نقشه شطرنجی در GIS "Map 2000" با فرمت RSW است. فرمت تقسیمات در سال 1992 از نظر ساختار مشابه فرمت TIFF نسخه 6 است. شاخص های اصلی که یک نقشه شطرنجی را مشخص می کند عبارتند از:

  • مقیاس تصویر;
  • اجازه تصویر.
  • اندازه تصویر؛
  • پالت تصویر؛
  • پیوند تصویر برنامه ریزی شده

مقیاس تصویر- مقداری که ماده خروجی را مشخص می کند (در نتیجه اسکن، یک تصویر شطرنجی ترسیم شد). مقیاس تصویر رابطه بین نمایش بر روی ماده خروجی و نمایش مربوطه در محل است.

تصاویر مجاز- مقداری که دستگاه اسکنی را که شطرنجی تصویر روی آن ترسیم شده است مشخص می کند. مقدار وضوح نشان می دهد که متر (اینچ) تصویر خروجی به چند نقطه (پیکسل) ابتدایی دستگاه اسکن تقسیم شده است. به عبارت دیگر، این مقدار اندازه "دانه" تصویر شطرنجی را نشان می دهد. هرچه وضوح بزرگتر باشد، "دانه" کوچکتر است، به این معنی که اندازه اشیاء محلی که می توانند به طور منحصر به فرد شناسایی شوند (رمزگشایی) کوچکتر است.

اندازه تصویر(ارتفاع و عرض) - مقادیری که خود تصویر را مشخص می کند. با استفاده از این مقادیر می توانید ابعاد کلی تصویر شطرنجی را بر حسب پیکسل (نقطه) محاسبه کنید. اندازه تصویر به اندازه شیء اسکن کننده مواد خروجی و مقدار وضوح تنظیم شده بستگی دارد.

پالت تصویر- مقداری که سطح نمایش سایه ها را به رنگ ماده خروجی در یک تصویر شطرنجی مشخص می کند. در اینجا انواع اصلی پالت وجود دارد:

  • دو رنگ (سیاه و سفید، یک رتبه)؛
  • 16 رنگ (یا سایه های رنگ خاکستری، بسته به دسته).
  • 256 رنگ (یا سایه های رنگ خاکستری، همه دسته ها)؛
  • رنگ بالا (16 تخلیه)؛
  • رنگ واقعی (24 یا 32 عکس).

هنگام اسکن مواد خروجی، می توانید مقدار وضوح و پالت تصویر را انتخاب کنید (دستگاه های اسکن فقط با مقادیر ثابت کار می کنند)، سپس تصویر را با وضوح بالاتر تنظیم کنید و با انتخاب سطح بالاتری از رندر تصویر، مقدار اطلاعات موجود در فایل به شدت افزایش می یابد، که سیال بودن نمایش و پردازش تصاویر شطرنجی را حفظ می کند. به عنوان مثال، هنگام اسکن مواد نقشه خروجی، نیازی به ایجاد یک پالت بیش از 256 رنگ نیست، زیرا در واقع در نقشه اصلی، به طور معمول، بیش از 8 رنگ وجود ندارد.

پالت تصویر در فایل اصلی ذخیره می شود و هنگام تبدیل شطرنجی به فرمت داخلی، مقیاس تصویر فعلی باید وارد شود. مهم است که فایل ها را با فرمت TIFF نصب کنید، که در آن پالت ذخیره شده و مجاز است. برای انواع دیگر گزینه‌ها، لطفاً مانند پارامترهای انتخاب شده هنگام اسکن، مشخص کنید. به عنوان مثال، اسکنرهای درام ساخته شده از اسکن KSI با وضوح 508 نقطه در اینچ (یا 20000 نقطه در متر). اگر مقدار دقیق مقیاس مواد مشاهده شده را نمی دانید، باید یک مقدار تقریبی را وارد کنید (مقدار مقیاس به طور خودکار در طول فرآیند پیوند تصاویر شطرنجی مشخص می شود).

یک تصویر شطرنجی وارد شده به سیستم هنوز نقشه شطرنجی نیست، زیرا پیوند برنامه ریزی شده ای ندارد. هر تصویر بدون پیوند به کادر صحیح ابعاد کارت اضافه می شود. اگر با یک منطقه کاری بزرگ کار می کنید، برای جستجوی سریع شطرنجی داده شده، می توانید به سرعت مورد "Go to Raster" را در منوی قدرت تصویر شطرنجی در گفتگوی "Raster List" انتخاب کنید.

پس از پیوند یک رستر، نقشه به یک سند مجازی تبدیل می شود. در پشت نقشه شطرنجی، می توانید مختصات تصاویر را روی اشیاء آن نشان دهید (زمانی که مکان نما را در امتداد نقشه شطرنجی در قسمت اطلاعات در پایین صفحه حرکت می دهید، مختصات دقیق نمایش داده می شود). یک نقشه شطرنجی مرتبط را می توان به عنوان یک سند مستقل یا در ارتباط با داده های دیگر مشاهده کرد.

1.2. تبدیل داده های شطرنجی

سیستم پانوراما نقشه های شطرنجی ارائه شده در قالب RSW (فرمت سیستم داخلی) را پردازش می کند. داده های فرمت های دیگر (PCX، BMP، TIFF) را می توان با استفاده از فرمت های اضافی به فرمت RSW تبدیل کرد. امنیت نرم افزارسیستم پانوراما علاوه بر این، سیستم از نسخه اولیه ساختار داده شطرنجی RST ("Panorama for MS-DOS") پشتیبانی می کند. هنگامی که یک فایل RST را باز می کنید، به طور خودکار به فرمت RSW تبدیل می شود.

دو راه برای وارد کردن یک تصویر شطرنجی به سیستم وجود دارد:

  • باز کردن یک تصویر شطرنجی به عنوان یک سند جداگانه (مورد "باز کردن قفل" در منوی "فایل").
  • افزودن یک تصویر شطرنجی به یک سند از قبل باز شده (بردار، شطرنجی، ماتریس یا نقشه ترکیبی) افزودن یک تصویر شطرنجی به یک نقشه از قبل باز شده از طریق آیتم "افزودن - شطرنجی" در منوی "فایل" یا "راستر" انجام می شود. لیست" مورد در منوی "View".

1.3. پیوند دادن یک نقشه شطرنجی

پیوند دادن یک نقشه شطرنجی مطابق با سند پیوند داده شده انجام می شود، سپس ابتدا باید سند را با جهت گیری در یک سیستم مختصات معین (بردار، شطرنجی یا نقشه ماتریسی) باز کنید، شطرنجی را به جدید اضافه کنید و پیوند را انتخاب کنید. شما می توانید یک رستر را با استفاده از یکی از روش های موجود از مقامات رستر ("فهرست رسترها - مقامات") پیوند دهید. ردیابی حافظه که تمام اقدامات بالای شطرنجی موجود در منوی قدرت تصویر شطرنجی در بالای شطرنجی جریان قرار دارد. اگر سند باز حاوی تعدادی شطرنجی است، آن را فعال کنید (از لیست رسترهای بسته انتخاب کنید) که در آن زمان می خواهید با آن کار کنید.

