3 - Local registration and deformation of a road cartographic database on a SPOT satellite image.
G. Rellier et X. Descombes et J. Zerubia. Rapport de Recherche 3939, Inria, mai 2000.
Mots-clés : Champs de Markov, Reseaux routiers.
@TECHREPORT{rel00,
|
| author |
= |
{Rellier, G. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Local registration and deformation of a road cartographic database on a SPOT satellite image}, |
| year |
= |
{2000}, |
| month |
= |
{mai}, |
| institution |
= |
{Inria}, |
| type |
= |
{Research Report}, |
| number |
= |
{3939}, |
| url |
= |
{https://hal.inria.fr/inria-00072711}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/72711/filename/RR-3939.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/27/11/PS/RR-3939.ps}, |
| keyword |
= |
{Champs de Markov, Reseaux routiers} |
| } |
Résumé :
Dans ce rapport, nous présentons une méthode pour le recalage local d'un réseau cartographique routier sur une image SPOT, reposant sur l'utilisation des champs de Markov sur graphe. Les données image et cartographique étant obtenues par des sources exogènes, elles sont dégradées par du bruit de nature différente. Ce phénomène peut être à l'origine de différences important- es entre les données. De plus, les cartographes peuvent parfois introduire des distortions dans les cartes afin de souligner certains détails que presente la route (lacets d'une route de montagne) : c'est la généralisation. L'algorithme proposé vise à corriger les erreurs dues au bruit et à la généralisation, et à améliorer la précision du tracé des routes. La méthode proposée consiste à transformer la donnée cartographique en un graphe, et ensuite à définir un champ de Markov afin de faire correspondre le graphe et l'image. |
Abstract :
Herein, we propose a local registration method for cartographic road networks on SPOT satellite images based on Markov Random Fields (MRF) on graphs. Since the cartographic and image data are obtained from exogeneous sources, the noises degrading these data are of different nature. This phenomenon can create important differences between the data. In addition, cartographers sometimes introduce distortions, in the so-called generalization process, in the road map in order to emphasize some details of the road (like the bends of a mountain road). The proposed algorithm aims at correcting the error due to noise and generalization, hence increasing the accuracy of the road map. The proposed method consists in translating the cartographic data into a graph model, and then defining a MRF to fit the graph on the image. |
|
haut de la page
Nouvelle page de démos
bibtex
