التلقائية

. ا للحصول على معلومات فعالة من الصوريصنف االسنخراج التلقائي للطرق كأحد تطبيقات تكنولوجيا استخراج االجستقنيات التعرف على منرة املثال جسا من الصور منها على سبيلتقنيات انضجة يف جمال استخراج األمت تطوير عدة

تقنيات التعرف على القطع النقدية املستخدمة يف آالت البيع والصراف األيل وغري و ,تطبق يف مديرايت املرور اليت السيارات فاملعلومات املستخرجة من لوحات . خيتلف استخراج الشوارع اختالفا كليا عن ابقي تطبيقات استخراج االجسا بينما .ذلك

على سبيل املثال مجيع لوحات منر السيارات هلا شكل .منرة السيارة وكذلك قطع النقود والطوابع هي معلومات واضحة جدابينما يف حالة استخراج الطرق فإن .مر ابلنسبة لقطع النقوداثبت وكذلك األيل بعرض اثبت وطول معياري موحد وهو مستط

وعلى الرغم من ذلك . اثبتافهي ال متلك شكال اثبتا و ال لوان و ال متلك هيكال مميزا املعلومات عن الطريق ليست واضحة :صفات مميزة تعتمد عليها خوارزميات استخراج الطرق املستعملة وأمههالطرق لن إف

.قالطري استمرارية -0

.الرمادية مهملة داخل الطريق يةلونالتغريات ال -2

.تغريات عرض طريق صغرية و بطيئة -3

[5].متيل الطرق إىل أن تكون طويلة واندرا ما تكون قصرية -4

01

الطرائق المستخدمة في استخراج الطريق 2.4-

مجيع . قطة من الطائرات أو من األقمار الصناعيةساليب الستخراج الطرقات من الصور امللتاأللقد مت تطوير العديد من . وقليل منها يعتمد على تقنيات الذكاء الصنعي الطرق اليت مت التوصل اليها تقو على سلسلة من تقنيات معاجلة الصورة

.الطرائق املستخدمة يف استخراج الطرق لتحديث نظم املعلومات اجلغرافية أهم نستعرض يف مايلي

Hough Transform [4]الستخراج باالعتماد على تحويل هوغ طريقة ا 1.2.4-

:تعترب هذه الطريقة من أشهر األساليب املتبعة يف استخراج الطرقات وتتضمن هذه الطريقة اخلطوات التالية

.يتم حتويل الصورة اىل النمط الرمادي واجراء التحسينات عليها وإزالة أماكن الضجيج: مرحلة ما قبل املعاجلة -0

لكي تكون اخلطوط املستقيمة موجودة . لتحديد اخلطوط املستقيمة يف الصورة Hough Transformطبق حتويل هوغ ي -2ضمن الطرقات بشكل شبه مؤكد مت وضع شرط صار وهو أن يتم اجياد ثالثة خطوط مستقيمة يكون طول كل منها

. [4] مع عد وجود انكسارات يف اخلط 150Pixelsأكرب من

وابالعتماد على هذه االحداثيات يؤخذ . تفاظ ابحداثيات البكسالت لكل خط من املستقيمات الثالثةيتم االح -3 .املتوسط احلسايب للشدة اللونية هلذه البكسالت

الصورة .يتم اعتماد الشدة الضوئية الناجتة عن املتوسط عتبة تصنيف واعتمادا عليها يتم حتويل الصورة اىل النمط الثنائي -4 ...(الظالل واالشجار)والسالب ...( كأسطح األبنية)لناجتة حتوي الكثري من الضجيج بنوعيه املوجب الثنائية ا

يتم التخلص من اخلطأ املوجب الناتج عن اسطح االبنية بتحويل الصورة االصلية اىل النمط ثنائية ولكن هذه املرة العتبة -1 .مأخوذة من أحد بكسالت سطح البناء

حنصل . رة الثنائية الناجتة عن املرحلة األخرية وبني الصورة الثنائية الناجتة عن املرحلة اليت تسبقهايؤخذ التقاطع بني الصو -6وهبذه الطريقة ميكن التخلص . على التقاطع بضرب كل بكسل من الصورة االوىل ابلبكسل املقابل له يف الصورة الثانية

.من اخلطأ املوجب الناتج عن اسطح االبنية

تكون أكرب من مركبيت نواع الضجيج السالب مبالحظة أن مركبة اللون األزرق فيهاأحد أالظالل وهي يتم التخلص من -7 .يتم االعتماد على هذه الفرضية يف االستدالل على وجود الظل. درجة 40إىل 20خضر حبوايل محر واألاللونني األ

صر الضجيج املتبقية يستخد معيار يدل على لتمييز الطريق عن السيارات و أسطح االبنية الصغرية وغريها من عنا -8ومييز الطريق عن ابقي العناصر عن . P/S : Perimeter / Size مساحتهالشكل هذا املعيار هو نسبة حميط اجلسم اىل

.صغر بكثري من طولهأ طريق هذا املعيار بفرض أن للطريق شكال مستطيال عرضه

06

[4] .التكسرات يف أطرافه ظهار الطريق وإزالةإيتم يف النهاية حتسني -9

نالحظ أن هذه الطريقة قد جنحت يف التخلص من معظم الضجيج أبساليب ابتكارية خاصة كما أهنا أحد الطرق اتمة فليست كل الصور . إال أهنا قد اخنرطت يف طرح فرضيات وشروط قد ال تكون حمققة ابلضرورة. Full Automaticالتلقائية

. بيكسل على الرغم من أنه ميثل طريق 150ضرورة وقد يكون اخلط الناتج عن حتويل هوغ أقصر من حتوي طريقا مستقيما ابلكما أن هناك الكثري من احلاالت اليت تنقض الفرضية املتعلقة ابالستدالل على الظل من خالل مقارنة قناة اللون االزرق مع

.بقية القنوات

حسب هذه الطريقة وهو)ة الثالثة اليت تفرتض أن لكل الطرقات نفس اللون املالحظة الثانية تتعلق ابلتشكيك بصحة اخلطو إذ أن لكل طريق لون خاص به فيمكن ان جتد يف , (متوسط الشدة الضوئية للبكسالت اليت متسحها خطوط حتويل هوغ

. ع ضمن جمال لوين واحدفمن اخلطأ اعتبار أن مجيع الطرقات يف الصورة تق. الصورة طريق اسفليت و آخر ترايب أو غري ذلك

عتماد على تقنية المس باألفاعيطريقة االستخراج باال 2.2.4-

يعترب حيث, ا على جمموعة من الشروط والقيودأبشكال خمتلفة اعتماد ومنحنياتخطوط األفاعي على توليد تقو تقنية الصورة من خالل اجياد احلواف املتقابلة يف الطرقاتتكشف وهبذا. مبثابة شريط له عرض مييزهمفهو األفاعي يف الطريق

يتم معرفة . كل حافتني متقابلتني متوازيتني دليال على وجود طريق حمصور بينهماهذه الطريقة حيث تعترب . واملتوازية يف الصورةبت وهو البعد وعندها يرسم شريط بني احلافتني عرضه اث. احلواف املتوازية ابختبار ثبات البعد بني كل حافتني متقابلتني

[5].عن وجود طريقذلك احلافتني ليعرب اجلزء املتوازي بني الثابت بني احلافتني وطوله هو طول

حنناءات وىل من انحية كشف الطرق ذات اإل مت احلصول عليها يف الطريقة األفضل من تلك اليتأتعطي هذه الطريقة نتائج خلص من معظم الضجيج الناتج عن الظالل واألشجار بسبب العرض فضال عن تلك املستقيمة كما ميكن هبذه الطريقة الت

تطبق بشكل نصف تلقائي لتحسني األداء إذ يتدخل املستخد يف إعطاء ميكن أن و وهي طريقة تلقائية .الثابت للشريطا تعتمد اعتمادا من جهة أخرى تواجه هذه الطريقة عدة انتقادات أبرزها أهن .احلواف املتقابلة من خالل الضغط داخل الطريق

فجميع تقنيات كشف احلواف املعروفة ليست خمصصة ملعاجلة الصور ذات الطبيعة املعقدة . كليا على كشف احلواف للصورةكالصور اجلوية و الساتلية إذ غالبا ما تعاين احلواف الناجتة من وجود حاالت انقطاع نتيجة التداخل اللوين بني األجسا

إضافة اىل ذلك تتميز هذه الطريقة . حساسية تقنيات كشف احلواف اىل التغريات البسيطة يف الصورةاملتجاورة ابإلضافة إىل .ببطئ التنفيذ الذي يتزايد بشكل أسي مع تزايد أبعاد الصورة وعدد احلواف فيها

07

Contextual Methods االستخراج السياقية طرائق 3.2.4-

. طريق أ ال ينتمي إىلمن الصورة بكسل ذا كانلتحديد ما إ ات عالية املستوىتعتمد هذه الطريقة على التحقق من فرضياملكوانت الطرقية بدورها أيضا تصنف إىل . كوانت الطرقيةمحيث تصنف األشياء املوجودة يف الصورة إىل مكوانت طرقية و

, غاابت ,مالعب , الالطرقية إىل بيوتوكذلك يتم تصنيف املكوانت , أو مظللة مزدمحة خالية أو , طرق اسفلتية أو ترابيةوبناء عليها يتم اختاذ القرار اخلاص التحقق من فرضيات ختص كل صنف من هذه األصنافويتم . اخل...أهنار , حبار, مزارع

".دائما توجد طرقات تؤدي إىل البيوت: "من هذه الفرضيات على سبيل املثال, بوجود الطريق

تستخد ففي بيئة ماتالب . على الصور classification جراء التصنيفإلالطريقة مفاهيم الذكاء الصنعي هذه توظف حيث يتم اعتبار أن كل بكسل من الصورة للحصول على الصور املصنفة SVM: Support Vector Machineمكتبة

هذا امللف حيوي , املصنفة و ملف االحتماالتتكون نتيجة التصنيف هي الصورة وابلتايل .ينتمي إىل طريق ابحتمال معنيليتم تشكيل الطريق من القيم االحتمالية الناجتة مجيع يطبق تعتيب على .املسافات بني كل بكسل عن مركز كل صنف

[5] .البكسالت ذات القيم االحتمالية العليا

وتتميز مبرونتها وقابلية حتسني األداء الطرق تعترب هذه الطريقة من أكثر الطرق تطورا وهي اجتاه جديد يف جمال استخراج مجيع الطرقات مت أن من انحية أخرى التعترب هذه الطريقة موثوقة مبا يكفي للتأكد من, للربانمج trainingإبجراء تدريبات

. اه الربانمجوالثاين مدى التدريب الذي تلق وهذا يتعلق أبمرين األول كفاية الفرضيات املطروحة, مقبول استخراجها بشكل يف الطرائق اليت تعتمد على معاجلة وثوقيةالتستخد هذه الطريقة كعملية مرفقة تساعد على تفسري الطرقات لزايدة حاليا .الصورة

08

: Textural methods اللونيةق االستخراج ائطر 4.2.4-

أحد هذه الطرائق . التجانس اللوين داخل الطريق خاصية والسيما اللونية على اخلصائص اللونية املميزة للطرقات قائالطر تعتمد تلقائيا أو يقو توليدهايتم وهي نقطة من الصورة موجودة ضمن الطريق Seed تطلب بذرة "طريقة األفاعي اللونية"واملسماة

ة الضوئية هلذه البكسالت يتم البحث يف حميط البذرة عن البكسالت الشبيهة هبا لونيا مبقارنة الشد. املستخد ابإلشارة إليهابعد ذلك معاملة كل بكسل من بكسالت اجلذر على أنه بذرة جديدة يتم . بذلك يتولد اجلذر مع الشدة الضوئية للبذرة

تكون و , أن هنالك جتانس لوين حول البذوروتستمر العملية السابقة طاملا . وبنفس الطريقة يتم توليد جذر جديد منهاتكرر أن وميكن. مث يتم متييز النقاط اليت مت إجيادها لكوهنا تنتمي إىل طريق. اعي اليت تعرب الطريقالنتيجة شبكة من األف

هذه وتطبيق قمنا ابستخدا [6] .حىت تنتج لدينا شبكة الطرقات يدخلها املستخد وربذ عدة العملية السابقة ابستخدا .املطلوبة اليت سنتطرق إليها بشكل مفصل الحقا وارزميةاخل اوصممن يف عملنا كمحاولة أولية الستخراج الطرقات الطريقة

االنسداد هو . من اجلدير ابلذكر أن مشاكل طرائق االستخراج اللونية تنحصر يف أمرين أساسيني مها االنسداد والتسريبلعب هذا التغري دور حاجز املشكلة الناجتة وجود تغري لوين غري مهمل داخل الطريق يؤدي إىل توقف اخلوارزمية عن التقد إذ ي

ينتج التسريب عن النشاط الزائد للخوارزمية , وعلى عكس االنسداد. يقطع الطريق مانعا اخلوارزمية من استخراج ما تبقى منهوسببه إمهال التغري اللوين بني الطريق وبني البيئة احمليطة به يف أحد النقاط حيث يكون التسريب مبثابة منحدر تنزلق فيه

سنبني يف الفصل اخلاص ابالختبارات احلاالت املختلفة لالنسداد .ارزمية لتقو ابستخراج مكوانت ال متت للطريق بصلةاخلو .والتسريب بشكل مفصل

09

:الطريقة المتبعة 5.2.4-

من التدخل والتفاعلية مع جند أنه من الضروري احلفاظ على نوع كافيةمبا أن طرائق االستخراج اتمة التلقائية ال تتمتع بوثوقية ومن أجل . موثوقةللحصول على معدالت كشف أنه من األفضل العمل على طريقة نصف تلقائية لذلك رأينااملستخد

ولو كانزايدة عمومية اخلوارزمية رأينا أن تقو الطريقة بتحديد الطريق ابالعتماد على شروط عامة ومرنة وقليلة قدر اإلمكان ومن هنا . كلما كانت أقل وثوقية ( قيود أقل) ى حساب وثوقية الطريقة فكلما كانت الطريقة أكثر عموميةهذا التعميم عل

بسبب تنوعها الشديد مما يفقد هذه األساليب ساليب اليت تعتمد على اخلواص اهلندسية للطرقاتألحاولنا االبتعاد عن ا . عموميتها

وع على االستفادة املثلى من اخلواص اللونية للطرقات ابعتبارها مناطق متجانسة تقو اخلوارزميات اليت نتبناها يف هذا املشر وتعىن هذه اخلوارزميات بشكل رئيسي حبكم كوهنا من الطرق اللونية على حل مشكليت االنسداد والتسريب وهذا . لونيا

. ماينصب اهتمامنا عليه ضمن خطوات عملنا

ن وجدان أوبعد االنتهاء , سابقا املذكورة وفقا لطريقة األفاعي اللونية األوىل متت ؛الستخراج الطرقات قمنا ببناء خوارزميتني إمنا بديلة عنها تعتمد مبدأ التجانس اللوينىل التوجه حنو طريقة أخرى إدفعنا ما , هلا مشاكل وعيوب عدة سنوضحها الحقا

."التعتيب التفاعلي"ابستخدا

21

الخامسالفصل

عمليالجزء ال .نبني يف هذا الفصل اخلوارزميات اليت قمنا ببنائها الستخراج الطرقات من الصور مع ذكر اخلطوات والتوابع اجلزئية ابلتفصيل

المستخدمة المواصفات المطلوب توفرها في الصور 1.5-ومنها ما هو google earth كصور بواسطة االقمار الصناعيةتلفة املصدر منها ما هو مأخوذ نستخد يف عملنا صور خم

.مأخوذ بواسطة طائرات خمصصة هلذا الغرض

:نقد يف مايلي عدة نقاط جيب مراعاهتا يف الصور املقدمة للخوارزمية النهائية يف مشروعنا 512األبعاد املثالية للصورة املقدمة للخوارزمية هيx512 وتقبل الصور ذات األبعاد األصغر و الصور ذات األبعاد

وميكن 512x512ميكن جتزئتها إىل قصاصات أببعاد الضخمة ذات األبعاد وابلنسبة للصور. 1000x1000حىت األكرب .الذي قمنا بتطويره هلذا الغرض partitionالتابع االستفادة من

10 عن لطريقاعرض اليقليستحسن أنPixels 80التسريب عندها عد حدوث احتماليكون أو أكثر حيث% هذه القيمة سبحتو .ضجيج الطريقهذا االحتمال ابزدايد يقلل كان الطريق خاليا من عوامل الضجيج و وذلك يف حا

.من احتمال الضغط على إحدى حافيت الطريق

96للصورة هي املطلوبة الدقةdpi 2وأن حتقق دقة أو أكثرPixels على األقل للمرت الواحد.

واضحة حبيث ال تكون مكتظة ابلسيارات وأن ال تتناوب بقع من الظل و يشرتط أن تكون الطرقات املوجودة يف الصورة .الضوء على امتداد الطريق وأن ال تكون مغطاة ابألشجار وغريها

20

Textural Sakesاللونية األفاعيطريقة 2.5- :تصميم الخوارزمية 1.2.5-

خل الطريق انطالقا من معرفة إحداثيات نقطة أو أكثر فكرة التجانس اللوين داذكران سابقا أن االفاعي اللونية تقو على فيما يلي شرح , وظفنا هذه الفكرة لبناء اخلوارزمية اليت تستخلص الطريق. داخل الطريق يتم ادخاهلا من قبل املستخد

.خلطوات هذه اخلوارزمية

عن عبارة التا ينتج عن هذه البذرة جذر يف حالة التجانس اللوين ,تنطلق اخلوارزمية من بذرة أ عبارة عن نقطة داخل الطريق .00الشكل بني يكما. تلتقي يف نقطة واحدة هي البذرة بثمانية اجتاهاتخطوط مثانية

عد ذلك يلعب كل بكسل من بكسالت اجلذر السابق دور بذرة جديدة وانطالقا منها يتم توليد جذر جديد بنفس الطريقة بكما ينتج عن هذا جمموعة جذور جديدة نسميها اجليل األولنقاط اجلذر األول ف ويستمر مسح.02الشكل كما يف السابقة

.(نسمي جمموعة اجلذور الناجتة عن مرحلة واحدة ابجليل) .04الشكل 03الشكل هو موضح يف

لنقاط املتجانسةيتم مترير اخلطوط على ا وهكذا. الطريقة جذور اجليل األول بنفس انطالقا مند ذلك يتم توليد اجليل الثاين بع .داخل الطريق حىت يتم استخراجه ابلكامل لونيا

: مرتبة من قاعدة اهلر اىل رأسه كمايليمرتابطة مع بعضها برجميا توابع مثانيةها من ئتتألف اخلوارزمية اليت قمنا ببنا0. SWsnake , SEsnake , NEsnake , NWsnake 2. Root_Generator 3. Reroot 4. StarSnake 1. Demo

22

(اجليل صفر) األم اجلذر الناصتج عن البذرة: 11 الشكل

اجليل األول ر و جذأحد : 12 الشكل

املزيد من جذور اجليل األول: 14 الشكل اجلذر الناصتج عن نقطة أخرى من اجلذر األم: 13 الشكل

23

:أجزاء اخلوارزمية

SWsnake , SEsnake , NEsnake , NWsnakeابع والت 2.2.5-

اجلذر حيث يقو كل من هذه التوابع بتوليد خط مستقيم انطالقا من نقطة معلومة داخل خطوط هذه التوابع هي توابع توليدالفرق الوحيد بني هذه التوابع . نس اللوينوذلك بشرط أن تكون مجيع نقاط هذا املستقيم حتقق خاصية التجا( بذرة)الطريق

مسؤول عن توليد اخلط املستقيم ابجتاه الشمال الغريب و التابع NWsnakeفالتابع , األربعة هو يف اجتاه اخلط املستقيمNEsnake مسؤول عن توليد مستقيم ابجتاه الشمال الشرقي وSEsnake للجنوب الشرقي وSWsnake للجنوب الغريب.

عدد االجتاهات اىل مثانية اجتاهات ومن اجلدير ابلذكر أنه كان إبمكاننا زايدة . ج اجلذر عن تركيب نتائج التوابع األربعةوينت كما هو مذكور يف الفقرة السابقة إال أننا اكتفني أبربعة الختصار زمن التنفيذ وألن استخدا مثانية اجتاهات يعطي نفس

بشكل مفصل NWsnakeأحد هذه التوابع وهو يف مايلي نشرح. كتفاء أبريعة اجتاهاتالنتائج اليت حنصل عليها عند اال .وبقية التوابع مشاهبة متاما من حيث اهليكل و اخلطوات

NWsnake(image,y,x,yy,xx,bw,i,delta)=[bw,yy,xx]الرتويسة التالية NWsnakeللتابع

:فهو إذن أيخذ مثانية معامالت دخل وهي im : اليت نريد استخراج الطريق منها األصلية ةوهي الصور.

y, x :إحداثيات البذرة قيمتان صحيحتان متثالن.

yy, xx : أيخذ كل منهما القيمة صفر كقيمة افرتاضية له.املستقيم نقاطومها شعاعان حيتواين على إحداثيات.

bw : أببعاد الصورة األصليةسوداء من النمط الثنائيوهي صورة

i :حيحة متثل دليل الشعاع قيمة صxx وكذلك الشعاعyy . من أجل جتاهل القيم ذات الدليل صفر 0وتعطى القيمة . yyو xxيف الشعاعني

delta : يعرب عن مقدار التسامح املقبول يف التجانس اللوين 255-0عدد صحيح يف اجملال.

:ها بشكل عودي وهي من معامالت الدخل اليت متت معاجلت ثالثةأما اخلرج فهو عبارة عن bw :وحتوي يف هناية التنفيذ على قطعة مستقيمة ابجتاه الشمال , تكون هذه الصورة خالية متاما عندما يتم ادخاهلا

.خلال يف التجانس ينتج عنهانقطة عند أول الغريب تبدأ من البذرة وتنتهي

yy, xx :مت استخراجه ومها شعاعان حيتواين على إحداثيات نقاط املستقيم الذي.

24

:صتنجيز التابع :وفقا للخطوات التالية يقو هذا التابع ابلبحث يف االجتاه الشمايل الغريب حول البذرة عن النقاط اليت املشاهبة لونيا هلا

أنخذ يف البداية أبعاد الصورة ابستخدا التعليمةsize.

اخلارجية للصورة نضع جمموعة من الشروط مفادها أن ال تنتمي البذرة اىل احلواف.

بعد ذلك أنخذ قيمة التدرج الرمادي للبذرة وحنفظها يف املتحولthres.

نضع الشرطif (abs(thres-double(image(y-1,x-1))) < delta) شرط التجانس اللوين بني البذرة الذي يعرب عنكون الفارق بني قيمة التدرج الرمادي للبذرة ويقو الشرط ابلتحقق من. والنقطة اجملاورة هلا من الزاوية الشمالية الغربية

قد مت اعتمادها ألهنا متثل (y-1,x-1) النقطة وإن االحداثيات .حيدده املستخد deltaوالنقطة اجملاورة أصغر من مقدار سبة حول البذرة مع األخذ بعني االعتبار أن مبدأ اإلحداثيات يف الصورة ابلن 3X3الزاوية العلوية اليسرى يف جوار

-y+1,x)و NEsnakeالتابع حالة يف (y-1,x+1)هذه االحداثيات تكون ) .ملاتالب هو الزاوية العلوية اليمىن للصورة

(. SEsnakeيف التابع (y+1,x+1)و SWsnakeبع التايف (1

نذهب اىل الصورة السابق يف حال حتقق الشرطbw وحتديدا البكسلbw(y-1,x-1) ه إىل األبيضلون ونعكس.

حنفظ قيم احداثيات هذا البكسل داخل الشعاعني مثxx وyy يف موقع الدليلi .

نقو ابستدعاء عودي للتابعNWsnake وذلك بتطبيقه على النقطة السابقة للبحث حوهلا عن نقاط التجانس اللوين SWsnake(im,y-1,x-1,yy,xx,bw,i+1,delta)=[bw,yy,xx] : ابجتاه الشمال الغريب كمايلي

. yy(i)و xx(i)املواقع السابقة احملفوظة يف y-1,x-1كي اليتم حذف االحداثيات iبدال من i+1حيث قمنا بوضع 01الشكل يف تبني األشكال التالية .وهبذا يتم مسح مجيع النقاط املتجانسة لونيا اجملاورة للبذرة من جهة الشمال الغريب

.طبيقها على بذرة من داخل الطريقعند ت نتيجة التوابع األربعة كل على حدا

NWsnake NEsnake SEsnake SWsnake

نتائج صتنفيذ التوابع املولدة للجذور: 15 الشكل

21

: Root_Generator التابع 3.2.5-

عند تطبيقها على SWsnake, SEsnake, NEsnake, NWsnake نتائج اليت تعطيهاوظيفة هذا التابع هي جتميع ال Root_Generator(Im,y,x,bw,delta)=[I,A,B]ترويسة التابع هي .بذرة داخل الطريق

.مت شرحها يف الفقرة السابقة ومجيعها مت هي delta و bwو xو yو Im :دخل هي فهو أيخذ مخس معامالت

:و اخلرج عبارة عن ثالثة معامالت هي

I :وهي صورة من النمط الثنائي حتوي اخلطوط األربعة الناجتة عن توابع توليد اجلذر.

A,B : الصورة يفاملوجود حفظ احداثيات مجيع نقاط اجلذر هذين الشعاعني يتم يفI هبدف استخدا هذه النقاط .كبذور جديدة يف مرحلة الحقة

:صتنجيز التابع

يتم استدعاء التابعSWsnake وتطبيقه على البذرة ذات االحداثيات(x,y) ويتم هتيئة الشعاعنيxx وyy إبسناد قيمة .الصفر لكل منهما

نكرر اخلطوة السابقة من أجل التوابعSEsnake, NEsnake, NWsnake مع هتيئةxx وyy استدعاء هلذه كل عند .التوابع

ينتج عن ذلك أربعة صورI1 ,I2 ,I3 ,I4 نقو جبمع هذه الصور معا , كل منها تنتج عن أحد هذه التوابع االربعة .Iواسناد الناتج يف الصورة

أربعة أزواج من األشعة هي , كذلك ينتج عن تنفيذ التوابع األربعة(A1,B1), (A2,B2), (A3,B3), (A4,B4) نقو بتجميع هذه . حد التوابع األربعة السابقةالناتج عن أ حداثيات نقاط اخلط املستقيمإ وكل زوج منها حيوي

([B1 B2 B3 B4] ,[A1 A2 A3 A4]) = (A,B)االحداثيات يف زوج واجد من األشعة هو

:06الشكل مبني يف ويكون نتيجة تنفيذ هذا التابع هو جذر أبربع اجتاهات كما هو

Root_Generatorنتيجة صتنفيذ التابع : 11 الشكل

26

Reroot التابع 4.2.5-

. BوRoot_Generator A املأخوذة من خرج التابع وظيفة هذا التابع هي توليد عدة جذور انطالقا من الئحة من البذور ويتم. ليتم اعتبارها بذور جديدة Root_Generatorالناتج عن التابع راجلذهذه الالئحة احداثيات مجيع نقاط تتضمن

.على مجيع نقاط هذه الالئحةنفسه Root_Generatorلتابع ا تطبيقعن طريق د جذور جديدة من هذه البذورتولي

:فهو أيخذ كدخل مخسة معامالت هي ,Reroot(Im, AA, BB, bw, delta)=[I, A, B]هي ترويسة التابع

Im,bw,delta :مت شرحها سابقا.

AA,BB :حداثية أحدمها لإل بذور عدة اتحيواين احداثي هلما نفس احلجم شعاعنيx حداثية واآلخر لإلy.

معامالت اخلرج فهيأما

I :الصورة اليت حتوي اجلذور املستخرجة.

A,B :إحداثيات النقاط اليت تغطيها اجلذور.

:صتنجيز التابع نقو بتهيئة معامالت اخلرج من خاللI=bw وA=0 وB=0 .

ندخل يف حلقةfor بطول الشعاعAA ل دورة يتم التعامل مع النقطة ويف ك( AA(i) , BB(i) ) كبذرة.

داخل هذه احللقة نضع شرطا مفاده أن ال تكون احد النقاط اليت يعطيها الشعاعنيAA,BB واقعة على احلافة اخلارجية .للصورة

دا لنهاية التنفيذ وهذا يوضع ح, تفيد بتجاهل النقاط اليت مت استخراجها سابقا الشرط السابق نضع اربعة شروط ضمن .وبدون هذه الشروط يستمر التنفيذ اىل الالهناية

حد هذه الشروط األربعة يستدعى التابع وعند حتقق أRoot_Generator مث تضاف النتيجة اىل نتائج البذور ( AA(i) , BB(i) )ويطبق على البذرة

.السابقة

3يتم تلوين النافذةx3 جتنب تطبيق التابع حول البذرة ابللون األبيض هبدفRoot_Generator مما يقلص زمن التنفيذ ,ه النقاطعلى هذ.

على اجلذر املولد من التابع Rerootنتيجة تنفيذ التابع 07يبني الشكل Root_Generator .

