An Integrated Multiscale Geometric Analysis Approach for Automatic Extraction of Power Lines From High Resolution Remote Sensing Images
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
High resolution remote sensing systems provide cheaper and fast way of acquiring images of power lines. However, such images depicting the details of other complex background objects, noises, and complicated brightness measurements, make separate extraction of the power lines challenging. This paper addresses the problem of automatic extraction of power lines from high resolution remote sensing images obtained from different sources. In order to automatically extract the power lines, we proposed an integrated Multiscale Geometric Analysis (MGA) approach. First, complementary Gabor and matched filters (MF) were employed over an image to suppress unnecessary background and noises, and initial discrimination of the power lines. Then, the filtering output was decomposed in to scale and orientation based subband coefficients using the Fast Discrete Curvelet Transform (FDCT) so as to access and modify different image features separately. By employing selective modification operations, well-established power line structures ready for extraction were derived. Finally the powerlines were extracted with hysteresis thresholding. The approach was successful in extracting power lines from high resolution images captured in any orientation. It is robust even when the source image is cluttered, and degraded due to noise and brightness effects. Power lines represented by weak intensities, crossing bright image regions, changing direction, closer power lines and those crossing each other, disconnected/broken power lines due to noise and occlusions were all inferred and extracted successfully. The approach was validated using real test images and the performance measures showed over 90% average accuracy fitting the ground truth.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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