Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

1 2007

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: gradient representation

Sortuj według:

Ogranicz wyniki do:

Wykorzystanie sieci Kohonena do selekcji podobrazów na potrzeby dopasowania zdjęć lotniczych

Czechowicz A., Mikrut Z.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

2007

T. 11, z. 3

329-343

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%.

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%.