HABILITÁCIÓS TÉZISEK NEURÁLIS HÁLÓZATOK ALKALMAZÁSA A KÉPELEMZÉSBEN ÉS A TÉRINFORMATIKÁBAN Dr. Barsi Árpád egyetemi docens BME Fotogrammetria és Térinformatika Tanszék Budapest, 2003. május 31.
Tartalom 1. Bevezetés 2. A kutatás háttere, célja és módszere 2.1. Tematikus térképezés 2.2. Digitális fotogrammetria 2.3. Közlekedési térinformatika 3. Új tudományos eredmények 3.1. Tematikus térképezés témakör 1. tézis 3.2. Digitális fotogrammetria témakör 2., 3. és 4. tézis 3.3. Közlekedési térinformatika témakör 5. tézis 4. Az eredmények hasznosítása 4.1. Tematikus térképezés 4.2. Digitális fotogrammetria 4.3. Közlekedési térinformatika 5. Publikációk 2
1. Bevezetés Napjaink térinformatikai rendszerei egyre nagyobb mennyiségű és egyre pontosabb geometriai, valamint attribútum adatot igényelnek. A hatékony adatgyűjtésben fokozatosan előtérbe kerülnek azok a módszerek, amelyek növekvő mértékű automatizálás következtében csökkentik az élő emberi beavatkozást. Tudományos kutatásomban a térinformatika adatgyűjtési és adatelemzési módszertanának fejlesztésére koncentráltam. A PhD-fokozat megszerzését követő időszakban kiemelném az MTA Bolyai János kutatási ösztöndíját, amely többek között anyagi támogatással lehetővé tette, hogy a kutatással foglalkozhassak. Ennek a támogatásnak az ideje alatt írtam meg a habilitációs eljárásban benyújtott tananyag jelentős részét. A kutatás szempontjából meghatározó fontosságú az volt, hogy az Alexander von Humboldt Kutatási Ösztöndíjjal egy éven keresztül a Hannoveri Egyetem Fotogrammetria és Geoinformatika Intézetében dolgozhattam. Ebben az időszakban születtek meg azok az eredmények, amelyeket az automatikus csomópont-felismerés témájában, a JEANS projekt keretében publikáltam, valamint ebben az időszakban dolgoztam ki az általános célra alkalmas önszerveződő neurongráf (SONG) elméletét és módszertanát. Ennek az új neurális hálózattípusnak az alkalmazhatóságát többek között képelemzési kísérletekben bizonyítottam. Úgy gondolom, hogy mára már a mesterséges neurális hálózatok igazolták azokat az elvárásokat, amelyeket velük szemben támasztottak a műszaki és nem műszaki gyakorlatban. A képfeldolgozás és -elemzés területén egyre több tudós, kutató alkalmazza ezeket az eszközöket kihasználva előnyös tulajdonságaikat, amelyeknek köszönhetően olyan feladatok is megoldhatóvá váltak, amelyek eddig nem voltak azok. A képfeldolgozásban eleinte magam is a tematikus osztályozás alternatívájának tekintettem a neurális hálózatokat, amelyekkel ugyanazt a problémát lehet megoldani, mint a klasszikus eljárásokkal. Manapság sikerült bebizonyítani, hogy ezek a hálózatok a tézisekben megfogalmazott feladatokat képesek részben a tradicionális algoritmusokkal ellentétben, jobb minőségben megoldani. Munkámban a tematikus térképezés digitális úton történő megvalósítását kutattam először, majd a digitális fotogrammetriai objektum-felismerés területén a közlekedési hálózatra (úthálózatra), s annak csomópontjaira koncentráltam. Ebben a kérdéskörben továbbvezető elemzéseket is végeztem. A fentieken túl a térinformatikai rendszerek egyik igen hatékony adatnyerési eljárásával, a digitális ortofotókkal, valamint a különböző koordinátarendszerek összekapcsolásával foglalkoztam. 2. A kutatás háttere, célja és módszere 2.1. Tematikus térképezés A tematikus térképek elkészítése igen gyakran sok manuális munkát igényel. A technológiák közül a fotogrammetria és távérzékelés segítségével hatékonyan, viszonylag homogén minőségben és minimális terepi munkával valósul meg ez a folyamat. A digitális fotogrammetria korában a számítógépes feldolgozásnak új alternatívái jelentek meg, amelyek nagytömegű kézi munkát takaríthatnak meg. A különböző osztályozási algoritmusok alkalmazásával számítógépes technológia dolgozható ki felszínborítottsági és más tematikus térképezési feladatok hatékony végrehajtására. A statisztikai eljárások segítségével elérhető minőség azonban az 3