06 على الاورة Rerootنتيجة صتنفيذ التابع : 11 الشكل

27

StarSnake التابع 5.2.5-

.يق املستخرجهذا التابع ابستخدا مجيع التوابع السابقة حىت يعطي يف النهاية صورة الطر يقو

: دخل هي معامالتثالث لديهو road=StarSnake(myImage,delta,Gen) الرتويسة وله

myImageصورة الدخل األصلية -0

2- delta 255التسامح يف التجانس اللوين داخل الطريق وهو عدد بني الصفر و مقدارمتثل .

3- Gen عدد األجيال اليت حيددها املستخد.

.الطريق املستخرج ويعطي على خرجه صورة

:بثالث وظائف هييقو هذا التابع .األجيال تنظيم -3 .سني الصورةحت -2 .توليد البذرة -0

: ورصتوليد البذ - أ :يتم ذلك ابلتشارك مع املستخد حيث

يظهر الربانمج صورة الدخل

(08الشكل . )يقو املستخد ابلضغط على نقطة أو أكثر داخل الطريق

يتم استدعاء التابع ginput الذي أيخذ احداثيات هذه النقاط.

صورة الدخل يف حالة انتظار الضغط داخل الطريق: 18 الشكل

28

:حتسني الاورة - ب

:يتم يف هذه املرحلة

(09الشكل . )حتويل الصورة اىل النمط الرمادي

تطبيق مرشح الوسطmedian ما حيد من مشكلة ملا له من أتثري اجيايب على زايدة التجانس اللوين داخل الطريقإن زايدة حجم هذه النافذة أكثر 10x10,ناسبة مع عرض الطريق ويف حالتنا هي أببعاد متأنخذ انفذة املرشح . االنسداد

من حد معني قد يؤدي إىل اإلفراط يف زايدة التجانس مما يؤدي إىل حدوث تداخل لوين بني الطريق والعناصر احمليطة به (21الشكل ) .وابلتايل حيدث التسريب

نضع عليها الطرقات اليت ستشكل هذه الصورة أرضية , ا النمط الثنائييتم توليد صورة سوداء حبجم الصورة األصلية هل . roadسوف يتم استخراجها الحقا نسميها

نقو بكشف حواف الصورة ابستخدا Canny edge detector والتداخل اللوين وذلك هبدف التقليل من التسريب (20الشكل ) .بني الطريقة والعناصر احمليطة به

واف ليصبح نقو بتثخني هذه احل. لليت مت كشفها من عدة انقطاعات اليت متثل منافذ للتسريب اللوينتعاين احلواف ا .(22الشكل ) .ما يؤدي اىل اغالق معظم االنقطاعات فيهاعرض خط احلافة بكسلني

يحويل إىل النمط الرمادالتنتيجة : 09 الشكل نتيجة تطبيق مرشح الوسط: 21 الشكل

29

احلواف املثخنة رةصو من( 07الصورة )الناجتة عن طرح نتيجة تطبيق مرشح الوسط (21 الصورة)نقو بعد ذلك بتوليدوابلتايل حنصل على صورة تتمتع بتجانس أفضل داخل الطريق و حبواف أكثر حدة تفصل الطريق . (09 الصورة)يف

. عما حوله

ة يف مرحلة ما قبل املعاجلةر نتيجة حتسني الصو : 23 الشكل

طاعاتتثخني احلواف للتقليل من االنق: 22 الشكل Cannyنتيجة كشف احلواف مبرشح : 20 الشكل

31

:صتنظيم األجيال - ت

من خالل إمكانية التحكم بعدد أجيال اجلذور املولدة اليت قمنا ببناءها StarSnakeتوفر اخلوارزمية من خالل التابع وكلما ازداد عدد . 128 اختيار هذا املعامل حبيث يكون عدد صحيح يرتاوح بني الصفر ويتم . Genالدخل معامل

.األجيال ازدادت معه املساحة املستخرجة من الطريق و كذلك يزداد معه زمن التنفيذثيات البذرة األ الذي أيخذ إحدا لتوليد اجلذر صفر Root_Generatorستدعاء التابع اب StarSnakeيقو التابع

هنا هي جعل كل StarSnakeمهمة التابع .بقية األجيال اجلذور يف لتوليد Rerootمث يتم استدعاء التابع . كدخل لهجل قيم خمتلفة من أ StarSnakeالتابع تنفيذ نتيجة أدانه 24 الشكليف تبني الصور . جيل دخال للجيل الذي يليه

: لعدد األجيال

Gen = 0 Gen = 1 Gen = 2 Gen = 3

Gen = 4 Gen = 8 Gen = 12 Gen = 16

Gen = 32 Gen = 48 Gen = 64 Gen = 128

من أجل عدة أجيال خمتلفة StarSnakeتنفيذ التابع : 24 الشكل

30

Demoالتابع 6.2.5- عامالت الدخل للتابع مب التحكم ميكن للمستخد من خالله للخوارزمية mainميثل التابع الرئيسي Demoالتابع

StarSnake هذه املعامالت هي الذي يتم استدعاؤه يف التابع الرئيسي:

الصورة األصلية املأخوذة من طائرة أو قمر صناعي

delta :مقدار التسامح ابلتجانس اللوين

Gen :عدد األجيال املطلوب اجيادها.

.اخلوارزمية عندهاإبظهار النتيجة النهائية وتنتهي Demoيقو التابع StarSnakeوبعد االنتهاء من تنفيذ

:المشكالت والعيوب 7.2.5-

: من احلاالتعلى الرغم من أننا توصلنا هبذه الطريقة إىل مقاربة جيدة الستخراج الطرقات إال أهنا اثبتت عجزها يف كثري

صورة دقائق من أجل بضعة أجيال ل 01ىل إ 1تعاين اخلوارزمية من بطئ شديد يف األداء فزمن التنفيذ عادة ما أيخذوهذا األمر . جيل لنفس الصورة 028دقيقة من أجل 31بينما ميكن ان يصبح زمن التنفيذ حوايل 512x512أببعاد

.ة أو التخلي عنهايتطلب منا إجراء حتسينات على هذه الطريق

وأيضا SWsnake ,SEsnake ,NEsnake ,Nwsnakeيعود السبب يف هذا البطئ إىل استخدا العودية يف التوابع . إمكانية تكرار التنفيذ على نفس البذرة أكثر من مرة

جيال بعده أن هنالك حد معني لعدد األ( 24الصورة )تتأثر اخلوارزمية بشكل كبري بعوامل االنسداد إذ نالحظ منيعود السبب يف حساسية اخلوارزمية لالنسداد إىل آلية توليد اجلذور اليت متنح .تتوقف اخلوارزمية عن التقد يف الطريق

.وخاصة يف الطرقات الضيقة للحركة حمدودة األفعى إمكانيات

ال وجود سد أما األفعى مثال وميكن التخلص من هذه املشكلة بزايدة ديناميكية األفاعي إبعطاء إمكانيات بديلة يف ح حبيث يتم استدعاء مجيع SWsnake ,SEsnake ,NEsnake ,NWsnakeتغيري اجتاه األفعى يف التوابع املولدة األربعة

ولكن تتطلب هذه العملية ذاكرة كبرية من احلاسب وظهرت مشكلة .هذه التوابع داخل كل اتبع منهاout of memory ولنا تطبيقهاعندما حا.

32

طريقة التعتيب التفاعلي 3.5-

تصميم الخوارزمية 1.3.5-

:تعتمد هذه الطريقة على مبدأ التجانس اللوين أيضا وهي تشبه الطريقة السابقة بعدة أمور هي

اعتمادها على بذرة أو أكثر يدخلها املستخد يف بداية التنفيذ بنفس الطريقة السابقة.

استخدا كشف احلواف ومرشح الوسططريقة حتسني الصورة ك.

:وختتلف عن الطريقة السابقة يف األمور التالية

اليت توليد اجلذور األجيال و استخدا فكرة األفاعي ودون احلاجة إىل استخدا عتبة حتويل اىل النمط الثنائي بدال من . يقةدق 30كانت تستغرق وقتا كبريا يف التنفيذ يرتاوح بني بضعة دقائق وحىت

512حيث أن زمن التنفيذ يرتاوح بني عدة ثواين من أجل صورة أببعاد , سرعة األداءX512 إىل ثالث دقائق.

ديناميكية اخلوارزمية حبيث ميكن الرجوع دائما خطوة إىل اخللف.

إلظهار مسحت لنا سرعة األداء هذه إضافة حتسينات إىل اخلوارزمية كحذف السيارات داخل الطريق و االعتناء اب.

من الطريقة السابقة حساسية لالنسداد أقل بكثري.

أبسط برجميا.

. املخطط التدفقي لطريقة التعتيب التفاعلي 0يبني املخطط

:التفاعلي الطريق املستخرج من أحد الصور كمثال على جودة النتيجة النهائية اليت تقدمها خوارزمية التعتيب 21يبني الشكل

النتيجة النهائية لتنفيذ خوارزمية التعتيب التفاعلي: 21الشكل

33

إدخال الصورة األصلية

إدخال البذرة

تطبيق مرشح الوسط

الرمادي التحويل إىل النمط

كشف احلواف

حتديد العتبة

رح احلواف من نتيجة الرتشيح مبرشح الوسطط

حساب الفرق اللوين بني كل بكسل وبني العتبة

الفرق أصغر من التسامح املقبول للتجانس

نعم

منيزه ابللون , البكسل ينتمي إىل الطريق األبيض

ال

منيزه ابللون األسود, البكسل ال ينتمي إىل الطريق

تصل ابلبذرة منهاحتصيل الصورة وانتقاء اجلزء امل

إضافة النتيجة إىل نتائج البذور السابقة

إظهار عناصر شبكة الطرقات

بذرة جديدة

املخطط التدفقي لطريقة التعتيب التفاعلي : 1املخطط

34

لخوارزميةلعام لالشكل ا 2.3.5-

:ثالثة توابع أساسية هيتتألف هذه اخلوارزمية من

1. RoadExtractor 2. RoadFeatures 3. demo

:لتحسني جودة االستخراج مها فرعيني ابالضافة إىل اتبعني

1. CarsRemover 2. WhiteFrame

.أنيت اآلن اىل تفصيل كل اتبع على حدا

RoadExtractor التابع 3.3.5-

و ميثل هذا التابع , من الصورة األصليةمهمة هذا التابع هي إجياد الشكل األويل لشبكة الطرقات , RoadExtractorمستخرج الطريق .لتعتيب التفاعليخوارزمية ا ركز ثقلم

road = RoadExtractor(Image,CurrentRoads,sensitivity,RoadWidth): ترويسة التابع

:هيدخل أربع معامالتوابلتايل لدينا

0. Image :الصورة األصلية.

2. CurrentRoads :وهي الصورة األصلية نفسها مضافا إليها الطرقات اليت مت استخراجها مرحليا.

3. sensitivity : لعتبة املأخوذة من البذرةا للتجانس مع اللونية ساسيةاحل ميثل, [0,1]يف اجملال حقيقيعدد.

