Spis treści - Wydawnictwo AGH
Transkrypt
Spis treści - Wydawnictwo AGH
Spis treci 1. Wstêp Potrójnie wartociowa! .................................................................................... Ryszard Tadeusiewicz Na czym polega wartoæ dobrej ksi¹¿ki? .......................................................... Dwie podstawowe zalety dobrej ksi¹¿ki tkwi¹ce w treci tej monografii ....... Dodatkowy (trzeci) walor monografii ............................................................... Krótka charakterystyka sieci neuronowych ...................................................... Zalety sieci neuronowych .................................................................................. 9 10 11 13 18 CZÊÆ I ZAGADNIENIA FOTOGRAMETRII OD METOD KLASYCZNYCH DO NEURONOWYCH ................................... 21 2. Logiczne przes³anki pionierskich badañ nad uzyskaniem subpikselowych dok³adnoci pomiaru na obrazach cyfrowych (przekrój historyczny) ............................................ Józef Jachimski 2.1. Wstêp .......................................................................................................... 2.2. Subreceptorowa dok³adnoæ postrzegania okiem jako punkt wyjcia do subpikselowych pomiarów .................................... 2.3. Diagram mikrodensytometrycznego przekroju obrazu cyfrowego i inicjacja badañ w AGH nad subpikselowym pomiarem ......................... 2.4. Przyk³ady badañ nad subpikselow¹ interpretacj¹ krawêdzi obrazu cyfrowego prowadzonych ostatnio w AGH .................. 2.5. Zakoñczenie ................................................................................................ 3. Matematyczne podstawy algorytmów dopasowania obrazów .................... S³awomir Mikrut 3.1. Automatyzacja pomiarów na obrazach cyfrowych ................................... 3.2. Wybrane przyk³ady ekstrakcji krawêdzi z podpikselow¹ dok³adnoci¹ ....... 3.3. Zaawansowane algorytmy stosowane w rozwi¹zaniach komercyjnych ................................................................. 9 23 23 23 25 27 28 30 30 37 38 5 4. Niekorelacyjne metody wyznaczania punktów homogenicznych ............... Piotr Pawlik, S³awomir Mikrut 4.1. Opis metody SIFT (Scale Invariant Features Transform) ........................ 4.1.1. Detekcja lokalnych ekstremów ....................................................... 4.1.1.1. Filtracja i precyzyjna lokalizacja punktów charakterystycznych ........................................... 4.1.2. Deskryptor SIFT .............................................................................. 4.1.2.1. Wyznaczenie orientacji g³ównych dla punktów charakterystycznych ..................................... 4.1.2.2. Tworzenie deskryptora ...................................................... 4.2. Porównanie wybranych metod dopasowania obrazów ............................. 4.2.1. Metodologia wyszukiwania najlepszych punktów homologicznych pary zdjêæ lotniczych ....................................................................... 4.2.2. Algorytm wyszukiwania najlepszych punktów homologicznych pary zdjêæ lotniczych ....................................................................... 4.2.3. Wyniki testowania poprawnoci wyznaczenia wspó³rzêdnych punktów charakterystycznych ......................................................... 4.2.4. Podsumowanie wyników ................................................................. 5. Sieci neuronowe: tworzenie reprezentacji obrazów cyfrowych i ich klasyfikacja ............................................................................................... Zbigniew Mikrut 5.1. Sieci impulsuj¹ce i sygnatury .................................................................... 5.2. Transformaty log-polar i log-Hougha ........................................................ 5.2.1. Redukcja informacji przy u¿yciu transformacji log-polar ............. 5.2.2. Transformacja log-Hougha zagregowana reprezentacja krawêdzi ............................................. 5.3. Klasyczne sieci neuronowe ........................................................................ 6. Sieci neuronowe w fotogrametrii i zagadnieniach pokrewnych przegl¹d literatury ........................................................................................... Pawe³ Grybo, S³awomir Mikrut, Zbigniew Mikrut 6.1. Wstêp .......................................................................................................... 6.2. Wykorzystanie sieci neurowonych w geoinformatyce obrazowej ............ 6.2.1. Pojawienie siê sieci neuronowych w tematyce kongresów ISPRS ........................................................ 6.2.2. Sztuczne sieci neuronowe w zagadnieniach fotogrametrycznych ............................................. 6.2.2.1. SSN w klasyfikacji obrazów wielospektralnych ............... 6 41 41 42 45 47 47 48 51 52 53 53 57 58 59 62 62 64 68 71 71 71 72 72 72 6.2.2.2. SSN do automatycznego uzupe³nienia opisów na mapach ........................................................................... 6.2.2.3. Rektyfikacja obrazów satelitarnych .................................. 6.2.2.4. Wykorzystanie SSN do identyfikacji wybranych obiektów ............................... 6.2.2.5. SSN a wydobywanie cech z obrazu (feature extraction) ............................................................. 6.2.2.6. Kalibracja kamer za pomoc¹ SSN ..................................... 6.2.2.7. Dopasowanie obrazów ....................................................... 73 EKSPERYMENTY Z SIECIAMI NEURONOWYMI ........................................ 77 7. Koncepcja sposobu wykorzystania sieci neuronowych w fotogrametrii .... S³awomir Mikrut, Zbigniew Mikrut 79 7.1. Reprezentacje obrazów .............................................................................. 7.2. Selekcja obrazów ........................................................................................ 7.3. Dopasowywanie reprezentacji obrazów .................................................... 79 80 81 8. Wybór danych do eksperymentów ................................................................. Anna Czechowicz 83 8.1. Bazy danych do wstêpnej selekcji fragmentów obrazów ......................... 8.2. Baza danych do testowania algorytmów dopasowania ............................. 83 86 9. Reprezentacja w postaci dwuwymiarowego histogramu gradientu jako wejcie sieci neuronowych SOM i BP ................................................... Anna Czechowicz, Zbigniew Mikrut 91 73 73 73 74 75 CZÊÆ II 9.1. Przygotowanie reprezentacji ...................................................................... 92 9.1.1. Podstawowa reprezentacja obrazu .................................................. 92 9.1.2. Wstêpne badania reprezentacji dla kilku podobrazów zdjêæ lotniczych .......................................... 94 9.2. Klasyfikacja podobrazów zdjêæ lotniczych ............................................... 96 9.2.1. Klasyfikacja podobrazów zdjêæ lotniczych z wykorzystaniem sieci Kohonena .................................................. 97 9.2.2. Wybór wielkoci mapy Kohonena i neuronów odpowiadaj¹cych na obszary korzystne .......................................... 99 9.2.3. Klasyfikacja podobrazów zdjêæ lotniczych z wykorzystaniem sieci backpropagation ....................................... 106 9.2.4. Wybór liczby neuronów w warstwie ukrytej .................................. 107 9.2.5. Pewnoæ rozpoznania ...................................................................... 110 7 9.2.6. Klasyfikacja podobrazów z wykorzystaniem reprezentacji Kohonena oraz sieci backpropagation ..................... 112 9.3. Dopasowanie podobrazów zdjêæ lotniczych z wykorzystaniem reprezentacji Kohonena ............................................... 114 9.3.1. Wyniki dopasowywania ................................................................... 116 10. Sieæ BP: klasyfikacja obrazów przetworzonych za pomoc¹ transformacji log-polar i log-Hougha ........................................ 119 Zbigniew Mikrut, S³awomir Mikrut 10.1. Parametry transformaty log-polar ............................................................ 10.2. Dobór ci¹gu przekszta³ceñ obrazu ........................................................... 10.3. Klasyfikacja fragmentów obrazów za pomoc¹ sieci typu backpropagation ................................................... 10.4. Podsumowanie .......................................................................................... 119 121 124 127 11. Eksperymenty z reprezentacj¹ obrazów w postaci sygnatur ...................... 129 Zbigniew Mikrut, S³awomir Mikrut 11.1. Zró¿nicowanie sygnatur podobrazów pobranych z jednego zdjêcia .............................................. 129 11.2. Klasyfikacja podobrazów na podstawie sygnatur ................................... 134 11.3. Wykorzystanie sygnatur w procesie dopasowywania ............................. 137 12. Podsumowanie .................................................................................................. 142 Anna Czechowicz, Pawe³ Grybo, S³awomir Mikrut, Zbigniew Mikrut, Piotr Pawlik Podziêkowania .................................................................................................. 146 Literatura .......................................................................................................... 147 Indeks skrótów, definicji i opisów .................................................................. 155 8