Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Több irányú, alaksablonok nélküli épület detekció légiképeken Manno-Kovács Andrea, Szirányi Tamás Elosztott Események Elemzése Kutatócsoport MTA SZTAKI.

Hasonló előadás


Az előadások a következő témára: "Több irányú, alaksablonok nélküli épület detekció légiképeken Manno-Kovács Andrea, Szirányi Tamás Elosztott Események Elemzése Kutatócsoport MTA SZTAKI."— Előadás másolata:

1 Több irányú, alaksablonok nélküli épület detekció légiképeken Manno-Kovács Andrea, Szirányi Tamás Elosztott Események Elemzése Kutatócsoport MTA SZTAKI

2 Bevezetés Orientáció: hasznos tulajdonság épület detekciónál Korábbi munka: egy főirányú lakott területre MHEC jellemzőpont halmaz használatával Pontok szűk környezetéből számított irányinformáció "Orientation Based Building Outline Extraction in Aerial Images", ISPRS Annals of Photogrammetry, Remote Sensing and the Spatial Information Sciences (Proc. ISPRS Congress), Melbourne, Australia, 2012.

3 Korábbi munka: Egy főirányú lakott terület i. jellemzőpont fő irányának (ϕ i ) kiszámítása Sűrűségfüggvény of ϕ i értékekből:, ahol ϑ(ϕ)-t egy bimodális Gauss-függvénnyel korrelálva: 2 fő csúcs (iránypár): θ, θ ortho

4 Orientáció alapú osztályozás – Iránybecslés Több fő iránypár (q darab): q megbecslése: ϑ(ϕ)-t több bimodális Gauss-sal korreláltatni Korreláció mérése két különböző érték alapján: Korreláció mértéke (α q ): o Nem csökken számottevően Korrelált pontok száma (CP q ): o Elér egy meghatározott arányt: 95% ([θ 1, θ ortho,1 ], [θ 2, θ ortho,2 ], …, [θ q, θ ortho,q ] )

5 Orientáció alapú osztályozás – Iránybecslés α 1 = 0.042; CP 1 = 558α 2 = 0.060; CP 2 = 768α 3 = 0.073; CP 3 = 786 Σ 790 pont

6 Orientáció alapú osztályozás – Pontok osztályozása Ponthalmaz osztályozása K-közép algoritmussal: o K az összes becsült főirány száma (2q); o A távolságmérték a szögbeli eltérés. A „merőleges” klaszterek összevonhatók.

7 Orientáció alapú osztályozás – Pixelek osztályozása Pixelek osztályozása: k-NN algoritmussal. Tesztek különböző k értékekre: k=3; k=7; k=11. Nem nagyon érzékeny k-ra, k=7 alkalmazva. k=3k=7k=11

8 Irányszelektív éldetekció – Shearlet transzformáció Waveletek: irányinformáció hatékony kezelése, Hatékony éldetekciós teljesítmény, Kizárólag a főirányú élek kiemelése.

9 Épület körvonalak megkeresése Jellemzőpontok és kapcsolódások (élek) fúziója; Ugyanazon épület összekötött jellemzőpontjai: inicializálás; Végleges épület körvonal meghatározása aktív kontúrral; Épületjelöltek szűrése korrelációmérték (α) alapján. Kontúr súlyozott középpontja: becslés a lokációra.

10 Irányérzékeny épület körvonalazás - Eredmények Kvantitatív eredmények o Objektum szintű, csak az épület helyzete o Összehasonlítás más módszerekkel o 8 kép, 88 épülettel o Képeken több fő irány van FD: hamis pozitívMD: hamis negatív


Letölteni ppt "Több irányú, alaksablonok nélküli épület detekció légiképeken Manno-Kovács Andrea, Szirányi Tamás Elosztott Események Elemzése Kutatócsoport MTA SZTAKI."

Hasonló előadás


Google Hirdetések