Меню
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2020-20-5-649-660
УДК 528.72
МЕТОДИКА И ЧАСТНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ КАЧЕСТВА ПОИСКА КЛЮЧЕВЫХ ТОЧЕК ПО МАТЕРИАЛАМ ОПТИКО-ЭЛЕКТРОННОЙ АЭРОСЪЕМКИ
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Алтухов А.И., Билан В.И., Григорьев А.Н., Попович В.В. Методика и частные результаты исследования качества поиска ключевых точек по материалам оптико-электронной аэросъемки // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20. № 5. С. 649–660. doi: 10.17586/2226-1494-2020-20-5-649-660
Аннотация
Предмет исследования. Представлены результаты исследования метода поиска ключевых точек, выполненного на примере метода Scale-Invariant Feature Transform, для использования при решении задач фотограмметрической обработки снимков местности, получаемых с воздушных и космических носителей. Метод. Выбранный метод широко используется для решения задач пространственной привязки изображений, отслеживания изменений и поиска объектов, построения цифровых моделей и ортофотопланов местности. Актуальность анализа метода обусловлена тем, что он изначально разрабатывался как универсальный метод для обработки изображений в области технического зрения. Существующие модификации рассматриваемого метода, специализированные под обработку снимков местности, применяются на практике ограниченно и исследованы без полного учета свойств изображений. В существующих исследованиях не учтено влияние изображенного сюжета на качество поиска ключевых точек, который в общем случае характеризуется случайным сочетанием изображений объектов местности. Предполагается, что особенности сюжета на изображении местности при использовании метода поиска ключевых точек могут обуславливать существенные вариации в распределении выбираемых точек по изображению отдельного снимка. Для определения зависимости качества поиска ключевых точек от изображенного сюжета необходима разработка методики, основанной на анализе особенностей реализации метода и использовании набора эталонных изображений с разным сюжетным составом. В результате анализа содержания данного метода определены критерии и параметры отбраковки определяемых ключевых точек. В основе подхода к анализу влияния сюжета изображения на качество ключевых точек предложено использовать набор снимков, классифицированных по особенностям сюжетов на однородные и неоднородные изображения. Согласно предложенной методике, анализ выполняется на основе статистического и пространственного распределений ключе- вых точек, полученных по отдельным изображениям и их совокупностям. Основные результаты. Предложена методика исследования зависимости качества результата поиска ключевых точек от сюжета на изображении. В результате выполнения эксперимента выявлены факторы, вызывающие нарушение равномерности пространственного распределения ключевых точек при использовании стандартного критерия отбраковки ключевых точек. Практическая значимость. Полученные результаты позволяют, с одной стороны, обосновать необходимость разработки сюжетно-ориентированного подхода к обработке снимков местности с использованием методов поиска ключевых точек в силу того, что для выполнения и уточнения пространственной привязки изображений требуется обеспечивать равномерность расположения ключевых точек, используемых в качестве опорных или связующих точек. С другой стороны, выявлено, что нарушение плотности расположения ключевых точек может определяться неравномерным качеством изображения по полю кадра. Такое явление связано, в частности, с разной резкостью изображения в центральной и периферийной зонах.
Ключевые слова: ключевые точки, оптико-электронная съемка, сюжетно-ориентированный подход, изображение, критерий от- браковки, статистическое и пространственное распределение
Список литературы
Список литературы
1. Lobanova A., Ryzhova V., Korotaev V., Drozdova D. Solid-state optical radiation matrix receivers in robots’ vision systems // Studies in Systems, Decision and Control. 2020. V. 261. P. 171–188. doi: 10.1007/978-3-030-32710-1_13
2. Григорьев А.Н., Дмитриков Г.Г., Попович Т.В., Пятицкий А.А., Смирнова О.В. Принципы и примеры использования технологии дистанционного зондирования в информационном обеспечении инфраструктур пространственных данных // Труды Военно-космической академии имени А.Ф. Можайского. 2018. № 664. С. 51–59.
