Porównanie dokładności wybranych metod dopasowania obrazów zdjęć lotniczych

• Autorzy: Pawlik P. , Mikrut S.

Warianty tytułu

EN

Comparison of the accuracy of selected method of air image matching

• Języki publikacji: PL

Abstrakty

PL

Problematyka dopasowania obrazów (spasowania, łączenia, matchingu) jest przedmiotem badan w wielu dziedzinach nauki. W celu rozwiązania problemu znalezienia odpowiadających sobie punktów na parze zdjęć lotniczych opracowano różne algorytmy. W niniejszym artykule, autorzy podjęli próbę podsumowania wybranych metod oraz dokonali oceny skuteczności ich działania. Dokonano przeglądu i porównania kilku metod. Zaimplementowano i przetestowano metody SIFT, Harris oraz Hesjan bazując na podstawie wyliczeń na rzeczywistych obrazach zdjęć lotniczych. Testy wykonano na kilku stereogramach dla wybranych skal oraz zmienności terenu. Do oceny wykorzystano parametry takie jak: średnia paralaksa na modelu, ilość wykrytych (dopasowanych) punktów oraz ich rozmieszczenie na modelu. Wyniki badan wskazują na podobną skuteczność wszystkich metod zależna głównie od rodzaju zdjęcia (tekstury obrazu) i skali. Wyniki wskazują, _e metody automatyczne dają porównywalne rezultaty, jeśli chodzi o dokładność (średnia paralaksa), natomiast duże zróżnicowanie występuje z rozmieszczeniem punktów na obrazie. Autorzy pracują równie_ nad poprawieniem algorytmów, które wybierałyby punkty o mniejszej dokładności, ale za to w każdym z kluczowych miejsc modelu stereoskopowego (tzw. Rejonach Grubera). Wśród badanych metod automatycznych, biorąc pod uwagę paralakse i rozmieszczenia punktów, relatywnie najlepiej zachowuje się metoda SIFT (najwyższe oceny, jeśli chodzi o rozmieszczenie punktów i stosunkowo dobre dokładności). Przy założonej jednakowej ilości punktów do orientacji (36) stosunkowo dobrze wypadała metoda Hesjan. Zwraca uwagę fakt, że wybrane metody na różnych obrazach prezentują różne dokładności, co może świadczyć o tym, że są czułe na „teksturę” obrazu.

EN

The issue of images matching is a subject of research in many fields of science. The demand for systems of matching exists not only in photogrammetry. Various algorithms have been developed in order to solve the problem of finding corresponding points within a pair of aerial photos. In this paper, the authors made an attempt at recapitulating selected methods of image matching, and assessed their efficiency. Several methods were reviewed and compared. The SIFT, the Harris, and the Hesse-Matrix methods were implemented and tested on the basis of calculations performed on actual aerial photos. The tests were made on several stereograms, in relation to selected scales and terrain changeability. During the assessment, the following parameters were applied: average parallax on a model, the number of detected (matched) points, as well as their distribution on a model. The test results proved similar efficiency of all methods, depending mainly on the photo type (image texture) and scale. The results show that the automatic methods yield comparable results, as far as their accuracy is concerned (the average parallax), whereas there is a high diversification as regards the distribution of points in the image.

Słowa kluczowe

PL

fotogrametria cyfrowa; sieci neuronowe; korelacja; dopasowanie obrazów

EN

digital photogrammetry; neural networks; correlation; images matching

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2007
• Tom: Vol. 17b
• Strony: 603--612
• Opis fizyczny: Bibliogr. 8 poz.

Twórcy

autor

Pawlik P.

• Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie

autor

Mikrut S.

• Katedra Geoinformacji, Fotogrametrii i Teledetekcji Środowiska, AGH w Krakowie

Bibliografia

• 1.Haar Romeny B.M. et al., Higher order differential structure of images, Image and Vision Computing, 12(6) str. 317-325, 1994
• 2.Harris C., Stephens M.J., A Combined Corner and Edge Detector, Alvey Vision Conference, str. 147-152, 1988
• 3.Lowe D.G., Object recognition from local scale-invariant features, International Conference on Computer Vision, str. 1150-1157, 1999
• 4.Lowe D.G., Distinctive image features from scale-invariant keypoints, International Journal of Computer Vision, 60, 2, str. 91-110, 2004
• 5.Mikołajczyk K., Schmid C., A performance evaluation of local descriptors, Proceedings of the 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003
• 6.Pawlik P., Mikrut S., "Wyszukiwanie punktów charakterystycznych na potrzeby łączenia zdjęć lotniczych", Automatyka, Półrocznik, tom 10, zeszyt 3, str. 407-412, Wydawnictwa AGH, Kraków 2006
• 7.Potuckova M., „Image matching and its application in photogrammerty”. Rozprawa doktorska, Czeska Wyższa Uczelnia w Pradze, Aalborg, 2004
• 8.Sitek Z., Fotogrametria Ogólna i Inżynieryjna, PPWK im. E .Romera, str. 154-160 Warszawa 1990