slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
REGISTRO AUTOMÁTICO DE IMAGENS PowerPoint Presentation
Download Presentation
REGISTRO AUTOMÁTICO DE IMAGENS

Loading in 2 Seconds...

play fullscreen
1 / 51

REGISTRO AUTOMÁTICO DE IMAGENS - PowerPoint PPT Presentation


  • 117 Views
  • Uploaded on

REGISTRO AUTOMÁTICO DE IMAGENS. Dmitry Fedorov Dr. Leila M. G. Fonseca INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS, São José dos Campos, 2003. Motivação. Estudos multi-temporais (Landsat-TM). Motivação. Estudos multi-temporais (Imagens aéreas). Motivação.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'REGISTRO AUTOMÁTICO DE IMAGENS' - heavynne


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

REGISTRO AUTOMÁTICO

DE IMAGENS

Dmitry Fedorov

Dr. Leila M. G. Fonseca

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS,

São José dos Campos, 2003.

slide2

Motivação

Estudos multi-temporais (Landsat-TM)

slide3

Motivação

Estudos multi-temporais (Imagens aéreas)

slide4

Motivação

Criação de imagens estéreo (LYNX-SAR)

slide5

Motivação

Ampliação da área imageada (seqüência de fotos aéreas)

slide6

Fases de registro

  • Registro pode ser realizado nas seguintes etapas:
  • Obtenção de pontos de controle
  • Determinação da função de transformação
  • Interpolação
slide7

pontos de controle

Como registro é feito?

Geralmente, o registro é feito manualmente

Através de vários pontos de controle modela-se a função de distorção entre as duas imagens, que é usada para corrigir a imagem de ajuste

slide8

Obtenção de Pontos de controle

  • Obtenção de pontos de controle inclui duas etapas:
  • Extração de feições (pontos, cantos, linhas, contornos): Segmentação, transformada Wavelet, Optical Flow...
slide9

Obtenção de Pontos de controle

2. Casamento das feições extraídas

Métodos de correlação, função de custo, códigos em cadeia, geometria...

slide10

Obtenção de Pontos de controle

Métodos de correlação

Wz

Sij

comparar janela Sij com janelas Wz

slide11

Obtenção de Pontos de controle

Correlação Cruzada Normalizada:

janelas mais parecidas tem R(i,j) máximo

Coeficiente de correlação

C(i,j) em escala absoluta [-1, 1]

Detecção de similaridade seqüencial

Sij – Janela da imagem de referência;

Wz – Janela da imagem de ajuste

w - média da janela W;

s - média da janela W.

slide12

Obtenção de Pontos de controle

Métodos de correlação

slide14

Obtenção de Pontos de controle

Extração de Feições usando LoG

slide15

Obtenção de Pontos de controle

Casamento de feições usando códigos em cadeia

Números representam ângulos,

Unidade representa um ângulo de 45°,

Ex: 3 -> próximo pixel esta a nordeste

(135°).

C1: 11122211334

C2: 11112211133

Comparar por correlação

slide16

Obtenção de Pontos de controle

Extração de feições usando segmentação

slide17

Obtenção de Pontos de controle

Extração de feições usando segmentação

ai – Área da região i (polígono);

pi – Extensão do perímetro da região i;

ri e ci - Largura e comprimento do retângulo delimitante da região i.

slide18

Função de transformação

A transformação espacial que modela a distorção entre as imagens é calculada atravésdo conjunto de pontos de controle

T

A transformação mais utilizada é a Afim:

Maneira tradicional para estimar os parâmetros da transformação é através da solução de mínimos quadrados

slide20

Função de transformação

Rotação, escala e translação:

slide23

Problemas de registro de imagens

  • Grande número de métodosautomáticos são desenvolvidos por causa do aumento da geração e utilização das imagens
  • Um único método não funciona adequadamente para diferentes tipos de dados
  • Sem interferência do especialista os métodos automáticos apresentam dificuldades na geração de resultados corretos e confiáveis
slide25

Sistema de registro

  • Código do sistema foi escrito em C++ utilizando bibliotecas livres (Qt, libtiff, libjpeg)
  • Foi enfatizada a utilização em plataformas diferentes
  • Três métodos de registro automático foram implementados:
  • método baseado em optical flow e geometria
  • método baseado na transformação wavelet
  • método baseado em contornos
slide26

Método padrão

O método baseado em optical flow e geometria

É o mais lento, porém é o mais robusto e aceita uma grande variedade de dados de entrada

slide27

Método baseado em wavelets

O método baseado em wavelets é importante para o registro de imagens de radar ondeidentifica uma boa quantidade de pontos de controle

Apresenta melhor precisão e eficiência de registro do que o método padrão

slide28

O método baseado em contornos

Apresenta processamento rápido, porém só pode ser utilizado em imagens que possuem um número suficiente de contornos fechados bem definidos

É adequado para o registro de imagens de diferentes sensores pois o método de casamento de feições não depende da resposta espectral

slide29

vizinho mais próximo

bilinear

Interpolação

O resultado pode ser:

mosaico de imagens

imagem registrada

O mapeamento de NCsérealizada usando interpolação:

slide30

Interface gráfica do sistema

Três passos lógicos:

1) Dados e pre-processamento

2) Busca de pontos de controle

3) Geração da imagem resultante

Controle das janelas

slide31

Interface gráfica do sistema

Busca de pontos de controle

  • Identificação de pontos
    • (auto, semi-auto, manual)
  • 2) Transformação
    • (translação, RST, afim, etc.)