igények növekedésével nem bizonyult elegendőnek, ezért újabb módszerek kidolgozása vált szükségessé. A mesterséges intelligencia területéről igen nagy sikerrel lehetett implementálni a neurális hálózatokat, a fuzzy logikát és a szakértői rendszereket. A neurális hálózatok felhasználásával hipotézis-független térképezés valósulhatott meg, így szélsőségesebb körülmények között is lehetett a módszertant használni. A kutatásomban célként jelöltem meg egyrészt a hagyományos és neurális módszerek összehasonlító elemzését, majd a neurális hálózatokra koncentráltan azok használatának megkönnyítésére törekedtem. Az összehasonlító vizsgálatokhoz egy mintául kiválasztott Budapestet ábrázoló Landsat TM felvételt használtam, melyet legkisebb távolság (minimum distance) és legnagyobb valószínűség (maximum likelihood) módszerekkel értékeltem ki. A neurális hálózatokat többféle paraméterezéssel, többféle szerkezettel használtam, megtartva az előrecsatolt (feedforward) jelleget és a szakirodalomból ismert, bizonyított képességű 3-réteges felépítést. Módszertani fejlesztésként tematikánként külön tanított neurális hálózatokat hoztam létre, majd ún. ekvivalens transzformáció segítségével ezeket a hálózatokat egyesítettem és a tematikus térképezést ezzel az egyesített hálózattal végeztem el. A gyakorlat számára az egyesítést követően több szoftverkörnyezetben is megoldottam a neurális hálózat szimulációját. 2.2. Digitális fotogrammetria A digitális fotogrammetria nézetem szerint legforradalmibb fejlődését a számítógépes látásnak (computer vision) és a képértésnek (image understanding) köszönheti. A két szakterület eszközeinek felhasználásával, azok továbbfejlesztésével a képek számítógépes (automatikus) kiértékelése a remények szerint hamarosan elérhetővé válik. A digitális képek kiértékelésében alkalmazott módszerek igen sokrétűek. Megtalálhatók közöttük a különböző gráf-algoritmusok, csoportosítási (grouping) eljárások, alkalmazható a matematikai algoritmika több eszköze, mint például a Bayes-hálózatok, a rejtett Markov-láncok stb., de természetesen a mesterséges intelligencia több eljárása is sikeresen használható. A digitális fotogrammetria egyik széles körben használható terméke a terep domborzatától független, perspektív és más geometriai torzításoktól mentes, síkrajzilag korrekt ortofotó. Az ortofotó teljesen digitális előállítására módszert dolgoztam ki, amelyben képillesztési (matching) eljárással a terep felszínmodellje előállítható, majd a kapott modell és a digitális légifénykép felhasználásával az ortofotó számítható. A megoldáshoz fejlesztett szoftverek nyitott architektúrájuk miatt oktatási célokra is kiválóan alkalmasak. Tudományos kutatásomban a légifényképeken leképződött közúti hálózat elemeire koncentráltam. A kutatás témájául az utak kereszteződéseinek tanulmányozását, automatikus detektálását és leírását választottam. Vizsgálataimhoz összetett eszközkészletet használtam: tematikus osztályozási eljárásokat, szegmentálási megoldásokat, képillesztési technikákat és önszerveződést. A módszerek közül kiemelném az utak felismerésére alkalmas hagyományos és neurális osztályozási eljárásokat. Ezekkel az osztályozókkal ki lehet emelni (azonosítani lehet) az utakat, amelyekhez kapcsolódóan azok kereszteződései is vizsgálhatók. A neurális hálózatokkal megvalósított osztályozó tanítható olyan paraméterekkel, amelyeket raszteres és vektoros képelemző procedúrákkal állíthatunk elő, s amelyek segítségével az útkereszteződések képei egyértelműen 4
