ΑΝΑΛΥΣΗ ΕΙΚΟΝΩΝ, ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΟΡΑΣΗ ΥΠΟΛΟΓΙΣΤΩΝ ΣΤΗΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗ: ΜΕΘΟΔΟΙ ΚΑΙ EΦΑΡΜΟΓΕΣ
Από RemoteSensing Wiki
| Γραμμή 8: | Γραμμή 8: | ||
[[εικόνα:6.1.jpg|center|400px|]] | [[εικόνα:6.1.jpg|center|400px|]] | ||
| - | |||
| - | |||
| - | |||
[[εικόνα:6.2.jpg|center|400px|]] | [[εικόνα:6.2.jpg|center|400px|]] | ||
| Γραμμή 62: | Γραμμή 59: | ||
[[εικόνα:6.10.jpg|center|400px|]] | [[εικόνα:6.10.jpg|center|400px|]] | ||
| - | |||
Αναθεώρηση της 20:05, 23 Φεβρουαρίου 2010
ΠΕΡΙΛΗΨΗ
Για την ενίσχυση ανθρωπογενών χαρακτηριστικών και εξαγωγή ελαιοδέντρων αναπτύχθηκαν ανισοτροπικά φιλτραρίσματα. Για τη χαρτογράφηση φωτογραμμώσεων διερευνήθηκαν βέλτιστοι αλγόριθμοι εξαγωγής ακμών. Για δορυφορικές εικόνες με θόρυβο χρησιμοποιήθηκε επιτυχώς ένα σχήμα ανίχνευσης ακμών με χρήση ανάλυσης κυματιδίων. Για την αναγνώριση σημασιολογικών αντικειμένων όπως γεωμορφών αλλά και στοιχείων του αστικού χώρου υλοποιήθηκε ένα συνδυασμός κατάτμησης και αντικειμενοστραφούς ταξινόμησης. Για την ταξινόμηση υπερφασματικών δεδομένων AVIRIS χρησιμοποιήθηκαν αλγόριθμοι εξαγωγής χαρακτηριστικών με διαχωριστικές επιφάνειες και με διακριτή ανάλυση. Όλοι οι αλγόριθμοι παρείχαν ικανοποιητικά αποτελέσματα.
1. ΕΝΙΣΧΥΣΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΜΕ ΤΕΧΝΙΚΕΣ ΑΝΙΣΟΤΡΟΠΙΚΗΣ ΔΙΑΧΥΣΗΣ
Η εξαγωγή αντικειμένων με μεθόδους ανίχνευσης ακμών και κατάτμησης μπορεί να συνδυαστεί με τεχνικές ενίσχυσης και ομαλοποίησης των ψηφιακών εικόνων. Τα απεικονιζόμενα αντικείμενα των τηλεπισκοπικών απεικονίσεων, εμφανίζουν μεγάλη ετερογένεια, όσον αφορά το μέγεθος τους (δρόμοι, κτήρια, δασικές εκτάσεις, καλλιέργειες, υγρότοποι κλπ.). Επομένως, για να αυτοματοποιηθεί η διαδικασία αναγνώρισης – οριοθέτησης τους, απαιτούνται επεξεργασίες πολλαπλής ανάλυσης ώστε να ανταποκρίνονται στην πολυπλοκότητα των μεγεθών των αντικειμένων των απεικονίσεων.
2. ΧΑΡΤΟΓΡΑΦΙΣΗ ΦΩΤΟΓΡΑΜΜΩΣΕΩΝ ΜΕ ΒΕΛΤΙΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΕΞΑΓΩΓΗΣ ΑΚΜΩΝ
Στην Όραση Υπολογιστών και την Επεξεργασία Εικόνας, η εξαγωγή ακμών είναι μία διαδικασία η οποία πραγματεύεται τις ασυνέχειες στα φωτομετρικά, γεωμετρικά και φυσικά χαρακτηριστικά των αντικειμένων μίας εικόνας (ακμές). Ένας αντιπροσωπευτικός βέλτιστος αλγόριθμος ακμών είναι ο αλγόριθμος του Canny, εκτός των αλγορίθμων του Rothwell, των Meer and Georgescu, κ.α. Στον αλγόριθμο Canny, χρησιμοποιείται η πρώτη παράγωγος της συνάρτησης GAUSS, η οποία θεωρείται βέλτιστο φίλτρο ομαλοποίησης πριν την παραγώγιση. Για την εξασφάλιση συνεκτικών ακμών, χρησιμοποιείται η μέθοδος της αποκοπής των μη-μεγίστων εικονοστοιχείων, κατά την οποία το κεντρικό εικονοστοιχείο θα πρέπει να παρουσιάσει μεγαλύτερη τιμή του μέτρου της κλίσης από τα γειτονικά του εικονοστοιχεία κατά τη διεύθυνση της κλίσης. Τέλος εφαρμόζεται η μέθοδος κατωφλίωσης με χρήση υστέρησης αντί την επιλογή μίας τιμής κατωφλιού το οποίο θα εφαρμοσθεί σε όλη την εικόνα. Ο αλγόριθμος των Iverson-Zucker αποτελεί μία μέθοδο για τη βελτίωση της λειτουργίας της γραμμικής ενίσχυσης ακμών με την ενσωμάτωση λογικών ελέγχων για την ύπαρξη μίας ακμής .