4. RoadWidth :حيث ميكن من خالله أن , يار عمومية فائقة للخوارزميةيعطي هذا اخل, عرض الطريق ممثال بعدد بكسالته .مهما كانت دقتها تتعامل اخلوارزمية مع نطاق واسع من الصور

:صتنجيز التابع :من ثالث مراحل متسلسة هي RoadExtractorيتألف التابع

:Seeds Coordinationمرحلة أخذ احداثيات البذور 1.1.3.5-

آبلية مماثلة لتلك املستخدمة يف طريقة األفاعي اللونية حيث يطلب من املستخد الضغط على نقطة أو املستخد مبساعدة منتتم ميكن للمستخد أن .ابلتقاط إحداثيات هذه النقاط ginputوتقو التعليمة ,08كما هو موضح يف الشكل ,أكثر داخل الطريق

ة كل دفعة وبعدها يقيم النتيجة فإذا مل تكن كافية ميكنه إضافة بذور يدخل البذور دفعة واحدة أو على عدة دفعات حبيث يتم معاجل .أخرى وهكذا

31

PreProcessingمرحلة ما قبل المعالجة 2.1.3.5-

طريقة مشاهبة لألسلوب الذي اتبعناه نتبع , الحقا ويتم فيها حتسني مواصفات الصورة حبيث يسهل استخراج الطريق منها :وتتم وفقا للخطوات التالية ,StarSnakeي اللونية لتحسني الصورة ضمن التابع سابقا يف خوارزمية األفاع

حتويل الصورة إىل النمط الرماددي مث تطبيق مرشح الوسط median للتخفيف من احتمال حدوث االنسداداتعليها ,فيد يف عمومية وبذلك تكون منسجمة مع أبعاد الطريق مما ي [RoadWidth/2 RoadWidth/2]أبعاد النافذة هي

. 21والشكل 09انظر اىل نتائج هذه اخلطوة يف الشكل . الطريقة

كشف حواف الصورة ابستخدا مرشحCanny خبيار العتبة التلقائية الذي حنصل عليه بعد األوىل: على مرحلتني (255مقسو على )س للبذرة املقي والثانية خبيار عتبة حمددة هي التدرج الرمادي .edgeحتديد عتبة معينة يف تعليمة

.يبالتسر واهلدف من ذلك حتصني اخلوارزمية ضد

نطبق التابعCarsRemover كما سنرى الحقا على صورة احلواف حلذف الضجيج الناتج عن السيارات داخل الطريق.

22انظر الشكل تثخني احلواف للتخلص من االنقطاعات الصغرية اليت قد تشكل مصدرا للتسريب.

التابع تطبيقwhiteframe على صورة احلواف املثخنة لكي مينع التسريب اللوين عند اإلطار اخلارجي هلذه الصورة كما .سنرى الحقا

صورةالفنحصل على ,من الصورة الناجتة عن تطبيق مرشح الوسطنطرح الصورة الناجتة عن كشف احلواف M يف 26ابملقارنة بني الشكل ,من املالحظو .ن البيئة احمليطةنفصاال عو أكثر ا حتوي طرقات أكثر جتانسا اليت( 26الشكل)

.CarsRemover بفضل التابع من قسم كبري من السيارات داخل الطريق هنا التخلص أنه مت, 23والشكل

النتيجة النهائية للصورة احملسنة : 26الشكل

36

Binerization and Selection واالنتقاء التحويل إلى النمط الثنائيمرحلة 3.1.3.5-

:للحصول على الطريق وفقا للخطوات التالية (26 الشكل) M معاجلة الصورة ويتم فيها

يف التحويل إىل النمط الثنائيإرفاق نتيجة هبدف, نشاء نسختني من صورة سوداء أببعاد الصورة األصليةأوال إيتم .عليها الطرقات املستخرجةإلرفاق road والثانية blackاملسماة أحدمها

نضع حلقة تكراريةfor من التابع يتم تنفيذه تبقىوكل ما . من قبل املستخد دخاهلابعدد البذور اليت مت إ اعدد دوراهت .داخل هذه احللقة على كل بذرة

عتبة التحويل إىل النمط الثنائي نولدthres(i) 3لنافذة يف ا للتدرجات الرمادية أبخذ املتوسط احلسايبx3 حول البذرة i.

قيمة العتبة ينبغي أن تكون بينما ,255 طوة السابقة ترتاوح بني الصفر والقيمة قيمة التدرج الرمادي الناجتة عن اخل .لتتناسب مع جمال القيم للعتبة 255لذلك نقسم قيمة التدرج الرمادي على , [0,1]حمصورة يف اجملال

إلعطاء العتبة نوع من املرونة نضرب القيمة السابقة مبعامل حساسيةsensitivity د خيتاره املستخ.

حنول الصورةM إىل النمط الثنائي ابستخدا التعليمةim2bw(M sensitivity*t) ونسند النتيجة إىل الصورةblack .27يف الشكل املبينة

خنتار من الصورةblack ابستخدا التعليمة , اجلزء املتصل لونيا مع البذرة, الناجتةbwselect مع االستفادة مناملبينة يف selectedالصورة وحنصل على bwselect(black,x(i),y(i))شكل التعليمة حداثيات البذرة ليصبح إ

. 28الشكل

جنمع النتيجة اليت حصلنا عليها من البذرةi إىل الصورةroad وبذلك يتم إضافتها إىل نتائج البذور األخرى.

الدورةيف هناية i نعيد الصورةblack الدورةهبدف إعادة استخدامها يف , كما كانت قبل دخول احللقةفارغة i+1.

ننهي احللقة وبذلك ينتهي التابع نكرر اخلطوات السابقة من أجل ابقي البذور مثRoadExtractor الذي يعطي على .29املبينة يف الشكل roadخرجه صورة الطرقات

37

27على الصورة SELECTنتيجة تطبيق التعليمة : 28الشكل التحويل اىل النمط الثنائي مع عتبة حتويل تعتمد على البذرة: 27الشكل

على الصورة األصليةبعد إدخال عدة بذور road_extractorنتيجة تنفيذ التابع : 29الشكل

38

RoadFeatures التابع 2.3.5-

ليظهر النتيجة السابقة RoadFeaturesة يف الصورة أييت دور التابع بعد أن حصلنا على الشكل األويل للطرقات املوجود .حلذف الضجيج داخل وخارج الطريقبصورة أوضح بعد إجراء معاجلة أولية

:هي و الثالثةيظهر هذا التابع الطريق بعناصره

الشكل املختزل للطريق يف قلب الطريق ميثلخط رفيع متصل وهو : هيكل الطريق.

عطاء تفاصيل أكثر دقةإليعرب عن حدود الطريق ويستخد , اخلط احمليط ابلطريقوهي : احلواف.

نقاط التقاطع بني الطرقات.

RoadFeatures(Image,Road,RoadWidth)=[Features,Colored]: ترويسة التابع هي

:وابلتايل للتابع ثالث معامالت دخل هي

0) Image :وهي الصورة األصلية.

2) Road : حصلنا عليها نتيجة تنفيذ التابع الصورة اليتroad_extractor .

3) RoadWidth :يقدره املستخد , متوسط عرض الطريق يف الصورة ممثال ابلبكسل.

:واخلرج عبارة عن صورتني مها

0) Features : وكل ما هو خارج الطريق مميزة أبلوان خمتلفة الثالثةشبكة الطرقات ممثلة بعناصرها حتوي هذه الصورة . األسود ابللون

2) Colored : وكل ماهو خارج الطريق مميزة أبلوان خمتلفة الثالثة أيضاحتوي هذه الصورة شبكة الطرقات ممثلة بعناصرها .يظهر كما هو موجود يف الصورة األصلية

: صتنجيز التابع : ثالث مراحل هييتألف التابع من

الضجيج بقااي مرحلة التخلص من.

يقمرحلة اشتقاق عناصر الطر.

جتميع النتائجتلوين و مرحلة.

39

Remaining Noise Cleaningمرحلة التخلص من بقايا الضجيج 1.2.3.5-

أخرية خطوة RoadFeatures يضيف التابع, ابلتخلص من معظم الضجيج املوجود يف الصورة RoadExtratorيقو التابع مع اختيار عنصر بناء closeغالق املورفولوجية للتخلص من عناصر الضجيج صغرية احلجم عن طريق تطبيق عملية اإل

تشغل حيزا يرتاوح مصادر الضجيج األخرىبعد التمعن يف عدة صور وجدان أن , يتناسب مع أبعاد السيارات داخل الطريق ,ل ضلعه يساوي اىل ربع عرض الطريقلذلك اخرتان عنصر البناء ذو شكل مربع طو . ما بني ربع إىل مخس عرض الطريق

ومالحظة الفارق بينهما من 29ميكن للقارئ مقارنتها مع الصورة 31املبينة يف الشكل closedلك حنصل على الصورة وبذ .حيث الضجيج داخل الطريق

Feature Derivation مرحلة اشتقاق عناصر الطريق 2.2.3.5-

:املذكورة آنفا كمايلي الثالثةيتم هنا حتصيل عناصر الطريق

a) حواف الطريق:

على الصورة عملية التمديد املورفولوجية قنطبclosed فنحصل على الصورة بكسل 4بعنصر بناء مربع عرضهdilated.

