Μια τεχνική φιλτραρίσματος για το σημείο ενδιαφέροντος προκειμένου να βελτιωθεί η επαναληπτικότητα και η εμπεριεχόμενη πληροφορία
Από RemoteSensing Wiki
| Γραμμή 12: | Γραμμή 12: | ||
<br><br> | <br><br> | ||
<b>Τηλεπισκοπικά δεδομένα </b><br><br> | <b>Τηλεπισκοπικά δεδομένα </b><br><br> | ||
| - | Στη μελέτη αυτή, χρησιμοποιούνται τρία στερεοζεύγη εικόνων, των οποίων κάποιες ιδιότητες είναι ίδιες, το μέγεθός τους είναι 1000x1000 pixels, η κλίμακα είναι 1:10.000, η επικάλυψη είναι 65%, αλλά διαφέρουν σημαντικά στην πολυπλοκότητα υφής. Τα πειράματα πραγματοποιούνται σε αυτά τα στερεοζεύγη για να συγκριθούν με τους ανιχνευτές Moravec, Förstner, Harris, τη μέθοδο DOG, τον ανιχνευτή Harris-Laplace, για να αναλυθεί η επαναληπτικότητα και το περιεχόμενο της πληροφορίας των εξαγώμενων σημείων ενδιαφέροντος. Στα πειράματα αυτά, το όριο της παραμέτρου του ανιχνευτή Moravec και Förstner έχουν επιλεγεί σύμφωνα με τις τιμές που έχουν συστηθεί από τον Moravec (1977) και Förstner (1994) και είναι οι εξής: η παράμετρος σ του Gaussian weight template in Harris είναι 0.5, a �equal to 0.04, and the filtrate mask of 5*5. Όσον αφορά τη μέθοδο DOG, συμμετέχουν δύο οκτάδες, με τέσσερις επιλεγμένες κλίμακες σε κάθε οκτάδα. | + | Στη μελέτη αυτή, χρησιμοποιούνται τρία στερεοζεύγη εικόνων, των οποίων κάποιες ιδιότητες είναι ίδιες, το μέγεθός τους είναι 1000x1000 pixels, η κλίμακα είναι 1:10.000, η επικάλυψη είναι 65%, αλλά διαφέρουν σημαντικά στην πολυπλοκότητα υφής. Τα πειράματα πραγματοποιούνται σε αυτά τα στερεοζεύγη για να συγκριθούν με τους ανιχνευτές Moravec, Förstner, Harris, τη μέθοδο DOG, τον ανιχνευτή Harris-Laplace, για να αναλυθεί η επαναληπτικότητα και το περιεχόμενο της πληροφορίας των εξαγώμενων σημείων ενδιαφέροντος. Στα πειράματα αυτά, το όριο της παραμέτρου του ανιχνευτή Moravec και Förstner έχουν επιλεγεί σύμφωνα με τις τιμές που έχουν συστηθεί από τον Moravec (1977) και Förstner (1994) και είναι οι εξής: η παράμετρος σ του Gaussian weight template in Harris είναι 0.5, a �equal to 0.04, and the filtrate mask of 5*5. Όσον αφορά τη μέθοδο DOG, συμμετέχουν δύο οκτάδες, με τέσσερις επιλεγμένες κλίμακες σε κάθε οκτάδα. Ο απλουστευμένος αλγόριθμος Mikolajczk and Schmid (2004) χρησιμοποιείται για να ολοκληρώσει τον ανιχνευτή Ηarris-Laplace. |
Αναθεώρηση της 12:05, 15 Ιανουαρίου 2011
Μια τεχνική φιλτραρίσματος που αφορά σημείο προκειμένου να βελτιωθεί η επαναληπτικότητα και η εμπεριεχόμενη πληροφορία
Πρωτότυπος τίτλος : A Filtering Strategy for Interest Point Detecting
to Improve Repeatability and Information Content.Πηγή : Qing Zhu, Bo Wu, and Neng Wan, Photogrammetric Engineering & Remote Sensing
Vol. 73, No. 5, May 2007, pp. 547–553.