megkülönböztethetők a légifénykép más részleteitől. Ezzel a kidolgozott módszerrel a csomópontok helyének automatikus megadása válik lehetővé. A már ismert helyen található útkereszteződések geometriájának leírásához módszertani fejlesztést végeztem. A neurális hálózatokra épülő önszerveződés segítségével a csomópontba befutó utak irányának, egymáshoz viszonyított helyzetének leírása történhet meg. A kifejlesztett neurális hálózattípus (SONG) azonban nemcsak utakra, hanem más, a képen megtalálható objektumokra is alkalmazható. Az elvégzett kísérletek igazolták, hogy az önszerveződés általánosításával új vizsgálati eszközt sikerült alkotni. 2.3. Közlekedési térinformatika A közlekedésben, a járműnavigációban kézenfekvő, hogy térbeli adatokat, térképeket kezelünk. A hatékony támogatáshoz ezért tanulmányoztam a térinformációs rendszerek lehetőségeit és azok funkcionalitásának bővítésére törekedtem. Ebben a kutatásban igen hamar felmerül, hogy a járművek helyzetének megadásában használatos GPS-vevők a térképezési koordinátarendszertől eltérő vonatkozási rendszert használnak. A magyarországi különleges vetületi rendszer, az EOV és a GPS-es WGS84 rendszer közötti kapcsolat megteremtése már eddigi is számos eljárást eredményezett. A mesterséges neurális hálózatok segítségével megvalósított transzformáció a hálózat tanítását követően igen egyszerű, akár a méréseket feldolgozó szoftverbe integrálható. A kutatás további részében a térinformatikai rendszerek elemző és megjelenítő funkcióinak segítségével készítettem a navigációhoz, a tervezett útszakasz és a járművezető vizsgálatához alkalmas termékeket. Ennek elkészítéséhez a függetlenül mért attribútum adatok és a helyzeti adatok szinkronizálását, mint módszert valósítottam meg, s hoztam létre térképi ábrázolást. A navigációban szükséges úthálózatot gráfnak tekintve mélyreható elemzéseket dolgoztam ki, amelyek egyrészt az úthálózat összetettségét, szerkezetét, másrészt a navigációs beavatkozás szükségességét és annak mértékét adja eredményül. 3. Új tudományos eredmények 3.1. Tematikus térképezés témakör 1. TÉZIS: Eljárást dolgoztam ki mesterséges neurális hálózatok alkalmazására tematikus térképezési feladat megoldásában, majd kísérletileg igazoltam ennek egyenrangúságát a statisztikai módszerekkel szemben. Megmutattam, hogy ekvivalens transzformációval a tematikánként külön tanított neurális hálózatok egyesíthetők. A tézis alapjául szolgáló publikációk: [1], [4], [9], [10], [12], [19], [25] 3.2. Digitális fotogrammetria témakör 2. TÉZIS: Kidolgoztam egy módszert, amelynek segítségével digitális légifényképekből digitális felszínmodell (DFM), majd ortofotó állítható elő minimális számú illesztőpont felhasználásával. A tézis alapjául szolgáló publikációk: [26], [30], [31], [32], [35], [46], [48], [49] 5
3. TÉZIS: Útkereszteződések felismerésére eljárást fejlesztettem ki, amelyben képelemzésből levezetett jellemzőkkel tanított neurális hálózat külterületi szintbeli csomópontokat képes azonosítani. A tézis alapjául szolgáló publikációk: [7], [14], [15], [35], [44] 4. TÉZIS: Új, önszerveződésen alapuló neurális hálózattípust fejlesztettem ki, majd kísérletileg igazoltam alkalmazhatóságát képelemzési célokra. A tézis alapjául szolgáló publikációk: [6], [22] 3.3. Közlekedési térinformatika témakör 5. TÉZIS: Módszert dolgoztam ki neurális