Efficiency of Orientation Parameters on Georeferencing Accuracy of SPOT-5 HRG Level-1A Stereoimages

Topan, Hüseyin; Maktav, D.

doi:10.1109/tgrs.2013.2274775

Cited by 17 publications

(17 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Kötü konum sorununa örnek dönüşüm bağıntısının yeterli düzeyde dönüşümü temsil etmemesi verilebilri. Kötü koşul sorununa örnek ise ögelerin/katsayıların kendi aralarında veya ölçülerle arasındaki olası korelasyondan veya simetrik matrisinin köşegen elemanlarının sıfır veya sıfıra yakın olmasından kaynaklanan kötü kondisyon sorunu gösterilebilir (Tao ve Hu, 2001;Topan ve Maktav, 2014). Matris tersinin sağlıklı alınamasına neden olan bu sorunların çözümü için Tikhonov düzenlileştirmesi, indirgeme veya genelleştirilmiş matris tersi (Moore-Pensore veya Pseudo ters) gibi faklı düzenlileştirme yöntemleri uygulanmaktadır.…”

Section: Kötü Konum Ve Kötü Koşul Durumlarıunclassified

“…Klasik yaklaşımların yanısıra son yıllarda anlamsız RPC'lerin bulunması için genetik optimizasyon yöntemleri de kullanılmaktadır (Naeini vd., 2017;Valadan Zoej vd., 2007). Ayrıca bir ögenin anlamsız olması, ona getirilecek düzeltmenin sonuç doğruluğa katkısının önemsenmeyecek derecede olduğu anlamına da gelmektedir (Topan ve Maktav, 2014).…”

Section: Uyuşumsuz öLçülerin Ve Anlamsız öGelerin Belirlenmesiunclassified

See 1 more Smart Citation

Opti̇k Görüntülerden Konum Bi̇lgi̇si̇ Elde Etmede Kullanilan Algilayici Yöneltme Yöntemleri̇

Topan¹

2018

Vii. Uzaktan Algilama Ve CBS Sempozyumu Uzal-Cbs2018

View full text Add to dashboard Cite

Optik görüntüler, fotogrametri, uzaktan algılama, bilgisayarla görme ve derin öğrenme çalışmalarında en sık kullanılan veri türüdür. Görüntülerden konuma bağlı bilgi elde edilmesi, temelde görüntü koordinat sistemi ile nesne koordinat sistemi arasındaki dönüşümün sağlanması ile mümkündür. Genel olarak "algılayıcı yöneltmesi" adı verilen bu dönüşüm işlemi, algılayıcı ve taşıyıcı geometrisini kullanan ve kullanmayan yöntemler ile koordinatlandırılmış görüntü, mozaik görüntü, ortogörüntü ve Sayısal Yükseklik Modeli gibi konum bilgisi içeren farklı türde ürünlerin üretilmesinde kullanılmaktadır. Bu ürünlerin doğrudan konuma bağlı uygulamalarda kullanılmasının yanında çevre, ormancılık, tarım, peyzaj, şehir ve bölge planlama, arkeoloji, savunma vb. farklı uygulamalarda da birer altlık olarak kullanılması söz konusudur. Dolayısıyla ürünlerin elde edilmesinde kullanılan yöntemlerin özellikleri hem ürünün kalitesini hem de ürünün kullanıldığı uygulamanın başarısını etkileyecektir. Ülkemizde gerçekleştirilen uygulamalara bakıldığında, yukarıda bahsedilen ürünlerin üretiminde genellikle kullanıcı müdahalesinin sınırlı olduğu ticari yazılımların kullanıldığı görülmektedir. Giderek yaygınlaşan açık erişimli yazılımların kullanımı artsa da kullanıcılar özellikle algılayıcı yöneltmesi yöntemine müdahale etmemektedir. Bu eksiklik ancak algılayıcı yöneltme yöntemlerinin aralarındaki farkların, kullanılabileceği algılayıcı ve ürünlerin iyi bilinmesi; ayrıca dengeleme işlemlerinin ve sonuç doğruluk araştırmasının nasıl yapılacağının kavranması ile aşılabilir. Bu bildiride, insansız hava araçlarından yüksek çözünürlüklü uydu görüntülerine kadar geniş bir yelpazede kullanımına gereksinim duyulan algılayıcı yöneltme yöntemleri, aralarındaki farklar, dengeleme ve sonuç doğruluk işlemleri hakkında bilgiler verilecektir.

show abstract

Section: Kötü Konum Ve Kötü Koşul Durumlarıunclassified

Section: Uyuşumsuz öLçülerin Ve Anlamsız öGelerin Belirlenmesiunclassified

Opti̇k Görüntülerden Konum Bi̇lgi̇si̇ Elde Etmede Kullanilan Algilayici Yöneltme Yöntemleri̇

Topan¹

2018

Vii. Uzaktan Algilama Ve CBS Sempozyumu Uzal-Cbs2018

View full text Add to dashboard Cite

show abstract

“…6 shows the attitude angles (pitch, roll, and yaw) of the lines in the SPOT-5 image, and one can observe sudden changes of roll angle and yaw angle near the range of 15 000 lines and 20 000 lines, respectively. Although the rigorous sensor model can model the time-dependent imaging geometry [40], it is reasonable that the RFM failed to fit the rigorous sensor model within subpixels. However, the estimated RFM can generally be applied to replace the rigorous sensor model with error less than 2 pixels.…”

