Centre dedocumentation
scientifique

Reducing shadow effects on the co-registration of aerial image pairs / Matthew Plummer in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 3 (March 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 3 (March 2020) . - pp 177 - 186 Titre : Reducing shadow effects on the co-registration of aerial image pairs Type de document : Article/Communication Auteurs : Matthew Plummer, Auteur ; Douglas A. Stow, Auteur ; Emmanuel Storey, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 177 - 186 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse de données [Termes descripteurs IGN] correction des ombres [Termes descripteurs IGN] détection automatique [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] effet d'ombre [Termes descripteurs IGN] enregistrement de données [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] intensité lumineuse [Termes descripteurs IGN] masque [Termes descripteurs IGN] Ransac (algorithme) [Termes descripteurs IGN] SIFT (algorithme) Résumé : (auteur) Image registration is an important preprocessing step prior to detecting changes using multi-temporal image data, which is increasingly accomplished using automated methods. In high spatial resolution imagery, shadows represent a major source of illumination variation, which can reduce the performance of automated registration routines. This study evaluates the statistical relationship between shadow presence and image registration accuracy, and whether masking and normalizing shadows leads to improved automatic registration results. Eighty-eight bitemporal aerial image pairs were co-registered using software called Scale Invariant Features Transform (SIFT) and Random Sample Consensus (RANSAC) Alignment (SARA). Co-registration accuracy was assessed at different levels of shadow coverage and shadow movement within the images. The primary outcomes of this study are (1) the amount of shadow in a multi-temporal image pair is correlated with the accuracy/success of automatic co-registration; (2) masking out shadows prior to match point select does not improve the success of image-to-image co-registration; and (3) normalizing or brightening shadows can help match point routines find more match points and therefore improve performance of automatic co-registration. Normalizing shadows via a standard linear correction provided the most reliable co-registration results in image pairs containing substantial amounts of relative shadow movement, but had minimal effect for pairs with stationary shadows. Numéro de notice : A2020-147 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.4.177 date de publication en ligne : 01/03/2020 En ligne : https://doi.org/10.14358/PERS.86.4.177 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94776 [article]

Pré-localisation des données pour la modélisation 3D de tunnels : développements et évaluations / Christophe Heinkelé in Revue Française de Photogrammétrie et de Télédétection, n° 221 (novembre 2019)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 221 (novembre 2019) . - pp 49 - 62 Titre : Pré-localisation des données pour la modélisation 3D de tunnels : développements et évaluations Type de document : Article/Communication Auteurs : Christophe Heinkelé, Auteur ; Philippe Foucher, Auteur ; Emmanuel Moisan, Auteur ; Pierre Charbonnier, Auteur Année de publication : 2019 Article en page(s) : pp 49 - 62 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] coordonnées curvilignes [Termes descripteurs IGN] disparité [Termes descripteurs IGN] modélisation 3D [Termes descripteurs IGN] odomètre [Termes descripteurs IGN] reconstruction 3D [Termes descripteurs IGN] regroupement de données [Termes descripteurs IGN] séquence d'images [Termes descripteurs IGN] SIFT (algorithme) [Termes descripteurs IGN] structure-from-motion [Termes descripteurs IGN] tunnel [Termes descripteurs IGN] visualisation de données Résumé : (Auteur) Le présent article décrit l'implémentation d'une méthode de pré-localisation d'images au sein de grands volumes de données dans des tunnels navigables et routiers. Elle repose sur une technique d'odométrie visuelle simplifiée, rapide et facile à mettre en oeuvre et dont la précision est évaluée par comparaison avec des techniques plus conventionnelles. Nous expliquons comment cette méthode permet de former des sous-ensembles d'images se rapportant à une même coupe transversale de l'ouvrage et présentant un fort taux de recouvrement, appelés "tuiles". Ces sous-ensembles permettent de faciliter la navigation dans les séquences ainsi que les traitements postérieurs, comme par exemple la reconstruction 3D par photogrammétrie. Numéro de notice : A2019-564 Thématique : IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94429 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2019021	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2019022	SL	Revue	Centre de documentation	Revues en salle	Disponible

