Identyfikatory
Warianty tytułu
The use of edge detection algorithms in close range photogrammetry applications
Języki publikacji
Abstrakty
Niniejszy artykuł prezentuje wyniki badań porównujących metody detekcji krawędzi na obrazach cyfrowych oraz weryfikację ich przydatności w procesie automatycznej wektoryzacji. W ramach eksperymentu dokonano implementacji znanych algorytmów detekcji krawędzi bazujących na analizie pochodnych funkcji jasności obrazu (Sobela, Kircha, Canny’ego, Marr-Hildretha) jak również nowych rozwiązań (algorytm SUSAN). Opracowany w środowisku Matlab program autorski umożliwił uzyskanie punktowego opisu krawędzi, aproksymację ich przebiegu prostymi oraz analizę jakości uzyskanych wyników. Badania przeprowadzono na dwudziestu dwóch obiektach, które podzielono na dwie grupy – obiektów typowych i nietypowych. Obiekty te pochodzą z projektów wykonanych w ramach inwentaryzacji zabytków. Zdjęcia zostały pozyskane metodą bezpośrednią – aparatem cyfrowym Canon EOS 300D z obiektywami Canon EF 14 mm L USM i Canon EF 50mm L USM oraz pośrednią – kamerą analogową Rolleiflex 6006 metric i skanerem PHOTOSCAN – TD. Dla sprawdzenia poprawności wyznaczonych krawędzi dokonano ich ręcznej wektoryzacji. Obliczono współczynniki określające dokładność ilościowo – jakościową algorytmów detekcji krawędzi przy zadanych parametrach. Umożliwiło to wytypowanie optymalnych ustawień detekcji. Obliczanymi współczynnikami były: kompletność (completeness), poprawność (correctness) i jakość (quality). Otrzymany w wyniku detekcji krawędzi obraz binarny porównano z obrazem zawierającym informacje o rzeczywistych krawędziach obiektu. Wyniki zestawiono i na ich podstawie wytypowano optymalny algorytm detekcji krawędzi (Canny) oraz określono w procentach ilość uzyskanych automatycznie wektorów, które mogą być wykorzystane w dalszych etapach opracowań fotogrametrycznych.
This paper presents the results of research work that compares methods of edge detection on digital images, as well as verification of their use in the automatic vectorization process. Within the experiment framework, known algorithms of edge detection that are based on the analysis of image brightness function derivatives (Sobel, Kirch, Canny, Marr-Hildreth) were implemented, as well as new solutions (the SUSAN algorithm) were considered. The original software, developed in the Matlab environment, obtained the point description of edges, the approximation of their routes by means of straight lines, as well as a quality analysis of the obtained results. Tests were performed on 22 objects, which were divided into two groups: typical and atypical ones. The objects were derived from projects in the historical monument inventory scheme. Images were acquired both by means of a direct method (Canon EOS 300D digital camera, provided with Canon EF 14 mm L USM and Canon EF 50 mm L USM lenses), and by means of an indirect method (analogue Rolleiflex 6006 metric camera and PHOTOSCAN-TD scanner). In order to check the accuracy of the evaluated edges, they were subjected to manual vectorization. Coefficients determining the quantitative and qualitative accuracy of edge detection algorithms at set parameters were calculated. This made it possible to single out optimum detection settings. The calculated coefficients included completeness, correctness, and quality. The binary image received as a result of the edge detection was compared with the image containing information about actual object edges. The results were put together and, based on them, the optimum edge detection algorithm was selected (Canny). In addition, the percentage amount of automatically gained vectors which may be used in further steps in the photogrammetric process was determined.
Rocznik
Tom
Strony
135--146
Opis fizyczny
Bibliogr. 11 poz.
Twórcy
autor
- Zakład Fotogrametrii i Informatyki Teledetekcyjnej, Akademia Górniczo-Hutnicza w Krakowie, tel. +12 6172302
autor
- Zakład Fotogrametrii i Informatyki Teledetekcyjnej, Akademia Górniczo-Hutnicza w Krakowie, tel. +12 6172302
Bibliografia
- 1. Cieślar J., 2000. Automatyzacja śledzenia linii na obrazach cyfrowych. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 10, s. 31/1-31/7.
- 2. Czechowicz A., 2006. Analiza przydatności algorytmów detekcji krawędzi w zastosowaniach fotogrametrii bliskiego zasięgu. Praca magisterska, AGH w Krakowie.
- 3. Jachimski J., Mikrut S., 1998, Próba subpikselowej lokalizacji linii konturowych z wykorzystaniem drugiej pochodnej obrazu cyfrowego. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 8, s. 25/1-25/7.
- 4. Fuchs K., Heuel S., 1998. Feature Extraction, Third Course in Digital Photogrammetry, Institute for Photogrammetry, University Bonn.
- 5. Kraus K., 1997. Photogrammetry, Ferd. Dummlers Verlag, Bonn, Fourt Edition
- 6. Mikrut S., 2003. Wpływ skanowania i kompresji według standardu JPEG na wykrywanie obiektów liniowych i punktowych na obrazach cyfrowych. Rozprawa doktorska, AGH.
- 7. Parker J.R., 1996. Algorithms for Image Processing and Computer Vision. Wiley
- 8. Smith S.M. Brady J.M.,1995. SUSAN – A New Approach to Low Level Image Processing. Technical Report TR95SMS1c.
- 9. Rottensteiner F., 2001. Semi-automatic extraction of buildngs based on hybrid adjustment Rusing 3D surfach models and management of buildig data In a TIS, Rozprawa doktorska, Instytut Fotogrametrii i Teledetekcii, Uniwersytet Wiedeński.
- 10. Streilein A., 1994. Towards automation in architectural photogrammetry: CAD – based 3D – feature extraction. ISPRS Journal of Photogrammetry and Remote Sensing Vol. 49.
- 11. Trocha W., 1993. Automatyzacja pomiaru wzorców reseau na zdjęciach fotogrametrycznych z wykorzystaniem kamery CCD i autografu analitycznego. Rozprawa doktorska, Zakład Fotogrametrii i Informatyki Teledetekcyjnej AGH w Krakowie.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-dc2f6176-60cc-4d55-9a89-265f6af5c2a8