طرح الصورةclosed من الصورةdilated الصورة وبذلك حنصل علىedges الطريق حواف اليت حتوي. b) جنري تنحيف لالهناية للصورة :هيكل الطريقclosed مث جنري , الطريقخطوط هيكل تتضمن اليت الصورة فنحصل على

.هبدف حتسني اإلظهار 2pixelsمتديد صغري للصورة الناجتة بعنصر فعال

c) حنصل عليها ابستخدا التعليمة : التقاطعاتbwmorph مع اخليارbranchpoints مث متديد بطول يساوي واحد .النتيجة لتحسني اإلظهار

Coloring and Collecting Result تلوين وتجميع النتائجمرحلة 3.2.3.5-

الناجتة عن املرحلة السابقة ابالضافة إىل الصورة ( احلواف واهليكل و التقاطعات)يتم يف هذه املرحلة حتويل الصور الثالث closed يتم حتويل مجيع هذه الصور من النمط الثنائي إىل النمط , الناجتة عن املرحلة األوىلRGB ا مث اختيار لون معني هل

وذلك إبجراء اخلطوات التالية

صورة مث إسناد امللف إىل صورة جديدة وحنذف امللف بعدهايتم حفظ الصورة إىل ملف.

نولد ثالث طبقاتlayers للصورة إبعادة استنساخ الطبقة األوىل يف الطبقة الثانية والثالثة .

لدينا ثالث طبقات وبذلك أصبحRGB ,الطبقة نسند القيمة صفر إىلاف ابللون األمحر أن نظهر احلو مثال فإذا أردان .واألمر نفسه ابلنسبة لباقي األلوان,وبذلك اليبقى منها سوى الطبقة احلمراءالثانية والثالثة من صورة احلواف

بعد ذلك جنمع الصور األربعة الناجتة عن هذا التلوين فنحصل على صورة اخلرجfeatures 30املبينة يف الشكل.

41

ة أخرى جنمع الصور األربعة السابقة يف حالتها قبل التلوين ونطرح اجملموع من الصورة األصلية من انحيImage

.32املبينة يف الشكل coloredإىل انتج الطرح فنخصل على الصورة featuresمث جنمع الصورة

coloredالصورة : 32الشكل featuresالصورة : 30الشكل

roadfeaturesنتيجة تنفيذ املرحلة األوىل من التابع closedالصورة : 31الشكل

40

CarsRemoverالتابع 2.3.5-

األجسا ذات األبعاد أصغر من معظم حيث يقو حبذف, ة السيارات احملتمل تواجدها داخل الطريقالتابع ازال هذا وظيفة .الطريق يف شكلأبعاد عرض الطريق وبدون استخدا الطرق املورفولوجية لتجنب حدوث تشوهات

B = CarsRemover(bw,RoadWidth)ترويسة التابع هي

وابلتايل لدينا معاملي دخل مها

Bw : الناجتة عن مرشح وافاحلتكون صورة ميكن أنة من النمط الثنائي صورCanny.

RoadWidth :عرض الطريق ممثال ابلبكسل.

.حمذوفا منها الضجيج داخل الطريق bwويعطي على اخلرج الصورة

:صتنجيز التابع يتضمن هذا التابع حلقتنيfor عاد الصورة أحدمها داخل األخرى وعدد دورات كل منهما يساوي إىل أبBw .

انفذة مربعةجوار لكل بكسل عبارة عن أنخذ, تم املرور على كل بكسل من بكسالت الصورةضمن احللقة الداخلية ي يتم تلوين ( األسود)فإذا كان إطار هذه النافذة مماثال للون الطريق , عرض الطريق نصف إىلطول ضلعها يساوي

بذلك يتم التخلص من اللون األبيض احملتمل وجوده يف النافذة والذي ميثل البكسالت داخل النافذة ابللون األسود و . CarsRemoverحواف الصورة قبل وبعد تطبيق التابع 34و 33يبني الشكلني .عنصر ضجيج داخل الطريق

على حواف الصورة CarsRemoverنتيجة تطبيق التابع : 34الشكل CarsRemoverحواف الصورة قبل تطبيق التابع : 33الشكل

42

WhiteFrameالتابع 3.3.5-

بني الطريق والبيئة اليت حوله من خالل لوينبعد تطبيق اخلوارزمية على عدة صور وجدان أنه يف بعض احلاالت حيدث تسريب فري أسفل وعمود ص سطر انيضيف مابطبيعتهmedian وكذلك املرشح Cannyوالسبب يف ذلك أن املرشح ,إطار الصورة

.جيعل إطار الصورة الناجتة عن الرتشيح به سوداء دوماوهذا , Zero paddingصفري على ميينها

إبسناد القيمة واحد إىل كل بكسالت 1pixelييري لون إطار الصور إىل األبيض بعرض لذلك يقو هذا التابع البسيط بتغ .األطار

demo التابع 4.3.5-

وهو التابع التنفيذي للخوارزمية ميكن للمستخد من خالله تغيري الصورة املدخلة أو التحكم يف قيمة احلساسية اللونية sensitivity يه استدعاء التابع يتم ف, التحكم بقيمة عرض الطريقوRoadExtractor , ابإلضافة إىل ذلك يتيح التابع

demo ويف النهاية . إمكانية الرتاجع خطوة إىل اخللف وذلك عن طريق حفظ نتيجة التنفيذ للبذرة السابقة يف نسخة احتياطية .32و 30ني للحصول على النتيجة النهائية املبينة سابقا يف الشكل RoadFeaturesيتم استدعاء التابع

43

:نصائ االستخدام 3.3.5-

:و التعليمات اليت ميكن من خالهلا االستفادة املثلى من خوارزمية التعتيب التفاعلي املالحظاتنقد هنا جمموعة من

ية للواحد دخال قيمة اختيارية لعرض الطريق ووضع احلساسية مساو إينصح يف بداية التنفيذ , ملعرفة عرض الطريق الفعليفيتولد مربع حول البذرة طول ضلعه هو طول قيمة عرض الطريق اليت ( بذرة)مث الضغط على نقطة من داخل الطريق

أما إذا كان املربع صغريا ويقع ,فإذا كانت زوااي املربع تقع خارج الطريق ينبغي عندها تصغري قيمة عرض الطريق , اخرتانها .قيمة عرض الطريقابلكامل داخل الطريق فينبغي تكبري

مها طريقتنيحدى الميكن معاجلة التسريب إب: معاجلة التسريب: a) ولكن زايدة احلساسية ميكن .مث إعادة إدخال البذرة من جديد الرتاجع خطوة إىل اخللف مث تكبري معامل احلساسية

.يقأن يسبب االنسداد لذلك ميكن عندها تكبري قيمة عرض الطريق لزايدة التجانس داخل الطر

b) ولكن تصغري الطريق غالبا ما يسبب , ميكن بدال من تكبري احلساسية تصغري عرض الطريق مث إعادة إدخال البذرة .االنسداد لذلك ميكن عندها تصغري احلساسية اللونية

مها تنيقيطر بميكن معاجلة االنسداد : معاجلة االنسداد : a) ولكن إنقاص احلساسية ميكن . إعادة إدخال البذرة من جديدالرتاجع خطوة إىل اخللف و تصغري معامل احلساسية مث

.أن يسبب التسريب لذلك ميكن عندها تصغري قيمة عرض الطريق للتخفيف من جتانس الطريق مع ماحوله

b) ولكن زايدة عرض الطريق ميكن أن . الرتاجع خطوة إىل اخللف و تكبري عرض الطريق مث إعادة إدخال البذرة من جديد .ب لذلك ميكن عندها زايدة احلساسية اللونيةيسبب التسري

معاجلة االنقطاعات: حيث , بطريقة شبه يدوية شكلة االنقطاعات وكذلك األجسا اليت تغطي أرضية الطريق مهما كان حجمهامحل ميكن

عرض الطريق ميكن تغيري و على األجسا اليت تغطي الطريقضغط الو 0حلساسية القيمة ا إعطاء من خالل هذا احلل يتمالطريق حول البذرة بنافذة ذات شكل مربع طول ضلعه يساوي إىل قيمة عرض " ترقيع"حيث يتم , حسب حجم االنقطاع

.داخل الطريق كاألشجار والظالل والسيارات وغريهاوبذلك ميكن التخلص من االنقطاعات , الطريق املدخلة

44

الفصل السادس

االختبارات :1م رق األختبار 1.6-

و عرض طريق sensitivity=0.75مث يتم إدخال ثالثة بذور مع حساسية , صورة الدخل هلذا االختبار 31يبني الشكل RoadWidth=10 38و 37و 36لنحصل على النتائج املبينة يف األشكال .

