[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 2640788

مقالات منتشر شده: 653
نرخ پذیرش: 73.83
نرخ رد: 17.75

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 190 روز
____
..
:: دوره 12، شماره 3 - ( 12-1401 ) ::
دوره 12 شماره 3 صفحات 94-75 برگشت به فهرست نسخه ها
ارائه یک روش ساده و سریع برای تولید خودکار ارتوفتوموزاییک حقیقی از تصاویر پهپادمبنا
مریم سجادیان* ، مسعود ورشوساز
چکیده:   (608 مشاهده)
امروزه استفاده از تصاویر پهپاد­مبنا برای تولید ارتوفتوموزاییک­های بزرگ مقیاس از مناطق نسبتا وسیع گسترش یافته است. تولید ارتوفتوموازییک در دو مرحله ترمیم تصویر و دوختن تصاویر انجام می­گیرد. به این صورت که ابتدا در فرایند ترمیم با استفاده از DSM مربوط به هر تصویر، ارتوفتو آن تولید می­شود. سپس در مرحله دوم با استفاده از روش­های مختلف دوختن تصاویر، تک ارتوفتوهای تولید شده گام به گام به یکدیگر متصل می­شوند تا یک ارتوفتوموزاییک بزرگ از کل منطقه ایجاد شود. روش­های دوختن تصاویر متکی به تعیین لبه­های برش بهینه هستند که فرایندی پیچیده و چالش برانگیز محسوب می­گردد. علاوه بر این ترمیم تصاویر و دوختن آنها در پروژه­های پهپادمبنا با تعداد تصاویر زیاد که معمولا پوشش­های طولی و عرضی بالا نیز دارند، بسیار زمانبر است. در این مقاله روشی ساده برای تولید ارتوفتوموزاییک بزرگ مقیاس از تصاویر پهپاد­مبنا بدون نیاز به تولید تک­ارتوفتوها و تعیین لبه­های برش ارائه شده است. در این روش به جای اتصال تک ­ارتوفتوها در فضای تصویر، یک DSM یکپارچه در فضای عارضه تعریف می­شود. سپس برای هر نقطه از DSM مربوطه، با تکیه بر یکی از معیارهای فاصله از نادیر و فاصله از مرکز تصویربرداری، یک تصویر بهینه از میان تمامی تصاویر انتخاب می­گردد. در نهایت نقاط DSM با تصاویر بهینه تعیین شده بازنگاشت شده و موزاییک نهایی به یکباره تولید می­شود.  نتایج این تحقیق نشان داد روش پیشنهادی در تولید ارتوفتوموزاییک بزرگ مقیاس به خوبی عمل کرده است به طوریکه موزاییک یکپارچه­ای با اختلافات کم بر روی لبه­های برش تولید شده است. علاوه بر این، روش پیشنهادی با روش رایج تولید ارتوفتوموزاییک که بر مبنای تولید تک ­ارتوفتوها و دوختن آن­ها می­باشد مقایسه شده است. ارزیابی­ها بیانگر این هستند که روش پیشنهادی بر مبنای فاصله از مرکز تصویربرداری سرعت تولید ارتوفتوموزاییک را 39% و 45% به ترتیب در مجموعه داده اول و دوم افزایش داده است. همچنین دقت هندسی محاسبه شده با استفاده ار نقاط چک در ارتوفتوموزاییک­های تولیدی به روش پیشنهادی به طور متوسط حدود 2 سانتی­متر کاهش یافته است که نشان دهنده نتایج دقیق­تر است.
 
شماره‌ی مقاله: 6
واژه‌های کلیدی: تصاویر پهپاد، ترمیم تفاضلی، ارتوفتوموزاییک، مدل رقومی سطح(DSM) .
