Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 10

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  aerial image
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Data classification based on photogrammetry
EN
The aim of the paper was to classify data from aerial laser scanning and CIR digital images, which were orientated, connected and aligned by the Agisoft Photoscan software. Then, in order to distinguish the ground a point cloud was generated. This was to create a correct terrain mesh and, in consequence, an orthophotomap. The next stage is to develop a new point cloud using ArcGIS. The land cover from the images was combined with the ground mapped by LiDAR. New heights were calculated relative to the ground surface height 0. The point cloud was converted into a raster form, providing a normalized Digital Surface Model (nDSM). It was the first element of the output composition, which also consisted of the NIR and RED channels, acquired from the cloud point generated in Agisoft. The colour composition obtained in such way was subjected to four object-oriented and pixel-oriented classification methods: I – ISO Cluster, II – Maximum Likelihood, III – Random Trees, IV – Support Vector Machine. Object grouping is possible due to information stored in the display content. This technique is prompted by human ability of image interpretation. It draws attention to more variables, so effects similar to human perception of reality are possible to achieve. The unsupervised method is based on a process of automatic search for image fragments, which allows assigning them to individual categories by a statistical analysis algorithm. In turn, supervised method uses “training datasets”, which are used to “teach” the program assigning individual or grouped pixels to classes [Benz UC et al., 2004]. The area studied for land development was the Lutowiska municipality, in the Podkarpackie Voivodeship, Bieszczady County. As a result of the classification, 11 classes of terrain features were distinguished: class 0 – road infrastructure, class 1 – roads, class 2 – buildings, class 3 – waters, class 4 – meadows, class 5 – arable lands, class 6 – pastures, class 7 – high vegetation, class 8 – medium vegetation, class 9 – low vegetation, class 10 – quarry. The area of research covers an area of about 28 km2. Aerial images were made in 2015. Field vision and photopoint measurement was carried out in May 2018.
PL
Celem opracowania jest klasyfikacja danych na podstawie lotniczego skaningu laserowego oraz zdjęć cyfrowych CIR. Do opracowania posłużyło oprogramowanie Agisoft Photoscan, w którym dokonano zorientowania, połączenia i wyrównania zdjęć. Następnie wygenerowano z nich chmurę punktów, z której wydzielono grunt. Miało to na celu poprawne utworzenie siatki terenu, a w konsekwencji ortofotomapy. Kolejny etap pracy to utworzenie nowej chmury punktów przy wykorzystaniu programu ArcGIS. Pokrycie terenu ze zdjęć połączono z gruntem z LiDAR. Obliczono nowe wysokości względem powierzchni terenu, któremu nadano wysokość 0. Dokonano konwersji chmury punktów do postaci rastrowej, uzyskując Znormalizowany Numeryczny Model Pokrycia Terenu. Był to pierwszy element kompozycji wyjściowej, która składała się także z kanału NIR oraz RED, pozyskanych z chmury wygenerowanej w Agisoft. Otrzymaną w ten sposób kompozycję barwną poddano czterem metodom klasyfikacji obiektowej i pikselowej: I- ISO Cluster, II- Maximum Likelihood, III- Random Trees, IV- Support Vector Machine. Grupowanie obiektowe jest możliwe dzięki informacji zapisanej w treści zobrazowania. Technika ta wykorzystuje podejście zainspirowane zdolnością interpretacji obrazu przez człowieka. Zwraca uwagę na więcej zmiennych, dzięki czemu można uzyskać efekty zbliżone do postrzegania rzeczywistości przez ludzi. Metoda Unsupervised bazuje na procesie automatycznego wyszukiwania fragmentów obrazu i przyporządkowania ich do poszczególnych kategorii za pomocą algorytmu wykorzystującego analizę statystyczną. Z kolei Supervised wykorzystuje „pola treningowe”, za pomocą których „uczy” program, do której klasy przyporządkować pojedyncze, czy też zgrupowane piksele [Benz U. C. i in., 2004]. Obszarem poddanym analizie jest gmina Lutowiska, w województwie podkarpackim, powiecie bieszczadzkim, na której dokonano analizy zagospodarowania terenu. W wyniku klasyfikacji wyodrębniono 11 klas form terenu: klasa 0- infrastruktura drogowa, klasa 1- drogi, klasa 2- budynki, klasa 3- woda, klasa 4- łąki, klasa 5- grunty orne, klasa 6- pastwiska, klasa 7- roślinność wysoka, klasa 8- średnia roślinność, klasa 9- roślinność niska, klasa 10- kamieniołom. Obszar opracowania stanowi powierzchnię ok. 28 km2. Zobrazowania lotnicze zostały wykonane w 2015r. Wizję terenową oraz pomiar fotopunktów przeprowadzono w maju 2018r.
EN
Urban changes occur as a result of new constructions or destructions of buildings, extensions, excavation works and earth fill arising from urbanization or disasters. The fast and efficient detection of urban changes enables us to update geo-databases and allows effective planning and disaster management. This study concerns the visualization and analysis of urban changes using multi-period point clouds from aerial images. The urban changes in the city centre of the Konya Metropolitan area within arbitrary periods between the years 1951, 1975, 1998 and 2010 were estimated after comparing the point clouds by using the iterative closest point (ICP) algorithm. The changes were detected with the point-to-surface distances between the point clouds. The degrees of the changes were expressed with the RMSEs of these point-to-surface distances. In addition, the change size and proportion during the historical periods were analysed. The proposed multi-period change visualization and analysis method ensures strict management against unauthorized building or excavation and more operative urban planning.
EN
In this article, we developed and described a method for segmentation of informative textured regions of an image that are close in color and structure, consisting of the stages of primary and secondary segmentation that provide the solution to the problem of localization of image areas. Step-by-step processing of the image by the proposed method ensures maximum elimination of localization errors in false regions. In addition, the transition from one processing step to the next decreases the analyzed amount of information, namely the area of segmented image areas. In order to reduce the time during the practical implementation of the method, it becomes possible to parallelize the processing and solving problems in a time scale close to the real one. The input parameters are an aerial photograph, a priori information about the areas to be segmented, and meteorological and navigation-technical conditions for aerial photography. Output parameters are images with localized informative areas.
4
Content available Multifraktalna analiza zobrazowań satelitarnych
PL
Przedstawione prace badawcze dotyczyły oceny skuteczności stosowania opisu multifraktalnego jako narzędzia do wydobywania informacji z bardzo wysokorozdzielczych zobrazowań satelitarnych, prezentujących głównie obszary Polski. Przeanalizowano duże zestawy danych panchromatycznych, zarejestrowanych przez satelity WorldView-2 i EROS-A. Wyniki analiz potwierdziły wyższość multifraktali jako globalnych charakterystyk zobrazowań nad standardowym opisem fraktalnym, a także użyteczność stosowania parametrów multifraktalnych jako charakterystyk w klasyfikacji zdjęć satelitarnych przy użyciu klasyfikacyjnych drzew decyzyjnych. Porównano również cechy multifraktalne z szeroko stosowanymi parametrami teksturalnymi w kontekście skuteczności klasyfikacji zdjęć satelitarnych i przeanalizowano wpływ filtracji na wyznaczane charakterystyki multifraktalne, w szczególności w kontekście poprawy skuteczności klasyfikacji. Przeprowadzono również wstępne badania dotyczące możliwości wykorzystania fraktali w analizach lotniczych danych hiperspektralnych. Przeprowadzone analizy wykazały użyteczność multifraktali w wielu obszarach badań teledetekcyjnych, a wypracowana metodologia może być z powodzeniem dalej rozwijana i stosowana do bardziej ukierunkowanych zadań, takich jak analiza zmian lub ocena przydatności kanałów spektralnych.
EN
Research presented in this paper is focused on the efficiency assessment of multifractal description as a tool for Image Information Mining. Large datasets of very high spatial resolution satellite images (WorldView-2 and EROS-A) have been analysed. The results have confirmed the superiority of multifractals as global image descriptors in comparison to monofractals. Moreover, their usefulness in image classification by using decision trees classifiers was confirmed, also in comparison with textural features. Filtration process preceding fractal and multifractal features estimations was also proved to improve classification results. Additionally, airborne hyperspectral data have been initially analysed. Fractal dimension shows high potential for the description of hyperspectral data. To summarise all conducted tests indicate the usefulness of multifractal formalism in various aspects of remote sensing. Prepared methodology can be further developed and used for more specific tasks, for example in change detection or in the description of hyperspectal data complexity.
EN
Two methods of determining changes of objects (structures) using remote sensing data obtained in different times are considered in this article. The comparison of the percentage of destroyed buildings as a consequence of the earthquake in L'Aquila city (Italy) was implemented. For comparison two ways of data collection were used: obtaining data by the digitalization of objects before and after the disaster (using MapInfo software) and by automatic image classification using a special module Delta Cue (Erdas software).
PL
W inżynierii ruchu techniki rozpoznawania obrazów są nie tylko alternatywą dla klasycznych pomiarów ruchu drogowego, ale również innowacyjną metodą pomiarów dotychczas niedostępnych jego charakterystyk.
EN
This article presents the issue of recognition of traffic parameters on the basis of his patterns in the form of aerial and satellite imagery. Such recognition may be very helpful in examining the traffic characteristics.
PL
W Lasach Państwowych wymaganymi załącznikami do tzw. Planu Urządzania są leśne mapy numeryczne (LNM) wdrażane obecnie na szeroką skalę w jednolitym standardzie (SLMN). Część opisową systemu SIP w LP stanowią tabele modułu LAS bazy danych SILP. Zarządzenia Dyrektora Generalnego LP wymieniają zdjęcia lotnicze oraz wysokorozdzielcze zobrazowania satelitarne jako jedne z ważnych źródeł informacji w procesie tworzenia leśnej mapy numerycznej i jej aktualizacji. Celem badań było wykazanie przydatności w/w źródeł danych do weryfikacji i aktualizacji LMN. Dla obszaru Puszczy Niepołomickiej wykorzystano barwne zdjęcia lotnicze w skali 1:26.000 (Phare 1997) oraz wygenerowane na ich podstawie ortofotografie cyfrowe. Analizy dotyczyły określenia stopnia poprawności LMN w porównaniu do przebiegu linii wydzieleń drzewostanowych oraz granic oddziałów pozyskanych na drodze opracowania fotogrametrycznego (VSD-AGH) zdjęć lotniczych oraz digitalizacji ekranowej ortofotomapy cyfrowej. Dla poszczególnych leśnictw zestawiono bilans powierzchni wydzieleń opracowywanych trzema różnymi metodami. Jedną z przyczyn rozbieżności pomiędzy stereodigitalizacją oraz wektoryzacją ortofotografii jest rodzaj zastosowanego do jej generowania numerycznego modelu terenu w wyniku czego kartowanie wydzieleń wzdłuż wierzchołków wysokich drzew może być obarczone błędami. Praca wykazała wysoką przydatność zdjęć lotniczych i ortofotografii w określaniu przebiegu granic wydzieleń i oddziałów leśnych a także inwentaryzacji innych obiektów o charakterze liniowym, punktowym i poligonowym.
PL
Interesującą alternatywę dla tradycyjnego sposobu pozyskiwania informacji o terenie o charakterze uzupełniającym i aktualizacyjnym mogą stanowić naloty niskopułapowe realizowane przez bezzałogowe, niewielkie konstrukcje lotnicze - jak chociażby - testowana przez autora motolotnia sterowana z ziemi. Jednakże wizualna kontrola lotu nie zawsze jest wystarczająco precyzyjna, stąd do rozwiązania pozostaje problem kontroli parametrów obrazu w czasie rzeczywistym podczas jego realizacji. W wersji bardziej zaawansowanej technologicznie zdalnie sterowana kamera z kontrolą obrazu przesyłanego na ziemię - za pośrednictwem telefonii komórkowej trzeciej generacji - UMTS (wkrótce dostępnej również w Polsce) - zapewniłaby odpowiednią precyzję przestrzennej orientacji obrazów.
EN
This publication refer to analyse o f lowheight, crewless, miniature air vehicles flights application for photogrammetrics servicing of agricultural area, also of digital CCD still and movie camera application in local photogrammetrics flights using visual and 3G-UMTS supervision. Moto-hang-glider, was been searching for this principles . The publication also refers to the equipment (camera, UMTS terminal), camera activation and precision o f image exposition (area, scale, angular orientation) with visual supervision and image control with 3G-UMTS terminal application.
PL
W referacie zostanie omówiona możliwość wykorzystania filtracji skanowanych zdjęć lotniczych i sposoby odpowiedniego wzmocnienia obrazu w celu podwyższenia dokładności automatycznej aerotriangulacji cyfrowej. Obecnie w Polsce i na świecie zdjęcia używane do aerotriangulacji nie są poddawane filtracji. W praktyce takie podejście z uwagi na niejednorodność materiału i różnice w jakości poszczególnych zdjęć od razu narzuca wyższe błędy aerotriangulacji cyfrowej. W referacie został zaprezentowany autorski sposób odpowiedniego wzmocnienia obrazu dający wzrost dokładności automatycznej aerotriangulacji cyfrowej.
10
Content available remote Rozsądek pilnie poszukiwany
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.