Filtragem geométrica de correspondências entre pontos em bandas de cubos hiperespectrais

• Processo: 18/20774-4
• Modalidade de apoio: Auxílio à Pesquisa - Publicações científicas - Artigo
• Data de Início da vigência: 01 de novembro de 2018
• Data de Término da vigência: 30 de abril de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Geociências - Geodésia
• Pesquisador responsável: Adilson Berveglieri
• Beneficiário: Adilson Berveglieri
• Instituição Sede: Faculdade de Ciências e Tecnologia (FCT). Universidade Estadual Paulista (UNESP). Campus de Presidente Prudente. Presidente Prudente , SP, Brasil
• Assunto(s): Fotogrametria
• Palavra(s)-Chave do Pesquisador: correlation | Filtering | Image Analysis | image matching | Fotogrametria

Resumo

Imagens hiperespectrais podem apresentar baixo contraste, pixels ruidosos e variação de iluminação entre as bandas, dificultando a extração de pontos de interesse e reduzindo o número de pontos de correspondência, o que afeta tarefas, como registro de banda e ajustamento de bloco de imagens. Uma vez que pares de correspondência tenham sido determinados, uma técnica para selecionar pares corretos em conjuntos com discrepâncias é requerida. Bem como para corrigir falsas correspondências. Neste trabalho, nós aplicamos uma técnica de filtragem que usa um algoritmo de votação por maioria combinado com uma transformação geométrica de Helmert 2D para identificar correspondências consistentes. Os pares corretos também permite a estimação de parâmetros de uma transformação geométrica, o que permite transferir pontos entre imagens. Assis, pares incorretos podem ser consertados. Experimentos foram realizados com a técnica proposta usando imagens hiperespectrais coletadas com uma câmara de princípio de tempo sequencial embarcada em drone. A técnica Scale-invariant feature transform (SIFT) foi usada para extrair pontos de interesse e realizar correspondência de imagens. Pares confiáveis foram extraídos dos conjuntos com discrepâncias e inconsistências foram consertadas. Os resultados da técnica foram compardos com um algoritmo baseado em random sample consensus (RANSAC). Na comparação, a técnica proposta foi eficiente em extrair um grande número de pares corretos. Além disso, 85% das inconsistências foram recuperadas, o que significativamente aumentou o número de pares corretos. (AU)