Fusion of thermal imagery with point clouds for building façade thermal attribute mapping / Dong Lin in ISPRS Journal of photogrammetry and remote sensing, vol 151 (May 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 151 (May 2019) . - pp 162 - 175 Titre : Fusion of thermal imagery with point clouds for building façade thermal attribute mapping Type de document : Article/Communication Auteurs : Dong Lin, Auteur ; Malgorzata Jarząbek-Rychard, Auteur ; Xiaochong Tong, Auteur ; Hans-Gerd Maas, Auteur Année de publication : 2019 Article en page(s) : pp 162 - 175 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] façade [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] image thermique [Termes descripteurs IGN] Ransac (algorithme) [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] SIFT (algorithme) [Termes descripteurs IGN] texturage Résumé : (Auteur) Thermal image data are widely used to assess the insulation quality of buildings and to detect thermal leakages. In our approach, we merge terrestrial thermal image data and 3D point clouds to perform thermal texture mapping for building facades. Since geo-referencing data of a hand-held thermal camera is usually not available in such applications, registration between thermal images and a 3D point cloud (for instance generated from RGB image data by structure-from-motion techniques) is essential. In our approach, thermal image data registration is conducted in four steps: First, another point cloud is generated from the thermal image data. Next, a coarse registration between thermal point cloud and RGB point cloud is performed using the fast global registration (FGR) algorithm. The best corresponding thermal-RGB image pairs are acquired by picking up the lowest Euclidean distance between the exterior orientation parameters of thermal images and transformed exterior orientation parameters of RGB images. Subsequently, radiation-invariant feature transform (RIFT), normalized barycentric coordinate system (NBCS) and random sample consensus (RANSAC) are employed to extract reliable matching features on thermal-RGB image pairs. Afterwards, a fine registration is performed by mono-plotting of the RGB image, followed by image resection of the thermal image. Finally, in terms of texture mapping algorithms, in order to remove the blur effects caused by small misalignments for different candidate images, a global image pose refinement approach, which aims to minimize the temperature disagreements provided by different images for the same object points, is proposed. In addition, in order to ensure high geometric and radiant accuracy, camera calibrations are performed. Experiments showed that the proposed method could not only achieve high geometric registration accuracy, but also provide a good radiometric accuracy with RMSE lower than 1.5 °C. Numéro de notice : A2019-208 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.03.010 date de publication en ligne : 21/03/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.03.010 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92674 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019051	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019053	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019052	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Structure from motion for ordered and unordered image sets based on random k-d forests and global pose estimation / Xin Wang in ISPRS Journal of photogrammetry and remote sensing, vol 147 (January 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 147 (January 2019) . - pp 19 - 41 Titre : Structure from motion for ordered and unordered image sets based on random k-d forests and global pose estimation Type de document : Article/Communication Auteurs : Xin Wang, Auteur ; Franz Rottensteiner, Auteur ; Christian Heipke, Auteur Année de publication : 2019 Article en page(s) : pp 19 - 41 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] compensation par faisceaux [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] matrice de rotation [Termes descripteurs IGN] orientation relative [Termes descripteurs IGN] Ransac (algorithme) [Termes descripteurs IGN] recouvrement d'images [Termes descripteurs IGN] SIFT (algorithme) [Termes descripteurs IGN] structure-from-motion [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) In this paper, we present a new fast and robust method for structure from motion (SfM) for data sets potentially comprising thousands of ordered or unordered images. Our work focuses on the two most time-consuming procedures: (a) image matching and (b) pose estimation. For image matching, a new method employing a random k-d forest is proposed to quickly obtain pairs of overlapping images from an unordered set. After that, image matching and the estimation of relative orientation parameters are performed only for pairs found to be very likely to overlap. For pose estimation, we use a two-stage global approach, separating the determination of rotation matrices and translation parameters; the latter are computed simultaneously using a new method. In order to cope with outliers in the relative orientations, which global approaches are particularly sensitive to, we present a new constraint based on triplet loop closure errors of rotation and translation. Finally, a robust bundle adjustment is carried out to refine the image orientation parameters. We demonstrate the potential and limitations of our pipeline using various real-world datasets including ordered image data acquired from UAV (unmanned aerial vehicle) and other platforms as well as unordered data from the internet. The experiments show that our work performs better than comparable state-of-the-art SfM systems in terms of run time, while we achieve a similar accuracy and robustness. Numéro de notice : A2019-033 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.11.009 date de publication en ligne : 15/11/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.11.009 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91970 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019013	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019012	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Robust vehicle detection in aerial images using bag-of-words and orientation aware scanning / Hailing Zhou in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 56 n° 12 (December 2018) . - pp 7074 - 7085 Titre : Robust vehicle detection in aerial images using bag-of-words and orientation aware scanning Type de document : Article/Communication Auteurs : Hailing Zhou, Auteur ; Lei Wei, Auteur ; Chee Peng Lim, Auteur ; et al., Auteur Année de publication : 2018 Article en page(s) : pp 7074 - 7085 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] accentuation d'image [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] méthode robuste [Termes descripteurs IGN] modèle sac-de-mots [Termes descripteurs IGN] objet mobile [Termes descripteurs IGN] PMVS [Termes descripteurs IGN] SIFT (algorithme) [Termes descripteurs IGN] transformation de Radon [Termes descripteurs IGN] véhicule Résumé : (auteur) This paper presents a novel approach to automatically detect and count cars in different aerial images, which can be satellite or unmanned aerial vehicle (UAV) images. Variations in satellite and/or UAV data make it particularly challenging to have a robust method that works properly on a variety of images. A solution based on the bag-of-words (BoW) model is explored in this paper due to its invariance characteristic and highly stable performance in object/scene categorization. Different from categorization tasks, vehicle detection needs to localize the positions of cars in images. To make BoW suitable for this purpose, we extensively improve the methodology in three aspects, namely, by introducing a recently proposed feature representation, i.e., the local steering kernel descriptor, adding spatial structure constraints, and developing an orientation aware scanning mechanism to produce detection with “one-window-one-car” results. Experiments are conducted on various aerial images with large variations, which consist of data from two public databases, e.g., the Overhead Imagery Research Data Set and Vehicle Detection in Aerial Imagery, as well as other satellite and UAV images. The results demonstrate the effectiveness and robustness of the proposed method. Compared with existing techniques, the proposed method is applicable to a wider range of aerial images. Numéro de notice : A2018-555 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2018.2848243 date de publication en ligne : 17/07/2018 En ligne : http://dx.doi.org/10.1109/TGRS.2018.2848243 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91654 [article]

Automatic registration of images to untextured geometry using average shading gradients / Tobias Plötz in International journal of computer vision, vol 125 n° 1-3 (December 2017)  

Permalink

Automatic illumination-invariant image-to-geometry registration in outdoor environments / Christian Kehl in Photogrammetric record, vol 32 n° 158 (June - july 2017)  

Permalink

Airborne Lidar/INS/GNSS : algorithm uses fuzzy controlled Scale Invariant Feature Transform (SIFT) / Haowei Xu in GPS world, vol 28 n° 3 (March 2017)

Permalink

Autonomous ortho-rectification of very high resolution imagery using SIFT and genetic algorithm / Pramod Kumar Konugurthi in Photogrammetric Engineering & Remote Sensing, PERS, vol 82 n° 5 (May 2016)  

Permalink

Evaluation of SIFT and SURF for vision based localization / Xiaozhi Qu (2016)    

Permalink

Distinctive order based self-similarity descriptor for multi-sensor remote sensing image matching / Amin Sedaghat in ISPRS Journal of photogrammetry and remote sensing, vol 108 (October 2015)  

Permalink

Forest species recognition based on dynamic classifier selection and dissimilarity feature vector representation / J.G. Martins in Machine Vision and Applications, vol 26 n° 2-3 (April 2015)  

Permalink

SAR-SIFT : a SIFT-like algorithm for SAR images / Flora Dellinger in IEEE Transactions on geoscience and remote sensing, vol 53 n° 1 (January 2015)  

Permalink

A robust image matching method based on optimized BaySAC / Zhizhong Kang in Photogrammetric Engineering & Remote Sensing, PERS, vol 80 n° 11 (November 2014)  

Permalink

Image matching using SIFT features and relaxation labeling technique—A constraint initializing method for dense stereo matching / Jyoti Joglekar in IEEE Transactions on geoscience and remote sensing, vol 52 n° 9 Tome 1 (September 2014)

Permalink