Διερεύνηση τεχνικών κατάτμησης εικόνας, υπολογιστικής νοημοσύνης και εμπείρων συστημάτων στην Τηλεπισκόπηση (EL)

Investigation of Image Segmentation, Machine Learning and Knowledge-based Expert System Methods in Remote Sensing (EN)

Τζώτσος, Άγγελος Κ. (EL)

Tzotsos, Angelos K. (EN)

Κόλλιας, Στέφανος (EL)

Καράντζαλος, Κωνσταντίνος (EL)

Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων & Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης. (EL)

Καραθανάση, Βασιλεία (EL)

Κουτρούμπας, Κωνσταντίνος (EL)

Ρόκος, Δημήτριος (EL)

Ιωαννίδης, Χαράλαμπος (EL)

Αργιαλάς, Δημήτριος (EL)

231 σ. (EL)

Άγγελος Κ. Τζώτσος (EL)

Ο στόχος της παρούσας διατριβής ήταν η διερεύνηση και υλοποίηση καινοτόμων μεθόδων Όρασης Υπολογιστών και Υπολογιστικής Νοημοσύνης στα πλαίσια της μεθοδολογίας της Αντικειμενοστρεφούς Ανάλυσης Εικόνας (OBIA). Επίσης στόχος ήταν η ολοκλήρωση των μεθόδων αυτών με τεχνικές βασισμένες στη γνώση, δηλαδή με Έμπειρα Συστήματα. Η πρώτη συνεισφορά της διατριβής αφορούσε στην υλοποίηση ενός πολυκλιμακωτού αλγορίθμου κατάτμησης εικόνας, ο οποίος μπορεί να ενσωματωθεί σε μεθοδολογίες Αντικειμενοστρεφούς Ανάλυσης Εικόνας. Η δεύτερη συνεισφορά της διατριβής ήταν η διερεύνηση και υλοποίηση ενός πολυκλιμακωτου αλγορίθμου κατάτμησης εικόνας, βασισμένου σε αύξηση περιοχών, με την ολοκλήρωση προηγμένων τεχνικών υφής. Η τρίτη συνεισφορά της διατριβής ήταν η ολοκλήρωση ενός αλγορίθμου υπολογιστικής νοημοσύνης, των Μηχανών Διανυσματικής Υποστήριξης (Support Vector Machines) στα πλαίσια της Αντικειμενοστρεφούς Ανάλυσης Εικόνας. Η τέταρτη συνεισφορά της διατριβής ήταν μια μεθοδολογία Αντικειμενοστρεφούς Ανάλυσης Εικόνας με ενσωμάτωση προηγμένων τεχνικών μη ισοτροπικής διάχυσης και φιλτραρισμάτων χώρου-κλίμακας. Η πέμπτη συνεισφορά της διατριβής αφορούσε στην ολοκλήρωση προηγμένων τεχνικών ανίχνευσης ακμών στην διαδικασία κατάτμησης εικόνας για την υλοποίηση μεθοδολογίας Αντικειμενοστρεφούς Ανάλυσης Εικόνας. Ο συνδιασμός των μορφολογικών επιπεδοσυνόλων, της πολυκλιμακωτής κατάτμησης και της πληροφορίας ακμών της εικόνας έδωσε μια νέα υβριδική προσέγγιση στην κατάτμηση εικόνας. Η έκτη συνεισφορά της διατριβής αφορούσε την υλοποίηση Αντικειμενοστρεφούς Ταξινόμησης με μεθόδους που βρίσκονται στην αιχμή της επιστήμης της Υπολογιστικής Νοημοσύνης. Για πρώτη φορά προτάθηκε στην διατριβή αυτή η υλοποίηση αντικειμενοστρεφούς μεθόδου ταξινόμησης με βάση τις Μηχανές Διανυσμάτων Συνάφειας (Relevance Vector Machines). Τέλος η έβδομη συνεισφορά της διατριβής αφορούσε στην ολοκλήρωση της Αντικειμενοστρεφούς Ανάλυσης Εικόνας με συστήματα που βασίζονται στη γνώση. Στα πλαίσια αυτής της έρευνας, στόχος ήταν η διασύνδεση των προηγμένων μεθόδων Υπολογιστικής Νοημοσύνης με έμπειρα συστήματα που βασίζονται στη γνώση ώστε να διερευνηθεί και να αξιολογηθεί η χρησιμότητά τους σε εφαρμογές Τηλεπισκόπησης. (EL)

The objective of this research was to research and implement state-of-the art computer vision and machine learning methods for Object-Based Image Analysis (OBIA), as well as integration with knowledge-based expert systems. The first contribution was the development of a generic image segmentation algorithm, as a low level processing part of an integrated objectoriented image analysis system. The implemented algorithm is called MSEG and can be described as a region merging procedure. The second contribution of this research involved the design and development of a region-based multi-scale segmentation algorithm with the integration of complex texture features. The implemented algorithm is called Texture-based MSEG and it is also a region merging procedure. The third contribution of this research involved the integration of Support Vector Machines (SVM) with OBIA. In the forth contribution of this research, an object-oriented image classification framework was developed which incorporates nonlinear scale space filtering into the multi-scale segmentation and classification procedures. The fifth contribution of this research involved the development of a multiscale object-oriented image analysis framework, which incorporated a region merging segmentation algorithm enchanced by advanced edge features and nonlinear scale space filtering. The sixth contribution of this research involved the implementation of an object-based image classification method, incorporating the Relevance Vector Machine framework for image object classification.Finally, in the seventh contribution of this research, a multimodal object-based image classification approach was developed and evaluated. The goal of this research was to integrate machine learning classification with knowledge-based expert systems, to extend the Object-Based Image Analysis methodology and to evaluate its effectiveness and prospects. (EN)

doctoralThesis

Υπολογιστική Νοημοσύνη (EL)

Έμπειρα Συστήματα (EL)

Τηλεπισκόπηση (EL)

Αντικειμενοστρέφης Ανάλυση Εικόνας (EL)

Όραση Υπολογιστών (EL)

Ελεύθερο Λογισμικό (EL)

Free Open Source Software (EN)

Remote Sensing (EN)

Knowledge-based Expert Systems (EN)

Computer Vision (EN)

Machine Learning (EN)

Object-based Image Analysis (EN)

Εθνικό Μετσόβιο Πολυτεχνείο

Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA

Κεντρική Βιβλιοθήκη Ε.Μ.Π.

Ιδρυματικό Αποθετήριο

Διδακτορικές Διατριβές

http://dx.doi.org/10.26240/heal.ntua.1644

http://dspace.lib.ntua.gr/xmlui/handle/123456789/40364