Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "image texture" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Detection of windows in building textures from airborne and terrestrial infrared image sequences
Autorzy:
Iwaszczuk, D.
Hoegner, L.
Stilla, U.
Powiązania:
https://bibliotekanauki.pl/articles/130294.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
infrared
image sequences
texture mapping
structure detection
sekwencje obrazów
podczerwień
mapowanie tekstur
Opis:
Infrared (IR) images depict thermal radiation of physical objects. Imaging the building façades and the roofs with an IR camera, thermal inspections of the buildings can be carried out. In such inspections a spatial correspondence between IR-images and the existing 3D building models can be helpful. Texturing 3D building models with IR images this spatial correspondence can be created. Furthermore in textures heat leakages can be detected and the heat bridges can be stored together with 3D building data. However, before extracting leakages, the windows should be located. In IR images glass reflects the surrounding and shows false results for the temperature measurements. Consequently, the windows should be detected in IR images and excluded for the inspection. The most common algorithms for window detection were developed for the images in the visual band. In this paper, an algorithm for window detection in textures extracted from terrestrial IR images is proposed. In the first step, small objects have to be removed by scaling down the image (texture). Then in the scaled image, regions are detected using a local dynamic threshold. Morphological operations are used to remove false detections and unify substructures of the windows. For every extracted region, which is a candidate for a window, the center of gravity is calculated. It is assumed that windows on façades are ordered in regular rows and columns. First the points are grouped into rows using histogram of height created from extracted gravity centers. Then masked correlation is used to detect the position and size of the windows. Finally, the gaps in the grid of windows are completed. For the first experiments we use a dataset from densely build urban area captured in Munich, Germany. The IR image sequences were taken from a vehicle driving on the street around the test area. Camera was directed to the building in oblique view. According to the acquisition geometry, no façade could be completely seen in one frame. Therefore, we combine the textures from many frames. To these textures we applied our algorithm for window detection. First results are promising. Applying the method for our test dataset, 79% completeness and 80% correctness could be achieved.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2011, 22; 215-225
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykrywanie sygnalizowanych punktów na obrazach cyfrowych bliskiego zasięgu z wykorzystaniem analiz typu GIS
Detection of close range digital image signalized points using GIS analysis
Autorzy:
Mierzwa, W.
Powiązania:
https://bibliotekanauki.pl/articles/129599.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
obraz cyfrowy
analiza tekstury
wykrywanie obiektów
fraktale
digital image
object detection
texture analysis
fractal
Opis:
Wykrywanie i automatyczny pomiar położenia punktów na obrazach cyfrowych jest jednym z podstawowych zadań fotogrametrii cyfrowej i realizowane jest przez zaawansowane oprogramowanie fotogrametryczne. W artykule podjęto próbę oceny na ile oprogramowanie GIS, zwłaszcza wykorzystujące rastrowy model danych może być przydatne do znajdowania na obrazach cyfrowych bliskiego zasięgu obiektów o określonych cechach. Dla wyszukiwania obrazów kulek zlokalizowanych na ciele pacjenta w fotogrametrycznym systemie trójwymiarowego pozycjonowania ciała dla celów diagnozy wad postawy opracowanym w Zakładzie Fotogrametrii i Informatyki Teledetekcyjnej Akademii Górniczo-Hutniczej w Krakowie, przydatne mogą być analizy tekstury obrazu. Pacjent fotografowany jest na specjalnym stanowisku pomiarowym, równocześnie za pomocą dwóch kamer cyfrowych Sylwetka pacjenta widoczna jest również od tyłu w lustrze usytuowanym za pacjentem. Obrazy wykonano aparatem cyfrowym OLYMPUS CAMEDIA C120 o rozdzielczości 1600×1200 