dc.contributor.author | Πλατιάς, Χρήστος![]() |
el |
dc.contributor.author | Platias, Christos![]() |
en |
dc.date.accessioned | 2016-06-23T08:39:47Z | |
dc.date.available | 2016-06-23T08:39:47Z | |
dc.date.issued | 2016-06-23 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/42809 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.10409 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Αντιστοίχιση | el |
dc.subject | Μη συμπαγής | el |
dc.subject | Άκαμπτος | el |
dc.subject | Μετασχηματισμός | el |
dc.subject | Δορυφορικές εικόνες - βίντεο | el |
dc.subject | Registration | en |
dc.subject | Non-rigid | en |
dc.subject | Rigid | en |
dc.subject | Transformation | en |
dc.subject | Satellite images and video sequences | el |
dc.title | Αξιολόγηση μεθόδων αντιστοίχισης δορυφορικών εικόνων και βίντεο με βάση ελαστικές παραμορφώσεις και τοπικούς περιγραφείς | el |
dc.title | Evaluating deformable and descriptor-based techniques for the registration of various satellite imaging and video data | en |
heal.type | bachelorThesis | |
heal.classification | Remote sensing | en |
heal.classification | Photogrammetry | en |
heal.classification | Τηλεπισκόπηση | el |
heal.classification | Φωτογραμμετρία | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2016-03-28 | |
heal.abstract | Το πλήθος και η διαθεσιμότητα των τηλεπισκοπικών δεδομένων αυξάνεται συνεχώς με παράλληλη βελτίωση της χωρικής τους ανάλυσης. Πλέον, στα προϊόντα των δορυφόρων ήρθε να προστεθεί και το βίντεο υψηλής ευκρίνειας, που επιτρέπει την παρακολούθηση περιοχών μέσα από ακολουθίες εικόνων, φέρνοντας μαζί του ένα νέο σύνολο εφαρμογών που πριν δεν ήταν εφικτό. Ωστόσο, για να είναι δυνατή η πλήρης αξιοποίηση των δεδομένων αυτών, απαιτείται η αντιστοίχιση τους με κάποιο χάρτη, ορθοφωτογραφία ή εικόνα αναφοράς. Προς την κατεύθυνση αυτή, αντικείμενο της εργασίας αυτής είναι η εφαρμογή και σύγκριση δύο διαφορετικών μεθόδων για την αυτοματοποιημένη αντιστοίχιση δορυφορικών δεδομένων. Η πρώτη μέθοδος (MR: MRF-based Registration) βασίζεται σε τοπικούς μετασχηματισμούς με δυνατότητα τοπικής παραμόρφωσης χρησιμοποιώντας μοντέλα MRF (Markov random field) και γραμμικό προγραμματισμό για την ελαχιστοποίηση τους. Η δεύτερη μέθοδος (DR: Descriptor-based Registration) στηρίζεται στη χρήση αλγορίθμων που χρησιμοποιούν τοπικούς περιγραφείς και με βάση τις αντιστοιχίες υπολογίζονται οι τιμές των παραμέτρων ενός καθολικού μετασχηματισμού που εφαρμόζεται σε όλη την εικόνα. Τα δεδομένα που χρησιμοποιήθηκαν έχουν χωρική ανάλυση από 0.5 έως 250 μέτρα και πιο συγκεκριμένα περιλαμβάνουν βίντεο της Skybox Imaging και εικόνες από τους δορυφόρους Quicbird, Worldview-2, Landsat-8, Sentinel-1, Sentinel-2, Modis, Proba chris-v, δεδομένα από την Planet Labs και δορυφορικές εικόνες από την Google. Η αξιολόγηση των αποτελεσμάτων γίνεται ποσοτικά με τη χρήση επιλεγμένων σημείων ελέγχου εδάφους και ποιοτικά με εικόνες σκακιέρες, που δημιουργούνται από την εναλλαγή της μετασχηματισμένης εικόνας και της εικόνας αναφοράς. Τέλος, όσων αφορά τα αποτελέσματα της κάθε μεθόδου, μόνο η πρώτη μέθοδος ήταν ικανή να αντιστοιχήσει όλα τα δεδομένα, με τη δεύτερη να παρουσιάζει αδυναμία στα βίντεο και τις εικόνες χαμηλής χωρικής ανάλυσης. | el |
heal.abstract | The amount and the availability of the remote sensed data is on the rise, with a parallel improvement on their spatial resolution. Moreover, nowadays the high resolution satellite video became available, enabling the continuous monitoring of areas, making feasible numerous new applications that weren’t available before. However, in order to fully exploit these data, their registration to a common reference system is mandatory. To this end, in this thesis two different methods were implemented and compared concerning the automated registration of different satellite data. The first method (MR: MRF-based Registration) is based on local deformable transformations, using MRF’s (Markov random fields) and linear programming for the minimization of the energy formulation produced by them. The second one (DR: Descriptor-based Registration) is a descriptor based method, that calculates a transformation matrix, after extracting point matches, and applies the transformation globally. The spatial resolution of the data used ranges from 1 meter to 250 meters and more specifically includes video sequences from Skybox Imaging, and satellite images from Quicbird, Worldview-2, Landsat-8, Sentinel-1, Sentinel-2, Modis and Proba chris-v satellites, as well as data from Planet Labs and Google. The results were evaluated qualitative, with hand picked ground control points and qualitative, with checker board visualisations of the reference and the transformed image. Finally, as it concerns the results of each method, only the first one was able to successfully register all the data, while the second one proved to be weak for the registration of the video sequences and the low spatial resolution data. | en |
heal.advisorName | Καράντζαλος, Κωνσταντίνος | el |
heal.committeeMemberName | Καράντζαλος, Κωνσταντίνος | el |
heal.committeeMemberName | Ιωαννίδης, Χαράλαμπος | el |
heal.committeeMemberName | Αργιαλάς, Δημήτριος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 73 σ. | |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: