عنوان پایان‌نامه
بهبود الگوریتم SGMجهت استخراج DSMدر مناطق شهری از تصا ویر استریو ماهواره ای با توان تفکیک بالا
- رشته تحصیلی
- مهندسی عمران - نقشه برداری - فتوگرامتری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3269;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75389
- تاریخ دفاع
- ۰۵ بهمن ۱۳۹۴
- دانشجو
- نوراله تتر
- استاد راهنما
- محمد سعادت سرشت, حسین عارفی
- چکیده
- مدل رقومی سطح زمین (DSM) یکی از منابع اطلاعاتی است؛ که از آن در شناسایی تغییرات، مدل سازی سه‌بعدی شهر، بهنگام رسانی نقشه، برنامه ریزی های شهری، تعیین مکان بهینه برای آنتن‌های مخابراتی، مدیریت بحران، برآورد خسارات پس از بلایای طبیعی، کاربردهای نظامی و موارد دیگر استفاده می شود. برای تولید DSM علاوه بر نقشه برداری توپوگرافی زمینی، امروزه از فناوری های لیدار (LIDAR) هوایی و زمینی، تصاویر راداری SAR، فتوگرامتری پهپاد، تصویربرداری هوایی و ماهواره ای استفاده می شود. استخراج DSM از تصاویر استریو اپتیکی دارای سه مرحله ی زمین مرجع سازی، تناظریابی و فیلتر کردن ابر نقاط سه‌بعدی است. در این پایان نامه هدف سازگار کردن و بهبود الگوریتم تناظریابی شبه‌سراسری به‌منظور تناظریابی متراکم تصاویر استریو ماهواره ای با توان تفکیک بالا در مناطق شهری است؛ زیرا در این مناطق مشکلاتی مانند وجود سایه ها، نواحی پنهان و تضاریس در اطراف بام ساختمان ها باعث ناکارآمدی این الگوریتم می شوند. با توجه به ناکارآمدی توابع هزینه مبتنی بر پنجره تناظریابی، یک تابع هزینه جدید با نام اختصاری CW (Classified Window) پیشنهاد شده است. نتایج بدست آمده بر روی تصاویر سنجنده GeoEye-1 از منطقه شهری قم نشان می دهند، تابع هزینه CW نسبت به توابع هزینه Census، NCC و MI از کارآیی بالاتری برخوردار است. از طرف دیگر با توجه به ضعف الگوریتم SGM در نواحی سایه ها، به منظور تصحیح تصویر پارالاکس در این نواحی، یک روش مبتنی بر اپراتورهای مورفولوژی و برازش صفحه پیشنهاد شده است. در این روش با تخمین پارالاکس پس‌زمینه با اپراتور Geodesic Dilation و برازش صفحه با الگوریتم RANSAC پارالاکس نواحی سایه تصحیح می شوند. نتایج حاصل از این فرآیند نشان می دهد، معیار اندازه F در روش پیشنهادی نسبت به حالت استاندارد از 82% به 88% افزایش یافته است. واژه‌های کلیدی: مدل رقومی سطح زمین، تصاویر استریو ماهواره ای با توان تفکیک بالا، تناظریابی متراکم در منطقه شهری، تناظریابی شبه‌سراسری، بهبود الگوریتم تناظریابی شبه‌سراسری
- Abstract
- Digital surface model (DSM) is a widely used as information source in many applications e.g., urban 3D modelling, map updating, urban planning and site selection of telecommunication antenna. Land surveying, LIDAR technology, SAR imagery and photogrammetry method are employed to generate DSM. Photogrammetry is a popular method which uses optical images gathered by terrestrial laser scanners, UAVs, air borne or space borne platforms. Stereo image matching algorithms is the core of a photogrammetry system for DSM generation. This method consists of three main steps including: georeferencing, matching and filtering. Shadows, occlusions and aliasing around the building roofs degrades the operation of these algorithms in urban areas. In this thesis, a new method has been employed to increase the compatibility and accuracy of SGM algorithm on high resolution satellite stereo imagery over urban areas. Due to the inefficiency of cost functions based on matching window, a new cost function named as classified window (CW) is proposed. Our experiments on GeoEye-1 stereo pairs demonstrates the superiority of the proposed cost function over the Census, NCC and MI cost functions. In addition to solve the inherent weakness of SGM algorithm in shadow overcast areas a new method for disparity map refinement is proposed. This method is based on morphological operators and plane fitting. Disparity map of background is estimated by geodesic dilation operator and RANSAC based robust plane fitting algorithm is used to modify the disparities in these areas. Excellency of using this method on quality of the DSM is demonstrated in our experiments. The result shows the superiority of our proposed method over standard SGM algorithm by average increase of 88% in F-measure. Keywords: Digital Surface Model, High resolution satellite stereo imagery, Dence stereo matching in urban area, Semi-Global Matching