hálózaton alapuló koordinátatranszformáció megvalósítására GPS-mérések feldolgozásához és járműnavigációs feladatokhoz. A tézis alapjául szolgáló publikációk: [5], [13], [20], [29], [33], [50] 4. Az eredmények hasznosítása 4.1. Tematikus térképezés A kidolgozott tematikus térképezési eljárás nézetem szerint a gyors kiértékelés, a minimális interpretáció irányába mutató fejlődés állomása. Segítségével megnövelt pontossággal lehet az egyébként összetett térképezést végrehajtani, s a tematikánként elvégzett tanítással kapott hálózatokat külön lehet tárolni, esetleg később finomítani. Így akár a többi osztálytól függetlenül is lehet hálózatokat képezni, amelyek az adott tematikára érzékenyek. Az ekvivalens transzformáció felkínálja azt a lehetőséget, hogy a feladatban az adott összeállításnak megfelelő osztályokat képviselő hálózatokat válogassuk össze, amelyekből a transzformáció egyetlen, immár egyszerűen használható neurális hálózatot képez. 4.2. Digitális fotogrammetria A digitális ortofotó használatának elterjedése már Magyarországon is elindult. Az ortofotók ötvözik a képek (tónusos információ) és a térképek előnyeit, hiszen minden leképződött objektum képszerű, ugyanakkor síkrajzi értelemben a helyén van, tehát metrikus. A különféle képelemző technikák segítségével így az ortofotóból elérhetővé válik a terepen megtalálható tárgyak pontos leírása. Az útkereszteződések felismerése biztosítja, hogy egy komplex úttérképező rendszerben független mérés legyen. A függetlenséget hangsúlyoznám, mert eddig az útkereszteződéseket a megtalált utak keresztezéseinek tekintették, s ha az útfelismerés hibát tartalmazott, az a hiba a csomópontokra továbbterjedt. A kidolgozott eljárás az ellenőrzésen túl alkalmas lehet változások detektálására is, így térképek frissítésében játszhat szerepet. A megtalált kereszteződések térinformatikai adatbázissal összevethetők és az eltérést mutató helyekre figyelve további elemzést, kiértékelést lehet végezni. Újfelméréskor pedig a megtalált útkereszteződéseket bizonyos algoritmusok számára, pl. a snake-eljárások kezdőpontjaként adhatják meg, ezáltal szintén további rendszerekbe integrálhatók. Az önszerveződésen alapuló újonnan kidolgozott neurális hálózattípus segítségével már sikerült igazolni az objektumfelismerésben való alkalmasságát. Az önszerveződés 6
megfelelő előkészítés és előfeldolgozás után a terepen megtalálható tárgyak pontos helyzetét és kiterjedését képes megtalálni, amihez csupán annak vázára van szükség. Reményeim szerint a módszert a web-alapú térképezésben (web mapping) és a navigáció néhány területén lehet majd sikerrel használni. 4.3. Közlekedési térinformatika A mesterséges neurális hálózaton alapuló koordináta-transzformáció igazolta azt, hogy két vonatkozási rendszer között pontonkénti kapcsolat elegendő; nem szükséges az analítikus formulák ismerete. Ez általánosságban azt is jelenti, s a használhatóság szempontjából fontos, hogy a korábban létrehozott és napjaink rendszerei között minden esetben kellő számú közös pont alapján elfogadható hibájú leképezést, kapcsolatot tudunk teremteni. A példák között a régészetet lehet megemlíteni. A másik lényeges újdonság, hogy neurális hálózattal igen gyors számítás valósul meg, ezért a sebesség szempontjából döntő alkalmazásoknál (pl. légi és országúti közlekedésben) megoldást jelent. A kutatás további eredményeinek hasznosítása a navigációs rendszerek térinformatikai kiegészítése. A kidolgozott elemzési módszer segítségével az útvonalajánlást lehet finomítani, ugyanis a hálózat sajátosságait (pl. lokális összetettség) is figyelembe lehet venni. A térinformatikai adatbázisban szereplő tematikák (pl. az időjárásra vonatkozóak) szintén homogén eljárással bevonhatók és az útvonalajánlásban hasznosíthatók. A függetlenül gyűjtött attribútum-adatok és a helyzeti (pozíció) adatok szinkronizálhatók, majd a két adathalmaz együttesen elemezhető. Így válik elérhetővé az, hogy a járműről, fuvarról, útról vagy a járművezetőről gyűjtött adatokat térképi rendszerben is megjeleníthetjük, azok változásait nyomon kövessük és szofisztikált eljárásokkal elemezzük. 5. Publikációk Disszertáció [1] Barsi, Árpád (1998): Neurális hálózatok a tematikus térképezésben, PhD értekezés, p. 96 Könyv, könyvfejezet [2] Barsi, Árpád Detrekői, Ákos et al. (1995): Tutorial on Basic Concepts of GIS,ISPRS Workshop, Budapest, p. 164 [3] Barsi, Árpád Galbavy, Miroslav Skrlec, Davor (1999): Training Module on the Applications of Geographic Information Systems (GIS) for Online Governance and Accessing Public Domain Information, CD-ROM, UNESCO IIP GIS Project, Zagreb [4] Barsi, Árpád (2000): Processing of Digital Satellite Imagery by Thematically Specialized Neural Networks, in: Ruan, D. Abderrahim, H. A. D'hondt, P. Kerre, E.E. (Eds.): Intelligent Techniques and Soft Computing in Nuclear Science and Engineering, World Scientific, Singapore, pp. 247-254 [5] Barsi, Árpád Lovas, Tamás Bakos, Gábor (2003): Mapping of city traffic network from digital aerial images, in: Benes, T. (Ed.): Geoinformation for European-wide Integration, Millpress, Rotterdam, pp. 659-664 7
[6] Barsi, Árpád (2003): Neural Self-Organization Using Graphs, MLDM 2003, Lecture Notes in Computer Science, Springer, közlésre elfogadva, megjelenés alatt [7] Barsi, Árpád Heipke, Christian (2003): Detecting road junctions by artificial neural networks, 2nd GRSS/ISPRS Joint Workshop on Remote Sensing and Data Fusion over Urban Areas (URBAN 2003), ISPRS-ASPRS- IEEE-Earsel, Berlin, pp. 129-132 Külföldön megjelent idegen nyelvű folyóiratcikk [8] Barsi, Árpád (1996): Thematic Classification of a Landsat Image Using Neural Networks, International Archive of Photogrammetry and Remote Sensing, Vol. XXXI, Part B3, pp. 48-52 [9] Barsi, Árpád (1998): Thematic Classification of Landsat TM Imagery by a Neuro-Fuzzy Method, International Archive of Photogrammetry and Remote Sensing, Vol. XXXII, Part 7, pp. 323-327 [10] Barsi, Árpád (1998): Land Cover Mapping by Neuro-Fuzzy Classifier in GIS Environment, International Archive of Photogrammetry and Remote Sensing, Vol. XXXII, Part 3/1, pp. 424-428 [11] Szepessy, Zsuzsanna Lukáts, Ákos Fekete, Tibor Barsi, Árpád Röhlich, Pál Szél, Ágoston (2000): Cone differentiation with no photopigment coexpression, Investigative Ophthalmology and Visual Science, Vol. 41, No. 10, pp. 3171-3175 [12] Barsi, Árpád (2000): The Impact of Data Compression and Neighborhood Information on the Classification Accuracy of Artificial Neural Networks, International Archive of Photogrammetry and Remote Sensing, Vol. XXXIII, Part B7/1, pp. 140-147 [13] Barsi, Árpád (2001): Performing coordinate transformation by artificial neural network, Allgemeine Vermessungsnachrichten, Vol. 108, No. 4, pp. 134-137 [14] Barsi, Árpád (2002): Kann der Computer den Weg weisen? Humboldt Kosmos, No. 79, pp. 25-26 [15] Barsi, Árpád Heipke, Christian Willrich, Felicitas (2002): Junction extraction by artificial neural network system JEANS, International Archive of Photogrammetry and Remote Sensing, Vol. XXXIV, Part 3B, pp. 18-21 Magyarországon megjelent idegen nyelvű folyóiratcikk [16] Barsi, Árpád (1995): Thematic Mapping of the Naivasha-region (Kenya) from LANDSAT Images, Periodica Polytechnica, Budapest, Vol.39, No. 2, pp. 127-133 [17] Alhusain, Othman Barsi, Árpád Detrekői, Ákos Fekete, Károly (2003): Geometric information for physicians Research activities of the Department of Photogrammetry and Geoinformatics in the field of medical biology, Research News, Budapest, pp. 37-39 8
