Detection of Curvilinear Objects in Aerial Images

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F12%3A00204514" target="_blank" >RIV/68407700:21230/12:00204514 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Detekce skoro lineárních objektů

Original language description

Detekování liniových objekt? není triviální úlohou kv?li jejich možnému zakrytí, ?i zastín?ní. A?koliv bylo publikováno mnoho p?ístup? k ?ešení této úlohy, do dnešní doby na trhu neexistuje systém ?ešící tento úkol, což je zp?sobeno p?edevším nedostate?nou obecností daných metod. V této práci je použit hybridní p?ístup využívající vícero rozlišení snímku, který kombinuje dobré vlastnosti metod jak pro nízké tak vysoké rozlišení. Jako forma p?edzpracování je použit ridge detektor v prostoru m??ítek založený na diferenciální geometrii obrazové funkce. P?idanou hodnotou nalezených ridg? je získání i orientace ridge, což ubírá stupe? volnosti p?i prohledávání prostoru hypotéz, šet?í výpo?etní ?as a potla?uje podíl falešn? pozitivních detekcí. Dalším krokemje klasifikace získaných ridg? již na úrovni vysokého rozlišení. Pro klasifikaci je použit Gentle Adaboost klasifikátor, který se spole?n? s Haar popisy jeví jako dobré ?ešení v této úloze. Klasifikátor lze nau?it na r?zné t?ídy liniovýc

Czech name

Detekce skoro lineárních objektů

Czech description

Detekování liniových objekt? není triviální úlohou kv?li jejich možnému zakrytí, ?i zastín?ní. A?koliv bylo publikováno mnoho p?ístup? k ?ešení této úlohy, do dnešní doby na trhu neexistuje systém ?ešící tento úkol, což je zp?sobeno p?edevším nedostate?nou obecností daných metod. V této práci je použit hybridní p?ístup využívající vícero rozlišení snímku, který kombinuje dobré vlastnosti metod jak pro nízké tak vysoké rozlišení. Jako forma p?edzpracování je použit ridge detektor v prostoru m??ítek založený na diferenciální geometrii obrazové funkce. P?idanou hodnotou nalezených ridg? je získání i orientace ridge, což ubírá stupe? volnosti p?i prohledávání prostoru hypotéz, šet?í výpo?etní ?as a potla?uje podíl falešn? pozitivních detekcí. Dalším krokemje klasifikace získaných ridg? již na úrovni vysokého rozlišení. Pro klasifikaci je použit Gentle Adaboost klasifikátor, který se spole?n? s Haar popisy jeví jako dobré ?ešení v této úloze. Klasifikátor lze nau?it na r?zné t?ídy liniovýc

Type

O - Miscellaneous

CEP classification

JD - Use of computers, robotics and its application

OECD FORD branch

—

Project

<a href="/en/project/TA02010887" target="_blank" >TA02010887: Small gyro stabilized camera head</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2012

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů