RPC-Based Coregistration of VHR Imagery for Urban Change Detection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In urban change detection, coregistration between bi-temporal Very High Resolution ( vhr ) images taken from different viewing angles, especially from high off-nadir angles, is very challenging. The relief displacements of elevated objects in such images usually lead to significant misregistration that negatively affects the accuracy of change detection. This paper presents a novel solution, called Patch-Wise CoRegistration ( pwcr ), that can overcome the misregistration problem caused by viewing angle difference and accordingly improve the accuracy of urban change detection. The pwcr method utilizes a Digital Surface Model ( dsm ) and the Rational Polynomial Coefficients ( rpc s) of the images to find corresponding points in a bi-temporal image set. The corresponding points are then used to generate corresponding patches in the image set. To prove that the pwcr method can overcome the misregistration problem and help achieving accurate change detection, two change detection criteria are tested and incorporated into a change detection framework. Experiments on four bi-temporal image sets acquired by Ikonos, GeoEye-1, and Worldview-2 satellites from different viewing angles show that the pwcr method can achieve highly accurate image patch coregistration (up to 80 percent higher than traditional coregistration for elevated objects), so that the change detection framework can produce accurate urban change detection results (over 90 percent).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle