Εξαγωγη ψηφιακου μοντελου επιφανειας απο διαχρονικες δορυφορικες εικονες με τεχνικες πολυεικονικης συνταυτισης και βαθιας μαθησης

Φοροτζίδου, Χρηστίνα; Forotzidou, Christina

dc.contributor.author	Φοροτζίδου, Χρηστίνα	el
dc.contributor.author	Forotzidou, Christina	en
dc.date.accessioned	2025-03-19T09:23:05Z
dc.date.available	2025-03-19T09:23:05Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61355
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29051
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Πολυεικονική συνταύτιση	el
dc.subject	Ψηφιακό μοντέλο επιφανείας	el
dc.subject	Υπολογισμός δομής από κίνηση	el
dc.subject	Διαχρονικές δορυφορικές εικόνες	el
dc.subject	Νευρωνικά πεδία ακτινοβολίας	el
dc.subject	Image matching	en
dc.subject	Digital surface model	en
dc.subject	Structure from motion	en
dc.subject	Multi-date satellite images	en
dc.subject	Neural radiance fields	en
dc.title	Εξαγωγη ψηφιακου μοντελου επιφανειας απο διαχρονικες δορυφορικες εικονες με τεχνικες πολυεικονικης συνταυτισης και βαθιας μαθησης	el
heal.type	bachelorThesis
heal.classification	Τηλεπισκόπηση	el
heal.classification	Φωτογραμμετρία	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-09-30
heal.abstract	Η παρούσα εργασία μελετά και συγκρίνει τις τεχνικές εξαγωγής ψηφιακού μοντέλου επιφανείας πολυεικονικής συνταύτισης από διαχρονικές δορυφορικές απεικονίσεις πολύ υψηλής ανάλυσης (Stacture from Motion-SfM/ MVS) με τις αντίστοιχες τεχνικές βαθιάς μάθησης (Neural Radiance Fields - NeRFs). Στο πρώτο μέρος, γίνεται βιβλιογραφική ανασκόπηση των τεχνικών SFM-MVS, ενώ παρουσιάζεται η πειραματική διαδικασία παραγωγής μοντέλου επιφανείας στις περιοχές Jacksonville και Omaha με τη χρήση του Agisoft Metashape Pro. Στο δεύτερο μέρος, αναλύονται οι μέθοδοι NeRFs και η εφαρμογή τους στην περιοχή του Jacksonville, με έμφαση στα αποτελέσματα και την αξιολόγησή τους. Στο τρίτο μέρος, γίνεται σύγκριση των δύο μεθοδολογιών, επισημαίνοντας τις διαφορές τους και τους περιορισμούς στην εφαρμογή τους.	el
heal.abstract	The present work studies and compares the techniques for extracting digital surface models through multi-view stereo matching from high-resolution temporal satellite imagery (Structure from Motion - SfM/MVS) with the corresponding deep learning techniques (Neural Radiance Fields - NeRFs). In the first part, a literature review of the SfM-MVS techniques is conducted, along with the experimental process for generating a surface model in the areas of Jacksonville and Omaha using Agisoft Metashape Pro. The second part analyzes the NeRF methods and their application in the Jacksonville area, emphasizing the results and their evaluation. The third part compares the two methodologies, highlighting their differences and limitations in application.	en
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Ιωαννίδης, Χαράλαμπος	el
heal.committeeMemberName	Καραθανάση, Βασιλεία	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	155 σ.	el
heal.fullTextAvailability	false