[1]
<b>Περίληψη
Η εξαγωγή των χαρακτηριστικών γνωρισμάτων παίζει σημαντικό ρόλο στην αντιστοίχηση των εικόνων, στην περιγραφή των αντικειμένων, στην εκ΄τιμηση τησ μετακίνησης και στην παρακολούθηση των αντικειμένων στο χώρο. Τα σημεία ενδιαφέροντος είναι τα απαραίτητα στοιχεία μιας εικόνας όπου ένα σημείο ενδιαφέροντος αφορά ένα οποιοδήποτε διακριτό σημείο στην εικόνα όπου το σήμα αλλάζει βάσει δύο διαστάσεων. Στην ανάλυση εικόνας και στην στερεοσκοπική παρατήρηση, είναι ιδιαίτερα σημαντική η επιλογή ενός ανιχνευτή σημείου ενδιαφέροντος για να εξετάσει τις διαφορετικές απαιτήσεις εφαρμογής. Με σκοπό το στερεοσκοπική αντιστοίχιση των εικόνων και την επόμενη τρισδιάστατη αναδημιουργία, εξετάστηκε λεπτομερώς στο παρελθόν κατά την επιλογή ενός ανιχνευτή σημείου ενδιαφέροντος η ακρίβεια ανίχνευσης της αποδοτικότητας και της θέσης. O Schmid και λοιποί (2000), επισήμαναν την επιλογή ενός ανιχνευτή σημείου ενδιαφέροντος πρέπει να βασιστεί στο περιεχόμενό της επαναληπτικότητας και των πληροφοριών. Η επαναληπτικότητα των σημείων ενδιαφέροντος καθορίζει την αξιοπιστία της αντιστοιχίας, ενώ το περιεχόμενο πληροφοριών δείχνει τη σημασία των σημείων ενδιαφέροντος στην τρισδιάστατη αναδημιουργία αντικειμένου. Στις δορυφορικές εικόνες κ στια αεροφωτογραφίες μεγάλης κλίμακας, πολλά σημεία χαμηλού ενδιαφέροντος μπορούν να εντοπιστούν από τον ανιχνευτή Harris σε εικόνες με χαμηλή σύσταση και μερικά σημαντικά σημεία με χαμηλό ενδιαφέρον μειώνουν την επαναληπτικότητα και το περιεχόμενο των πληροφοριών ενώ αυξάνει τη πιθανότητα κακής αντιστοιχίας και μειώνει την αποδοτικότητα της αντιστοιχίας της επόμενης εικόνας. Παρότι μερικές βελτιωμένες μέθοδοι του ανιχνευτή Harris όπως αυτή των Mikolajczk και Schmid (2004)προτείνονται για να ενισχύσουν τη σταθερότητά του στην κλίμακα και να καθαρίσει τους μετασχηματισμούς, η ανίχνευση των ενδιαφερόντων σημείων με καλή επαναληπτικότητα και πληροφορία για τη στερεοσκοπική αντιστοιχία και τη τρισδιάστατη αναδημιουργία δεν μελετάται λεπτομερώς. Αυτό το έγγραφο προτείνει μια μέθοδο φιλτραρίσματος σχετική με τα τοπικά χαρακτηριστικά γνωρίσματα της υφής της εικόνας για να διαλέξει εκείνα τα σημεία που θα μειώσουν το γενικό περιεχόμενο επανάληπτικότητας και πληροφοριών. Αυτή η μέθοδος λαμβάνει υπόψη και τη δύναμη ενδιαφέροντος και το τοπικό χαρακτηριστικό γνώρισμα του σημείου ενδιαφέροντος συγχρόνως. Μια διατύπωση φιλτραρίσματος παρουσιάζεται για να υπολογίσει η απάντηση κάθε εικονοκυττάρου και έπειτα ένα κατώτατο όριο σχεδιάζεται για επιλογή των σημείων ενδιαφέροντος. Αυτό το έγγραφο έχει δύο συνεισφορές. Κατ' αρχάς, στον επόμενο
τμήμα οι έννοιες του περιεχομένου επανάληψης και πληροφοριών όπως εφαρμόζεται στη στερεοφωνική εικόνα η ανίχνευση σημείου ενδιαφέροντος είναι περιγραμμένο, και το εξής τμήμα συγκρίνει αρκετών χαρακτηριστικών ανιχνευτές, οι οποίοι περιλαμβάνουν τις παραδοσιακές και ενημερωμένες μεθόδους, και παρουσιάζουν τα αποτελέσματα σύγκρισης στο περιεχόμενο επανάληψης και πληροφοριών χρησιμοποιώντας τις τυποποιημένες εικόνες δοκιμής. Η δεύτερη συμβολή είναι με τη χρισημοποίηση του χαρακτηριστικού γνωρίσματος ανάλυσης της εικόνας βασισμένη στην εντροπία πληροφοριών, μια μέθοδος φιλτραρίσματος επιλέγει τα σημεία ενδιαφέροντος σχετικά με το τοπικό χαρακτηριστικό γνώρισμα εικόνας είναι εισαγμένος.
Τηλεπισκοπικά δεδομένα
Στη μελέτη αυτή, χρησιμοποιούνται τρία στερεοζεύγη εικόνων, των οποίων κάποιες ιδιότητες είναι ίδιες, το μέγεθός τους είναι 1000x1000 pixels, η κλίμακα είναι 1:10.000, η επικάλυψη είναι 65%, αλλά διαφέρουν σημαντικά στην πολυπλοκότητα υφής. Τα πειράματα πραγματοποιούνται σε αυτά τα στερεοζεύγη για να συγκριθούν με τους ανιχνευτές Moravec, Förstner, Harris, τη μέθοδο DOG, τον ανιχνευτή Harris-Laplace, για να αναλυθεί η επαναληπτικότητα και το περιεχόμενο της πληροφορίας των εξαγώμενων σημείων ενδιαφέροντος. Στα πειράματα αυτά, το όριο της παραμέτρου του ανιχνευτή Moravec και Förstner έχουν επιλεγεί σύμφωνα με τις τιμές που έχουν συστηθεί από τον Moravec (1977) και Förstner (1994) και είναι οι εξής: η παράμετρος σ του Gaussian weight template in Harris είναι 0.5, a �equal to 0.04, and the filtrate mask of 5*5. Όσον αφορά τη μέθοδο DOG, συμμετέχουν δύο οκτάδες, με τέσσερις επιλεγμένες κλίμακες σε κάθε οκτάδα. Ο απλουστευμένος αλγόριθμος Mikolajczk and Schmid (2004) χρησιμοποιείται για να ολοκληρώσει τον ανιχνευτή Ηarris-Laplace.