3. Лазаренко В.П., Джамийков Т.С., Коротаев В.В., Ярышев С.Н. Метод создания сферических панорам из изображений, полученных всенаправленными оптико-электронными системами // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 1. С. 46–53. doi: 10.17586/2226-1494-2016-16-1-46-53
4. Lowe D. Object recognition from local scale-invariant features // Proc. 7th IEEE International Conference on Computer Vision (ICCV'99). Kerkyra, Greece. 1999. V. 2. P. 1150–1157. doi: 10.1109/ICCV.1999.790410
5. Bay H., Tuytelaars T., Van Gool L. SURF: Speeded up robust features // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2006. V. 3951. P. 404–417. doi: 10.1007/11744023_32
6. Rublee E., Rabaud V., Konolige K., Bradski G. ORB: an efficient alternative to SIFT or SURF // Proc. of the IEEE International Conference on Computer Vision (ICCV 2011). 2011. P. 2564–2571. doi: 10.1109/ICCV.2011.6126544
7. Alcantarilla P.F., Bartoli A., Davison A.J. KAZE features // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2012. V. 7577. P. 214–227. doi: 10.1007/978-3-642-33783-3_16
8. Маркушин Г.Н., Коротаев В.В., Кошелев А.В., Самохина И.А., Васильев А.С., Васильева А.В., Ярышев С.Н. Комплексирование изображений в двухдиапазонной сканирующей оптико-электронной системе поиска и обнаружения браконьерского промысла // Оптический журнал. 2020. Т. 87. № 6. С. 57–65. doi: 10.17586/1023-5086-2020-87-06-57-65
9. Rey-Otero I., Delbracio M. Anatomy of the SIFT method // Image Processing On Line. 2014. P. 370–396. doi: 10.5201/ipol.2014.82
10. Ai M., Hu Q., Li J., Wang M., Yuan H., Wang S. A robust photogrammetric processing method of low-altitude UAV images // Remote Sensing. 2015. V. 7. N 3. P. 2302–2333. doi: 10.3390/rs70302302
11. Fan B., Huo C., Pan C., Kong Q. Registration of optical and SAR satellite images by exploring the spatial relationship of the improved SIFT // IEEE Geoscience and Remote Sensing Letters. 2013. V. 10. N 4. P. 657–661. doi: 10.1109/LGRS.2012.2216500
12. Berveglieri A., Tommaselli A. Multi-scale matching for the automatic location of control points in large scale aerial images using terrestrial scenes // ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2014. V. 40. N 3W1. P. 27–31. doi: 10.5194/isprsarchives-XL-3-W1-27-2014
13. Wu C., Zhang L., Zhang L. A scene change detection framework for multi-temporal very high resolution remote sensing images // Signal Processing. 2016. V. 124. P. 184–197. doi: 10.1016/j.sigpro.2015.09.020
14. Liu F., Bi F., Chen L., Shi H., Liu W. Feature-area optimization: A novel SAR image registration method // IEEE Geoscience and Remote Sensing Letters. 2016. V. 13. N 2. P. 242–246. doi: 10.1109/LGRS.2015.2507982
15. Lingua A., Marenchino D., Nex F. Performance analysis of the SIFT operator for automatic feature extraction and matching in photogrammetric applications // Sensors. 2009. V. 9. N 5. P. 3745–3766. doi: 10.3390/s90503745
16. Long T., Jiao W., He G., Zhang Z. A Fast and reliable matching method for automated georeferencing of remotely-sensed imagery // Remote Sensing. 2016. V. 8. N 1. P. 56. doi: 10.3390/rs8010056
17. Ma Y., Chen F., Liu J., He Y., Duan J., Li X. An automatic procedure for early disaster change mapping based on optical remote sensing // Remote Sensing. 2016. V. 8. N 4. P. 272. doi: 10.3390/rs8040272
18. Sima A.A., Buckley S.J. Optimizing SIFT for matching of short wave infrared and visible wavelength images // Remote Sensing. 2013. V. 5. N 5. P. 2037–2056. doi: 10.3390/rs5052037
19. Sirmacek B., Unsalan C. Urban-area and building detection using SIFT keypoints and graph theory // IEEE Transactions on Geoscience and Remote Sensing. 2009. V. 47. N 4. P. 1156–1167. doi: 10.1109/TGRS.2008.2008440
20. Sun Y., Zhao L., Huang S., Yan L., Dissanayake G. L2-SIFT: SIFT feature extraction and matching for large images in large-scale aerial photogrammetry // ISPRS Journal of Photogrammetry and Remote Sensing. 2014. V. 91. P. 1–16. doi: 10.1016/j.isprsjprs.2014.02.001
21. Suri S., Schwind P., Uhl J., Reinartz P. Modifications in the SIFT operator for effective SAR image matching // International Journal of Image and Data Fusion. 2010. V. 1. N 3. P. 243–256. doi: 10.1080/19479832.2010.495322
22. Tong X., Liu X., Chen P., Liu S., Luan K., Li L., Liu S., Liu X., Xie H., Jin Y., Hong Z. Integration of UAV-based photogrammetry and terrestrial laser scanning for the three-dimensional mapping and monitoring of open-pit mine areas // Remote Sensing. 2015. V. 7. N 6. P. 6635–6662. doi: 10.3390/rs70606635
23. Yang K., Pan A., Yang Y., Zhang S., Ong S.H., Tang H. Remote sensing image registration using multiple image features // Remote Sensing. 2017. V. 9. N 6. P. 581. doi: 10.3390/rs9060581
24. Song Z.-I., Li S., George T.F. Remote sensing image registration approach based on a retrofitted SIFT algorithm and Lissajous-curve trajectories // Optics Express. 2010. V. 18. N 2. P. 513–522. doi: 10.1364/OE.18.000513
25. Hintze J.L., Nelson R.D. Violin plots: A box plot-density trace synergism // American Statistician. 1998. V. 52. N 2. P. 181–184. doi: 10.1080/00031305.1998.10480559
26. Morris S., Tuttle J., Essic J. A partnership framework for geospatial data preservation in North Carolina // Library Trends. 2009. V. 57. N 3. P. 516–540. doi: 10.1353/lib.0.0050