Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/31755
ORCID:  http://orcid.org/0000-0002-5765-5206
Document type: Dissertação
Access type: Acesso Aberto
Title: Detection and correction of deformations in UAVs’ images using deep learning
Alternate title (s): Detecção e correção de deformações em imagens de VANTs utilizando deep learning
Author: Silva, Leandro Henrique Furtado Pinto
First Advisor: Backes, André Ricardo
First coorientator: Escarpinati, Mauricio Cunha
First member of the Committee: Travençolo, Bruno Augusto Nassif
Second member of the Committee: Casanova, Dalcimar
Summary: In recent decades, population growth and the demand for food have boosted the use of technological resources in what we call Precision Agriculture (PA). Among these technologies, the use of Unmanned Aerial Vehicles (UAVs) has stood out for assisting, enhancing, and optimizing agricultural production. The images captured by UAVs allow a detailed view of the analyzed region since the flight occurs at low and medium altitudes (50m to 400m). In addition, there is a wide variety of sensors (RGB cameras, heat capture sensors, multi and hyperspectral cameras, among others), each with its own characteristics and capable of producing different information. In the case of the acquisition of multi-spectral images, each channel of the image is acquired by a different sensor and at different times. Thus, due to the intrinsic characteristics of the UAV flight and the very nature of the acquisition, two main types of deformations between the bands of the same image are commonly observed, are (1) linear and (2) non-linear. Linear deformations consist, for example, of transformations of rotation, translation, and scale; non-linear ones, however, have varied characteristics and without a previously defined pattern. For the correct analysis of these images in the PA, it is necessary to identify and correct these deformations. Therefore, it is proposed to train deep neural networks for the tasks of (1) identification of the presence of deformations and (2) the prediction of vector deformation fields to perform the registration between bands of a multispectral image. Results show that such techniques are promising for the solution to the problem in question. For the identification of the presence of deformation, we achieved an accuracy of 99.18% in images with linear deformations and 99.25% for non-linear deformations. In addition, the proposed approach reached an accuracy of 89.90% to 93.79% in the task of estimating the displacement field between the bands. With this field estimated by the network, it is possible to register between the bands without the need for manual marking of points.
Abstract: Nas últimas décadas, o crescimento populacional e a demanda por alimentos impulsionaram o uso de recursos tecnológicos no que chamamos de Agricultura de Precisão (AP). Dentre essas tecnologias, a utilização de Veículos Aéreos Não Tripulados (VANTs) tem-se destacado por auxiliar, potencializar e otimizar a produção agrícola. As imagens capturadas por VANTs permitem uma visão detalhada da região analisada, visto que o voo ocorre em altitudes baixas e médias (50m a 400m). Além disso, existe uma grande variedade de sensores (câmeras RGB, sensores de captura de calor, câmeras multi e hiperespectrais, entre outros), cada um com características próprias e capaz de produzir informações diferentes. No caso da aquisição de imagens multi espectrais, cada canal da imagem é adquirida por um sensor diferente e em momentos diferentes. Assim, muitas vezes, devido à características intríncecas ao voo do VANT e a própria natureza da aquisição, dois tipos principais de deformações entre as bandas de uma mesma imagem são comumente observadas, são elas: (1) lineares e (2) não lineares. As deformações lineares consistem, por exemplo, em transformações de rotação, translação e escala; já as não lineares possuem características variadas e sem um padrão previamente definido. Para a correta análise dessas imagens na AP, é necessário identificar e corrigir essas deformações. Diante disso, propõe-se o treinamento de redes neurais profundas para as tarefas de (1) identificação da presença da deformações e (2) a predição dos campos vetoriais de deformação para realizar o registro entre bandas de uma imagem multiespectral. Resultados evidenciam que tais técnicas se mostram promissoras para a solução do problema em questão. Para a identificação da presença de deformação, conseguimos uma precisão de 99,18% em imagens com deformações lineares e 99,25% para deformações não lineares. Além disso, a abordagem proposta alcançou uma precisão de 89,90% a 93,79% na tarefa de estimar o campo de deslocamento entre as bandas. De posse desse campo estimado pela rede, é possível realizar o registro entre as bandas sem a necessidade de marcação manual de pontos.
Keywords: Image Registration
Multispectral Image
Deep Learning
Precision Agriculture
UAV
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: eng
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Ciência da Computação
Quote: SILVA, Leandro Henrique Furtado Pinto. Detection and correction of deformations inUAVs’ images using deep learning. 2021. 86 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. Disponível em: http://doi.org/10.14393/ufu.di.2021.249.
Document identifier: http://doi.org/10.14393/ufu.di.2021.249
URI: https://repositorio.ufu.br/handle/123456789/31755
Date of defense: 5-May-2021
Appears in Collections:DISSERTAÇÃO - Ciência da Computação

Files in This Item:
File Description SizeFormat 
DetectionCorrectionDeformations.pdf8.61 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.