pikseli. Obrazami kulek są jasne lub kolorowe plamki o kształcie zbliżonym do okręgu o wymiarach od kilku do kilkunastu pikseli w zależności od lokalnej skali obrazu. Jako kryteria wyszukiwania kulek przyjęto jednorodność odbicia spektralnego ( w przyjętym zakresie), rozmiar oraz kształt zbliżony do okręgu. Obiecujące wyniki uzyskano stosując do wykrywania kulek fraktale. Obraz wartości fraktalnej poddano przekształceniom polegającym na wyeliminowaniu obiektów o wartości fraktalnej mniejszej niż 2.8, usunięciu obiektów o powierzchni większej niż 60 pikseli oraz współczynnika zwartości większego niż 0.72. Parametry ustalono na podstawie szczegółowej analizy cech jednego typowego obrazu i wykorzystano do analizy innych dwóch obrazów. Zastosowana procedura pozwoliła na poprawne wydzielenie 85 % zasygnalizowanych punktów. Przy ustalaniu wartości parametrów kierowano się założeniem, że mniejszym błędem jest wyznaczenie większej liczby obiektów niż pominięcie obiektów przez przyjęcie zbyt ostrych kryteriów. Położenie wydzielonych obiektów określono jako współrzędne środka ciężkości obszaru wyznaczone funkcją polyras jako polygon locator. W celu oceny dokładności współrzędnych określonych automatycznie porównano je z pomierzonymi manualnie. Odchylenie standardowe różnic współrzędnych wyniosło S x,y = 0.32 piksela co odpowiada 1÷2 mm w układzie obiektu. Uzyskana dokładność jest wystarczająca dla celów diagnozowania wad postawy. W przeprowadzonych analizach wykorzystano oprogramowanie IDRISI-32.
Detection and automatic position measurement on digital images is one of the basic tasks of digital photogrammetry and is done using advanced photogrammetric software. In this paper, an attempt was made to show to what extent GIS software, which uses a raster data model, can be used to detect particular features of objects with close range digital images. Texture analysis can be useful in locating the position of balls attached to the human body in a photogrammetric system for 3D measuring for diagnosis of posture defects, developed in the Department of Photogrammetry and Remote Sensing Informatics of the University of Mining and Metallurgy, Kraków. The images of the patient are taken on a special measuring stand, simultaneously with the use of two digital cameras. The back of the patient body is also visible in the mirror situated behind the patient. The images were taken with a OLYMPUS CAMEDIA C120 digital camera with a resolution of 1600×1200 pixels. The images of balls are light or colored spots with an approximately circular shape and dimensions ranging from a few to a dozen or so pixels, depending on the local image scale. As criteria for ball detection, the similarity of spectral reflectance (in assumed range), dimension and shape similar to a circle were assumed. Promising results in detecting the balls have been achieved using the concept of fractal dimension.The image of fractal dimension were processed to eliminate features with fractal dimensions less then 2.8, remove feature areas less then 60 pixels and a compactness ratio greater then 0.72. The parameters were chosen by closely analyzing typical images and then applying these parameters to analyze the other two. The selected procedure properly detected 85 % of the signal points. In determining the value of parameters, it was assumed that there would be fewer mistakes if more features were detected than for using excessively sharp criteria and omitting some features. For the position of detected objects, the coordinates of the center of gravity of the feature determined by polyras (option polygon locator) were assumed. To estimate the accuracy of the coordinate determined automatically, a manual comparison was done. The standard deviation of the coordinates’ differences equalled S x,y = ±0.32 pixel size, which corresponded to 1÷2 mm in the object scale. The achieved accuracy is sufficient for diagnosis of posture defects. In the analysis, a IDRISI32 was used.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 415-423
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Teksturowanie danych z naziemnego skaningu laserowego obrazami termalnymi
Texture mapping of terrestrial laser scanning data using thermal images
Autorzy:
Walczykowski, P.
Dębski, W.
Kędzierski, M.
Powiązania:
https://bibliotekanauki.pl/articles/130634.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
skaning laserowy
obraz termalny
teksturowanie
3D
model termalny
laser scanning
thermal image
texture mapping
thermal model
Opis:
Przedmiotem artykułu jest połączenie danych ze skaningu laserowego ze zobrazowaniami termalnymi. Obiektem badań wykorzystanym w eksperymencie był monitor komputerowy LG Flatron F900P. Do pozyskania danych przestrzennych wykorzystano skaner laserowy Leica ScanStation 2, a obrazów termalnych kamerę termalną ThermaCam PM575. W wyniku przetworzenia pozyskanych danych uzyskano chmurę punktów powierzchni monitora. Każdy z punktów oprócz współrzędnych X, Y, Z posiadał również informację o temperaturze oraz intensywności odbicia w zakresie długości fali skanera laserowego. Możliwa była więc budowa modelu przestrzennego wzbogaconego o informacje o intensywności odbicia w zakresie widzialnym jak również termalnym. Wykorzystana w eksperymencie metoda łączenia danych ze skaningu laserowego z danymi obrazowymi pozyskanymi w termalnym zakresie widma elektromagnetycznego znacznie rozszerza zakres zastosowań skanerów laserowych i kamer termalnych. Daje możliwość dokładnego pomiaru i analizy obiektów niedostępnych dla człowieka lub takich, gdzie przebywanie człowieka wiąże się z dużym zagrożeniem dla niego.
Terrestrial laser scanning is becoming increasingly widely used in those fields in which it is necessary to obtain fast and precise measurements of complex objects. The essence of the laser scanner function is the measurement of a large quantity of points located in close proximity of each other. The measurement takes place owing to the use of a laser with a defined wavelength and a rotating mirror, by means of which the laser radiation can be pointed in any direction around the instrument. The automated measurement of angles and distances allows determination of spatial coordinates of the measured points of the object. Scanner measurements result in the so-called “point cloud” which usually consists of a few million points. Each of these points possesses very precisely determined spatial coordinates X, Y, Z. Apart from the spatial coordinates, each point contains information about its reflection intensity. This information has many applications, but it has to be borne in mind that it refers only to a very narrow radiation band, equal to the laser wavelength, e.g., for the Leica ScanStation2 the laser is green. Additional, very useful information can be found on digital images, acquired by inbuilt digital cameras. However, the electromagnetic spectrum considered is still in the visible range. The paper presents a possibility of using imagery acquired by means of external sensors (not integrated with the scanner). Imagery acquired with a thermal camera, which represents the temperature distribution of the given object, has been deemed most useful. Thermal images, properly acquired and processed to a unified temperature scale, are placed onto a three dimensional model of the object to create a 3D thermal model. The objective of the paper was to present a connection between laser scanning data and thermal imagery. As a result, a point cloud of the objects surface is obtained. Each point, apart from its X, Y, Z coordinates, includes information about its temperature. This greatly broadens the existing range of applications of laser scanning, as measurements and analyses of inaccessible objects or those posing hazard to humans can be carried out, Doubtless, the advantages of laser scanning combined with the possibility of acquiring images representing spatial distribution of the temperature of the object, greatly broaden the existing range of applications. Novel application include, i.a., aiding the design of new installations, e.g., those sensitive to external thermal conditions. It seems that surveys of technical conditions and wearing rate of installations and other types of industrial objects could be completed with the thermal model much faster and more accurately than by using separate thermograms. By combining thermal images with laser scanning data it is possible to not only read the temperature at any given point of the image, but also to take measurements of length and area.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2008, 18b; 643-650
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena wybranych programów typu freeware do modelowania 3D obiektów bliskiego zasięgu
Assessment of chosen freeware applications for 3D modeling of close range objects
Autorzy:
Sawicki, P.
Tomaszewski, T.
