INTEGRAÇÃO ENTRE REDES NEURAIS E CORRELAÇÃO PARA IDENTIFICAR PONTOS DE APOIO PRÉ-SINALIZADOS
Abstract
Este trabalho apresenta, como objetivo principal, novas opções para a
identificação automatizada de pontos pré-sinalizados para as aplicações relativas à
fotogrametria, tal como fototriangulação. O grau de dificuldade para o tratamento
computacional de uma foto aérea digitalizada foi contornado com o uso de
morfologia matemática, aplicando erosão binária a uma das fotos que compõem o
par aerofotogramétrico. Para a realização do trabalho, inicialmente foi estudada a
identificação de pontos pré-sinalizados em paredes externas do Centro Politécnico
da Universidade Federal do Paraná. À medida que se obteve razoável experiência
com esse tipo de observações usando Redes Neurais Artificiais com o aplicativo
MATLAB, passou-se à elaboração de experimentos na área de testes que
compreendem uma faixa de cinco aerofotos obtidas na região do Centro Politécnico
e localidades vizinhas. Nesta região, foram pré-sinalizados, antes do vôo
aerofotogramétrico, sempre sobre asfalto, pontos de apoio em formas circular e de
cruz. A identificação automática desses pontos de apoio foi possível com o uso dos
conceitos de correlação estatística, redes neurais artificiais e morfologia
matemática. Na morfologia matemática, foi enfatizada a erosão binária. Isto
permitiu, com o uso da linguagem de programação VISUAL C++, codificar
procedimentos para identificar pontos de apoio pré-sinalizados na imagem esquerda
do par de fotos. Os programas-fonte foram elaborados com base no procedimento
em redes neurais artificiais conhecido na literatura como Backpropagation (Retropropagação).
Além disso, usou-se a nova idéia denominada RPROP (Resilien
Propagation) e morfologia matemática. Com o conhecimento das posições desses pontos e do recobrimento lateral das fotos, foi possível obter-se o posicionamento
dos pontos homólogos na segunda foto do par, usando-se, além de redes neurais
artificiais, também correlação estatística. O conceito de correlação foi usado
também para identificar o posicionamento das marcas fiduciais nas fotos. Também
com o uso de correlação estatística, foi obtido o posicionamento de pontos
homólogos naturais, escolhidos em uma das fotos. Com a finalidade de verificar a
consistência dos dados identificados, realizou-se a orientação interior e a formação
do modelo matemático fotogramétrico, isto é, a orientação exterior de um dos pares
de aerofotos da área de testes.
Integrating neural netwoks and their correspondation so as to identify control
points pre-signalled
Abstract
This work aims to present new options for automated identification of
photographic images of ground targets for aerophotogrametry applications such as
aerotriangulation. The level of difficulty for computing treatment of a digitilized air
picture was overcome using mathematical morphology, applied as binary erosion
over one of the pictures of the stereoscopic model. Initially, the identification of
target points placed on the external walls of the VI building of the Polytechnic
Center of the Federal University of Parana (UFPR) was tried to gain experience.
using Artificial Neural Networks through the software Matlab running several
experiments. Five aerial photographs were taken over the Polytechnic Center and its
neighbourhood where targets with circular and cross shape were painted on the
asphalt before the flight. The automatic identification of these targeted control
points become possible by the use of the concepts of statistical correlation, artificial
neural networks and mathematic morphology with emphasis on binary erosion. The
identification of the targeted control points image was done on one of the pictures
(say the left one) forming one stereoscopic model by a computer program written
Visual C++ language using the concepts of artifical neural networks with emphasis
on the procedure known in the literature as Backpropagation, plus the new
concept known as RPROP (Resilien Propagation) and the mathematical
morphology. As overlaps of the pictures were known, it was possible to get an
approximated position of the image of the same point on the neighbors pictures. The
concept of correlation was also used to identify the position of fiducial marks on the
photos. The position of non-targeted control points was also obtained with the use
of statistical correlation.