نتيجة ادخال البذرة الثالثة وحدوث التسريب : 38 الشكل

نتيجة إدخال البذرة األوىل : 36الشكل صورة الدخل, 0االختبار رقم : 31الشكل

نتيجة إدخال البذرة الثانية : 37الشكل

41

اسيىة لذلك نرتاجع عن وذلك بسبب صغر احلسالتسريب تعاين من 38 يف الشكل نالحظ أن نتيجة ادخال البذرة الثالثة . 39فينتج الشكل 0.9اخلطوة السابقة ونعيد إدخال البذرة الثالثة مع زايدة احلساسية إىل

ال تتضمن اي تسريب ولكنها تعاين من االنسداد لذلك نقو ابلرتاجع وإعادة إدخال البذرة 39نالحظ أن نتيجة الشكل فنحصل على نتيجة خالية من االنسداد 0.9واحلساسية RoadWidt=6 الثالثة للمرة الثانية مع تغيري عرض الطريق إىل

. 41والتسريب كماهو مبني يف الشكل لقيم عرض الطريق واحلساسية من أجل كل بذرة وهذا يتطلب بعض اخلربة يف استخدا اختيار موفقندخل بذور إضافية مع

فنحصل على النتيجة 14مع عرض طريق يساوي RoadFeaturesبعد ذلك نطبق التابع 40حنصل على الشكل . الربانمج .42يف الشكل النهائية

بعد زايدة احلساسية نتيجة إعادة إدخال البذرة الثالثة: 39الشكل وحدوث االنسداد

نتيجة إعادة إدخال البذرة للمرة الثانية: 41الشكل

0رقم ختبارالنتيجة النهائية لال: 42الشكل بعد إدخال املزيد من البذور 0نتيجة االختبار رقم: 40الشكل

46

:2األختبار رقم 2.6-

10وعرض الطريق 0.75نقو يف البداية بوضع احلساسية , 43 جلزء من بلدة مبينة يف الشكل خنتار يف هذا االختبار صورةونغري قيمة عرض الطريق عدة مرات نزيد من احلساسية , واليت حتوي تسريب كبري 44فنحصل على النتيجة املبينة يف الشكل

0.9اليت حصلنا عليها ابختيار حساسية 41وأخرى شبيه ابلنتيجة يف الشكل 44ابلشكل ةفنحصل على نتائج شبيه .وابلتايل مل نتمكن من التخلص من التسريب واالنسداد , 4وعرض الطريق

:جنري اخلطوات التالية فبدال من استخدا التحويل إىل النمط الثنائي RoadExtractorلذلك أجرينا تعديال على التابع

من خالل انشاء حلقيت ابملرور على مجيع بكسالت الصورة كل على حدا نقوfor أحدمها داخل األخرى واحدة .لإلحداثيات األفقية والثانية لإلحداثيات الشاقولية

التدرج الرمادي للبكسل ذي الدليل لفرق بنيا ما إذا كان نتأكدضمن احللقة الداخلية(j,k) وبني التدرج الرمادي للبذرة .يعرب عن التسامح ابلتجانس اللوين = delta (sensetivity-1)255*أصغر من مقدار معني هو

نغري لون البكسل حال حتقق الشرط يفblack(j,k) قاء مث جنري االنت.إىل اللون األبيض إبسناد القيمة واحد إليهselect .ي تعديلأوبقية خطوات التابع دون

اخلالية من االنسداد والتسريب 46املبينة يف الشكل نعيد اإلختبار بعد إجراء هذا التعديل فنحصل على النتيجة املرغوبة . 4وعرض طريق 0.9حيث مت اختيار حساسية

طريق إىل أن يتم استخراج الطرقات ابلكامل كماهو نكمل التنفيذ مع إدخال بذور جديدة وقيم مناسبة للحساسية وعرض ال .48والشكل 47مبني يف الشكل

47

10وعرض طريق 0.75مع حساسية جتربة أوىل : 44الشكل 2صورة الدخل يف االختبار رقم : 43الشكل

وعرض 0.9بعد عدة حماوالت مع حساسية 2االختبار رقم نتيجة:41الشكل 4الطريق

بعد إجراء التعديل على خوارزمية التابع 2االختبار رقم نتيجة: 46الشكل RoadExtractor

الطريق مع الصورة النتيجة النهائية بصيغة: 47الشكل األصلية

2رقم النتيجة النهائية لالختبار: 48الشكل

48

:3األختبار رقم 3.6- .11مبينة يف الشكل اخلوارزمية عليها تنفيذونتيجة 3صورة الدخل يف االختبار رقم 49يبني الشكل

:4األختبار رقم 4.6-

.12ونتيجة تنفيذ اخلوارزمية عليها مبينة يف الشكل 3صورة الدخل يف االختبار رقم 10يبني الشكل

3نتيجة االختبار رقم : 11 الشكل 3صورة الدخل لالختبار رقم : 49 الشكل

4 نتيجة اإلختبار رقم : 12الشكل 4صور الدخل يف اإلختبار رقم : 10الشكل

49

:5األختبار رقم 5.6-

5صورة الدخل لالختبار رقم 13يبني الشكل 14يف البداية ندخل عدة بذور الستخراج الطريق فينتج لدينا الشكل. نضغط داخل, سداداتاالنأن هناك أجزاء صغرية مفصولة عن بعضها مل يتم استخراجها بسبب 14الشكل نالحظ يف

. 11الستخراجها فينتج لدينا الشكل جزاء األ هذه وجود انقطاعات تفصل بني أجزاء الطريق لذلك نرفع احلساسية إىل الواحد و نضغط على 11نالحظ يف الشكل

. 16على النتيجة النهائية يف الشكل أماكن االنقطاع يف الصورة فنحصل

5نتيجة مرحلية أوىل لالختبار رقم : 14 الشكل 5صورة الدخل املستخدمة يف االختبار رقم : 13 الشكل

5النتيجة النهائية لالختبار رقم : 16 الشكل 5نتيجة مرحلية اثنية لالختبار رقم : 11 الشكل

11

:6األختبار رقم 6.6-

أن اخلوارزمية مل تستطع التمييز بني 18صورة الدخل هلذا االختبار ونالحظ من النتيجة املبينة يف الشكل 17شكل يبني الميكن معاجلة هذه , وذلك ألن هلا نفس لون الطريق (يف الزاوية السفلية اليمىن من الصورةالكراج ) الطريق واملنطقة املفتوحة

عرض طريق وجعل احلساسية مساوية للواحد مع ابلرتقيع حيدث عنده التسريب استخراج الطريق الذي املشكلة من خاللمث ندخل نتيجة الرتقيع كصورة .19الشكل كما يف الطريق يفبذور وندخل عدة 12x12مثال وترقيع الطريق بنوافذ 12

.61بينة يف الشكل دخل جديدة ونكمل استخراج ابقي الطرقات منها ابلطريقة التلقائية فنحصل على النتيجة امل

6النتيجة األولية لالختبار رقم : 18الشكل 6صورة الدخل يف االختبار : 17الشكل

6النتيجة النهائية لالختبار رقم : 61الشكل استخراج الطريق ابلرتقيع: 19لشكل ا

10

اآلفاق المستقبلية

منها على سبيل املثال, إن النتائج اليت حنصل عليها من استخراج الطريق بطريقتنا ميكن االستفادة منها يف عدة تطبيقات الطريق املستخرج يف حساب مساحته ويتم من جهة أبعاد حتديد درجة ازدحا الطريق يف حلظة معينة حيث يتم االستفادة من

مث يتم نسبة مساحة الطريق , حساب معدل السيارات املارة خالل الساعة املاضية من خالل كامريا موجودة يف الطريقأخرى وبناء على هذه النسبة يتم متييز الطريق بلون حمدد يشري إىل درجة ازدحا . على معدل السيارات املارة خالل الساعة املاضية

.ليدل على عد وجود االزدحا واألمحر يدل على االزدحا الشديد الشارع عادة يستخد اللون األخضر

خدمة معرفة الزمن الالز للوصول إىل نقطة معينة حيث حيدد املسافر أيضا من املشاريع اليت ميكن توظيف هذا العمل فيها ة من طول الطريق املؤدي السرعة اليت يرغب ابستخدامها وحتديد نقطيت االنطالق و الوصول على اخلريطة ليتم االستفاد

وبطريقة مماثلة ميكن للمسافر معرفة كمية الوقود الالزمة لرحلته وإذا ما كان سيضطر إىل تعبئة الوقود , حلساب زمن الوصول .خالل رحلته أ ال

حلظ فإن ل االنسان يف صناعة اخلرائط؟ لسوء احمهل ميكن للحواسيب أن حتل من الناحية التقنية ما زال السؤال املطروح وتربز احلاجة . ة الصورةجمال معاجل إمكانيات فالكثري من مشاكل استخراج الطريق بعيدة عن". ال"اجلواب األكثر صحة هو

ومع . ىل استخدا تقنيات الذكاء الصنعي المتا املهمة إذ أن االمر يتطلب الكثري من عمليات التحليل واختاذ القرارإاملاسة ومعدل الكشف فيها أقل من موثوقةستخدمت تقنيات الذكاء الصنعي حىت اآلن مل تعطي نتائج هذا فإن األحباث اليت ا

ومن املفيد ملن يرغب بتوظيف تقنيات الذكاء الصنعي يف . نظرياهتا اليت اقتصرت على استخدا تقنيات معاجلة الصورةافقة مع عدة بيئات برجمية ومنها املتو SVM (Support Vector Machine)استخراج الطرقات االطالع على مكتبة

الذكاء الصنعي ستعطي نتائج أدواتمعاجلة الصورة و تطبيق أدوات ومن املتوقع أن خوارزمية حتسن الدمج بني . ماتالبلذلك يف وقتنا احلاضر من الصعب على الربامج أن حتل حمل االنسان يف هذا اجملال إمنا ميكنها فقط ان تكون أداة . أفضل

هذا قدما يف صنعي تاالستخراج ات التلقائية للطرقات سيكون ممكنا إذا حقق الذكاء الولعل .ى استخراج الطرقاتمساعدة عل .القريب املستقبلاجملال يف

12

المالحق

خوارزمية التعتيب التفاعلي: Aالملحق

1.A- التابعRoadExtractor

function road=RoadExtractor(Image,CurrentRoads,sensitivity,RoadWidth) %% Seed Coordination

figure,imshow(CurrentRoads)

[x y] = ginput; close

int_x = uint32(x); int_y = uint32(y); %% PreProcessing

gray=rgb2gray(Image); L=1+(RoadWidth-mod(RoadWidth,2))/2; median=medfilt2(gray,[L L]); edges = edge(median,'canny',[]); sx=size(x); for i=1:sx(1) thresh(i) = double(median(int_y(i),int_x(i))/9+median(int_y(i),int_x(i)+1)/9+median(int_y(i),int_x(i)-1)/9+median(int_y(i)+1,int_x(i))/9+median(int_y(i)+1,int_x(i)+1)/9+median(int_y(i)+1,int_x(i)-1)/9+median(int_y(i)-1,int_x(i))/9+median(int_y(i)-1,int_x(i)+1)/9+median(int_y(i),int_x(i)-1)/9) th=thresh(i)/255; edges = edges+edge(median,'canny',sensitivity*th); end

edges = CarsRemover(edges,L); SE = strel('square',2); edges = imdilate(edges,SE); edges=whiteframe(edges); imwrite(edges,'edges.jpg'); new=imread('edges.jpg'); delete('edges.jpg'); new(:,:,3)=new(:,:,1);

13

new(:,:,2)=new(:,:,1); edges=rgb2gray(new); M=imsubtract(median,edges); %% Binerization

imsize=size(Image); black=im2bw(gray-255); road=black; for i=1:sx(1) thres(i) = double(M(int_y(i),int_x(i))/9+M(int_y(i),int_x(i)+1)/9+M(int_y(i),int_x(i)-1)/9+M(int_y(i)+1,int_x(i))/9+M(int_y(i)+1,int_x(i)+1)/9+M(int_y(i)+1,int_x(i)-1)/9+M(int_y(i)-1,int_x(i))/9+M(int_y(i)-1,int_x(i)+1)/9+M(int_y(i),int_x(i)-1)/9) black(int_y(i)-L:int_y(i)+L,int_x(i)-L:int_x(i)+L)=ones(2*L+1,2*L+1); t=thres(i)/255; for j=1:imsize(1) for k=1:imsize(2) if(abs(thres(i)-double(M(j,k))) < (1-sensitivity)*255)

black(j,k)=1; end

end

end

%black=im2bw(M,sensitivity*t); selected = bwselect(black,x(i),y(i)); road=imadd(road,selected); road=im2bw(road); black=im2bw(black-255); end

end

.A2- التابعFeaturesRoad function [features,colored]=RoadFeatures(Image,road,RoadWidth)

%% Remaining Noise Cleaning % Clear noise in the roads

Q=1+(RoadWidth-mod(RoadWidth,2))/2; SE = strel('square',Q); closed = imclose(road,SE);

14

closed=im2bw(closed);

%% Feature Derivation SE = strel('square',3); dilated=imdilate(closed,SE); edges=dilated-closed;

%Skeltonization

thined=bwmorph(closed,'thin','inf'); SE = strel('square',2); skelton=imdilate(thined,SE);

% Junctions

branchpoints=bwmorph(thined,'branchpoints',1); SE = strel('diamond',3); Crossroads=imdilate(branchpoints,SE);

%% Result Coloring and Collecting

%white junctions imwrite(Crossroads,'Crossroad.jpg'); Crossroad=imread('Crossroad.jpg'); delete('Crossroad.jpg'); Crossroad(:,:,3)=Crossroad(:,:,1); Crossroad(:,:,2)=Crossroad(:,:,1); %red edges imwrite(edges,'edge.jpg'); Edges=imread('edge.jpg'); Red_edges=Edges; Red_edges(:,:,[2 3])=0;

%green skelton

imwrite(skelton,'skelton.jpg'); rgb_skelton=imread('skelton.jpg'); Green_skelton=rgb_skelton; Green_skelton(:,:,2)=Green_skelton(:,:,1); Green_skelton(:,:,[1 3])=0;

11

%prfilation

pro=closed-skelton-edges-Crossroads; %blue and black profile

imwrite(pro,'profile.jpg'); profile=imread('profile.jpg'); Blue_road=profile; Blue_road(:,:,3)=Blue_road(:,:,1); Blue_road(:,:,[1 2])=0;

%figure,imshow(Blue_road+Green_skelton+Red_edges+Crossroad); features=Blue_road+Green_skelton+Red_edges+Crossroad; imwrite(closed+skelton+edges+Crossroads,'all.jpg'); all=imread('all.jpg'); all(:,:,3)=all(:,:,1); all(:,:,2)=all(:,:,1); RGB=Image-all; colored=RGB+Blue_road+Green_skelton+Red_edges+Crossroad; end

.A3- التابعCarsRemover

function B = CarsRemover(BW2,RoadWidth) B=BW2; v=RoadWidth; w=RoadWidth; for j=1:(size(B,1)-w)

for k=1:(size(B,2)-v) if (B(j,k:k+v-1) == zeros(1,v))

if(B(j+w-1,k:k+v-1) == zeros(1,v))

if(B(j:j+w-1,k)==zeros(w,1))

if(B(j:j+w-1,k+v-1)==zeros(w,1))

16

B(j:j+w-1,k:k+v-1)=zeros(w,v); end

end

end

end

end

end end

.A4- التابعdemo clc; close all; clear all; Image= imread('du9.jpg'); figure,imshow(Image)

prev_rgb=0; prev_B=0; prev_S=0; prev_CurrentRoads=Image; %prev_S=back; CurrentRoads=prev_CurrentRoads; sensitivity=0.92; RoadWidth=4; for i=1:100 S=prev_S+RoadExtractor(CurrentRoads,CurrentRoads,sensitivity,RoadWidth);

back=prev_S; prev_CurrentRoads=CurrentRoads;

17

prev_S=S; imwrite(S,'S.jpg'); rgb=imread('S.jpg'); R=rgb;R(:,:,[2 3])=0; G=rgb;G(:,:,2)=G(:,:,1);G(:,:,[1 3])=0; B=rgb;B(:,:,3)=B(:,:,1);B(:,:,[1 2])=0; rgb=R+G+B; CurrentRoads=Image-rgb+B; end [features,colored]=RoadFeatures(Image,S,6); figure,imshow(colored)

figure,imshow(features)

figure,imshow(S)

.A5- التابعnpartitio

function partition(myImage,w) %this function divide HD image "myImage" which may have %larg dimensions into images smaller than w x w imsize=size(myImage); y=uint32((size(myImage,1)-mod(size(myImage,1),w))/w); x=uint32((size(myImage,2)-mod(size(myImage,2),w))/w); for i=1:1:y+1

for j=1:1:x+1 if(j~=x+1)&&(i~=y+1)

%figure,imshow(myImage(1+(i-1)*w:i*w,1+(j-1)*w:j*w,:))

imwrite(myImage(1+(i-1)*w:i*w,1+(j-1)*w:j*w,:),['part' num2str(i) num2str(j) '.jpg']); elseif (j==x+1)&&(i~=y+1)

% figure,imshow(myImage(1+(i-1)*w:i*w,1+(j-1)*w:size(myImage,2),:))

18

imwrite(myImage(1+(i-1)*w:i*w,1+(j-1)*w:size(myImage,2),:),['part' num2str(i) num2str(j) '.jpg']); elseif (j~=x+1)&&(i==y+1)

%figure,imshow(myImage(1+(i-1)*w:size(myImage,1),1+(j-1)*w:j*w,:));

imwrite(myImage(1+(i-1)*w:size(myImage,1),1+(j-1)*w:j*w,:),['part' num2str(i) num2str(j) '.jpg']); elseif (j==x+1)&&(i==y+1)

%figure,imshow(myImage(1+(i-1)*w:size(myImage,1),1+(j-1)*w:size(myImage,2),:));

imwrite(myImage(1+(i-1)*w:size(myImage,1),1+(j-1)*w:size(myImage,2),:),['part' num2str(i) num2str(j) '.jpg']); end

end

end

end

19

الخاتمة

الستخراج الطرقات من صور فضائية عالية الدقة ابالعتماد على خاصية قمنا يف هذا املشروع بتصميم وتطوير خوارزميةبتوليد خطوط يف البداية قمنا ببناء خوارزمية األفاعي اللونية الستخراج الطرقات, التجانس اللوين اليت تتميز هبا الطرقات

حمدودة هلذه الطريقة قدرات أن وجدانو , بذرة يدخلها املستخد مستقيمة ابجتاهات متسح النقاط املتجانسة لونيا حولتعتمد على خاصية خوارزمية بديلةلذلك قمنا بتطوير .جتاوز االنسداداتبسبب البطئ الشديد يف التنفيذ وعد قدرهتا على

التحقق من التجانس مبقارنة لون كل بكسل من الصورة مع عتبة لونية هي التدرج الرمادي للبذرة من خاللالتجانس اللوين لتسهيل ذلك تتضمن اخلوارزمية يف مرحلة ما قبل املعاجلة خطوات ابإلضافة إىل. ورة املتصل ابلبذرةتقاء اجلزء من الصمث ان

وكذلك فصل الطريق عما حوله ابالعتماد على مرشح الوسط الطريق حتسني جتانس مبا يف ذلك , استخراج الطريق من الصورةلة ما بعد املعاجلة فتتضمن إمكانية الرجوع خطوة إىل اخللف و حتسني أما مرح. لكشف احلواف Cannyابستخدا مرشح

. إظهار الطريق املستخرج وتوفري عدة خيارات لعرضه هبيئة حواف أو هيكل أو طريق كامل

61

المراجع

:المراجع العربية

. 2100 شيماء يوسف صويف.د, نظم املعلومات اجلغرافية [1]

:المراجع األجنبية

http://www.westminster.edu/staff/athrock/GIS/GIS.pdf ]2[

[3] Vijayaraghavan, S.: Rural road feature extraction from aerial images using anisotropic

diffusion and dynamic snakes. University of Florida , 2004.

[4] Ruibo, Z.; Manni, C.: Extraction of Streets from Google earth imagery. Faculty of Engineering and Sustainable Development University of Gävle, Sweden, June 2011.

[5] Huijing Zhao, Jun Kumagai, Masafumi Nakagawa and Ryosuke Shibasaki, "Semi-Automatic Road Extraction From High-Resolution Satellite Image", University of Tokyo

[6] Sylvain Airault, Rendaud Ruskone and Olivier Jamet: "Road detection from aerial images: a cooperation between local and global methods" , IGN: Institute Geographique National, France

19

MHSH2025@Gmail.Com