Campos Aleatórios de Markov uma Abordagem para Caracterização Extração de Contornos de Telhados

E.A.S Galvanin, A.P. Dal Poz

Abstract


Este artigo propõe uma metodologia para extração de contornos de telhados utilizando um modelo de Campo Aleatório de Markov (Markov Random Field - MRF). Levando em conta algumas propriedades de telhados e as medidasde alguns atributos (por exemplo, área, retangularidade, ângulos entre eixos principais de objetos) é construída uma função de energia a partir do modelo MRF. O problema de extração de contornos de telhados é formulado a partir de uma estimativa de Maximum a posteriori (MAP), via algoritmo Simulated Annealing (SA). A metodologia proposta foi testada em uma área teste com diferentes complexidades de configurações de objetos presentes na cena.

References


[1] H. Andersen, S. Reutebuch, G. Schreuder, Bayesian object recognition for the analysis of complex forest scenes, In: “Airbone Laser Scanner Data. ISPRS, Symposium Photogrammetric Computer Vision”, ´ Austria, 2002.

J. Besag. Spatial interaction and the analysis of lattice systems. J. Royal Statistical Association, Series B 36 (1974), 192-236.

E.A.S. Galvanin, A.P. Dal Poz, A.D.P. Souza, Segmentação de dados de perfilamento a laser em áreas urbanas utilizando uma abordagem bayesiana, Boletim de Ciências Geodésicas, 13 (2007), 76-90.

S. Geman, D. Geman, Stochastic relaxation, Gibbs distribuition, and Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence (1984), 721-741.

R.A. Hummel, S.W. Zucker, On the foundation of relaxation labeling process. IEEE Transactions on Pattern Analysis and Machine Intelligence, (1983) 267-287.

I.Y. Kim, H.S. Yang, An integrated approach for scene understanding based on Markov Random Field, Pattern Recognition, (1995), 1887-1897.

R. Kinderman, J.L. Snell, “Markov Random Fields and their Applications”, Providence, R.I., American Mathematical Society, 1980.

S.K. Kopparapu, U.B. Desai, “Bayesian Approach to Image Interpretation”, 2001.

S.Z. Li, “Markov Random Field Modeling in Image Analysis”, Computer Science Workbench, 3rd ed., 2009, XXII, 362p.

J.A. Modestino, J. Zhang, A Markov Random Field model based approach to image interpretation, IEEE Transactions on Pattern Analysis and Machine Intelligence, 6 (1992), 606-615.

A. Rosenfeld, R.A. Hummel, S.W. Zucker, Scene labeling by relaxation operations, IEEE Trans. Syst. Man Cybern. SMC-6 (1976), 420-433.

J.C. Trinder, U. Maulik, S. Bandyopadhyay, Semi-automated feature extraction using simulated annealing, International Archives for Photogrammetry and Remote Sensing, (2000), 905-911.

G. Winkler, “Image Analysis, Random Fields and Markov Chain Monte Carlo Methods: A Mathematical Introduction”, Series: Stochastic Modelling and Applied Probability , vol. 27, 2nd ed., 2006, XVI, 389p.




DOI: https://doi.org/10.5540/tema.2009.010.01.0021

Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM

Refbacks

  • There are currently no refbacks.



Trends in Computational and Applied Mathematics

A publication of the Brazilian Society of Applied and Computational Mathematics (SBMAC)

 

Indexed in:

                       

 

Desenvolvido por:

Logomarca da Lepidus Tecnologia