T. Hermosilla et al.RESULTADOSÁrea <strong>de</strong> referencia (m 2 )50.00045.00040.00035.00030.00025.00020.00015.00010.0005.0000005.00010.00015.00020.00025.000Área <strong>de</strong>tectada (m 2 )R 2 = 0,959430.00035.00040.00045.00050.000Figura 1. Relación entre las superficies edificadas <strong>de</strong> referenciay las estimadas automáticamente. Ecuación <strong>de</strong>la recta y = 0,8256x – 481,79.Área <strong>de</strong> referencia (%)6050403020100Las Figuras 1 y 2 muestran la relación entre la<strong>de</strong>tección automática con respecto a los edificios<strong>de</strong> referencia para las superficies, y el porcentaje<strong>de</strong> zona edificada, respectivamente, para los 68polígonos SIOSE analizados. Analizando la gráficareferente a las áreas, se observa una fuertecorrelación lineal entre las áreas automáticamente<strong>de</strong>tectadas y las <strong>de</strong> referencia, que muestran uncoeficiente <strong>de</strong> correlación R 2 superior a 0,95, conun error medio cuadrático <strong>de</strong> 11,69%. Este coeficiente<strong>de</strong> correlación es <strong>de</strong> 0,75 para el porcentaje<strong>de</strong> superficie edificada con un error mediocuadrático <strong>de</strong> 3.827,8 m 2 . Se observa un exceso<strong>de</strong> <strong>de</strong>tección al obtenerse sesgos positivos, convalores <strong>de</strong> 0,672 para el porcentaje y 0,919 parael área edificada. Este efecto es más acusado enel caso <strong>de</strong> las parcelas más pequeñas ya que pequeñasalteraciones en la superficie edificada <strong>de</strong>tectadase traducirán en gran<strong>de</strong>s variaciones en elporcentaje <strong>de</strong> superficie <strong>de</strong>l polígono SIOSE.Analizando las causas <strong>de</strong> los errores <strong>de</strong> <strong>de</strong>tecciónse confirma, por lo general, la sobre-<strong>de</strong>tección<strong>de</strong> la superficie <strong>de</strong> los edificios. Es <strong>de</strong>cir, losedificios <strong>de</strong>tectados muestran un tamaño mayor alos <strong>de</strong> referencia. Esto es <strong>de</strong>bido a la baja <strong>de</strong>nsidad<strong>de</strong> los puntos Lidar. A<strong>de</strong>más, una gran fuente<strong>de</strong> error es <strong>de</strong>bida a la <strong>de</strong>tección errónea <strong>de</strong> vegetaciónarbolada asignada a edificios. Esta causa<strong>de</strong> error pue<strong>de</strong> ser paliada en gran medida mediantela utilización <strong>de</strong> información multiespectral infrarroja,tal y como ha sido comprobado por Hermosillay Ruiz (2009). Los errores <strong>de</strong> omisión <strong>de</strong><strong>de</strong>tección <strong>de</strong> edificios también son producidos, engran medida, por la ausencia <strong>de</strong> información espectralinfrarroja y <strong>de</strong>bido al índice <strong>de</strong> vegetaciónutilizado, que en algunos casos se <strong>de</strong>tecta comovegetación edificios cuyos tejados presentan unarespuesta espectral similar, principalmente en zonasindustriales. En la Figura 3 se muestra gráficamenteel resultado <strong>de</strong> la <strong>de</strong>tección <strong>de</strong> edificios.CONCLUSIONESEn este trabajo se ha analizado la posibilidad<strong>de</strong> inclusión <strong>de</strong> un método <strong>de</strong> <strong>de</strong>tección automática<strong>de</strong> edificios en el proceso <strong>de</strong> la actualización<strong>de</strong>l porcentaje <strong>de</strong> ocupación <strong>de</strong> edificios enpolígonos SIOSE. Los resultados obtenidosmuestran la a<strong>de</strong>cuación <strong>de</strong> estas técnicas. Lasprecisiones pue<strong>de</strong>n ser mejoradas utilizando informaciónmultiespectral <strong>de</strong>l infrarrojo cercano,para evitar la <strong>de</strong>tección errónea <strong>de</strong> árboles comozonas edificadas.AGRADECIMIENTOSR 2 = 0,74930 10 20 30 40 50 60Área <strong>de</strong>tectada (%)Figura 2. Relación entre los porcentajes <strong>de</strong> superficie edificada<strong>de</strong>ntro <strong>de</strong>l polígono y el estimado automáticamente.Ecuación <strong>de</strong> la recta y = 0,6999x + 1,8331.Los autores agra<strong>de</strong>cen la financiación por parte<strong>de</strong>l Ministerio <strong>de</strong> Ciencia e Innovación y el FEDERen el marco <strong>de</strong> los proyectos CTM2006-11767/TEC-NO y CLG2006-11242-C03/BTE. Así mismo, al InstitutoGeográfico Nacional por su apoyo y por facilitarlos datos necesarios para realizar este trabajo.92 Revista <strong>de</strong> Tele<strong>de</strong>tección. ISSN: 1988-8740. 2010. 34: 89-93
Detección automática <strong>de</strong> edificios mediante imágenes <strong>de</strong> alta resolución y datos Lidar para la actualización...Figura 3. Ejemplos <strong>de</strong> edificios <strong>de</strong>tectados.REFERENCIASHERMOSILLA, T. & RUIZ, L. A. 2009. Detecciónautomática <strong>de</strong> edificios combinando imágenes <strong>de</strong>satélite y datos lidar. Semana Geomática, 2-4 febrero2009. Barcelona.HERMOSILLA, T., RUIZ, L. A., FERNÁNDEZ-SA-RRÍA, A. & RECIO, J. A. 2008. Detección automática<strong>de</strong> edificios en imágenes aéreas mediantetécnicas <strong>de</strong> tele<strong>de</strong>tección y análisis contextual.Congreso Internacional sobre Ingeniería Geomáticay Topográfica, TOP-CART 2008. Febrero 2008,Valencia.INSTITUTO GEOGRÁFICO NACIONAL 2007. Sistema<strong>de</strong> información <strong>de</strong> ocupación <strong>de</strong>l suelo en España.Manual <strong>de</strong> Fotointerpretación. versión 1.2.IRVIN, R. B. & MCKEOWN, D. M. Jr. 1989. Methodsfor exploiting the relationship between buildingsand their shadows in aerial imagery, IEEE Transactionson Systems, Man, and Cybernetics, 19:1564-1575.KIM, T. & MULLER, J. 1999. Development of agraph based approach for building <strong>de</strong>tection. Imageand Vision Computing, 17: 3-14.KOKUBU, K., KOHIYAMA, M., UMEMURA F. &YAMAZAKI, F. 2001. Automatic Detection ofBuilding Properties from Aerial Photographs UsingColor and 3D Configuration. 22nd Asian Conferenceon Remote Sensing, Singapore.LIN, C. & NEVATIA, R. 1998. Building <strong>de</strong>tectionand <strong>de</strong>scription from a single intensity image.Computer Vision and Image Un<strong>de</strong>rstanding, 72:101-121.LIU, Z. J., WANG, J. & LIU, W. P. 2005. Building extractionfrom high resolution imagery based onmulti-scale object oriented classification and probabilisticHough transform. Proceedings of InternationalGeoscience and Remote Sensing Symposium,4: 2250- 2253.ROTTENSTEINER, F., TRINDER, J., CLODE, S. &KUBIC, K. 2003. Building <strong>de</strong>ctection using LI-DAR data and multispectral images. Proceedingsof DICTA, Sydney, Australia. pp. 673-682.TEO, T. A. & CHEN, L. C. 2004. Object-based building<strong>de</strong>tection from LiDAR data and high resolutionsatellite imagery, Proceedings of the 25 th AsianConference on Remote Sensing. Chiang Mai, Thailand.22-26 November.VÖGTLE, T. & STEINLE, E. 2000. 3D mo<strong>de</strong>lling ofbuildings using laser scanning and spectral information.International Archives of Photogrammetryand Remote Sensing, XXXIII, Part B3,pp. 927-934.WEI, Y., ZHAO, Z. & SONG, J. 2004. Urban buildingextraction from high-resolution satellite panchromaticimage using clustering and edge <strong>de</strong>tection.Geoscience and Remote Sensing Symposium, 3:2008-2010.Revista <strong>de</strong> Tele<strong>de</strong>tección. ISSN: 1988-8740. 2010. 34: 89-93 93