Στην ενότητα αυτή παραθέτονται δύο ενδεικτικές εφαρμογές των αλγορίθμων εξαγωγής ακμών. Για το σκοπό αυτό επιλέχθηκαν οι αλγόριθμοι των Iverson–Zucker και του Canny [10, 11]. Τα αποτελέσματα από την εφαρμογή των αλγορίθμων αυτών παρουσιάζονται στις Εικόνες 4 και 5, αντίστοιχα, και προέκυψαν από διαδικασία πολλαπλών εμπειρικών δοκιμών.
Από την αξιολόγηση της Εικόνας 4 προέκυψε ότι ο αλγόριθμος εξήγαγε πολύ καλά την ακτογραμμή της καλδέρας της Νισύρου (μπλε βέλος), ευθύγραμμα τμήματα ρηγμάτων κατά το
ακτινωτό πρότυπο (κόκκινο βέλος), και μορφοτεκτονικά ρήγματα του εσωτερικού της καλδέρας (πράσινο βέλος). Η συνεκτικότητα και το μήκος των ευθύγραμμων τμημάτων ήταν ικανοποιητικά. Εν τούτοις, παρουσιάστηκαν αρκετά μικρά συνδεδεμένα εικονοστοιχεία των 2-3 ακμών, τα οποία μπορούν να θεωρηθούν «θόρυβος». Από την παρατήρηση της Εικόνας 5, παρατηρήθηκε εξαγωγή καλών ευθύγραμμων και καμπυλόγραμμων τμημάτων με ικανοποιητική συνεκτικότητα και μήκος ακμών. Οι «παρασιτικές» ακμές ήταν μεγαλύτερου μήκους από αυτές της Εικόνας 4, και γενικότερα, οι εξαγόμενες ακμές υπέστησαν εξομάλυνση, γεγονός αναμενόμενο από τη μεγάλη τιμή του σ.
3. ΧΡΗΣΗ ΤΗΣ ΑΝΑΛΥΣΗΣ ΚΥΜΑΤΙΔΙΩΝ ΓΙΑ ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΣΕ ΤΗΛΕΠΙΣΚΟΠΙΚΑ ΔΕΔΟΜΕΝΑ
Οι ακμές εμφανίζονται σε διαφορετικές κλίμακες και με διαφορετική ένταση στις τηλεπισκοπικές απεικονίσεις. Η ανάλυση κυματιδίων είναι κατάλληλη για την ανίχνευση ακμών καθώς αποτελεί ανάλυση πολλαπλών κλιμάκων (multiscale), και τοπική ανάλυση. Στο παρόν άρθρο χρησιμοποιείται ένα απλό, αλλά αποτελεσματικό σχήμα ανίχνευσης ακμών και εφαρμόζεται σε τηλεπισκοπικά δεδομένα με θόρυβο. Η παρούσα εργασία εστιάζει στο σχήμα ανίχνευσης ακμών με πολλαπλασιασμό κλιμάκων, όπου συνδυάζονται, ως συνάρτηση γινομένου, οι συνιστώσες της ανάλυσης κυματιδίων (υψηλών συχνοτήτων) δύο γειτονικών κλιμάκων και κατόπιν οι ακμές εντοπίζονται ως τα τοπικά μέγιστα μετά από κατωφλίωση. Το σχήμα πολλαπλασιασμού κλιμάκων εφαρμόστηκε ικανοποιητικά για ανίχνευση ακμών σε εικόνες Radar και Aster (οι οποίες περιλαμβάνουν θόρυβο). Στην Εικόνα παρουσιάζεται ένα μικρό κομμάτι εικόνας Aster (έγχρωμο