Published April 1, 2021
| Version v1
Publication
Open
Advanced Color Edge Detection Using Clifford Algebra in Satellite Images
Creators
- 1. Nanjing Normal University
- 2. Qinghai Normal University
- 3. University of Education
- 4. Muhammad Nawaz Shareef University of Agriculture
- 5. Hainan University
Description
Edge detection is widely used for image processing to improve the detection and classification of objects, segmentation, and extraction of other features.Satellite images are rich in information about objects with different color intensity and have a large amount of noise, so it is difficult to achieve recognition, classification, and feature extraction of small objects through traditional edge detection algorithms.The colors in satellite images suffer from a large amount of overlap due to areas or weather conditions that generate a lot of noise.Edge detection provides detailed information about objects in an image by reducing unnecessary feature information.Edge detection in color images is more challenging than edge detection in gray-level images.This paper proposes a method for the edge detection of color images using Clifford algebra and its sub-algebra, quaternions.Quaternion-based Fourier transform is used to process red, green and blue (RGB) images separately in the vector field.A 3×3 quaternion mask is developed to filter out frequencies of the image in multiple directions and only provides details about the edges.The algorithm works on three channels individually; the output is then processed through quaternion Fourier transform (QFT) and inverse QFT with a 3×3 mask to filter high frequencies.The proposed algorithm is compared with traditional edge detection algorithms using a satellite image dataset that has different types of objects and detailed information.Results are validated through entropy, structure similarity, and noise error to prove that our proposed algorithm provides satisfactory performance on different remote sensed images.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يستخدم الكشف عن الحافة على نطاق واسع لمعالجة الصور لتحسين اكتشاف وتصنيف الكائنات وتقسيمها واستخراج ميزات أخرى. صور الأقمار الصناعية غنية بالمعلومات حول الكائنات ذات كثافة الألوان المختلفة ولها كمية كبيرة من الضوضاء، لذلك من الصعب تحقيق التعرف والتصنيف، ويتميز باستخراج الأجسام الصغيرة من خلال خوارزميات الكشف عن الحافة التقليدية. تعاني الألوان في صور الأقمار الصناعية من قدر كبير من التداخل بسبب المناطق أو الظروف الجوية التي تولد الكثير من الضوضاء. يوفر الكشف عن الحافة معلومات مفصلة حول الكائنات في صورة ما عن طريق تقليل معلومات الميزات غير الضرورية. يعد الكشف عن الحافة في الصور الملونة أكثر صعوبة من الكشف عن الحافة في الصور ذات المستوى الرمادي. تقترح هذه الورقة طريقة للكشف عن الحافة للصور الملونة باستخدام جبر كليفورد والجبر الفرعي الخاص به، quaternions. يستخدم تحويل فورييه القائم على Quaternion لمعالجة الصور الحمراء والخضراء والزرقاء (RGB) بشكل منفصل في حقل المتجه. تم تطوير قناع رباعي 3×3 لتصفية ترددات الصورة في اتجاهات متعددة ويوفر فقط تفاصيل حول الحواف. تعمل الخوارزمية على ثلاث قنوات بشكل فردي ؛ ثم تتم معالجة الإخراج من خلال تحويل فورييه الرباعي (QFT) و QFT العكسي مع قناع 3×3 لتصفية الترددات العالية. تتم مقارنة الخوارزمية المقترحة مع خوارزميات الكشف عن الحافة التقليدية باستخدام مجموعة بيانات صور الأقمار الصناعية التي تحتوي على أنواع مختلفة من الكائنات ومعلومات مفصلة. يتم التحقق من صحة النتائج من خلال الإنتروبيا وتشابه البنية وخطأ الضوضاء لإثبات أن خوارزميتنا المقترحة توفر أداءً مرضيًا على صور مختلفة مستشعرة عن بُعد.Translated Description (French)
La détection des contours est largement utilisée pour le traitement des images afin d'améliorer la détection et la classification des objets, la segmentation et l'extraction d'autres caractéristiques. Les images satellites sont riches en informations sur des objets d'intensité de couleur différente et ont une grande quantité de bruit, il est donc difficile d'obtenir la reconnaissance, la classification, et l'extraction de caractéristiques de petits objets grâce à des algorithmes de détection de bord traditionnels.Les couleurs dans les images satellites souffrent d'un grand nombre de chevauchements en raison de zones ou de conditions météorologiques qui génèrent beaucoup de bruit.La détection de bord fournit des informations détaillées sur les objets dans une image en réduisant les informations de caractéristiques inutiles.La détection de bord dans les images en couleur est plus difficile que la détection de bord dans les images de niveau de gris.Cet article propose une méthode pour la détection de bord des images en couleur en utilisant l'algèbre de Clifford et sa sous-algèbre, les quaternions.La transformée de Fourier basée sur le quaternion est utilisée pour traiter séparément les images rouges, vertes et bleues (RVB) dans le champ vectoriel.Un masque de quaternion 3×3 est développé pour filtrer les fréquences de l'image dans plusieurs directions et ne fournit que des détails sur les bords.L' algorithme fonctionne sur trois canaux individuellement ; la sortie est ensuite traitée par transformée de Fourier à quaternion (QFT) et QFT inverse avec un masque 3×3 pour filtrer les hautes fréquences. L'algorithme proposé est comparé aux algorithmes de détection de bord traditionnels à l'aide d'un ensemble de données d'image satellite qui a différents types d'objets et d'informations détaillées. Les résultats sont validés par entropie, similarité de structure et erreur de bruit pour prouver que notre algorithme proposé fournit des performances satisfaisantes sur différentes images de télédétection.Translated Description (Spanish)
La detección de bordes se utiliza ampliamente para el procesamiento de imágenes para mejorar la detección y clasificación de objetos, la segmentación y la extracción de otras características. Las imágenes satelitales son ricas en información sobre objetos con diferente intensidad de color y tienen una gran cantidad de ruido, por lo que es difícil lograr el reconocimiento, la clasificación, y extracción de características de objetos pequeños a través de algoritmos de detección de bordes tradicionales. Los colores en las imágenes satelitales sufren una gran cantidad de superposición debido a áreas o condiciones climáticas que generan mucho ruido. La detección de bordes proporciona información detallada sobre los objetos en una imagen al reducir la información de características innecesarias. La detección de bordes en imágenes en color es más desafiante que la detección de bordes en imágenes de nivel de grises. Este documento propone un método para la detección de bordes de imágenes en color utilizando el álgebra de Clifford y su sub-álgebra, los cuaterniones. La transformada de Fourier basada en cuaterniones se utiliza para procesar imágenes rojas, verdes y azules (RGB) por separado en el campo vectorial. Una máscara de cuaternión 3×3 se desarrolla para filtrar las frecuencias de la imagen en múltiples direcciones y solo proporciona detalles sobre los bordes. El algoritmo funciona en tres canales individualmente; la salida se procesa a través de la transformada de Fourier de cuaternión (QFT) y la QFT inversa con una máscara de 3×3 para filtrar altas frecuencias. El algoritmo propuesto se compara con los algoritmos de detección de bordes tradicionales utilizando un conjunto de datos de imágenes satelitales que tiene diferentes tipos de objetos e información detallada. Los resultados se validan a través de la entropía, la similitud de estructura y el error de ruido para demostrar que nuestro algoritmo propuesto proporciona un rendimiento satisfactorio en diferentes imágenes de teledetección.Files
09359330.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:0261edc88db1cc23d4abf0ea383bcfcb
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- كشف متقدم لحواف الألوان باستخدام جبر كليفورد في صور الأقمار الصناعية
- Translated title (French)
- Détection avancée des bords de couleur à l'aide de l'algèbre de Clifford dans les images satellites
- Translated title (Spanish)
- Detección avanzada de bordes de color usando álgebra de Clifford en imágenes satelitales
Identifiers
- Other
- https://openalex.org/W3133291842
- DOI
- 10.1109/jphot.2021.3059703
References
- https://openalex.org/W1590434382
- https://openalex.org/W1596451335
- https://openalex.org/W1720283920
- https://openalex.org/W1956430076
- https://openalex.org/W196112822
- https://openalex.org/W1966992150
- https://openalex.org/W1970157627
- https://openalex.org/W1974198329
- https://openalex.org/W1974413997
- https://openalex.org/W1995875735
- https://openalex.org/W2015557350
- https://openalex.org/W2019319636
- https://openalex.org/W2022164813
- https://openalex.org/W2032227103
- https://openalex.org/W2034230021
- https://openalex.org/W2088187010
- https://openalex.org/W2098434088
- https://openalex.org/W2099046646
- https://openalex.org/W2111416952
- https://openalex.org/W2116216752
- https://openalex.org/W2121405381
- https://openalex.org/W2123806610
- https://openalex.org/W2125555561
- https://openalex.org/W2129368547
- https://openalex.org/W2130082697
- https://openalex.org/W2130699118
- https://openalex.org/W2132253367
- https://openalex.org/W2132367438
- https://openalex.org/W2133665775
- https://openalex.org/W2147085218
- https://openalex.org/W2154599171
- https://openalex.org/W2164180510
- https://openalex.org/W2186163695
- https://openalex.org/W2339553700
- https://openalex.org/W2374534201
- https://openalex.org/W2557234906
- https://openalex.org/W2587813959
- https://openalex.org/W2600006874
- https://openalex.org/W2604356060
- https://openalex.org/W2794359703
- https://openalex.org/W2884642958
- https://openalex.org/W2888060893
- https://openalex.org/W2914757358
- https://openalex.org/W2914860088
- https://openalex.org/W2921114310
- https://openalex.org/W2922279806
- https://openalex.org/W2924805576
- https://openalex.org/W2933397286
- https://openalex.org/W3001157907
- https://openalex.org/W3016575267
- https://openalex.org/W3017123442
- https://openalex.org/W3021074965
- https://openalex.org/W3142006300
- https://openalex.org/W4230315672
- https://openalex.org/W4250007158
- https://openalex.org/W4250960474
- https://openalex.org/W4303470261