Load /tmp/tmp.vjbgZ10456/jabref-2.2~b2 into
[debian/jabref.git] / src / java / tests / net / sf / jabref / imports / IEEEImport1.txt
1 TY  - JOUR
2
3 JO  - Geoscience and Remote Sensing Letters, IEEE
4
5 TI  - Improving Urban Road Extraction in High-Resolution
6 Images Exploiting Directional Filtering, Perceptual
7 Grouping, and Simple Topological Concepts
8
9 IS  - 3
10
11 SN  - 1545-598X  
12
13 SP  -  387
14
15 EP  -  391
16
17 AU  - Gamba, P.
18
19 AU  - Dell'Acqua, F.
20
21 AU  - Lisini, G.
22
23 PY  - 2006
24
25 KW  - Perceptual grouping
26
27 KW  - street extraction
28
29 KW  - urban remote sensing
30
31 KW  - Perceptual grouping
32
33 KW  - street extraction
34
35 KW  - urban remote sensing
36
37 VL  - 4
38
39 JA  - Geoscience and Remote Sensing Letters, IEEE
40
41 AB  -  In this letter, the problem of detecting urban road
42 networks from high-resolution optical/synthetic aperture
43 radar (SAR) images is addressed. To this end, this letter
44 exploits a priori knowledge about road direction
45 distribution in urban areas. In particular, this letter
46 presents an adaptive filtering procedure able to capture the
47 predominant directions of these roads and enhance the
48 extraction results. After road element extraction, to both
49 discard redundant segments and avoid gaps, a special
50 perceptual grouping algorithm is devised, exploiting
51 colinearity as well as proximity concepts. Finally, the road
52 network topology is considered, checking for road
53 intersections and regularizing the overall patterns using
54 these focal points. The proposed procedure was tested on a
55 pair of very high resolution images, one from an optical
56 sensor and one from a SAR sensor. The experiments show an
57 increase in both the completeness and the quality indexes
58 for the extracted road network.
59
60 ER  -