σύνθετο με τα τρία πρώτα κανάλια) της θαλάσσιας περιοχής της Χαλκίδας, όπου καταγράφονται τα θαλάσσια ρεύματα. Η Εικόνα 9 παρουσιάζει τμήμα εικόνας Radar η οποία απεικονίζει περιοχή της Αττικής (με θάλασσα και στεριά). Η ανίχνευση ακμών σε μικρές κλίμακες κυματιδίων (μεγάλη γεωγραφική κλίμακα- ανάλυση) επηρεάζεται από τον θόρυβο (Εικόνα 7 και Εικόνα 10). Παρατηρήθηκε ότι αυξάνοντας το κατώφλι μειώνεται ο θόρυβος αλλά χάνονται και κάποιες σημαντικές ακμές. Ενώ σε μεγαλύτερες κλίμακες (μικρότερη ανάλυση) οι ακμές προσδιορίζονται αρκετά καλά χωρίς να επηρεάζονται από τον θόρυβο (Εικόνα 8 και Εικόνα 11). Επιπλέον ο προσδιορισμός της θέσης των ακμών είναι αρκετά καλός, και δεν επηρεάζεται από την αλλαγή κλίμακας διότι αντλείται πληροφορία από δύο κλίμακες.
4. ΚΑΤΑΤΜΗΣΗ ΚΑΙ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΗΣ ΤΑΞΙΝΟΜΗΣΗ ΓΕΩΜΟΡΦΩΝ ΚΑΙ ΑΣΤΙΚΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ
Για υψηλής χωρικής ανάλυσης πολυφασματικές εικόνες τηλεπισκόπησης, και όχι μόνο, έχει παρατηρηθεί πρόσφατα τάση για μετάβαση από την συνήθη ταξινόμηση εικονοστοιχείων στην ταξινόμηση πρωτογενών αντικειμένων τα οποία έχουν προκύψει από χαμηλού επιπέδου επεξεργασίες κατάτμησης. Λόγω της μεγάλης χρησιμότητας της κατάτμησης εικόνων σε εφαρμογές όρασης υπολογιστών, έχει παρουσιαστεί πληθώρα αλγορίθμων. Κατάτμηση εικόνων επιτυγχάνεται με αλγορίθμους συνένωσης περιοχών, αύξησης περιοχών, διαχωρισμού και συνένωσης, μορφολογικού υδροκρίτη και κυματιδίων που συχνά λαμβάνουν υπόψη την υφή και το σχήμα των πρωτογενών αντικειμένων. Για την υλοποίηση της μελέτης, τα ψηφιακά δεδομένα κατατμήθηκαν με την βοήθεια ενός αλγορίθμου πολλαπλής ανάλυσης σε 4 επίπεδα μετά από αλλεπάλληλες δοκιμές για την επιλογή των συντελεστών τόνου και σχήματος. Μετά την λήψη των πρωτογενών αντικειμένων από την κατάτμηση σε πολλαπλά επίπεδα, πραγματοποιήθηκε ασαφής ταξινόμηση με τη χρήση κανόνων και βάσεων γνώσης. Στην ταξινόμηση των διαφόρων επιπέδων ελήφθησαν υπόψη σχέσεις γειτνίασης και τοπολογίας μεταξύ επιπέδων ώστε να λυθούν προβλήματα λαθών ταξινόμησης που μπορούσαν να αντιμετωπιστούν με ευρετικούς κανόνες.