Section: Comprehensive Experimentsmentioning

confidence: 99%

RPC Estimation via $\ell_1$-Norm-Regularized Least Squares (L1LS)

Long

Jiao

2015

IEEE Trans. Geosci. Remote Sensing

View full text Add to dashboard Cite

A rational function model (RFM), which consists of 80 rational polynomial coefficients (RPCs), has been widely used to take the place of rigorous sensor models in photogrammetry and remote sensing. However, it is difficult to solve the RPCs because of the requirement for numerous observation data [ground control points (GCPs)] in a terrain-dependent case and the strong correlation between the coefficients (ill-poseness). Regularization methods are usually applied to cope with the correlations between the coefficients, but only 2 -norm regularization is used by the existing approaches (e.g., ridge estimation and Levenberg-Marquardt method). The 2 -norm regularization can make an ill-posed problem well-posed but does not reduce the requirement for observation data. This paper presents a novel approach to estimate RPCs using 1 -norm-regularized least squares (L1LS), which provides stable results not only in a terrain-dependent case but also in a terrain-independent case. On one hand, by means of L1LS, the terrain-dependent RFM becomes practical as reliable RPCs can be obtained by using much less than 40 or 39 (if the first denominators are equal to 1) GCPs, without knowing the orientation parameters of the sensor. On the other hand, the proposed method can be applied to directly refine the terrain-independent RPCs with additional GCPs: when a single or several GCPs are used, direct refinement performs similarly to bias compensation in image space; when more GCPs are available, the direct refinement can achieve comparable accuracy of the rigorous sensor model (better than conventional bias compensation in image space).Index Terms-Compressive sensing, Lasso via the least angle regression (LARS), least absolute shrinkage and selection operator (Lasso), rational polynomial coefficients (RPCs), variable selection, 1 -norm regularization.

show abstract

“…The pre-adjustment step was mandatory to adjust look angles since the final accuracy is sensitive to look angles. Details of the physical model, adjustment processes and results can be found in Topan (2009), Topan and Maktav (2010), Topan (2011), and Topan and Maktav (2014).…”

Section: Geospotmentioning

confidence: 99%

GeoEtrim, SharpQ and Epix: Trio of Tools for Geospatial Image Analysis

Topan

Özendi

Cam

et al. 2014

Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci.

View full text Add to dashboard Cite

ABSTRACT:This paper presents an overview of three approaches developed in Matlab for geospatial analysis of images. GeoEtrim has two subpackages, GeoSpot and GeoFigcon. GeoSpot aims to perform bundle adjustment of stereo linear array remotely sensed images considering their interior and exterior orientation parameters. The correlation among orientation parameters, their validation and efficiency on the final accuracy can be estimated. The current version is available for SPOT-5 HRG level 1A stereoimages, reaching ±1 pixel accuracy at ICPs (Independent Check Points). GeoFigcon is the other sub-package of GeoEtrim, developed for estimation of georeferencing accuracy of orthoimages generated by various sensor-independent mathematical models and RFM (Rational Function Model). Using GeoFigcon, one can estimate the combined effect of the accuracy of transformation parameters estimated/updated by GCPs and DEM accuracy on the georeferencing accuracy of orthoimages. The experiments with IKONOS Geo, QuickBird OrthoReady Standard, OrbView-3 Basic and Pléiades-1A Primary prove that using RFM produces higher accuracy than using sensor-independent transformation models. Moreover, accuracy varies reducing from geometric centre of GCPs accommodating the high profile of topography. SharpQ generates pan-sharp images using the methods PCA (Principal Component Analysis), Brovey, and IHS (Intensity Hue Saturation), validates their quality with quantitative analysis by the methods CC (Correlation Coefficient), RMSE (Root Mean Square Error), RASE (Relative Average Spectral Error), SAM (Spectral Angle Mapper) and ERGAS (Erreur Relative Globale Adimensionnelle de Synthése). epix, the last member of the trio, can be used for estimation of effective GSD (Ground Sampling Distance) value of original or generated (such as pan-sharp) images, depending the principle of ESF (Edge Spread Function). So the real geometric resolution can be estimated for any kind of image. This trio is being still developed with the continuous research.

show abstract

Efficiency of Orientation Parameters on Georeferencing Accuracy of SPOT-5 HRG Level-1A Stereoimages

Cited by 17 publications

References 19 publications

Opti̇k Görüntülerden Konum Bi̇lgi̇si̇ Elde Etmede Kullanilan Algilayici Yöneltme Yöntemleri̇

Opti̇k Görüntülerden Konum Bi̇lgi̇si̇ Elde Etmede Kullanilan Algilayici Yöneltme Yöntemleri̇

RPC Estimation via $\ell_1$-Norm-Regularized Least Squares (L1LS)

GeoEtrim, SharpQ and Epix: Trio of Tools for Geospatial Image Analysis

Contact Info

Product

Resources

About