Model-Based Segmentation of Images
La fotografia congela en un instant les dades que després es poden extreure, interpretar i transformar amb el pas del temps per comunicar informació en diferents formats. Fer mapes a partir de fotografies va ser una revolució en la cartografia. Els avenços en Computer Vision ajuden a provocar la pro...
| Autor: | |
|---|---|
| Tipo de documento: | tese |
| Estado: | Versão publicada |
| Data de publicação: | 2020 |
| País: | España |
| Recursos: | CBUC, CESCA |
| Repositório: | TDR. Tesis Doctorales en Red |
| OAI Identifier: | oai:www.tdx.cat:10803/670932 |
| Acesso em linha: | http://hdl.handle.net/10803/670932 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Parcel·les Parcelas Fields Extracció Extracción Extraction Automàtica Automática Automatic Tecnologies 004 |
| Resumo: | La fotografia congela en un instant les dades que després es poden extreure, interpretar i transformar amb el pas del temps per comunicar informació en diferents formats. Fer mapes a partir de fotografies va ser una revolució en la cartografia. Els avenços en Computer Vision ajuden a provocar la propera revolució d’aquesta disciplina, que té com a objectiu la informació geogràfica cada cop més detallada que es requereix en períodes de temps més curts. D’aquesta manera, el procés que va de la imatge a un mapa ha esdevingut cada cop més automàtic. Les imatges, ja capturades amb càmeres digitals d’alta resolució, se situen automàticament en la posició correcta del terreny com si fossin un full que el cobreixi, gràcies als models digitals del terreny, obtenint així ortofotomapes. En aquestes circumstàncies, l’única càrrega que queda per alleugerir és l’extracció dels elements topogràfics, sense perdre la precisió i la qualitat d’interpretació que fins ara han proporcionat els operadors humans. Aquesta investigació se centra en el desenvolupament de nous mètodes informàtics que facilitin aquestes tasques d’extreure informació d’imatges aèries. Comencem amb el desenvolupament d’una estratègia d’extracció semi-automàtica de parcel·les de les imatges. Aquest enfocament utilitza la resposta gairebé homogènia dels camps i com aquesta resposta es diferencia de la que proporcionen els veïns. El procés es porta a terme mitjançant el mètode en el qual les regions adjacents competeixen per posseir un píxel. Quan també es tenen en compte les línies de contrast de les imatges, és possible ampliar la metodologia anterior per extreure carreteres. En ambdós casos cal guiar tot el procés, no només pels punts donats per un operador, sinó pel model de l’element que s’ha d’extreure. El model ajuda a perfeccionar els resultats obtinguts. Quan Deep Learning va irrompre a l'escena de la Visió per Computador, es van millorar tots els processos de classificació d'imatges. Així doncs, proposem una aventura conjunta entre una xarxa profunda i un mètode de minimització d'energia adreçat per un model que millora els beneficis de cada component. Aquest enfocament redueix al mínim la necessitat d’interacció humana i obté resultats fiables. |
|---|