5. ΑΛΓΟΡΙΘΜΟΙ ΕΞΑΓΩΓΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΑΠΟ ΥΠΕΡΦΑΣΜΑΤΙΚΑ ΔΕΔΟΜΕΝΑ Στην εργασία αυτή εφαρμόστηκαν αλγόριθμοι εξαγωγής χαρακτηριστικών οι οποίοι μετασχηματίζουν τα αρχικά δεδομένα σε νέα με σκοπό να αυξήσουν την ακρίβεια ταξινόμησης λαμβάνοντας υπόψη τη πληροφορία που περιέχουν τα δείγματα εκπαίδευσης. Οι αλγόριθμοι αυτοί είναι η Εξαγωγή Χαρακτηριστικών Με Διαχωριστικές Επιφάνειες και η Εξαγωγή Χαρακτηριστικών Με Διακριτή Ανάλυση [21]. Οι παραπάνω αλγόριθμοι εξαγωγής χαρακτηριστικών εφαρμόστηκαν σε μία υπερφασματική τηλεπισκοπική εικόνα AVIRIS (Εικόνα 14). Σκοπός της ανάλυσης ήταν ο εντοπισμός των διαφόρων καλλιεργειών αλλά και των σταδίων ανάπτυξης στα οποία βρίσκονται οι καλλιέργειες αυτές. Η ανάλυση των δεδομένων έγινε στο πακέτο Multispec. To σύνολο των δειγμάτων εκπαίδευσης παρουσιάζονται στην Εικόνα 14. Αφού υπολογίστηκαν η μέση τιμή και ο πίνακας συμμεταβλητότητας για κάθε τάξη προέκυψαν η μετασχηματισμένη με τη μέθοδο των διαχωριστικών επιφανειών εικόνα, η μετασχηματισμένη με τη μέθοδο της διακριτής ανάλυσης εικόνα και η μετασχηματισμένη με τη μέθοδο των κυρίων συνιστωσών εικόνα, οι οποίες ταξινομήθηκαν με τον αλγόριθμο της μεγίστης πιθανοφάνειας και τα αποτελέσματα παρουσιάζονται στις εικόνες 14γ και 15α,β,γ αντίστοιχα
6. ΣΥΜΠΕΡΑΣΜΑΤΑ
Η ανισοτροπική διάχυση χρησιμοποιήθηκε για την ενίσχυση ζητούμενων χαρακτηριστικών στις τηλεπισκοπικές εικόνες, βοηθώντας συγκεκριμένους ανιχνευτές ακμών να εντοπίσουν σωστά τις ακμές στην εικόνα, χωρίς να ‘μπερδευτούν από το θόρυβο’. Η ανισοτροπική διάχυση μπορεί να χρησιμοποιηθεί και για την υποστήριξη τεχνικών κατάτμησης κατά τον εντοπισμό των ομογενών περιοχών, μιας και είναι αυτές που κατά την διάρκεια της ανισοτροπικής διάχυσης υφίστανται την ομαλοποίηση.
Οι βέλτιστοι αλγόριθμοι ανίχνευσης ακμών που εφαρμόστηκαν για χαρτογράφηση φωτογραμμώσεων παρείχαν ικανοποιητικά αποτελέσματα αναφορικά με την ακρίβεια εντοπισμού θέσης των ακμών, την ευαισθησία ανίχνευσης τους, τη συνεκτικότητα και την «ερμηνευτικότητα» τους. Το στηριζόμενο στην κυματιδιακή ανάλυση σχήμα πολλαπλασιασμού κλιμάκων έδωσε ικανοποιητικά αποτελέσματα στην ανίχνευση ακμών από τηλεπισκοπικά δεδομένα με θόρυβο. Ανίχνευσε ικανοποιητικά τις σημαντικότερες ακμές, χωρίς να επηρεάζεται από το θόρυβο, και χωρίς να προκαλεί παραμόρφωση στο σχήμα και στη θέση των ακμών. Οι διάφοροι αλγόριθμοι κατάτμησης εικόνας που δοκιμάστηκαν στην παρούσα εργασία, παρουσίασαν επιτυχή αποτελέσματα για τις διάφορες εφαρμογές τους σε τηλεπισκοπικά δεδομένα και προβλήματα. Η αντικειμενοστραφής ανάλυση εικόνας παρείχε ικανοποιητικά αποτελέσματα στην χαρτογράφηση αλουβιακών ριπιδίων και χαρακτηριστικών του αστικού χώρου.
Οι μέθοδοι των διαχωριστικών επιφανειών, και της διακριτής ανάλυσης όπως εφαρμόστηκαν, απεδείχθησαν να υπερτερούν των κλασικών μεθόδων (PCA) και να είναι αναγκαίες πριν την ταξινόμηση των υπερφασματικών δεδομένων AVIRIS.
Πηγή:Αργιαλάς Δ., Καράντζαλος Κ., Μαυραντζά, Ο., Νούτσου Β., Τζώτσος Α., Κουτρούμπας Γ. , ΑΝΑΛΥΣΗ ΕΙΚΟΝΩΝ, ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΟΡΑΣΗ ΥΠΟΛΟΓΙΣΤΩΝ ΣΤΗΝ ΤΗΛΕΠΙΣΚΟΠΗΣΗ: ΜΕΘΟΔΟΙ ΚΑΙ EΦΑΡΜΟΓΕΣ
