Wykorzystanie sieci Kohonena do selekcji podobrazów na potrzeby dopasowania zdjęć lotniczych

• Autorzy: Czechowicz A. , Mikrut Z.

Warianty tytułu

EN

Utilization of the Kohonen neural networks for the selection of sub-images for aerial photographs matching purposes

• Języki publikacji: PL

Abstrakty

PL

Automatyzacja procesu wyznaczania elementów orientacji wzajemnej zdjęć lotniczych jest jednym z kluczowych zadań w fotogrametrii. Artykuł przedstawia zastosowanie reprezentacji obrazu opartej na informacji o rozkładzie gradientu oraz sieci neuronowych Kohonena do selekcji podobrazów dla potrzeb dopasowania zdjęć lotniczych. Badania przeprowadzono, wykorzystując 904 podobrazy zdjęć lotniczych okolic Krakowa o różnym pokryciu terenu, grupując próbki w trzy kategorie: obszarów korzystnych, pośrednich i niekorzystnych pod względem wyszukiwania cech do orientacji wzajemnej. Dla każdego podobrazu pozyskano dwuwymiarowy histogram gradientu. Na jego podstawie wyznaczono reprezentację w postaci wektora wartości maksymalnych dla kierunku gradientu. Reprezentację wykorzystano do klasyfikacji obszarów siecią Kohonena. Poprawność uzyskanej klasyfikacji w stosunku do wykonanej manualnie otrzymano na poziomie 68,3%.

EN

Automatic relative orientation is one of the key problems in photogrammetric processing. This paper concerns the application of the representation based on the gradient distribution and Kohonen neural networks for the selection of sub-images for aerial photographs matching purposes. The examinations were conducted over 904 sub-images of the aerial photographs of the Krakow's surroundings with different land cover, grouped into three categories: advantageous, nondescript and disadvantageous in respect of searching features for relative orientation. The 2D histogram was acquired for every sub-image and on this basis the representation in form of the vector of maximum values for gradient direction has been determined. This representation was utilized for the classification of areas with Kohonen network. The correctness of the obtained classification, compared to manually done, achieved the Ievel of 68,3%.

Słowa kluczowe

PL

fotogrametria; zdjęcia lotnicze; orientacja wzajemna; reprezentacja gradientowa; histogram 2D gradientu; SOM; sieci Kohonena

EN

photogrammetry; aerial photographs; relative orientation; gradient representation; 2D gradient histogram; SOM; Kohonen network

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2007
• Tom: T. 11, z. 3
• Strony: 329--343
• Opis fizyczny: Bibliogr. 7 poz., rys., wykr., tab.

Twórcy

autor

Czechowicz A.

• Zakład Fotogrametrii i Informatyki Teledetekcyjnej, Akademia Górniczo-Hutnicza w Krakowie

autor

Mikrut Z.

• Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• [1] Heipke C: Automation of interior, relative and absolute orientation. ISPRS Journal of Photogrammetry & Remote Sensing, 52, 1-19
• [2] Kohonen T.: Self-Organizating Maps. New York, Springer-Verlag 1997
• [3] Parker J.R.: Algorithms for Image Processing and Computer Vision. Wiley 1996
• [4] Image Processing Toolbox 5. The MathWorks, Inc., 1993-2007
• [5] Slownik Geoinformatyczny PAU. slownik.fotogrametria.agh.edu.pl
• [6] SOM Toolbox Documentation. http//www.cis.hut.fi/projects/somtoolbox/documentation www.cis.hut.fi/projects/somtoolbox/documentation
• [7] Tadeusiewicz R.: Sieci neuronowe. Warszawa, Akademicka Oficyna Wydawnicza RM 1993