متن کامل [PDF 1649 kb]   (248 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
دریافت: 1401/4/1
فهرست منابع
1. Liu, Y., Zheng, X., Ai, G., Zhang, Y., and Zuo, Y. (2018). "Generating a high-precision true digital orthophoto map based on UAV images." ISPRS International Journal of Geo-Information. Vol. 7, No. 9, PP. 333. [DOI:10.3390/ijgi7090333]
2. Ludwig, M., M Runge, C., Friess, N., Koch, T. L., Richter, S., Seyfried, S., et al. (2020). "Quality assessment of photogrammetric methods-A workflow for reproducible UAS orthomosaics." Remote Sensing. Vol. 12, No. 22, PP. 3831. [DOI:10.3390/rs12223831]
3. Lin, Y.-C., Zhou, T., Wang, T., Crawford, M., and Habib, A. (2021). "New orthophoto generation strategies from UAV and ground remote sensing platforms for high-throughput phenotyping." Remote Sensing. Vol. 13, No. 5, PP. 860. [DOI:10.3390/rs13050860]
4. Shoab, M., Singh, V. K., and Ravibabu, M. (2021). "High-precise true digital orthoimage generation and accuracy assessment based on UAV images." Journal of the Indian Society of Remote Sensing. Vol. 50, No, 4, PP. 613-622. [DOI:10.1007/s12524-021-01364-z]
5. Wang, Q., Yan, L., Sun, Y., Cui, X., Mortimer, H., and Li, Y. (2018). "True orthophoto generation using line segment matches." The Photogrammetric Record. Vol. 33, No. 161, PP. 113-130. [DOI:10.1111/phor.12229]
6. Gharibi, H., and Habib, A. (2018). "True orthophoto generation from aerial frame images and LiDAR data: An update." Remote Sensing. Vol. 10, No. 4, PP. 581. [DOI:10.3390/rs10040581]
7. Sheng, Y. (2007). "Minimising algorithm‐induced artefacts in true ortho‐image generation: a direct method implemented in the vector domain." The Photogrammetric Record. Vol. 22, No. 118, PP. 151-163. [DOI:10.1111/j.1477-9730.2007.00425.x]
8. Habib, A. F., Bang, K.-I., Kim, C., and Shin, S. (2006). "True Ortho-photo Generation from High Resolution Satellite Imagery." In Innovations in 3D Geo Information Systems. Springer, Berlin, Heidelberg. [DOI:10.1007/978-3-540-36998-1_49]
9. Nielsen, M.Ø. (2004). "True orthophoto generation." Master's Thesis, Technical university of denmark, Lyngby, Denmark.
10. Li, X., Feng, R., Guan, X., Shen, H., and Zhang, L. (2019). "Remote sensing image mosaicking: Achievements and challenges." IEEE Geoscience and Remote Sensing Magazine. Vol. 7, No. 4, PP. 8-22. [DOI:10.1109/MGRS.2019.2921780]
11. Pellikka, M., and Lahtinen, V. (2021). "A robust method for image stitching." Pattern Analysis and Applications. Vol. 24, No. 4, PP. 1847-1858. [DOI:10.1007/s10044-021-01005-8]
12. Xu, Q., Chen, J., Luo, L., Gong, W., and Wang, Y. (2021). "UAV image stitching based on mesh-guided deformation and ground constraint." IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Vol. 14, PP. 4465-4475. [DOI:10.1109/JSTARS.2021.3061505]
13. Zhao, Q., Ma, Y., Zhu, C., Yao, C., Feng, B., and Dai, F. (2021). "Image stitching via deep homography estimation." Neurocomputing, Vol. 450, PP. 219-229. [DOI:10.1016/j.neucom.2021.03.099]
14. Zhu, H., Jiang, Y., Zhang, C. and Liu, S. (2022). "Research on Mosaic Method of UAV Low-altitude Remote Sensing Image based on SIFT and SURF." In Journal of Physics: Conference Series. Vol. 2203, No. 1, PP. 012027. IOP Publishing. [DOI:10.1088/1742-6596/2203/1/012027]
15. Goh, J., Phang, S., and Chew, W. (2021). "Real-time and automatic map stitching through aerial images from UAV." In Journal of Physics: Conference Series. Vol. 2120, No. 1, PP. 012025. IOP Publishing. [DOI:10.1088/1742-6596/2120/1/012025]
16. Yuan, Y., Fang, F., and Zhang, G. (2020). "Superpixel-based seamless image stitching for UAV images." IEEE Transactions on Geoscience and Remote sensing. Vol. 59, No. 2, PP- 1565-1576. [DOI:10.1109/TGRS.2020.2999404]
17. Pham, N. T., Park, S., and Park, C.-S. (2021). "Fast and Efficient Method for Large-Scale Aerial Image Stitching." IEEE Access. Vol. 9, PP. 127852-127865. [DOI:10.1109/ACCESS.2021.3111203]
18. Gómez-Reyes, J. K., Benítez-Rangel, J. P., Morales-Hernández, L. A., Resendiz-Ochoa, E., and Camarillo-Gomez, K. A. (2022). "Image Mosaicing Applied on UAVs Survey." Applied Sciences. Vol. 12, No. 5, PP. 2729. [DOI:10.3390/app12052729]
19. Chen, Y., Briese, C., Karel, W., and Pfeifer, N. (2014). "True orthophoto generation using multi-view aerial images." The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. 40, No. 3, PP. 67. [DOI:10.5194/isprsarchives-XL-3-67-2014]
20. Chen, G., Chen, S., Li, X., Zhou, P., and Zhou, Z. (2018). "Optimal seamline detection for orthoimage mosaicking based on DSM and improved JPS algorithm." Remote Sensing. Vol. 10, No. 6, PP. 821. [DOI:10.3390/rs10060821]
21. Chen, J., Li, Z., Peng, C., Wang, Y., and Gong, W. (2022). "UAV Image Stitching Based on Optimal Seam and Half-Projective Warp." Remote Sensing. Vol. 14, No. 5, PP.1068. [DOI:10.3390/rs14051068]
22. Chon, J., Kim, H., and Lin, C.-S. (2010). "Seam-line determination for image mosaicking: A technique minimizing the maximum local mismatch and the global cost." ISPRS Journal of Photogrammetry and Remote Sensing. Vol. 65, No. 1, PP. 86-92. [DOI:10.1016/j.isprsjprs.2009.09.001]
23. Huang, C.-M., Lin, S.-W., and Chen, J.-H. (2015). "Efficient image stitching of continuous image sequence with image and seam selections.: IEEE Sensors Journal. Vol. 15, No. 10, PP. 5910-5918. [DOI:10.1109/JSEN.2015.2449879]
24. Laaroussi, S., Baataoui, A., Halli, A., and Khalid, S. (2018). "A dynamic mosaicking method based on histogram equalization for an improved seamline." Procedia Computer Science. Vol. 127, PP. 344-352. [DOI:10.1016/j.procs.2018.01.131]
25. Li, M., Li, D., Guo, B., Li, L., Wu, T., qnd Zhang, W. (2018). "Automatic seam-line detection in UAV remote sensing image mosaicking by use of graph cuts." ISPRS International Journal of Geo-Information. Vol. 7, No. 9, PP. 361. [DOI:10.3390/ijgi7090361]
26. Manandhar, P., Jalil, A., AlHashmi, K., and Marpu, P. (2021). "Automatic Generation of Seamless Mosaics Using Invariant Features." Remote Sensing. Vol. 13, No. 16, PP. 3094. [DOI:10.3390/rs13163094]
27. Nguyen, T. L., Byun, Y., Han, D., and Huh, J. (2018). "Efficient seamline determination for UAV image mosaicking using edge detection." Remote Sensing Letters. Vol. 9, No. 8, PP. 763-769. [DOI:10.1080/2150704X.2018.1475772]
28. Qu, Z., Wang, T., An, S., and Liu, L. (2018). "Image seamless stitching and straightening based on the image block." IET Image Processing. Vol. 12, No. 8, PP. 1361-1369. [DOI:10.1049/iet-ipr.2017.1064]
29. Tian, J., Li, X., Duan, F., Wang, J., and Ou, Y. (2016). "An efficient seam elimination method for UAV images based on wallis dodging and gaussian distance weight enhancement." Sensors. Vol. 16, No. 5, PP. 662. [DOI:10.3390/s16050662]
30. Wang, M., Yuan, S., Pan, J., Fang, L., Zhou, Q., and Yang, G. (2016). "Seamline determination for high resolution orthoimage mosaicking using watershed segmentation." Photogrammetric Engineering & Remote Sensing. Vol. 82, No. 2, PP. 121-133. [DOI:10.14358/PERS.82.2.121]
31. Xandri, R., Pérez-Aragüés, F., Palà, V., and Arbiol, R. (2005). "Automatic generation of seamless mosaics over extensive areas from high resolution imagery." World Multi-Conference on Systemics, Cybernetics and Informatics (WMSCI). Jul 13, Orlando.
