scholarly journals Improving Image Alignment in Aerial Image Mosaics via Error Estimation of Flight Attitude Parameters

2012 ◽  
Vol 2 (6) ◽  
pp. 86-91
Author(s):  
Glenn Bond ◽  
Ray Seyfarth
Keyword(s):  
Error Estimation ◽  
Image Alignment ◽  
Aerial Image

scholarly journals The Use of Robust Local Hausdorff Distances in Accuracy Assessment for Image Alignment of Brain MRI

2008 ◽  
Author(s):  
Eric Billet ◽  
Andriy Fedorov ◽  
Nikos Chrisochoides
Keyword(s):  
Error Estimation ◽  
Accuracy Assessment ◽  
Brain Mri ◽  
Source Code ◽  
Visual Assessment ◽  
Image Alignment ◽  
Error Assessment ◽  
Registration Error ◽  
Robust Version ◽  
Local Distance

We present and implement an error estimation protocol in the Insight Toolkit (ITK) for assessing the accuracy of image alignment. We base this error estimation on a robust version of the HausdorffDistance (HD) metric applied to the recovered edges of the images. The robust modifications we introduce to the HD metric significantly reduce the amount of outliers in the local distance error estimation. We evaluate the accuracy of our protocol on synthetically deformed images. We provide the source code and datasets to reproduce this evaluation. The proposed method is shown to improve error assessment when it is compared with conventional HD methods. This approach has many applications including local estimation and visual assessment of registration error and registration parameter selection.

PENILAIAN KESEHATAN TERUMBU KARANG MENGGUNAKAN CITRA SATELIT WORLDVIEW-2 DI PULAU PAHAWANG, LAMPUNG, INDONESIA

2018 ◽  
Vol 2 ◽  
pp. 125
Author(s):  
Lukman Hakim
Keyword(s):  
Error Estimation ◽  
Standard Error ◽  
Red Edge ◽  
Standard Error Estimation

<p>Perairan laut Lampung sebagai bagian kecil dari ekosistem terumbu karang Indonesia terindikasi memiliki tren penurunan kualitas karena aktivitas pelayaran dan pariwisata yang ekstensif khususnya di Pulau Pahawang. Kontrol kondisi terumbu karang pada wilayah ini menjadi kegiatan vital dalam rangkaian konservasi sumber daya laut. Sayangnya, pemetaan kesehatan terumbu karang memerlukan survei detail yang memakan banyak waktu, biaya, dan tenaga. Citra sebagai produk data penginderaan jauh hadir sebagai solusi monitoring terumbu karang secara cepat, murah, dan dalam jangkauan wilayah yang relatif luas. Tujuan dari penelitian ini adalah untuk memetakan kesehatan terumbu karang melalui citra WorldView-2 (WV-2) serta menguji akurasi peta yang dihasilkan. Metode yang digunakan untuk memetakan kesehatan terumbu karang adalah transformasi nilai <em>pixel</em> pada <em>band-band</em> WV-2 menjadi nilai original objek dengan urutan: 1) koreksi atmosfer (<em>Top of Atmospheric Reflectance)</em>, 2) koreksi kilap air (<em>sun glint</em>), dan 3) koreksi kolom air (metode <em>lyzenga</em>) menghasilkan 15 <em>band</em> DII (<em>depth invariant bottom index</em>). Kelima belas <em>band</em> DII tersebut diubah menjadi nilai kesehatan terumbu karang dengan cara regresi antara nilai <em>pixel</em> pada <em>band</em> DII dengan nilai rasio kesehatan terumbu karang aktual yang diperoleh dari proses kalkulasi acak titik foto transek di lapangan. Tiga tipe regresi (linier, eksponen, dan polinomial) dilakukan untuk melihat persamaan terbaik yang bisa digunakan untuk mentransformasi nilai <em>pixel</em> ke nilai kesehatan terumbu karang. Persamaan terbaik kemudian diimplementasikan menjadi model kesehatan terumbu karang untuk kemudian diuji akurasi menggunakan metode <em>Standard Error Estimation</em>. Hasil terbaik diperoleh pada regresi antara rasio kesehatan terumbu karang dengan <em>b</em><em>and</em> DII <em>Coastal Red-Edge</em> dengan koefisien determinasi (R<sup>2</sup>) sebesar 0,6553 dan akurasi pemetaan sebesar 70,191%. Nilai tersebut menunjukan bahwa citra WV-2 memiliki potensi untuk menjadi instrumen monitoring ekosistem marine yang layak.</p><p><strong>Kata Kunci: </strong>Depth Invariant Bottom Index, Kesehatan Terumbu Karang, Lyzenga, Regresi, WorldView-2<strong></strong></p>

Sign in / Sign up

Export Citation Format

Share Document