• 1990 (Том 4)
  • 1989 (Том 3)
  • 1988 (Том 2)
  • 1987 (Том 1)

Том 33 №1

Содержание

  1. АНАЛИЗ ПРЕДПОЧТЕНИЙ ПОЛОВОГО ПАРТНЕРА У EURYDEMA ORNATA И E. OLERACEA В УСЛОВИЯХ СВОБОДНОГО ВЫБОРА
  2. ОПТИМАЛЬНАЯ АФФИННАЯ АППРОКСИМАЦИЯ ПРОЕКТИВНОГО ПРЕОБРАЗОВАНИЯ ИЗОБРАЖЕНИЙ
  3. РАСПОЗНАВАНИЕ ПРОЕКТИВНО ПРЕОБРАЗОВАННЫХ ПЛОСКИХ ФИГУР. XII. О НОВЫХ МЕТОДАХ ПРОЕКТИВНО ИНВАРИАНТНОГО ОПИСАНИЯ ОВАЛОВ В КОМПОЗИЦИИ С ЛИНЕЙНЫМ ЭЛЕМЕНТОМ ПЛОСКОСТИ
  4. СИСТЕМА ПОЗИЦИОНИРОВАНИЯ ВНУТРИ ЗДАНИЙ МОБИЛЬНОЙ РОБОТОТЕХНИЧЕСКОЙ ПЛАТФОРМЫ НА ОСНОВЕ ДЕТЕКЦИИ КРАЕВ
  5. РОБАСТНЫЙ КРИТЕРИЙ ПОИСКА ТОЧКИ СХОДА ПРОЕКЦИЙ ПРЯМОЛИНЕЙНЫХ ТРАЕКТОРИЙ ДВИЖЕНИЯ ДЕТЕКТИРОВАННЫХ В ВИДЕОПОТОКЕ ТРАНСПОРТНЫХ СРЕДСТВ
  6. СОПОСТАВЛЕНИЕ СНИМКОВ В РАДИО И ВИДИМОМ ДИАПАЗОНАХ ЧЕРЕЗ НЕЗАВИСИМУЮ ПРИВЯЗКУ К ВЕКТОРНОЙ КАРТЕ
  7. ПОВЫШЕНИЕ ВЫЧИСЛИТЕЛЬНОЙ ЭФФЕКТИВНОСТИ ПРОЕКТИВНОГО ПРЕОБРАЗОВАНИЯ ИЗОБРАЖЕНИЙ НА SIMD-АРХИТЕКТУРАХ
  8. СРАВНЕНИЕ КЛАССИФИЦИРУЮЩЕЙ И МЕТРИЧЕСКОЙ СВЁРТОЧНЫХ СЕТЕЙ НА ПРИМЕРЕ РАСПОЗНАВАНИЯ ПОЛЯ “ПОЛ” ПАСПОРТА ГРАЖДАНИНА РФ
  9. ОТРАЖЕНИЕ АКТИВНОСТИ СЕРДЦА В ЭЛЕКТРОЭНЦЕФАЛОГРАММЕ КОШЕК В ПЕРИОДЫ МЕДЛЕННОГО СНА
  10. ПОЛИСОМНОГРАФИЧЕСКОЕ ИССЛЕДОВАНИЕ ЦЕНТРАЛЬНОГО АПНОЭ СНА У КОШЕК

СОПОСТАВЛЕНИЕ СНИМКОВ В РАДИО И ВИДИМОМ ДИАПАЗОНАХ ЧЕРЕЗ НЕЗАВИСИМУЮ ПРИВЯЗКУ К ВЕКТОРНОЙ КАРТЕ

© 2019 г. И. А. Кунина, Е. И. Панфилова, А. П. Гладков

Институт проблем передачи информации им. А.А. Харкевича РАН, Москва, Россия
kunina@iitp.ru

Поступила в редакцию 05.09.2018 г.

В работе рассматривается способ сопоставления снимков местности, сделанных с большой высоты в радио и видимом диапазонах, через их независимую визуальную локализацию относительно векторной карты дорог. В основе метода лежит представление дорог на изображении и на карте местности в виде совокупностей прямолинейных сегментов, аппроксимирующих дороги этой местности. Поиск таких сегментов на изображении опирается на быстрое преобразование Хафа, а вычисление параметров преобразования, связывающего локальные координаты снимка с координатами карты, осуществляется через сопоставление найденных сегментов с сегментами дорог карты алгоритмом RANSAC с использованием информации о положении и ориентации сегментов. Приведены результаты экспериментов на реальных данных, демонстрирующие преимущество данного подхода по сравнению с сопоставлением снимков без посредства карты.

Ключевые слова: дистанционное зондирование земли (ДЗЗ), видимый диапазон, радиодиапазон, сопоставление изображений, сопоставление сегментов, быстрое преобразование хафа, RANSAC

DOI: 10.1134/S0235009219010074

Цитирование для раздела "Список литературы": Кунина И. А., Панфилова Е. И., Гладков А. П. Сопоставление снимков в радио и видимом диапазонах через независимую привязку к векторной карте. Сенсорные системы. 2019. Т. 33. № 1. С. 52-59. doi: 10.1134/S0235009219010074
Цитирование для раздела "References": Kunina I. A., Panfilova E. I., Gladkov A. P. Sopostavlenie snimkov v radio i vidimom diapazonakh cherez nezavisimuyu privyazku k vektornoi karte [Matching sar and optical images by independed referencing to a vector map]. Sensornye sistemy [Sensory systems]. 2019. V. 33(1). P. 52-59 (in Russian). doi: 10.1134/S0235009219010074

Список литературы:

  • “Psimpl. generic n-dimensional poyline simplification..” http://psimpl.sourceforge.net/. [Online; accessed 03-December-2017].
  • Abulkhanov D., Konovalenko I., Nikolaev D., Savchik A., Shvets E., Sidorchuk D. Neural network-based feature point descriptors for registration of optical and sar images in Tenth International Conference on Machine Vision. 2018. Т. 10696, 106960L.
  • Brady M.L. A fast discrete approximation algorithm for the Radon transform. SIAM Journal on Computing. 1998. Т. 27. № 1. С. 107–119.
  • Cheng H., Zheng S., Yu Q., Tian J., Liu J. Matching of sar images and optical images based on edge feature extracted via svm. 7th International Conference. 2004. Ч. 2. С. 930–933.
  • Errico A., Angelino C.V., Cicala L., Persechino G., Ferrara C., Lega M., Vallario A., Parente C., Masi G., Gaetano R., Scarpa G., Amitrano D., Ruello G., Verdoliva L., Poggi G. Detection of environmental hazards through the feature-based fusion of optical and sar data: a case study in southern italy. International Journal of Remote Sensing. 2015. Т. 36. № 13. С. 3345–3367.
  • 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. Т. 10. № 4. С. 657–661.
  • Jähne B. Spatio-temporal image processing: theory and scientific applications. 1993. Т. 751.
  • Kunina I., Terekhin A., Khanipov T., Kuznetsova E., Nikolaev D. Aerial image geolocalization by matching its line structure with route map. Ninth International Conference on Machine Vision. 2017. T. 10341, 103412A.
  • Lopez C.V., Anglberger H., Stilla U. Fusion of very high resolution sar and optical images for the monitoring of urban areas. Urban Remote Sensing Event. 2017. С 1–4.
  • Nikolaev D.P., Karpenko S.M., Nikolaev I.P., Nikolayev P.P. Hough transform: underestimated tool in the computer vision field. Proceedings of the 22th European Conference on Modelling and Simulation. 2008. С. 238–246.
  • Prakash R., Singh D., Pathak N.P. A fusion approach to retrieve soil moisture with sar and optical data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2012. Т. 5. № 1. С. 196–206.
  • SAR and Optical Kunina Dataset. ftp://vis.iitp.ru/opt_sar_-matching_dataset/ (2018).
  • Sidorchuk D., Volkov V., Gladilin S. Perception-oriented fusion of multi-sensor imagery: visible, ir, and sar. Tenth International Conference on Machine Vision. 2018. Т. 10696, 106961I.
  • Socolinsky D.A., Wolff L.B. Multispectral image visualization through first-order fusion. IEEE Transactions on Image Processing. 2002. Т. 11. № 8. С. 923–931.
  • Sui H., Xu C., Liu J., Hua F. Automatic optical-to-sar image registration by iterative line extraction and voronoi integrated spectral point matching. IEEE Transactions on geoscience and remote sensing. 2015. Т. 53. № 11. С. 6058–6072.
  • Ye Y., Shen L., Hao M., Wang J., Xu Z. Robust optical-tosar image matching based on shape properties. IEEE Geoscience and Remote Sensing Letters. 2017. Т. 14. № 4. С. 564–568.
  • Zhang G., Sui H., Song Z., Hua F., Hua L. Automatic registration method of sar and optical image based on line features and spectral graph theory. Multimedia and Image Processing. 2nd International Conference. 2017. С. 64–67.