Descripteur
Termes IGN > sciences naturelles > physique > traitement d'image > analyse d'image numérique > SIFT (algorithme)
SIFT (algorithme)Synonyme(s)algorithme de LoweVoir aussi |
Documents disponibles dans cette catégorie (37)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
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)
[article]
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 IGN] analyse de données
[Termes IGN] correction des ombres
[Termes IGN] détection automatique
[Termes IGN] détection de changement
[Termes IGN] effet d'ombre
[Termes IGN] enregistrement de données
[Termes IGN] image à haute résolution
[Termes IGN] image aérienne
[Termes IGN] image multitemporelle
[Termes IGN] intensité lumineuse
[Termes IGN] masque
[Termes IGN] Ransac (algorithme)
[Termes 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 Affiliation des auteurs : non IGN 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
in Photogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 3 (March 2020) . - pp 177 - 186[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)
[article]
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 IGN] coordonnées curvilignes
[Termes IGN] disparité
[Termes IGN] modélisation 3D
[Termes IGN] odomètre
[Termes IGN] reconstruction 3D
[Termes IGN] regroupement de données
[Termes IGN] séquence d'images
[Termes IGN] SIFT (algorithme)
[Termes IGN] structure-from-motion
[Termes IGN] tunnel
[Termes IGN] visualisation de donnéesRésumé : (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 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2019.440 Date de publication en ligne : 02/03/2020 En ligne : https://doi.org/10.52638/rfpt.2019.440 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94429
in Revue Française de Photogrammétrie et de Télédétection > n° 221 (novembre 2019) . - pp 49 - 62[article]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)
[article]
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 IGN] appariement d'images
[Termes IGN] façade
[Termes IGN] image RVB
[Termes IGN] image thermique
[Termes IGN] Ransac (algorithme)
[Termes IGN] semis de points
[Termes IGN] SIFT (algorithme)
[Termes IGN] texturageRésumé : (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 Affiliation des auteurs : non IGN 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
in ISPRS Journal of photogrammetry and remote sensing > vol 151 (May 2019) . - pp 162 - 175[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2019051 RAB Revue Centre de documentation En réserve L003 Disponible 081-2019053 DEP-RECP Revue LASTIG 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)
[article]
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 IGN] appariement d'images
[Termes IGN] chaîne de traitement
[Termes IGN] classification barycentrique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] compensation par faisceaux
[Termes IGN] estimation de pose
[Termes IGN] image captée par drone
[Termes IGN] matrice de rotation
[Termes IGN] orientation relative
[Termes IGN] Ransac (algorithme)
[Termes IGN] recouvrement d'images
[Termes IGN] SIFT (algorithme)
[Termes IGN] structure-from-motion
[Termes IGN] vision par ordinateurRésumé : (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 Affiliation des auteurs : non IGN 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
in ISPRS Journal of photogrammetry and remote sensing > vol 147 (January 2019) . - pp 19 - 41[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2019011 RAB Revue Centre de documentation En réserve L003 Disponible 081-2019013 DEP-EXM Revue LASTIG Dépôt en unité Exclu du prêt 081-2019012 DEP-EAF Revue Nancy Dépôt en unité Exclu du prêt
Titre : Visual object tracking with deep neural networks Type de document : Monographie Auteurs : Pier Luigi Mazzeo, Éditeur scientifique ; Srinivasan Ramakrishnan, Éditeur scientifique ; Paolo Spagnolo, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2019 Importance : 206 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-1-78985-142-7 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] détection d'objet
[Termes IGN] image captée par drone
[Termes IGN] poursuite de cible
[Termes IGN] réseau neuronal artificiel
[Termes IGN] réseau neuronal siamois
[Termes IGN] segmentation sémantique
[Termes IGN] SIFT (algorithme)Résumé : (éditeur) Visual object tracking (VOT) and face recognition (FR) are essential tasks in computer vision with various real-world applications including human-computer interaction, autonomous vehicles, robotics, motion-based recognition, video indexing, surveillance and security. This book presents the state-of-the-art and new algorithms, methods, and systems of these research fields by using deep learning. It is organized into nine chapters across three sections. Section I discusses object detection and tracking ideas and algorithms; Section II examines applications based on re-identification challenges; and Section III presents applications based on FR research. Note de contenu : 1- Deep siamese networks toward robust visual tracking
2- Multi-person tracking based on faster R-CNN and deep appearance features
3- Detecting and counting small animal species using drone imagery by applying deep learning
4- Deep-facial feature-based person reidentification for authentication in surveillance applications
5- Object re-identification based on deep learning
6- Spatial domain representation for face recognition
7- Extended binary gradient pattern (eBGP): A micro-and macrostructure-based binary gradient pattern for face recognition in video surveillance area
8- Matrix factorization on complex domain for face recognition
9- Granular approach for recognizing surgically altered face Images using keypoint descriptors and artificial neural networkNuméro de notice : 28579 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.80142 En ligne : https://doi.org/10.5772/intechopen.80142 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97854 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)PermalinkSpatio-temporal grid mining applied to image classification and cellular automata analysis / Romain Deville (2018)PermalinkPermalinkAutomatic 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)PermalinkAutomatic illumination-invariant image-to-geometry registration in outdoor environments / Christian Kehl in Photogrammetric record, vol 32 n° 158 (June - july 2017)PermalinkAirborne Lidar/INS/GNSS : algorithm uses fuzzy controlled Scale Invariant Feature Transform (SIFT) / Haowei Xu in GPS world, vol 28 n° 3 (March 2017)PermalinkAutonomous 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)PermalinkPermalinkDistinctive 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)PermalinkForest 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