Correspondência Eficiente de Descritores SIFT Para Construção de Mapas Densos de Pontos Homólogos em Imagens de Sensoriamento Remoto
Hits: 5450
- Research areas:
- Ano:
- 2011
- Tipo de publicação:
- Artigo
- Palavras chaves:
- SIFT, correspondência automática, matching
- Autores:
-
- Marcelo Teixeira Silveira
- Raul Queiroz Feitosa
- Karsten Jacobsen
- Jorge Luis Nunes e Silva Brito
- Periódico:
- Boletim de Ciências Geodésicas
- Volume:
- 17
- Número:
- 1
- Páginas:
- 130-160
- ISSN:
- 1982-2170
- Resumo:
- Métodos automáticos de localização de pontos homólogos em imagens digitais baseados em área, combinados com técnicas de crescimento de região, são capazes de produzir uma malha densa e exata de pontos homólogos. Entretanto, o processo de crescimento de região pode ser interrompido em regiões da imagem, cuja paralaxe no eixo horizontal apresenta variação abrupta. Essa situação geralmente é causada por uma descontinuidade na superfície ou espaço-objeto imageado, tal como um prédio numa cena urbana ou um paredão de exploração de uma mina a céu aberto. Nesses casos, novos pares de pontos homólogos (sementes) devem ser introduzidos, normalmente por um operador humano, a partir dos quais o processo é reiniciado. Dependendo do tipo da imagem utilizada e da estrutura 3D da região mapeada, a intervenção humana pode ser considerável. Uma alternativa totalmente automatizada em que se combinam as técnicas SIFT (Scale Invariant Feature Transform), pareamento por mínimos quadrados e crescimento de região foi proposta anteriormente pelos autores. O presente trabalho apresenta uma extensão a essa técnica. Basicamente, propõem-se alterações na etapa de correspondência do SIFT, que exploram características de estereogramas produzidos por sensores aéreos e orbitais. Avaliações experimentais demonstram que as modificações propostas trazem dois tipos de benefícios. Em primeiro lugar, obtém-se um aumento do número de pontos homólogos encontrados, sem aumento correspondente na proporção de falsas correspondências. Em segundo lugar, a carga computacional é reduzida substancialmente.