1.3.1. یک نقطه در یک زمان ضربه بزنید

اتصال به آخرین نقاط اختصاص داده شده در شطرنجی و نقاطی که نقطه اختصاص داده شده باید پس از تبدیل حرکت کند (ستاره ها - کجا) انجام می شود. تبدیل با حرکت موازی کل شطرنجی بدون تغییر مقیاس و جهت آن انجام می شود.

1.3.2. آن را در گوشه آفتاب قرار دهید

تبدیل با جابجایی موازی کل شطرنجی بدون تغییر مقیاس و جهت آن به منطقه اصلی منطقه کار انجام می شود. اگر به اشتباه یک شطرنجی را به نقشه باز اضافه کنید، این حالت اتصال باید کاملاً ثابت شود. در این حالت، پس از انتقال شطرنج به گوشه غروب خورشید، اتصال مجدد آن آسان تر می شود.

1.3.3. با پوسته پوسته شدن به دو نقطه بچسبید

پیوند توسط آخرین جفت نقاط تعیین‌شده روی شطرنج و نقاط انجام می‌شود که در آن نقاط تعیین‌شده می‌توانند پس از تبدیل حرکت کنند (علامت‌ها - کجا، علائم - کجا). تبدیل با جابجایی موازی کل شطرنجی با تغییر در مقیاس آن انجام می شود. اتصال تصویر در پشت اولین جفت نقاط تعیین شده انجام می شود. یک جفت نقطه دیگر برای محاسبه مقیاس جدید تصویر شطرنجی استفاده می شود. بنابراین، از آنجایی که شطرنج دارای مقیاس عمودی و افقی است که با هم برابر نیست (به دلیل تغییر شکل ماده خروجی یا آسیب به دستگاه اسکن، شطرنج کشیده و سفت می شود)، نقطه دیگر بسته به خطای یو موقعیت نظری خود را می گیرد. برای از بین رفتن ردیابی، از یکی از روش های تبدیل یک تصویر شطرنجی استفاده کنید (کار کاربردی "تبدیل داده های شطرنجی").

1.3.4. چرخش بدون پوسته پوسته شدن

پیوند توسط آخرین جفت نقاط تعیین‌شده روی شطرنج و نقاط انجام می‌شود که در آن نقاط تعیین‌شده می‌توانند پس از تبدیل حرکت کنند (علامت‌ها - کجا، علائم - کجا). تبدیل با جابجایی موازی کل شطرنجی با تغییر جهت آن در فضا انجام می شود. چرخش حول اولین نقطه تعیین شده انجام می شود. اتصال تصویر در پشت اولین جفت نقاط تعیین شده انجام می شود. یک جفت نقطه دیگر برای محاسبه چرخش تصویر استفاده می شود. بنابراین، از آنجایی که شطرنج دارای مقیاس عمودی و افقی است که با هم برابر نیست (به دلیل تغییر شکل ماده خروجی یا آسیب به دستگاه اسکن، شطرنج کشیده و سفت می شود)، نقطه دیگر بسته به خطای یو موقعیت نظری خود را می گیرد. برای از بین رفتن ردیابی، از یکی از روش های تبدیل یک تصویر شطرنجی استفاده کنید (کار کاربردی "تبدیل داده های شطرنجی").

هنگامی که نقشه های شطرنجی را به پایگاه داده اضافه می کنید، می توانید یک منطقه از نقشه های شطرنجی ایجاد کنید. برای ایجاد یک منطقه رجیستری، لازم است سیستم را به طور مداوم در شطرنجی تصویر ادغام کنید و آن را به یک سیستم مختصات واحد هدایت کنید.
ترکیبی از نقشه های شطرنجی و برداری در مناطق یکسان یا به هم پیوسته به شما امکان می دهد تا به سرعت مناطق کاری را ایجاد و به روز کنید و در قدرت وظایف برنامه برای همه انواع اشیاء نقشه صرفه جویی کنید.

ایده ثبت همزمان با یک عکس پوستی مختصات نقطه ای که بوی تعفن در آن ایجاد می شود در ابتدای عکاسی دیجیتال ظاهر شد و به زودی محقق شد. امروزه این ایده به میان توده ها رسیده و به خدمات بی شماری سرایت کرده است. از همان ابتدای تولید وینیل و امروزه اجرای این ایده در سطح سخت افزاری دردسرساز شده است، اگر دستگاه GPS مستقیماً با دوربین ارتباط برقرار کند یا در آن گنجانده شود یا از طریق پورت سریال به آن برسد یا بر روی آن نصب شود. دوربین و از یک سیگنال در مورد کسانی که یک تصویر بزرگ جمع آوری کرده اند دریافت می کند، از تماس همزمان گرفته تا شریک خواب. سونی همچنین یک دستگاه GPS-CS1 منتشر کرده است که به سادگی مختصات پوست را به مدت 15 ثانیه ثبت می کند و سپس در طول یک ساعت با تصاویر گرفته شده هماهنگ می شود و اطلاعات مربوط به مختصات در یک فایل نوشته می شود. با توجه به این واقعیت که گیرنده‌ها و دوربین‌های GPS امروزی حتی گسترده‌تر شده‌اند و در زندگی روزمره ممکن است فرصت خرید دستگاه‌های اضافی را نداشته باشید، می‌توانید به سرعت از گیرنده‌ها و دوربین‌های GPS که قبلاً دارید استفاده کنید و آنها را گم کنید. می تواند داده های مربوط به مختصات را به عکس های خاص پیوند دهد. قبلاً به دلیل اینکه حافظه ناوبر GPS روشن شده بود و اطلاعات باید هر روز در رایانه بارگیری می شد ، سردرگمی زیادی وجود داشت. اگر به ندرت عکس می گیرید و از GPS در ناوبری استفاده می کنید، به احتمال زیاد پس از بازگشت از پیاده روی، فقط می توانید اطلاعات مربوط به بقیه روز را بازیابی کنید. در واقع، اگر ناوبرهای GPS توانایی ثبت مسیرهای تکمیل شده بر روی کارت های حافظه را داشته باشند، غذا و کمبود عملاً همه جا وجود دارد. در اینترنت می توانید ده ها برنامه را پیدا کنید که برای پیوند عکس ها به مختصات استفاده می شود. منش بزرگ آخرین لیستشما می توانید من را بشناسید از جمله آنها تجاری هستند و بیشتر آنها بدون هزینه و یخچال هستند. کدهای خروج. من بسیاری از آنها را امتحان کردم، اما به دلایلی برنامه بلافاصله به درستی شروع به کار نکرد، من حوصله برگشتن به آن را نداشتم، اما بلافاصله به مرحله بعدی رفتم. بنابراین، این امکان کاملاً وجود دارد که برخی از برنامه هایی که من رد کرده ام، حتی امروز، که در یک پیکربندی متفاوت بلافاصله بدون مشکل شروع به کار کنند. من هنوز حتی به برنامه های تجاری نگاه نکرده ام و قطعات نسخه های آزمایشی آنها نزدیک به یک کیلومتر فضا را پوشش می دهد و با توجه به بدیهی بودن تعداد زیاد برنامه های انتقادی، صرف یک ساعت از آنها برای من غیر منطقی است. .

علاوه بر این، تعداد برنامه های بررسی شده کاهش یافته است و تنها تعداد کمی از آنها به مزایای خاص اضافی دسترسی دارند. و همان: برای ضبط مختصات، از ناوبری Etrex Venture Cx استفاده کردیم که داده‌های مختصات را در قالب GPX (فرمت تبادل GPS) ذخیره می‌کند. قالب استاندارد است، اما واضح است که Garmin و سازندگان آن استاندارد را متفاوت تفسیر می کنند. خوشبختانه، برنامه های جهانی وجود دارند که می توانند یک قالب را به فرمت دیگری تبدیل کنند. و من در میان آنها می دیدم. در این برنامه می توانید فرمت GPX گرفته شده از ناوبری گارمین را به همان فرمت تبدیل کنید و نتیجه این تبدیل برای همه برنامه ها قابل درک خواهد بود.

نکته دیگر این بود که می‌خواستم فوراً عکس‌ها را با فرمت RAW پیوند دهم، به طوری که همه عکس‌های خروجی قبلاً مختصات مشخصی داشته باشند و اگر موک بیشتری می‌دانستم نیازی به تخصیص مجدد مختصات در هر ساعت نداشته باشند. زیرا هر چه زمان می گذرد، همانطور که مشخص است، ما با مشکلات زیادی روبرو هستیم. و همچنین می توانید آنها را با این واقعیت که فایل ها در زمان های مختلف ایجاد و پردازش می شوند ضرب کنید و اطلاعات خروجی زمان صرف شده ممکن است هدر برود یا بعد از یک ساعت مشخص نتوانید حدس بزنید که در کدام منطقه زمانی هستید. گرفته شد. از برنامه هایی که من نگاه کردم، ممکن است تنظیمات پیچیده ای برای اصلاح وجود داشته باشد مشکلات احتمالیبا تنظیم ساعت اما، بهتر است فوراً ناوبری و دوربین را طوری تنظیم کنید که این مشکلات پیش نیاید. ناوبر شما این توانایی را دارد که راهی را برای ضبط آهنگ انتخاب کند - به طور خودکار یا در یک بازه زمانی مشخص ساعتی. در حالت خودکار، اگر سریع حرکت کنید، نقطه به صورت غنی نوشته می شود، اگر در محل بایستید، بوی بد نوشته نمی شود. این به شما امکان می دهد ورود را لغو کنید، با این حال، مسیر مشخص است، پیاده های خود را منتقل می کنید یا با ماشین می روید. با این حال، اگر برای مدت طولانی از یک نقطه عکس بگیرید، ممکن است وضعیتی پیش بیاید که در زمان گرفتن ناوبری GPS مختصات را ثبت نکند، قطعات در ضبط های یک سال قبل منعکس نشوند. در بسیاری از برنامه‌ها، می‌توانید فاصله ساعتی را که مختصات وارد می‌شود را به همراه تصویر انتخاب شده تنظیم کنید. با این حال، فراوانی اطلاعات ممکن است نه تنها به معنای آنهایی باشد که حمل و نقل نشده اند، بلکه به معنای آنهایی است که به همراه سفر سیگنال می دهند. در این حالت، اگر فاصله طولانی باشد، می توان مختصاتی را به تصویر اختصاص داد که کاملاً با موارد مرجع متفاوت است. بنابراین، توصیه می کنم ضبط را برای یک ساعت با فاصله 10 ثانیه تنظیم کنید. اگر آن را از پنجره اتوبوس نگیرید، دقت کمتری خواهد داشت.

یک مشکل جهانی در حال نزدیک شدن است - زمان نصب آن در اتاق است. اگه قیمتش بالا رفت، اگه از بهار یا بهار عکس گرفتی، اگه میتونی ساعت رو عوض کنی، تو دوربین نصب کن ساعت ماهاین ایده بدی به نظر نمی رسد، به خصوص که امروزه ایده یک ساعت محلی کاملاً بی اعتبار شده است. خورشید در سیزدهمین سالگرد قرن پانزدهم در بالای غرفه من در مسکو در اوج قرار دارد. وسایل حمل و نقل امروزی به شما امکان می دهد هزاران کیلومتر را طی کنید و عاقلانه تر است که از یک ساعت نوری استفاده کنید تا اینکه توضیح دهید در مورد کدام ساعت و دوره زمانی صحبت می کنید. ناوبر ساعت UTC (زمان جهانی هماهنگ) را پیگیری می کند. بنابراین می توان همان ساعت را در دوربین حس کرد و نمایش داد و بدون توجه به حرکت یا هر زمان که سرنوشتی پیش بیاید هرگز تغییر نمی کند. وقتی مختصات را در فواصل 10 ثانیه ای ضبط می کنم، ترجیح می دهم این ساعت را GMT قدیمی (زمان مریدیوم گرینویچ) بنامم. این گزینه آموزنده تر است، زیرا به این معنی است که همیشه مطابق با ساعت محلی در نصف النهار گرینویچ انجام می شود و در صورت درخواست من، قطعاً با UTC تفاوتی ندارد. با دانستن مختصات قدرت خود و این ساعت، به راحتی می توانید بفهمید که آیا خواب شما در بهترین نقطه خود است یا خیر، آنگاه ظهر خواهد بود. همه این اطلاعات برای عکاس اصلاً بیهوده نیست، تا زمانی که به شما امکان می دهد علائم و مکان فرود نور در نقطه عکسبرداری مربوطه را شناسایی کنید. صرف نظر از علوم، به احتمال زیاد مردم، با زنگ زدن در اوایل ظهر، به زودی تصمیم گرفتند همه کسانی را که در مدرسه جغرافیا خوانده بودند به کلیسای کوچک بفرستند.

همچنین، از آنجایی که دوربین و ناوبر را همزمان نصب کرده‌ایم، در آینده می‌توانیم تنظیمات منطقه زمانی را نادیده بگیریم. برنامه ای برای پیوند عکس ها به مختصات

GPicSync

برای پردازش دسته ای عکس های گرفته شده، برنامه را انتخاب کردم.

رابط گرافیکی اسپارتان، فقط با پوشه ها کار کنید، فقط JPEG ها را مشاهده کنید، و کار خود را تمام کنید و کار خود را تمام کنید. منظورم این است که برنامه های زیادی وجود دارد که با آنها کار می کنند خط فرمان، چگونه می توانید با داده های مربوط به زهد مقایسه کنید ، اما من دوست ندارم از صفحه کلید استفاده کنم :-) برنامه vikory i. مشمول مجوز GPL در سراسر. نسخه های Є برای ویندوز و لینوکس. ما از زبان روسی پشتیبانی می کنیم.

با پوشه‌ها کار می‌کند، به شما امکان پردازش دسته‌ای عکس‌های زیادی را می‌دهد، با RAW کار می‌کند، فایل‌های GPX را از Garmin می‌فهمد، مختصات را در EXIF ​​ضبط می‌کند، به شما امکان می‌دهد به طور خودکار نزدیک‌ترین نام‌های جغرافیایی را به کلمات کلیدی IPTC، مانند و از پایگاه‌های داده در اینترنت اضافه کنید. . علاوه بر ثبت اطلاعات مختصات در فایل های عکس، فایلی با فرمت KML یا KMZ نیز ایجاد می کند.

KML (Keyhole Markup Language) یک سرویس نشانه‌گذاری مبتنی بر XML برای نمایش داده‌های مکانی سه‌بعدی در Google Earth است که قبل از خریداری شدن توسط Google، "Keyhole" نامیده می‌شد. KMZ نتیجه فشرده سازی فایل های KML با استفاده از روش ZIP است. جزئیات بیشتر.

برنامه Google Earth بدون هزینه در حال گسترش است.

در همان ذهن ها چه می خواهید (بدون اینترنت سوئدی) از جایی که عکس ها را گرفته اید آگاه باشید و باید آنها را روی هر نقشه ای که در لپ تاپ شما ذخیره شده است قرار دهید. که می توانید به سرعت متوجه شوید برنامه GPSبابل و تبدیل آن به فرمت WPT برای مشاهده در برنامه، یا دوباره در فرمت GPX، با نقاطی که در جدید گنجانده شده است، که نشان‌دهنده کسب عکس‌ها برای مشاهده در برنامه است، یعنی عکس‌ها را روی همان نقشه اعمال کنید. oriented، اگر از ناوبری GPS خود استفاده می کردید.

برای روبات‌هایی که عکس‌های زیر را دارند ممکن است ظاهر شوید انتخاب خوببرنامه

در نتیجه این برنامه به زبان جاوا نوشته شده است، اما اجرای آن بدون نصب مجدد بر روی ویندوز و لینوکس آسان است. علاوه بر این، تحت پوشش مجوز عمومی عمومی گنو است. این برنامه می تواند همه چیز را انجام دهد: کار با فایل های RAW. دوباره به آنها نگاه کن؛ نوشتن مختصات در EXIF. از طریق برنامه Google Earth به موقعیت عکس ها در تصاویر ماهواره ای نگاه کنید. بر اساس اطلاعات سایت، نام های جغرافیایی را به کلمات کلیدی اضافه کنید. برای دستیابی به چنین تطبیق پذیری، برنامه از ماژول های خارجی از فروشندگان شخص ثالث استفاده می کند که نیاز به نصب موارد زیر دارند:,.

این برنامه به شما امکان می دهد عکس ها را نه تنها به Google Earth، بلکه بدون نصب آنها نیز صادر کنید برنامه های اضافی، کنترل نقطه وام از طریق.

نقطه ضعف این برنامه این است که کارآمدتر است، یعنی آماده کردن عکس با فرمت RAW زمان کمی می برد و فایل های گارمین را نمی توان بدون تبدیل پردازش کرد. این برنامه برای ارتباط با GPS طراحی شده است، اما برای تبدیل فایل ها باید مستقیما اجرا شود. برخی از نام‌های جغرافیایی ممکن است به خط سیریلیک درج شده باشند، بنابراین شما فقط می‌توانید آنها را تایپ کنید، اما برنامه‌های دیگر ممکن است بتوانند با چنین فایل‌هایی کار کنند:-(

این برنامه اغلب به روز می شود، بنابراین امیدوارم که شما آن را به روز کنید :-)

COPIKS PhotoMapper

نحوه برخورد فقط با فایل ها در فرمت JPEGو فقط در ویندوز، برنامه انتخاب بدی خواهد بود.

او قبل از پیوند دادن به مختصات عکس‌ها در قالب KMZ، به طور مؤثری با وظایف بسته‌بندی کنار می‌آید. وقتی یک فایل 500 کیلوبایتی را دانلود می کنید، می توانید از ظاهر آن شگفت زده شوید.

عکس Locr GPS

برای پردازش بیشتر و ارسال عکس ها در اینترنت، می توانید از یک برنامه استفاده کنید.

همچنین مفید است زیرا به شما امکان می دهد عکس ها را روی عکس های فضایی و نقشه های تولید شده توسط شرکت های مختلف قرار دهید. می توانید بین گوگل، مایکروسافت و یاهو یکی را انتخاب کنید.

من یاد نگرفته ام که چگونه عکس ها را با آن پیوند دهم، زیرا نمی دانم چگونه GPX را به فرمت مناسب NMEA تبدیل کنم. به همین دلیل هدف اصلی من ارسال عکس در اینترنت است. اگرچه یک سرویس وجود ندارد که چنین خدماتی را ارائه دهد، اما می توانید عکس ها را در اینترنت و وب سایت ارسال کنید.

برنامه جدیدی ظاهر شده است که به شما امکان می دهد مختصات را به صورت دستی ویرایش کنید، نقطه ضبط را در برنامه Google Earth پیدا کنید و داده ها را در EXIF ​​ثبت کنید، و همچنین یک عملیات معکوس انجام دهید - مختصات نقطه ضبط موجود در تصویر فضا را ضبط کنید. در EXIF

در طول چند سال گذشته، این ایده در میان توده‌ها مورد حمایت متلاطم قرار گرفته است و به زودی هر نقطه از سطح زمین نه تنها از فضا، بلکه از سطح زمین نیز قابل مشاهده خواهد بود. با روشن کردن توپ "جغرافیای اینترنت / پانورامیو" در Google Earth، با کلیک بر روی جایی که می توانید عکس بگیرید، خواهید دید که زمین به معنای واقعی کلمه با نمادهای نقاط ضبط پوشیده شده است.

اغلب ما یک نقشه کاغذی از محل داریم و می خواهیم این نقشه را به پروژه GIS خود اضافه کنیم. بیایید نحوه ایجاد تصاویر جغرافیایی از یک نقشه اسکن شده یا عکس گرفته شده بر روی نقشه ذخیره گاه Kvitucha Gora را بررسی کنیم.

