GEOREFERENZIAZIONE ACCURATA, VELOCE E GRATUITA

Autori

  • Gianluca Cantoro IMS-FORTH

DOI:

https://doi.org/10.48258/arc.v2i4.86

Parole chiave:

GIS, georeferenziazione, foto-interpretazione, SIFT, Python

Abstract

La georeferenziazione di una immagine satellitare o di una fotografia aerea rispetto a un sistema di coordinate di riferimento risulta un processo spesso indispensabile per la comprensione del palinsesto archeologico. Al tempo stesso essa richiede tempi lunghi (a volte ore) e grande accuratezza. Un aiuto perridurre i tempi di individuazione e selezione di corrispondenze fra immagini da georeferenziare e sistema di destinazione, aumentando la precisione a livello sub-pixel, viene oggi offerto da un nuovo set di strumenti gratuiti: AutoGR-Toolkit.

 

Geo-reference of Images with AutoGR-Toolkit

AutoGR-Toolkit is a set of Pythonscripts converted to ".EXE” files with py2exe v0.6.9. The purpose of thetoolkit is to facilitate and speedup the process of geo-referencing images withfree and open source tools and graphical user-friendly interfaces. It embeds 4scripts (GGRAB, AuttoGR-Sift, GeoRef Filtering, GeoTiff Converter) and 2 algorithmlibraries (ASift and GDAL) to assist the user in geo-referencing oneimage on another according to the specifi c geographical projection. The use ofthe software does not require any special skill and allows the user to go frominput to output in few minutes, still keeping the possibility to customize almost every parameter to improve the fi nal accuracy. This paper describes the basic principles and functionalities behind every tool in the Toolkit. AutoGR-Toolkit is freely available at the URL http://www.ims.forth.gr/AutoGR.

Biografia autore

Gianluca Cantoro, IMS-FORTH

POSTDOC RESEARCHER

Riferimenti bibliografici

Lowe D.G. (2004), Distinctive image features from scale-invariant keypoints, in International Journal of Computer Vision, vol. 60 (2), 91–110.

Lowe D.G. (1999), Object recognition from local scale-invariant features, in Proceedings of the Seventh IEEE International Conference on Computer Vision, vol. 2,1150-1157.

Schmid C., Mohr R. (1997), Local grayvalue invariants for image retrieval, in IEEE International Conference on Pattern Analysis and Machine Intelligence, vol. 19 (5), 530–535.

Yu G., Morel J.-M. (2011), ASIFT: An Algorithm for Fully Affi -

ne Invariant Comparison. (N. Limare, Ed.) Image Processing On Line.

Zhao W. (2011), A Comprehensive Study over Flip Invariant SIFT. Technical report, May, 2011.

##submission.downloads##

Pubblicato

2012-04-24

Come citare

Cantoro, G. (2012). GEOREFERENZIAZIONE ACCURATA, VELOCE E GRATUITA. Archeomatica, 2(4). https://doi.org/10.48258/arc.v2i4.86

Fascicolo

V. 2 N. 4 (2011): Archeomatica 4-2011

Sezione

Documentazione

Licenza

Gli autori che pubblicano su questa rivista accettano le seguenti condizioni:

    1. Gli autori mantengono i diritti sulla loro opera e cedono alla rivista il diritto di prima pubblicazione dell'opera, contemporaneamente licenziata sotto una Licenza Creative Commons - Attribuzione che permette ad altri di condividere l'opera indicando la paternità  intellettuale e la prima pubblicazione su questa rivista.

    1. Gli autori possono aderire ad altri accordi di licenza non esclusiva per la distribuzione della versione dell'opera pubblicata (es. depositarla in un archivio istituzionale o pubblicarla in una monografia), a patto di indicare che la prima pubblicazione è avvenuta su questa rivista.

  1. Gli autori possono diffondere la loro opera online (es. in repository istituzionali o nel loro sito web) prima e durante il processo di submission, poiché può portare a scambi produttivi e aumentare le citazioni dell'opera pubblicata (Vedi The Effect of Open Access).