32. Yang, Y., Gao, Y., Li, H., and Han, Y. (2011). "An algorithm for remote sensing image mosaic based on valid area." 2011 International Symposium on Image and Data Fusion. Aug 9. [DOI:10.1109/ISIDF.2011.6024278]
33. Yuan, S., Yang, K., Li, X., and Cai, H. (2020). "Automatic Seamline Determination for Urban Image Mosaicking Based on Road Probability Map from the D-LinkNet Neural Network." Sensors. Vol. 20, No. 7, PP. 1832. [DOI:10.3390/s20071832]
34. Hsu, S., Sawhney, H. S., and Kumar, R. (2002). "Automated mosaics via topology inference." IEEE Computer Graphics and Applications. Vol. 22, No. 02, PP. 44-54. [DOI:10.1109/38.988746]
35. Li, L., Yao, J., Lu, X., Tu, J., and Shan, J. (2016). "Optimal seamline detection for multiple image mosaicking via graph cuts." ISPRS Journal of Photogrammetry and Remote Sensing. Vol. 113, PP. 1-16. [DOI:10.1016/j.isprsjprs.2015.12.007]
36. Li, L., Tu, J., Gong, Y., Yao, J., and Li, J. (2019). "Seamline network generation based on foreground segmentation for orthoimage mosaicking." ISPRS Journal of Photogrammetry and Remote Sensing. Vol. 148, PP. 41-53. [DOI:10.1016/j.isprsjprs.2018.12.002]
37. Pan, J., Wang, M., Li, D., and Li, J. (2009). "Automatic generation of seamline network using area Voronoi diagrams with overlap." IEEE Transactions on Geoscience and Remote sensing. Vol. 47, No, 6, PP. 1737-1744. [DOI:10.1109/TGRS.2008.2009880]
38. Pan, J., Wang, M., Ma, D., Zhou, Q., and Li, J. (2013). "Seamline network refinement based on area Voronoi diagrams with overlap." IEEE Transactions on Geoscience and Remote sensing. Vol. 52, No. 3, PP. 1658-1666. [DOI:10.1109/TGRS.2013.2253110]
39. Pan, J., Fang, Z., Chen, S., Ge, H., Hu, F., and Wang, M. (2018). "An improved seeded region growing-based seamline network generation method." Remote Sensing. Vol. 10, No. 7, PP. 1065. [DOI:10.3390/rs10071065]
40. de Oliveira, H. C., Dal Poz, A. P., Galo, M., and Habib, A. F. (2018). "Surface gradient approach for occlusion detection based on triangulated irregular network for true orthophoto generation." IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Vol. 11, No. 2, PP. 443-457. [DOI:10.1109/JSTARS.2017.2786162]
41. Hu, Y., Stanley, D., and Xin, Y. (2016). "True ortho generation of urban area using high resolution aerial photos." ISPRS Annals of Photogrammetry, Remote Sensing & Spatial Information Sciences 3, No. 4. May. [DOI:10.5194/isprs-annals-III-4-3-2016]
42. Boccardo, P., Dequal, S., Lingua, A., and Rinaudo, F. (2001). "True digital orthophoto for architectural and archaeological applications." International Archives of Photogrammetry and Remote Sensing. Vol. 34, No. 5/W1, PP. 50-55.
43. Balletti, C., Guerra, F., Lingua, A., and Rinaudo, F. (2003). "True Digital Orthophoto of The San Marco Basilica. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences." Vol. 34, No. 5, PP. W12.
44. Biasion, A., Dequal, S., and Lingua, A. (2004). "A new procedure for the automatic production of true orthophotos." The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. 35, PP. 1682-1777.
45. Hanusch, T. (2010). "Texture mapping and true orthophoto generation of 3D objects." PhD thesis. ETH Zurich.
46. Zhang, Y., Zhang, M., Du, S., Zou, Z., and Fan, C. (2018). "Seamline optimisation for urban aerial ortho‐image mosaicking using graph cuts." The Photogrammetric Record. Vol. 33, No. 161, PP. 131-147. [DOI:10.1111/phor.12232]
47. Zhou, G., Wang, Y., Yue, T., Ye, S., and Wang, W. (2016). "Building occlusion detection from ghost images." IEEE Transactions on Geoscience and Remote sensing. Vol. 55, No. 2, PP. 1074-1084. [DOI:10.1109/TGRS.2016.2619184]
48. Habib, A. F., Kim, E.-M., and Kim, C.-J. (2007). New methodologies for true orthophoto generation." Photogrammetric Engineering & Remote Sensing. Vol. 73, No. 1, PP. 25-36. [DOI:10.14358/PERS.73.1.25]
49. Bang, K., Habib, A. F., Shin, S., and Kim, K. (2007). "Comparative analysis of alternative methodologies for true ortho-photo generation from high resolution satellite imagery." ASPRS annual. May 7.
50. Barazzetti, L., Brumana, R., Oreni, D., Previtali, M., and Roncoroni, F. (2014). "True-orthophoto generation from UAV images: implementation of a combined photogrammetric and computer vision approach." ISPRS Annals of Photogrammetry, Remote Sensing & Spatial Information Sciences 2, No. 5. May 28. [DOI:10.5194/isprsannals-II-5-57-2014]
51. Schickier, W., and Thorpe, A. (1998). "Operational procedure for automatic true orthophoto generation." International Archives of Photogrammetry and Remote Sensing. Vol. 32, PP. 527-532.
52. Amhar, F., Jansa, J., and Ries, C. (1998). "The generation of true orthophotos using a 3D building model in conjunction with a conventional DTM." International Archives of Photogrammetry and Remote Sensing. Vol. 32, PP. 16-22.
53. Ettarid, M., M'h, A. A., and Aloui, R. (2005). "Digital true orthophotos generation."
54. Geoinformatics FIG Working Week 2005 and GSDI-8 Cairo, April 16-21, Egypt.
55. Haggag, M., Zahran, M., and Salah, M. (2018). "Towards automated generation of true orthoimages for urban areas." American Journal of Geographic Information System, Vol. 7, No. 2, PP. 67-74.
56. de Oliveira, H. C., Galo, M., and Dal Poz, A. P. (2015). "Height-gradient-based method for occlusion detection in true orthophoto generation." IEEE Geoscience and Remote Sensing Letters. Vol. 12, No. 11, PP. 2222-2226. [DOI:10.1109/LGRS.2015.2459671]
57. Dostal, C., and Yamafune, K. (2018). "Photogrammetric texture mapping: A method for increasing the Fidelity of 3D models of cultural heritage materials." Journal of Archaeological Science: Reports 18. PP. 430-436. [DOI:10.1016/j.jasrep.2018.01.024]
58. Hu, S., Li, Z., Wang, S., Ai, M., and Hu, Q. (2020). "A texture selection approach for cultural artifact 3D reconstruction considering both geometry and radiation quality." Remote Sensing. Vol. 12, No. 16, PP. 2521. [DOI:10.3390/rs12162521]
59. Zheng, M., Zhou, S., Xiong, X., and Zhu, J. (2017). "A novel orthoimage mosaic method using the weighted A* algorithm for UAV imagery." Computers & Geosciences, Vol. 109, PP. 238-246. [DOI:10.1016/j.cageo.2017.08.004]
60. Zheng, M., Xiong, X., and Zhu, J. (2017). "Automatic seam-line determination for orthoimage mosaics using edge-tracking based on a DSM." Remote Sensing Letters. Vol. 8, No.10, No. 977-986. [DOI:10.1080/2150704X.2017.1343509]
61. Ma, H.-c., and Sun, J. (2011). "Intelligent optimization of seam-line finding for orthophoto mosaicking with LiDAR point clouds." Journal of Zhejiang University SCIENCE C. Vol. 12, No. 5, PP. 417-429. [DOI:10.1631/jzus.C1000235]
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

sajadian M, varshosaz M. True orthophoto mosaic generation: a simple and fast method. JGST 2023; 12 (3) : 6
URL: http://jgst.issgeac.ir/article-1-1096-fa.html

سجادیان مریم، ورشوساز مسعود. ارائه یک روش ساده و سریع برای تولید خودکار ارتوفتوموزاییک حقیقی از تصاویر پهپادمبنا. علوم و فنون نقشه برداری. 1401; 12 (3) :75-94

URL: http://jgst.issgeac.ir/article-1-1096-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 12، شماره 3 - ( 12-1401 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology