Tworzenie reprezentacji obszarów zdjęć lotniczych za pomocą sieci neuronowych klasy PCNN

• Autorzy: Mikrut Z.

Warianty tytułu

EN

Generation of the aerial image representations using PCNN-like neural networks

• Języki publikacji: PL

Abstrakty

PL

W pracy badano celowość użycia sygnatur obrazów do wstępnej selekcji fragmentów zdjęć lotniczych. Selekcja ma na celu określenie, czy dany fragment zdjęcia lotniczego może być użyty w procesie dopasowywania kolejnych zdjęć. Za pomocą sieci ICM przetworzono ponad 900 fragmentów zdjęć lotniczych do postaci sygnatur 25- i 50-elementowych. Korzystając z sieci typu backpropagation, uzyskano rozpoznanie zbioru testowego na poziomie 73%. Pokazano, że poprzez wprowadzenie progu pewności rozpoznania można - kosztem odrzucenia części danych - zwiększyć zarówno pewność rozpoznania, jak i procentową skuteczność (˜80%).

EN

The goal of presented work was to verify that image signatures can be used in rough selection of the aerial subimages. The selection process is necessary to determine if the aerial image is suitable for next stages of photogrammetric processing, especially for matching. More than 900 image signatures (of length 25 and 50) was generated by the ICM network. The backpropagation network was used for classification. After learning the recognition rate of the test set was 73%. As the next step three recognition reliability thresholds was tested. After data rejection both recognition reliabilities and recognition rates were improved (˜80%).

Słowa kluczowe

PL

fotogrametria; zdjęcia lotnicze; reprezentacja obrazu; PCNN; sieci impulsujące; ICM; sygnatura obrazu

EN

photogrammetry; aerial images; image representation; PCNN; Pulse-Coupled Neural Networks; ICM; Intersecting Cortical Model; image signatures

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2007
• Tom: T. 11, z. 3
• Strony: 355--364
• Opis fizyczny: Bibliogr. 11 poz., rys., wykr., tab.

Twórcy

autor

Mikrut Z.

• Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• [1] Atmer J.: Image Signatures from PCNN using Computers. Dept. of Physics, Royal Institute of Technology (KTH), Stockholm 2003 (Diploma Work)
• [2] Demuth H,. Beale M., Hagan M.: Neural Network Toolbox 5 User's Guide. The Math Works, Inc., Natick, MA, 1992-2007
• [3] Eckhorn R., Reitboeck H.J., Arndt M., Dicke P.: Feature Linking via Synchronisation among Distributed Assemblies: Simulations of Results from Cat Cortex. Neural Computation, vol. 2, 1990, 293-307
• [4] Ekblad U., Kinser J.M., Atmer J., Zetterlund N.: The intersecting cortical model in image processing. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment Volume: 525, Issue: 1-2, June 1, 2004, 392-396
• [5] Forgac R., Mokris I.: Pulse Coupled Neural Network Models for Dimension Reduction of Classification Space. Proc. Bratislava, WIKT 2006
• [6] Johnson J.L., Padgett M.L.: PCNN Models and Applications. IEEE Trans, on Neural Networks, ol. 10, No 3, 1999,480-8
• [7] Kinser J.M.: A Simplified Pulse-Coupled Neural Network. Proc. SPIE, vol. 2760, No. 3, 1996
• [8] Kurczyński Z.: Lotnicze i satelitarne obrazowanie Ziemi. Warszawa, Oficyna Wydawnicza Politechniki Warszawskiej 2006
• [9] Lindblad T., Kinser J.M.: Image Processing Using Pulse-Coupled Neural Networks. Heidelberg, Berlin,Springer-Verlag 2005
• [10] Mikrut Z., Tadeusiewicz R.: Sieci neuronowe w przetwarzaniu i rozpoznawaniu obrazów. [w:]Biocybernetyka i Inzynieria Biomedyczna 2000, t. 6 Sieci Neuronowe, AOW, Warszawa, EXIT 2000, 459-493
• [11] Tadeusiewicz R. : Sieci neuronowe. Warszawa, Akademicka Oficyna Wydawnicza RM 1993