آشکارسازی ساختمان در تصاویر ماهواره ای

sift flow algorithm | الگوریتم جریان سیفت
اکتبر 16, 2020
تطبیق و ثبت تصویر
اکتبر 24, 2020

آشکارسازی ساختمان در تصاویر ماهواره ای

آشکارسازی عوارض شهری در تصاویر رقومی یکی از پیچیده ترین و مشکلترین فرآیندهایی است که متخصصان علوم ماشین بینایی و فتوگرامتری امروزه با آن روبرو هستند. آشکارسازی عوارض شهری برای کاربردهای مختلفی از جمله برنام هریزی شهری، ایجاد و به روزرسانی پایگاه داده سیستم اطلاعات جغرافیایی و تولید مدلهای شهری مورد نیاز میباشند.

در این پژوهش به منظور آشکارسازی موقعیت ساختمانها، از عوارض موضعی و خطوط استفاده شده است. عوارض موضعی ساختارهای برجسته ی تصویر با ویژگیهای مختلف هستند.

که امروزه به طور گستردهای در کاربردهای مختلف در ماشین بینایی، فتوگرامتری و سنجش از دور نظیر تناظریابی، ثبت تصاویر، تشخیص عوارض و شناسایی اهداف استفاده میشوند. استخراج عارضه موضعی با توجه به تعریفی که از عارضه موضعی ارائه شد یعنی بتوان موقعیت ساختارهای برجسته تصویر را از سایر ساختارهای موجود در تصویر تشخیص داد.
همانطور که گفته شد علاوه بر استخراج عوارض موضعی، از استخراج خطوط نیز استفاده شده- است. به منظور استخراج خطوط نیز از لبه های تصویر استفاده میگردد.

  • مدل یا مدلهای مناسب جهت استخراج عوارض موضعی کدامند؟
  • کدام پارامترهای موجود در تصویر جهت استخراج عوارض موضعی موثر میباشد؟
  • آشکارسازی ساختمان تا چه حدی به پارامترهای مدلهای استخراج عوارض موضعی حساس میباشد؟
  • تاثیر پارامترهای مدل ریاضی در آشکارسازی ساختمان چگونه است؟
  • کیفیت و دقت آشکارسازی ساختمان با عوارض موضعی چه میزان است؟

روشهای استخراج عوارض موضعی نقطهای و روشهای استخراج عوارض موضعی ناحیهای تقسیم
میشوند.
روشهای استخراج عوارض موضعی نقطهای
Moravec
Harris
SUSAN
روش های استخراج عوارض موضعی ناحیهای
Maximally Stable Extermal Region Detector (MSER)
Scale Invariant Feature Transform (SIFT)
Harris Laplace
Harrise Affine و Hessine Affine

الگوریتم Moravec
الگوریتم استخراج گوشه Moravec یکی از کشف کننده های گوشه است که در سال 1977 بهبود داده شده است. این روش ماکزیمم محلی تغییرات شدت را با حرکت پنجره مستطیلی شکل بر روی تصویر جستجو میکند. این الگوریتم بسیار به نویز و لبه حساس است (Moravec, 1977)

الگوریتم Harris
الگوریتم استخراج گوشه Harris که الگوریتم Plessey نیز نامیده میشود، با ایجاد یک معیار پاسخ گوشه، به منظور کاهش ضعفهای اپراتور Moravec توسط Harris و Stephens در سال 1997 ایجاد شد . این الگوریتم میتواند تعیین کند که یک پیکسل یک گوشه، یک نقطه از یک لبه یا یک نقطه از یک منطقه یکنواخت است . الگوریتم Harris نسبت به تغییرات مقیاس پاسخگو نیست. بنابراین ساختار الگوریتمهای کشف کنندهای که از عهده مشکل تغییرات مقیاس برآیند بسیار مهم است

الگوریتم SUSAN
الگوریتم SUSAN توسط Simith و Brady 1999 (مطرح شده است. این روش علاوه بر کشف ( کننده گوشه هم چنین برای کشف لبه و حذف نویز نیز استفاده میشود. معیار کشف گوشه SUSAN با محاسبه شدت روشنایی داخل پنجره دایرهای شکل اجرا میگردد. بدین صورت که پیکسل مرکزی به عنوان هسته و مقدار شدت آن به عنوان شدت رفرنس در نظر گرفته میشود. سپس مقدار شدت تمام پیکسلهای داخل دایره با شدت رفرنس مورد مقایسه قرارمیگیرند و پیکسلها به دو دسته، پیکسلهای با مقدار شدت مشابه یا متفاوت با هسته جداسازی میشوند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *