Relative Radiometric Normalisation of Unmanned Aerial Vehicle Photogrammetry‐based RGB Orthomosaics. (4th June 2022)

• Record Type: Journal Article
• Authors: Pastucha, Elżbieta; Puniach, Edyta; Gruszczyński, Wojciech; Ćwiąkała, Paweł; Matwij, Wojciech; Midtiby, Henrik Skov
• Is Part Of: Photogrammetric record. Volume 37:Number 178(2022)
• Page Start: 228
• Page End: 247
• Publication Date: 2022-06-04
• Subjects: orthomosaics -- relative radiometric normalisation -- terrain displacements -- unmanned aerial vehicle; Photogrammetry -- Periodicals; 526.982
• DOI: 10.1111/phor.12413
• Languages: English
• ISSNs: 0031-868X

Abstract

Abstract: The problem of brightness differences between images of the same scene is important to the field of unmanned aerial vehicle (UAV) photogrammetry and affects both the aesthetics and the interpretation of the final product. This problem can be caused by changes in the positions of the camera or sun, as well as weather conditions. This article deals with the problem of varied image brightness caused by the latter. Relative radiometric normalisation (RRN) of acquired RGB imagery is used to diminish the effects of this phenomenon and improve the visual quality of the resultant product. The presented algorithm considers the specificity of UAV‐acquired data. It utilises image positions and their relationships to group similar images, choose references and perform RRN via histogram matching. The final method is robust and fully automatic. Validation performed on two independent datasets confirms its effectiveness both qualitatively (improving the appearance of the orthomosaic) and quantitatively. Abstract : This article deals with the problem of varied brightness of UAV images caused by the changing weather conditions. Relative radiometric normalization (RRN) of acquired RGB imagery is used to improve the visual quality of the resultant orthomosaic. The algorithm utilizes image positions and their relationships to group them, choose references, and perform RRN via histogram matching. The final method is robust and fully automatic. Résumé: Le problème des différences de luminosité entre les images d'une même scène est important dans le domaine de la photogrammétrie par drone, affectant à la fois l'esthétique et l'interprétation du produit final. Ce problème peut être dû à des changements de position de l'appareil photo ou du soleil, ainsi que par les conditions météorologiques. Cet article traite du problème de la variation de la luminosité des images causée par ces dernières. La normalisation radiométrique relative (RRN) de l'imagerie RVB est utilisée pour diminuer l'impact de ce phénomène et améliorer la qualité visuelle du produit obtenu. L'algorithme présenté tient compte de la spécificité des données acquises par drone. Il utilise les positions des images et leurs relations pour regrouper des images similaires, choisir les références et effectuer la RRN par la mise en correspondance des histogrammes. La méthode finale est robuste et entièrement automatique. La validation effectuée sur deux jeux de données indépendants confirme son efficacité tant sur le plan qualitatif (amélioration de l'apparence de l'orthomosaïque) que quantitatif. Zusammenfassung: Das Problem der Helligkeitsunterschiede zwischen Bildern derselben Szene ist auf dem Gebiet der unbemannter Luftfahrzeuge (UAV) Fotogrammetrie wichtig und beeinflusst sowohl die Ästhetik als auch die Interpretation des Endprodukts. Dieses Problem kann durch Änderungen der Kameraposition oder der Sonneneinstrahlung sowie durch die Wetterbedingungen verursacht werden. Dieser Artikel befasst sich mit dem Problem der unterschiedlichen Bildhelligkeit, das durch letztere verursacht wird. Die relative radiometrische Normalisierung (RRN) von aufgenommenen RGB‐Bildern wird verwendet, um die Auswirkungen dieses Phänomens zu verringern und die visuelle Qualität des resultierenden Produkts zu verbessern. Der vorgestellte Algorithmus berücksichtigt die Besonderheit von UAV‐erfassten Daten. Es nutzt die Bildpositionen und ihre Beziehungen, um ähnliche Bilder zu gruppieren, Referenzen auszuwählen und RRN über Histogramm‐mabgleich durchzuführen. Die endgültige Methode ist robust und vollautomatisch. Die Validierung an zwei unabhängigen Datensätzen bestätigt die Wirksamkeit sowohl in qualitativer (Verbesserung des Erscheinungsbildes des Orthofotomosaiks) als auch in quantitativer Hinsicht. Resumen: Las diferencias de brillo entre imágenes de la misma escena es un problema importante en el campo de la fotogrametría de vehículos aéreos no tripulados (UAV) y afecta tanto a la estética como a la interpretación del producto final. Este problema puede ser debido a cambios en las posiciones de la cámara o el sol, así como a las condiciones climáticas. Este artículo trata sobre el problema de la variación del brillo en las imágenes debidos a estos cambios. La normalización radiométrica relativa (RRN) de las imágenes RGB adquiridas se utiliza para reducir los efectos de este fenómeno y mejorar la calidad visual del producto resultante. El algoritmo presentado considera la especificidad de los datos adquiridos por UAV. Utiliza las posiciones de las imágenes y sus relaciones para agrupar imágenes similares, elegir referencias y realizar la RRN a través de la comparación de histogramas. El método final es robusto y totalmente automático. La validación realizada en dos conjuntos de datos independientes confirma su eficacia tanto cualitativa (mejorando la apariencia del mosaico de ortoimagenes) como cuantitativamente. 摘要: 同一场景的影像之间的亮度差异问题对无人驾驶飞行器(UAV)摄影测量领域很重要，并影响到最终产品的美观和解释。这个问题可能是由相机或太阳的位置变化以及天气条件造成的。本文讨论的是由后者引起的影像亮度变化问题。对获取的RGB影像进行相对辐射归一化(RRN)用以减少这种现象的影响，并提高最终产品的视觉质量。所提出的算法考虑了无人机获取数据的特殊性。它利用影像的位置和它们的关系来分组类似的影像，选择参考，并通过直方图匹配来执行RRN。最终的方法是稳健的和全自动的。在两个独立的数据集上进行的验证证实了它在质量上(改善正射影像的外观)和数量上的有效性。