3) Identificar pontos!

slide32

Interface gráfica do sistema

Geração da imagem resultante

  • Imagem resultado
    • (mosaico, registro separado)
  • 2) Sobreposição
    • (normal, interlaçado, blended)

3) Interpolação

(vizinho mais próximo, Bilinear)

4) Equalização

slide33

Edição de pontos de controle:

Remover, gravar ou carregar, mostrar nas imagens...

Ferramentas do sistema

Pre-processamento:

Modificar resolução, escolher a banda, realçar...

slide34

Ferramentas do sistema

Registro de áreas retangulares aproximadamente correspondentes selecionadas por operador

slide35

Testes do sistema

  • Testes exaustivos foram executados com imagens:
  • Radar
  • Multi-sensores
  • Alta resolução
  • Seqüências de vídeo
  • O sistema foi testado operacionalmente por vários pesquisadores em:
  • Instituto Nacional de Pesquisas Espaciais
  • Universidade da Califórnia, Santa Barbara
  • Office of Naval Research, China Lake Naval Air Warfare Center, China Lake, Califórnia
slide36

Imagens

Método wavelets

Método padrão

Radar, JERS-1

(10/10/95) + (08/13/96)

Amazônia, floresta

(512*512)(512*512)

Tempo: 3185ms

C.P.: 53

RMSE: 0.7648

Tempo: 6099ms

C.P.: 6 (de 300)

RMSE: 1.0000

SPOT band 3 + TM band 4

(08/08/95) + (06/07/94)

Cidade Brasília

(512*512)(512*512)

Tempo: 3325ms

C.P.: 29

RMSE: 0.8710

Tempo: 5889ms

C.P.: 6 (de 300)

RMSE: 1.8257

TM band 5

(06/07/92) + (07/15/94)

Amazônia, floresta

(512*512)(512*512)

Tempo: 3104ms

C.P.: 188

RMSE: 0.5359

Tempo: 2914ms

C.P.: 4 (de 128)

RMSE: 0.7071

Testes do sistema

Comparação entre os métodos padrão e wavelets:

slide37

Imagens

Método contornos

Método padrão

Landsat, composição 3,4,5

Litoral

(1390*1500)(1200*1650)

Tempo: 2604ms

C.P.: 3

RMSE: 0.8165

Tempo: 6008ms

C.P.: 5 (de 128)

RMSE: 1.3416

Fotos aéreas

Área urbana, Bay area, Califórnia

(1283*2352)(1547*2284)

Tempo: 4566ms

C.P.: 32

RMSE: 1.4790

Tempo: 9183ms

C.P.: 22 (de 128)

RMSE: 2.0226

Fotos aéreas coloridas

Área urbana, Santa barbara, Califórnia

(306*386)(335*472)

Tempo: 521ms

C.P.: 6

RMSE: 0.4082

Tempo: 1392ms

C.P.: 21 (de 128)

RMSE: 1.2536

Testes do sistema

Comparação entre os métodos padrão e contornos:

slide38

Imagens de florestas

Imagens da floresta amazônica, TM na banda 5, adquiridas em diferentes datas, 07/06/1992 e 15/07/1994

slide39

Imagens de Radar

Imagens da floresta amazônica, JERS-1, adquiridas em diferentes datas, 10/10/1995 e 08/13/1996

slide40

Imagens do CBERS

Mosaico de 4 imagens CBERS-IRMMS de datas diferentes

slide41

Imagens Landsat

Mosaico de duas imagens Landsat de datas diferentes. Foi gerado sem equalização em 3 minutos e 50 segundos

slide42

Detalhe do registro

Mosaico de duas imagens Landsat de datas diferentes. Foi gerado com equalização em 5 minutos e 45 segundos

slide43

Composição colorida das imagens registradas

R-PAN, G-4CCD, B-3CCD

Imagens do LANDSAT 7 PAN - CBERS CCD

R: PAN

G,B: CCD 4

Registro automático usando retângulos

slide45

Mosaicos de seqüências de vídeo

seqüência de 100 imagens IR gerado em 20 segundos

slide46

14visíveis

6 termais

Mosaicos de seqüências de vídeo

Mosaicos registrados das seqüências de 640x480 pixels

slide48

Fotografia digital

Método Blending para fotografia digital

slide49

Conclusão

  • O sistema foi implementado e testado
  • Existem binários para Windows, Linux, Solaris Sparc
  • Desenvolvida a página WEB do sistema:
      • http://regima.dpi.inpe.br/
  • Desenvolvida a versão demo para WEB:
      • http://regima.dpi.inpe.br/demo/
      • http://nayana.ucsb.edu/registration/
slide50

Agradecimentos

  • Várias instituições participaram no desenvolvimento:
  • Divisão de Processamento de Imagens, INPE
  • Divisão de Sensoriamento Remoto, INPE
  • Vision Lab, Universidade da Califórnia, Santa Barbara
  • China Lake Naval Air Warfare Center, Califórnia
  • O trabalho foi financiado pelas instituições:
    • CAPES
    • SELPER Brasil
    • Office of Naval Research, China Lake Naval Air Warfare Center
    • CalTrans