Powiązania:
https://bibliotekanauki.pl/articles/129607.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
obraz cyfrowy
model szkieletowy
tekstura
modeler
modelowanie 3D
renderowanie
wizualizacja 3D
digital image
wire frame model
texture
3D modeling
rendering
3D visualization
Opis:
W pracy przedstawiono wyniki testów oraz ocenę narzędzi, interfejsu użytkownika i funkcjonalności 4. darmowych programów do modelowania 3D (Freeware Modelers). Analizowano programy 32-bit pracujące w środowisku Windows: Blender 2.49b, TrueSpace v7.6, 3D Canvas 8.1.7 Build 1418 oraz Google SketchUp v7.1.6860, które w dn. 1.12.2009 r. w rankingu strony internetowej www.dobreprogramy.pl uzyskały najwyższą oceną użytkowników. Zaawansowane modelowanie obiektu o wymiarach 42.5 × 30.5 × 10.5 m wykonano na podstawie 16. zdjęć, które zarejestrowano niemetrycznym aparatem cyfrowym Olympus E510 (10 MP). Dokładne dane do modelowania pozyskano w wyniku bezpośredniego pomiaru terenowego oraz z dokumentacji projektowej obiektu. W pracy przedstawiono etapy modelowania, porównano czas oraz efektywność budowy modelu 3D w testowanych programach. Program Blender 2.49b okazał się najbardziej zaawansowanym darmowym narzędziem o rozbudowanej funkcjonalności do realistycznego tworzenia modelu 3D obiektu. Modeler Google SketchUp v7.1.6860 sklasyfikowano na drugim miejscu wśród testowanych aplikacji, przede wszystkim ze względu na krótki czas przetwarzania informacji obrazowych oraz najlepsze środowisko do nauki modelowania 3D. Aplikacja TrueSpace v7.6 charakteryzuje się najlepszymi właściwościami do tworzenia oraz wizualizowania fotorealistycznych scen 3D, dzięki rozbudowanej bibliotece gotowych obiektów oraz łatwym manipulowaniem źródłami światła i położeniem kamery. Program 3D Canvas 8.1.7 Build 1418 w wersji darmowej, ze względu na ograniczony dostęp do niektórych narzędzi i funkcji, uznano za najmniej skuteczny i funkcjonalny. Testowane darmowe programy: Blender 2.49b, Google SketchUp v7.1.6860, TrueSpace v7.6, 3D Canvas 8.1.7 Build 1418 należy polecić użytkownikom zaczynającym pracę w środowisku modelowania 3D. Rozbudowane zestawy narzędzi do modelowania pozwalają tworzyć fotorealistyczne modele 3D obiektów bliskiego zasięgu o dowolnej wielkości i strukturze przestrzennej.
The paper presents the results of tests and assessment of tools, user interface and functionality of 3D modeling freeware applications (modelers). The following four 32-bit applications, which on 1.12.2009 received the highest rating on www.dobreprogramy.pl website, were chosen for testing: Blender 2.49b, TrueSpace v7.6, 3D Canvas 8.1.7, Build 1418 and Google SketchUp v7.1.6860. Advanced modeling of an object with dimensions of 42.5 × 30.5 × 10.5 m was performed based on 16 photos, recorded with a non-metric Olympus E510 digital camera (10 MP). Precise data for modeling was obtained by direct field measurement and project documentation of the object. The paper describes the various stages of modeling, an assessment of efficiency and time needed to create a 3D model in the applications tested. Theapplication Blender 2.49b proved to be the most advanced freeware tool with expanded functionality for creating a realistic 3D model of the object. Among tested applications the modeler Google SketchUp v7.1.6860 was classified at the second position, first of all thanks to short image data processing time and the best 3D modeling learning opportunities. The extensive library and easy adjusting light and camera positions make TrueSpace v7.6 the best application for creating and visualization of photorealistic 3D scenes. Freeware version of 3D Canvas 8.1.7 Build 1418 is considered to be the least effective and functional application due to limited access to certain tools and features. The tested freeware 3D modelers: Blender 2.49b, TrueSpace v7.6, 3D Canvas 8.1.7 Build 1418 and Google SketchUp v7.1.6860 are recommended for users starting work in 3D modeling environment. The expanded sets of modeling tools allow creating photorealistic 3D models of close-range objects of any size and spatial structure.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 363-374
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies