Unsupervised marked point process model for boat extraction and counting in harbors from high resolution optical remotely sensed images
Résumé
Marked point process models have been successfully applied to object extraction in high resolution optical remotely sensed images during the last ten years. The models typically consist of two types of energy terms : a data term which reflects the fidelity of the configuration to the input image and a prior term which incorporates some knowledge about the objects to be extracted. In this paper we deal with the problem of extracting boats in harbors. This is a difficult problem due to the particular distribution of the objects in this case. We describe a previously developed marked point process model of ellipses for such a goal, for which we automatically determine one of its key parameters (the direction of the boats). We present the drawbacks of the model due to the hard constraints imposed, which we then relax and propose a new, more general model.
Les modèles de processus ponctuels marqués ont été appliqués avec succès pour l'extraction d'objets à partir d'images optiques de télédétection à haute résolution lors de la dernière décennie. Les modèles se composent typiquement de deux types de termes d'énergie : un terme d'attache aux données qui reflète la fidélité des configurations à l'image d'entrée et un terme qui intègre des connaissances a priori sur les objets à extraire. Dans cet article, nous traitons le problème de l'extraction des bateaux dans des ports. C'est un problème difficile en raison de la répartition particulière des objets dans ce cas. Nous décrivons un modèle de processus ponctuel marqué à base d'ellipses développé auparavant, pour lequel nous déterminons automatiquement l'un de ses principaux paramètres (la direction des bateaux). Nous présentons les inconvénients de ce modéle en raison des contraintes dures imposées, que nous relaxons ensuite pour proposer un nouveau modèle plus général.
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...