برای برنامه انتخاب شده، همه چیز در برنامه QGIS کامپایل شده است. در طول کار، از ماژول های زیر استفاده خواهید کرد: پیوند شطرنجی، QuickMapServices، GeoSearch. این افزونه ها باید نصب و فعال شوند؛ می توانید گزارش نصب ماژول ها را مطالعه کنید. برای استفاده از ماژول های QuickMapServices و GeoSearch، اتصال به اینترنت لازم است.


زمان آینده - مکان مرکزی را در نقشه پایه پیدا کنید. به همین دلیل، با نگاهی دقیق به نقشه اسکن شده، نام سکونتگاه را روی آن می یابیم - "روستای میلچا".


با دانستن نام دهکده، می‌توانیم آن را از طریق یکی از ماژول‌های "GeoSearch"، "osmSearch" یا "جستجوی مکان OSM" پیدا کنیم.


بعد از اینکه نقشه را به مکان مورد نظر مقیاس دادیم، مستقیماً به پیوند نقشه می رویم. برای ارجاع جغرافیایی تصاویر شطرنجیدر QGIS یک ماژول به نام "Raster Linking" (Georeferencer) وجود دارد. ماژول از بخش منو "Raster" - "Raster Linking" راه اندازی می شود.


ماژول "Georeferencer" در یک پنجره جدید باز می شود.


از دکمه باز کردن شطرنجی یا کلیدهای ترکیبی استفاده کنید +بیایید تصویر را اضافه کنیم تا بتوانیم آن را ضمیمه کنیم.
تصاویر در قسمت بالای پنجره ظاهر می شوند و جدولی که نقاط لنگر را توصیف می کند در قسمت پایین ظاهر می شود.


در مرحله بعد، باید نقاطی را در نقشه و تصویر پایه انتخاب کنید که تصویر به آنها پیوند داده می شود. تقاطع ها و پیچ های جاده ها، پل ها و سایر اشیاء را که در نقشه پایه کاملاً مشخص هستند شناسایی کنید و به تصاویر پیوند دهید.

وسعت نقشه پایه را تا اولین نقطه لنگر افزایش می دهد. این بهترین راه برای اتصال تصویر نقطه گیر کردن انتخاب شده است. پس از نزدیک شدن به نقطه لنگر در پنجره ماژول، دکمه "افزودن نقطه" را فشار دهید و روی نشانگر خرس در نقطه انتخاب شده کلیک کنید. پس از این، فرم برای وارد کردن مختصات ظاهر می شود. مختصات را می توان از طریق فیلدهای ورودی یا از روی نقشه وارد کرد. از آنجایی که مختصات نقطه را داریم که مثلاً از یک ناوبر GPS اضافی به دست آمده است، می توانیم آنها را در فیلدهای مربوطه وارد کنیم. برای بازیابی مختصات از نقشه پایه، دکمه "از نقشه" را فشار دهید.


پس از فشار دادن دکمه Z Map، پنجره اصلی QGIS به طور خودکار باز می شود. نشانگر این خرس شبیه یک صلیب سفید است. یک نقطه لنگر را روی نقشه پایه انتخاب کنید و دکمه سمت چپ خرس را برجسته کنید.


پس از فشار دادن، پنجره ماژول صحافی شطرنجی به طور خودکار می چرخد. فرم ورودی مقادیر مختصات نقطه را نمایش می دهد. مقادیر وارد شده یک سیستم مختصات برای پروژه با یک نقشه پایه ایجاد می کند.


پس از کلیک کردن، نقطه با توضیح نقاط لنگر به جدول اضافه می شود. به این ترتیب می توانیم نقاط دلبستگی بیشتری اضافه کنیم. نقاط باید به طور مساوی جابجا شوند تا با تصویر مطابقت داشته باشند. هرچه تصویر خروجی تارتر باشد، نیاز به نقطه لنگر بیشتر است. حداقل تعداد نقاط پیوست 3 است.


بعد، پارامترهای تبدیل را تنظیم می کنیم. برای انجام این کار، چرخ دنده را در نوار ابزار فشار دهید. در پنجره می توانید مقادیر اساسی زیر را تنظیم کنید: نوع تبدیل، روش درونیابی، سیستم مختصات هدف، شطرنجی هدف. سایر پارامترها مورد نیاز نیستند و می توان آنها را از مقادیر شستشو حذف کرد.

قدرت اتصال به تعداد نقاط اتصال و انتخاب روش تبدیل بستگی دارد. می توانید در مورد روش های تبدیل بیشتر بخوانید.


یکی از نکات کلیدی درج صحیح سیستم مختصات هدف است. اگر مختصات را با استفاده از یک ناوبر GPS اضافی وارد کرده اید، سیستم مختصات ظاهراً در تنظیمات ناوبر GPS مشخص شده است، اغلب WGS 84 (EPSG: 4326). اگر مختصات را از نقشه گرفتیم، سیستم مختصات پروژه کار را نشان می دهیم. نسخه ما دارای WGS 84 / Pseudo Mercator (EPSG: 3857) است که برای خدمات نقشه مانند OpenStreetMap، ArcGIS Online و بسیاری دیگر "آماده" است.


پس از تنظیم پارامترهای تبدیل، با کلیک بر روی trikutnik سبز رنگ در نوار ابزار یا با انتخاب مورد مناسب در منوی "File"، فرآیند اتصال را شروع می کنیم. در نتیجه پیوند رسترها، یک فایل با فرمت GeoTIFF استخراج می شود.

اگر مورد "باز کردن نتیجه QGIS" را در پنجره پارامترهای تبدیل انتخاب کرده باشید، پس از تکمیل فرآیند پیوند، توپ حاصل در بالای نقشه پایه به پروژه کاری اضافه می شود.

نکته مهم این است که در نتیجه عملکرد ماژول، شطرنج حاصل دارای یک سیستم مختصاتی است که در پارامترهای تبدیل مشخص شده است، اما اطلاعات مربوط به طرح ریزی خود شطرنجی در آن قرار نمی گیرد. به همین دلیل ممکن است در لیست توپ ها حضور داشته باشید اما روی نقشه ظاهر نشوید. در چنین شرایطی باید وارد "توپ قدرت" شد و گفت من به یک سیستم نیاز دارممختصات به صورت دستی


پس از درج صریح سیستم مختصات صحیح، تصویر به محل مورد نیاز منتقل می شود.


با بهبود بینش، می‌توانیم میدان‌های سیاه را در امتداد لبه‌های تصویر پیوندی که در نتیجه تغییر ایجاد شده‌اند، تشخیص دهیم.


بنابراین ما می توانیم صحت اتصال را با تنظیم دید توپ روی 50٪ تأیید کنیم.

A. P. Kirpichnikov، D. I. میفتاخوتدینوف، آی. S. Rizaev

پیوند همبستگی پیشرفته تصاویر و نقشه های دیجیتالی موشک

کلید واژه ها: تصویر یکپارچه، نقشه محلی دیجیتال، پردازش تصویر همبستگی.

این کار راه حل مشکل پیوند یک تصویر و نقشه دیجیتالی محل را با استفاده از روش پردازش همبستگی دو تصویر مورد بررسی قرار می دهد، که امکان دستیابی به دقت بالای پیوند را برای حذف خودکار خطاهای سردرگمی بین آنها فراهم می کند.

کلمات کلیدی: ترکیب تصاویر، نقشه های دیجیتالی زمین، پردازش تصویر همبستگی.

این کار حل تصاویر صحافی و نقشه‌های دیجیتال را با روش پردازش همبستگی دو تصویر برای دستیابی به دقت بالای snapping برای حذف خودکار خطاهای تراز بین آنها در نظر می‌گیرد.

وارد

در حال حاضر، در سیستم های شناسایی فعال روسی، روش اصلی کشف اشیاء جدید (قبلا ناشناخته) در یک محل مشخص است. بنابراین، وظایف مهم شامل ایجاد نقشه انبوه (CMM) و پخش تصاویر با تجزیه و تحلیل بیشتر نتایج جرم و جستجوی جرم است.

در عمل، ساعت‌های مختلف و تصاویر طیفی مختلف از یک شی یا محل می‌توانند به طور قابل‌توجهی از یک نمای به نمای دیگر و از تصاویر آنها در DCM متفاوت باشند. بنابراین، ما با یک سری وظایف در مورد تصحیح هندسی و دامنه تصویر، اتصالات و جابجایی آنها روبرو هستیم. پیوند را می توان با استفاده از پارامترهای ناوبری و الگوریتم های جستجو انجام داد که شباهت بین عناصر تصویر را تعیین می کند.

دستکاری در پارامترهای ناوبری منجر به اعوجاج تصویر و نمایشگر دیجیتال دیجیتال می شود. دلایل اصلی عبارتند از:

1. مسدود کردن سیگنال دریافتی هنگام تشکیل تصویر.

علامت گذاری در پچ تعیین شده با توجه به گسست بودن مقدار شکل می گیرد فرکانس ساعتنوسانگر مرجع (به عنوان مثال، 1/56 مگاهرتز)

56 10 6 [هرتز] 2 56 10

2. برداشتن با توجه به ارتفاع بینی. تفکیک عددی سکونتگاه (تقریبا):

3. مصالحه بین فریم های تصویر.

این بخشش، اول از همه، با تخریب سنسور برش نشان داده می شود. حداکثر جریمه خطی برای سرقت محاسبه می شود

به عنوان سمت Dmax = 1.74-10-3 Dmax.

4. محاسبه مختصات هواپیما در سیستم مختصات زمینی.

که در آن D فاصله تا نقطه در کادر تصویر، h ارتفاع پرنده، D تغییر در مقدار ارتفاع پرنده، D تغییر در مقدار موقعیت راس آنتن بر حسب رادیان است. D ^ تغییر در مقدار کورس مرجع پرواز بر حسب رادیان است.

مجموع استقرار محل تعیین شده روتوش تصویر برابر است با جذر مجذور مجموع مربع های انبارهای انبار.

برای از بین بردن هرگونه سردرگمی، می توان از پیوند همبستگی بین تصاویر جمع آوری شده و CCM استفاده کرد. در این مورد، قبل از مشکلات اصلی با الگوریتم های ایجاد شده، لازم است قبل از هر چیز، اهمیت اصول انتزاع مطرح شود. علاوه بر این، تصاویر بیشتر اشیاء باید دور از دسترس باشند. بنابراین، لازم است با استفاده از الگوریتم نقشه‌برداری همبستگی، تصویر و DCM بتوان نقاط عطفی با ویژگی‌های پایدار را مشاهده کرد.

مفاهیم اساسی تحلیل همبستگی-رگرسیون

وظایف اصلی تحلیل همبستگی، ارزیابی رگرسیون برابر و اهمیت قدرت رابطه بین علامت مؤثر و عدم وجود علائم عاملی است. مقدار ضریب همبستگی به قدرت پیوند بستگی دارد.

برای اینکه به جامعه عمومی نگاه کنیم، سپس برای مشخص کردن تنگی ارتباط بین دو متغیر، با ضریب همبستگی زوجی p تعیین می شود، در موردی دیگر، با ارزیابی آن - ضریب جفت نمونه گیری شده p تعیین می شود.

از آنجایی که شکل پیوند خطی است، ضریب همبستگی را می توان با استفاده از فرمول محاسبه کرد:

و مقدار نمونه - طبق فرمول:

Y (X - X) (Y -Y)

اگر عدد کوچک باشد، ضریب همبستگی نمونه با استفاده از فرمول محاسبه می شود:

pX X T-X XX T

X X, 2 - (X X) 2

"X t 2 - (X T) 2

تغییرات مقدار ضریب همبستگی در بازه 1- است< г < 1.

هر گاه ضریب همبستگی در بازه 1- باشد< г < 0, то между величинами Х и У - обратная корреляционная связь. Если коэффициент корреляции находится в интервале 0 < г < 1, то между величинами Х и У - прямая корреляционная связь.

منطق رکود اتصال همبستگی

موارد زیر را می توان به مراحل اصلی اضافه کرد:

1. مشاهده استانداردها روی نقشه، پردازش جلوی آنها.

2. تبدیل استانداردهای تصویر برای تنظیم هندسه تصویر بریده شده.

3. پردازش تصویر با استفاده از روش دیدن اشیاء محلی.

4. تأثیر جستجوی همبستگی استانداردها بر روی جریان تصویر.

5. شفاف سازی موقعیت تصویر روی نقشه (اصلاح مختصات مسیریابی).

بیایید نگاهی به گزارش و مراحل آن بیندازیم.

حذف استانداردها

این مرحله توسط اپراتور یا به صورت خودکار بر اساس آگاهی از پلات انتقال یافته فعالیت ها و اشیاء در قطعه های جدید انجام می شود که می توان آنها را به دو گروه تقسیم کرد. پرشا - نقطه، zokrema - vyshki، sporudzhennya، و غیره. برای دیدن آنها در تصویر، می توانید مقدار آستانه روشنایی تصویر را تنظیم کنید. با این حال، پیچیدگی اصلی از ارتباط این نقطه "جرقه" با شی محل ناشی می شود، به دلیل این واقعیت که ممکن است جابجایی توسط شی دیگری وجود داشته باشد. فقدان جزئیات در نقشه های دیجیتال اجازه نمی دهد اشیاء نقطه ای در اکثر موارد دیده شوند.

خطوط توسعه یافته را می توان به گروه دیگری اضافه کرد و اشکال و اشیاء مشخصه را آشکار کرد. قبل از آنها می توانید هیدروگرافی (رودخانه ها، دریاچه ها، مزارع ساحلی)، مرزهای جاده ها، مناطق پرجمعیت و غیره را اضافه کنید. این اشیاء دارای تصاویر مشخصه هستند و بر اساس دانش قدرت خود در نقشه، امکان انتخاب مدل تصویر را برای جستجوی بیشتر فراهم می کنند. بررسی ها سودمندی رساندن استانداردها به سطح باینری را به دلیل غیرممکن بودن انتقال سطح روشنایی اجسام بر روی تصاویر قالب گیری نشان داده است. شکل 1 رندر یک تصویر باینری از یک رودخانه را با استفاده از DCM نشان می دهد.

کم اهمیت 1 - لب به لب رسم تصویر باینری از رودخانه با استفاده از کامپیوتر دیجیتال دیجیتال

در بین استانداردها، لازم است بخش های مشخصه ای از اشیاء مانند انگور، بافته و صاف کردن انتخاب شود. بوی تعفن توسط یک تابع همبستگی باریک هدایت می شود و مسئول اطمینان از جستجوی مؤثر است. استفاده از یک الگوریتم خودکار برای انتخاب موقعیت کرت های استاندارد با تجزیه و تحلیل تابع همبستگی کرت های برداشت شده و منطقه ای که در آن بو ایجاد می شود، امکان پذیر است. نشانه های انتخاب شده برای انتقال منطقه، بر اساس نشانه های سیستم ناوبری با اندازه و دقت ممکن انتخاب می شوند.

پازل های هندسی Usunennya

مهمترین چیزی که در اجرای الگوریتم همبستگی باید در نظر گرفته شود، انتخاب ناحیه تبدیل شده است. در این مورد دو گزینه وجود دارد. اولین مورد کاهش نمودارهای استاندارد محلی به تصویر جریان است. این عملیات از نقطه نظر منابع محاسباتی مفید است، زیرا پردازش یک تصویر مرجع باینری ساده تر است. راه دیگری برای پیوند از تصویر جریان به نقشه محل. انتخاب روش تبدیل بستگی به امکان اجرای مستقیم الگوریتم ها در عمل دارد.

تصاویر نمونه ها

ضبط صدای نمودارهای استاندارد بر روی محتویات تصاویر به طور غیرمستقیم از طریق تعداد زیادی از اشیاء در سایت ضروری است، بدیهی است که یک انبار نویز قابل توجه است. این مرحله از جستجو با عملیات مشاهده اشیاء جستجو شده انجام می شود. روش های اصلی که در حال حاضر برای انجام این عملیات استفاده می شود، تقسیم بندی و کانتورینگ تصویر است. علاوه بر این، برای کاهش تأخیر نتایج پردازش تصویر، از فیلتراسیون تصویر برای مقابله با اثرات نویز در انبارها استفاده می شود. در این حالت، نقش ترانکد را می توان سایر اجزای خود تصویر بازی کرد.

بخش بندی اغلب به عنوان مرحله اولیه اصلی تجزیه و تحلیل هنگام خودکارسازی روش های استخراج تصویر در نظر گرفته می شود، زیرا نتیجه تصویری خواهد بود که حاوی اطلاعات زیادی است، که به معنای موفقیت در حل مشکل تجسم اشیاء در تصویر شده و همبستگی بیشتر است. باینری آستانه لب به لب

تقسیم بندی تصویر گرفته شده و تبدیل شده از قرائت ها در شکل 2.

شکل 2 - لب به لب تصویر تبدیل شده

ما واقعاً قدردانی می کنیم که برای دیدن اشیاء مختلف، باید از روش های مختلف پردازش تصویر استفاده کرد. بنابراین، برای دیدن بخش‌های مستقیم جاده‌ها، می‌توانید ماسک‌های ویژه‌ای با لایه آستانه بیشتری بپوشید.

جستجوی روتوش تصاویر استاندارد روی تصویر درون خطی (صحافی)

انواع اصلی الگوریتم ها برای ایجاد شباهت تصویر به ویژگی های اتصال تصادفی یک قطعه جریان تصویر با تصاویر مرجع از محل مربوط می شود. این الگوریتم ها بر اساس نظریه همبستگی و طیفی سیگنال ها هستند.

تصاویر قطعه مرجع (نشان داده شده در نقشه محل و ارائه شده توسط ماتریس i0 با اندازه pxp) با تصاویر جریانی قطعات تصویر در "منطقه مورد علاقه" با اندازه bxb تراز شده است. b = n + m، و منطقه جستجو با تنظیم احتمالی سیستم ناوبری نشان داده می شود.

در طول فرآیند جستجو، "عملکرد شباهت" بین قطعات تصویر مرجع و جریان محاسبه می شود. لازم است تابع شباهت را بدانید که با حداکثر دقت و اطمینان به شما امکان می دهد قطعه ای از تصویر را مطابق با استاندارد بومی سازی کنید و در نتیجه ارتباط بین نقاط روی تصاویر را برقرار کنید.

با روش همبستگی، جستجوی حداکثر ضریب همبستگی (تنگ (تا، 1)) قطعه جریان با استاندارد وجود دارد.

XXUo (x، y) i (x، y)

/ (قبل از من) = - ^ -] -_، (7)

^ [^ X, y)] 2 XX2) 2

جایی که i0 i ma - متمرکز کردن مقادیر روشنایی قطعه استاندارد و تصویر. این عملیات برای کاهش اهمیت ضریب همبستگی در انرژی کرت ها ضروری است.

برای افزایش آگاهی از پایایی یافته ها، لازم است یک آستانه (thr) برای ارزش همبستگی متقابل تعیین شود.

اگر tahg (به، 1)> gpor، پس به دلیل مردانگی داده شده، شباهت جفت قطعه یافت شده تضمین می شود.

رفیق مقادیر آستانه را می توان بر اساس شباهت قطعات و ضریب همبستگی تنظیم کرد.

روش همبستگی کمی مانند این وجود دارد، اما به ابعاد هندسی اشیاء به‌دست‌آمده حساس است، که برای حذف تصویر به شدت به الگوریتم تقسیم‌بندی شی وابسته است.

معیارهای اثربخشی روش‌های شناسایی شباهت شامل دقت گنجاندن قطعات و قوام اتصال مخلوط است.

شکل 3 نتایج جستجوی چند قطعه استاندارد را در تصویر نشان می دهد. اتالون های مشاهده شده در کامپیوتر دیجیتال دیجیتال به هندسه تصویر گرفته شده کاهش می یابد. شکل 4 نتیجه جستجوی تصویر مرجع را هنگام تقلیل تصویر به هندسه نقشه با همان ذهن ها نشان می دهد.

رابطه بین استاندارد و تصویر را می توان بر اساس تئوری طیفی سیگنال ها محاسبه کرد. در واقع، روش همچنین با تخمین انتگرال همبستگی، فقط در حوزه فرکانس کار می کند. به این ترتیب با کمک الگوریتم های تبدیل سریع Fur می توان هزینه های محاسباتی مورد نیاز برای سازماندهی محاسبات را به میزان قابل توجهی کاهش داد.

بر اساس مقادیر اختلاف بین نتیجه پیش‌بینی‌شده ناوبری و محاسبه موقعیت استاندارد با استفاده از انتگرال همبستگی، تصحیح موقعیت تصویر جریان با استفاده از DCM شکل می‌گیرد.

کم اهمیت 3 - نتایج جستجوی چند قطعه استاندارد

کم اهمیت 4 - نتیجه جستجوی تصویر مرجع از نظر کاهش تصویر به هندسه نقشه.

روش در نظر گرفته شده پردازش همبستگی دو تصویر، دقت بالایی را در پیوند دادن یک تصویر جریانی با یک نقشه محلی دیجیتال برای از بین بردن خودکار سردرگمی بین آنها امکان پذیر می کند.

در گزاره رباتیک الگوریتمی برای تجسم وجود دارد که مراحل اصلی آن تهیه استانداردها از نقشه ها، تبدیل و پردازش تصاویر محلی و توسعه جستجوی همبستگی است. با این حال، در طول اجرای این مراحل، مهم است که ویژگی‌های سیستم‌های نظرسنجی انتخابی و نقشه‌های دیجیتالی محل را در نظر بگیریم.

ادبیات

1. باکلیتسکی V.K. روشهای همبستگی-افراطی ناوبری و راهنمایی / نمای تور: به "باشگاه کتاب"، 2009. - 360 ص.

2. گروزمن I.S.، Kirrichuk V.S.، Kosikh V.P. تا در تصویر تولید دیجیتال در سیستم های اطلاعاتی./ راهنمای اولیه. - نووسیبیرسک: انتشارات NSTU، 2000. -168 ص.

3. Tseglyarov A.P., Miftakhutdinov D.I., Rizaev I.S. راه حل مکان یابی جغرافیایی با استفاده از روش همبستگی // بولتن دانشگاه فنی: ج 18 شماره 3; - 2015. - 308 ص.

4. Miftakhutdinov D.I., Rizaev I.S. ویژگی های اجرای الگوریتم های شلوغی با نقشه های دیجیتالی ازدحام به تصویر کشیده شده است. / "چشم انداز ادغام علم و عمل." مطالب دومین کنفرانس علمی و عملی بین المللی; -Stavropol: 2015. - 94 p.

© A. P. Kirpichnikov - دکترای فیزیک و ریاضیات. علوم، سر بخش سیستم های هوشمند و کنترل منابع اطلاعاتکتاب، [ایمیل محافظت شده]; D.I. میفتاخوتدینوف - دانشجوی سال دوم کارشناسی ارشد در گروه سیستم های خودکار برای پردازش و مدیریت اطلاعات KNIGU-KAI؛ [ایمیل محافظت شده]; من. S. Rizaev - Ph.D. آن ها علوم، استاد گروه پردازش و کنترل اطلاعات خودکار سیستم های KNIGU-KAI؛ [ایمیل محافظت شده]

© A. P. Kirpichnikov - Dr. Sci.، رئیس بخش سیستم های هوشمند و کنترل سیستم های اطلاعات، KNRTU، [ایمیل محافظت شده]; D. I. Miftakhutdinov - دانشجوی کارشناسی ارشد گروه پردازش و مدیریت خودکار اطلاعات، KNRTU-KAI، [ایمیل محافظت شده]; I. S. Rizaev - PhD، استاد گروه پردازش و مدیریت خودکار اطلاعات، KNRTU-KAI، [ایمیل محافظت شده]

بسیاری از وظایف رمزگشایی موضوعی به تصاویری با هم تراز متقابل کاهش می یابد که با کمک حسگرهای زمینه های فیزیکی مختلف شکل می گیرند. اجازه دهید توسعه روش های از راه دور برای نظارت بر منابع طبیعی و پویایی اکوسیستم ها (به اصطلاح نظارت) را برجسته کنیم، که می تواند به گرفتن عکس های فوری از یک یا همان قلمرو، که در زمان های مختلف ضبط شده است کاهش یابد. / یا با کمک روش های مختلف حسگرها میدان های نوری، راداری، رادیو حرارتی، مغناطیسی و غیره بیشترین کاربرد را دارند. Spіlne vikoristannyaمیدان های فیزیکی مختلف نیاز به پردازش پیشرفته تصاویر مربوطه خود دارند، به عنوان مثال، با انتقال تصویر به یک منطقه طیفی.

در عمل، تصاویر یک شی یا بخشی از صحنه، که در زمان‌های مختلف یا با استفاده از حسگرهای مختلف گرفته شده‌اند، می‌توانند به طور قابل توجهی با یکدیگر متفاوت باشند. داده ها تعدادی دستورالعمل مهم الزام آور و همچنین تصحیح هندسی و دامنه دقیق متقابل را برای تجزیه و تحلیل دقیق بیشتر نشان می دهد. در هر صورت، این به معنای برقراری رابطه ای بین عناصر تصاویر خروجی است که منجر به نمایان شدن نقاط به اصطلاح مرجع (به عبارت دیگر، اعتباری یا مرتبط) روی تصاویر می شود که برای آن می توانید یک عدد اضافه کنید. مرجع مختصات زبان عکس ها با تصحیح هندسی یک ساعته. (نقاط موجود در دو تصویر را همزمان می گویند، زیرا آنها تصاویر یک نقطه در صحنه هستند). به عنوان مثال، مانیتورینگ رایانه هوافضا، حضور نظارت گسسته ساعت به ساعت را با فاصله زمانی کمی در ساعت نشان می‌دهد و زمانی که یک دوربین دستی روشنایی تصویر شی مورد مشاهده (سطح نوری) را ثبت می‌کند. با توجه به قوام دید تصویر، این تصویر قبل از گرفتن عکس تغییر شکل داده و به دنبال راه حل های امیدوارکننده و تغییر موقعیت دوربین می باشد. هندسه تغییر شکل‌های اصلی با تغییر شکل‌های طراحی مدل‌سازی می‌شود، که کلاس بزرگ‌تری را در زیر تبدیل هندسه اقلیدسی ایجاد می‌کند (باید گفت که عمر و فرآیند در هندسه تصویری باعث صرفه‌جویی در جمع نمی‌شود، اما خطوط موازی می‌توانند در هم پیچیده شوند! ).

تجدید تسکین فضایی از یک تصویر استریو منجر به مشکل شناسایی می شود: ایجاد یک مختصات دقیق (نقطه به نقطه) از عناصر تصویر استریو. بالاترین مقدار در جفت قطعات مرجع مشاهده شده و پارامترهای تخمین زده شده "تنوع" نقاط مرجع (به نام اختلاف دوچشمی در استریوفتوگرامتری) نهفته است، پس از آن می توان تبدیل هندسی را به روز کرد و سطح صحنه بی اهمیت را ارزیابی کرد. تسکین).