WiMi Hologram Cloud Inc. heeft aangekondigd dat er een nieuwe methode is ontwikkeld die gebaseerd is op de extractie en matching van karakteristieke ruimtelijke objecten (CSO). Eerst worden de CSO's en hun lokalisatiepunten op de afbeelding automatisch geëxtraheerd met behulp van het Mask R-CNN model. Vervolgens worden elk object en de naburige objecten gecodeerd volgens categorieën, relatieve afstanden en relatieve richtingen door middel van een coderingsmethode.

Vervolgens wordt een algoritme voor het matchen van codes toegepast om de meest gelijkende objectparen te zoeken. Tot slot worden de objectparen gefilterd door positieaanpassing om de uiteindelijke controlepunten voor automatische beeldaanpassing te construeren. Het resultaat van het experiment toonde aan dat deze methode beter presteert dan de traditionele methode wat betreft het matchingsucces.

Met de voortdurende ontwikkeling van teledetectietechnologie is het automatisch matchen van hoge-resolutie teledetectiebeelden (HRRSI's) een uitdaging. Verschillende hoeken en lichtomstandigheden kunnen leiden tot lokale vervorming van beelden, wat problemen oplevert voor de gegevensverwerking en -analyse. WiMi's automatische matching van hogeresolutiebeelden op basis van CSO is een baanbrekende technologie die een revolutie teweeg zal brengen in de teledetectie-industrie, nauwkeurige gegevensanalyse zal realiseren en betrouwbare informatieondersteuning zal bieden voor onder andere milieumonitoring, stadsplanning en landbouwbeheer.

De kern van deze technologische innovatie is een geautomatiseerde afstemmingsmethode op basis van CSO. Traditionele methoden voor beelduitlijning zijn meestal gebaseerd op uitlijning in grijswaarden, uitlijning in het transformatiedomein of uitlijning op basis van kenmerkpunten, maar deze methoden zijn erg gevoelig voor grijswaarden, rotatie en vervorming, en zijn rekenkundig enorm groot, waardoor ze ongeschikt zijn voor geautomatiseerde uitlijning. Deze techniek gebruikt een nieuw idee om nauwkeurigere overeenstemmingsresultaten te bereiken door automatisch CSO's te extraheren en hun posities te lokaliseren met behulp van het Mask R-CNN-model.

Eerst wordt de afbeelding gescand met behulp van het Mask R-CNN-model om automatisch de CSO's en hun lokatiepunten op de afbeelding te extraheren. De nauwkeurigheid en efficiëntie van deze stap zijn gebaseerd op het jarenlange onderzoek en de innovatie van het team op het gebied van computervisie. Vervolgens worden elk geëxtraheerd CSO en de dichtstbijzijnde naburige objecten gecodeerd op basis van objectklasse, relatieve afstand en relatieve oriëntatie.

De gecodeerde kenmerken vormen de basis voor de daaropvolgende matching. Om de meest gelijkende objecten te vinden, gebruikt WiMi een geavanceerd code matching algoritme. Het algoritme bepaalt de mate van overeenkomst door de gelijkenis tussen de gecodeerde kenmerken te berekenen.

Objectparen met een hogere gelijkenis worden beschouwd als overeenstemmingskandidaten. Verder worden de initiële objectparen gefilterd met behulp van het positieafstemmingsalgoritme om enkele valse overeenkomsten uit te sluiten en betrouwbaardere afstemmingsresultaten te verkrijgen. Door deze stap kan de techniek van WiMi nauwkeurig de ruimtelijke locatiekoppelingen in de afbeelding vinden en de nauwkeurigheid van de koppeling verder verbeteren.

WiMi's automatische matching voor hogeresolutiebeelden op basis van CSO's heeft indrukwekkende resultaten opgeleverd in experimenten. De resultaten, die getest en vergeleken zijn op meerdere datasets, laten zien dat de techniek aanzienlijk beter presteert dan traditionele optimalisatiemethoden op basis van lokale kenmerken in termen van succespercentage bij het matchen. Dit baanbrekende resultaat zal de teledetectie-industrie in staat stellen om gegevens nauwkeuriger en efficiënter te verwerken en te analyseren, waardoor een betrouwbaardere basis voor besluitvorming ontstaat.

Naast beeldverwerking via teledetectie heeft de techniek een groot aantal toepassingsmogelijkheden. Op het gebied van stadsplanning kan de automatische matchingtechnologie op basis van CSO's planners helpen om de ontwikkelingstrends van steden beter te begrijpen, zodat ze wetenschappelijkere strategieën voor stadsontwikkeling kunnen formuleren. Bij milieumonitoring kan de techniek nauwkeurige beeldvergelijkingsresultaten leveren om wetenschappers te helpen bij het monitoren en beoordelen van milieuveranderingen, waardoor belangrijke gegevens worden verstrekt ter ondersteuning van milieubescherming en het beheer van hulpbronnen.

En de techniek kan ook een belangrijke rol spelen in landbouwbeheer en rampenmonitoring, door nauwkeurige gegevensanalyse en ondersteuning van de besluitvorming te bieden.