Nemzetközi konferencia-kiadványban megjelent előadás [18] Barsi, Árpád (1996): Digital Image Processing Using Neural Networks, PhD Symposium Proceedings, Budapest, p. 3 [19] Barsi, Árpád (1998): Processing of Satellite Imagery by Neural Network, First Southern Symposium on Computing, University of Southern Mississippi, Hattiesburg, p.1 [20] Lovas, Tamás Barsi, Árpád Eppel, Gábor (2001): Processing of GPS measurements for navigational GIS, IAG Symposium 2001, Vistas for Geodesy in the New Millenium, Budapest, p.4 [21] Lovas, Tamás Takács, Bence Barsi, Árpád (2003): Analyzing the urban canyon effect in Budapest, GNSS 2003, Graz, megjelenés alatt [22] Barsi, Árpád (2003): Graph Based Neural Self-Organization in Analyzing Remotely Sensed Images, IEEE IGARSS 2003, Toulouse, megjelenés alatt Magyar nyelvű folyóiratcikk [23] Barsi, Árpád (1996): Képfeldolgozás neurális hálózatokkal GIS környezetben, Térinformatika, Budapest, Vol. VIII, No. 3, pp. 34-35 [24] Barsi, Árpád (1997): Landsat-felvétel tematikus osztályozása neurális hálózattal, Geodézia és Kartográfia, Budapest, Vol. XLIX, No. 4, pp. 21-28 [25] Barsi, Árpád (1998): Felszínborítottság térképezése neuro-fuzzy módszerrel GIS környezetben, Geodézia és Kartográfia, Budapest, Vol. L, No. 6, pp. 10-15 [26] Barsi, Árpád (1999): A digitális fotogrammetria szerepe az automatikus geoinformatikai adatnyerésben, Geomatikai Közlemények, Sopron, No. 1, pp. 131-140 [27] Barsi, Árpád (1999): Térképrajzolás fényképről, Élet és tudomány, Budapest, Vol. LIV, No. 14, pp. 426-427 [28] Barsi, Árpád Mélykúti, Gábor (1999): Épülethomlokzat kiértékelés digitális fotogrammetriai környezetben, Geodézia és Kartográfia, Budapest, Vol. LI, No. 5, pp. 8-14 [29] Barsi, Árpád (1999): Koordináta-transzformáció megoldása neurális hálózattal, Geodézia és Kartográfia, Budapest, Vol. LI, No. 10, pp. 12-18 [30] Barsi, Árpád (2000): A digitális képalkotás és -feldolgozás új lehetőségei, Geomatikai Közlemények, Sopron, No. 3, pp. 239-245 [31] Récsei, István Barsi, Árpád (2000): Digitális képek térinformatikai integrációja, Geomatikai Közlemények, Sopron, No. 3, pp. 247-254 [32] Barsi, Árpád (2000): Térinformatika képekben képekből, Magyar Informatikusok Világtalálkozója, Budapest, Gábor Dénes Főiskola, Vol. I, pp. 227-235 [33] Lovas, Tamás Barsi, Árpád Eppel, Gábor (2002): GPS, GIS és járműnavigáció, Térinformatika, Vol. XIV, No. 1, pp. 16-17 9
[34] Lovas, Tamás Barsi, Árpád (2002): Lézeres felmérési technológiák alkalmazása közlekedési adatnyerésre, Geomatikai Közlemények, Sopron, megjelenés alatt [35] Barsi, Árpád Detrekői, Ákos Mélykúti, Gábor Paláncz, Béla Winkler, Gusztáv (2003): Digitális ortófotók készítése és alkalmazási lehetőségei, Geodézia és Kartográfia, Budapest, Vol. LV, No. 2, pp. 3-7 [36] Barsi, Árpád Detrekői, Ákos Lovas, Tamás Tóvári, Dániel (2003): Adatgyűjtés légi lézerszkennerrel, Geodézia és Kartográfia, Budapest, közlésre elküldve Magyar nyelvű konferencia előadás [37] Szepessy, Zsuzsanna Barsi, Árpád Szél, Ágoston (1999): Fejlődő retina vizsgálata nyúlban digitális képfeldolgozással, VII. Sejt- es Fejlődésbiológiai Napok, január 17-20, Budapest [38] Szepessy, Zsuzsanna Barsi, Árpád Szél, Ágoston (1999): Fotoreceptorok fejlődése nyúlretinában, X. Magyar Anatómus Kongresszus, június 3-5, Budapest [39] Barsi, Árpád (2000): Digitális fotogrammetria és az ERDAS Imagine, IX. Térinformatika a Felsőoktatásban Szimpózium, CD-ROM, Budapest Elektronikus publikáció [40] Barsi, Árpád (1998): MATLAB-alapú digitális képfeldolgozás (Digital Image Processing Library on Matlab DIPLOMA), http://goliat.eik.bme.hu/fmt/diploma/diploma.html [41] Barsi, Árpád (2001): Austrian Alps, Matlab Central, http:// www.mathworks.com/matlabcentral/fileexchange/loadfile.do?objectid=629&objecttype=file [42] Barsi, Árpád (2003): Digitális képanalízis, óravázlat PPT formátumban, http://www.fmt.bme.hu/~barsi/index.html [43] Barsi, Árpád (2003): Digitális képanalízis, jegyzet PDF formátumban, p. 128, http://www.fmt.bme.hu/~barsi/index.html [44] Barsi, Árpád Heipke, Christian Willrich, Felicitas (2003): Extraktion von Straßenkreuzungen mit künstlichen neuronalen Netzwerken, http://www.dgpf.de/texte/abs2002/akbild/barsi.pdf Publikált kutatási jelentés [45] Barsi, Árpád (1997): Digitális képfeldolgozási technikák alkalmazása a távérzékelésben, Beszámoló jelentés, Felsőoktatási Pályázatok Irodája, Programfinanszírozási Pályázat, Budapest, p.4 [46] Barsi, Árpád (1998): Digitális ortofotó-készítés, OMFB-Geometria projekt, Budapest, p. 14 [47] Barsi, Árpád (2001): Digitális fotogrammetriai adatgyűjtési technológia kifejlesztése, Bolyai János kutatási ösztöndíj zárójelentése, Budapest, p.2 10
[48] Detrekői, Ákos Barsi, Árpád (2001): Ortofotó-készítés, Szakmai jelentés, Oktatási Minisztérium Kutatás-Fejlesztési Helyettes Államtitkárság, Budapest, p. 18 [49] Detrekői, Ákos Barsi, Árpád Juhász, Attila Mélykúti, Gábor Paláncz, Béla Winkler, Gusztáv (2003): Értéknövelt mintatermék előállítása és szolgáltatásfejlesztés digitális képekből, Összefoglaló beszámoló, Oktatási Minisztérium Kutatás-Fejlesztési Helyettes Államtitkárság, Budapest, p. 130 [50] Barsi, Árpád Lovas, Tamás (2003): Haszonjármű-forgalom irányítása fedélzeti és távinformáció felhasználásával, NKFP jelentés, Budapest, p. 31 [51] Barsi, Árpád Lovas, Tamás (2003): Haszonjármű fedélzeti egységével mért adatok feldolgozása térinformatikai eszközökkel, NKFP jelentés, Budapest, p. 8 Egyéb publikációk [52] Barsi, Árpád (1994): A térinformatika szerepe az önkormányzatok működésében [53] Barsi, Árpád (1995): Színek [54] Barsi, Árpád (1995): Űrfelvételek tematikus osztályozása neurális hálózatok segítségével [55] Barsi, Árpád (1997): Technológiai megoldás MicroStation-ben készült rajzok alkalmazására ARCVIEW környezetben [56] Barsi, Árpád (1999): Térképek helyett adatbázis [57] Barsi, Árpád (2000): Technológiai javaslat a Magyar Topográfiai Program (MTP) magassági adatainak minőségvizsgálatára [58] Lovas, Tamás Barsi, Árpád (2000): Topológiai elemzés AutoCAD Map 2000-el [59] Barsi, Árpád (2000): Tematikus térképek készítése World segítségével [60] Barsi, Árpád (2000): ERDAS OrthoBASE Felhasználói kalauz, könyvfordítás, Bekes Kft., p. 70 [61] Barsi, Árpád (2000): ERDAS Stereo Analyst Felhasználói kalauz, könyvfordítás, Bekes Kft., p. 86 [62] Barsi, Árpád (2001): ERDAS Essentials Felhasználói kalauz, könyvfordítás, Bekes Kft., p. 162 [63] Barsi, Árpád (2001): ERDAS Advantage Felhasználói kalauz, könyvfordítás, Bekes Kft., p. 80 [64] Barsi, Árpád (2002): Ultrahang-kép elemzése digitális képfeldolgozási módszerekkel Oktatási jegyzet, segédlet [65] Barsi, Árpád (1996): Relációs adatbázisok és az SQL nyelv, oktatási segédlet 11
[66] Barsi, Árpád (1997): MicroStation Modeler (MSM), oktatási segédlet a Digitális topográfia gyakorlathoz [67] Barsi, Árpád (1998): Segédlet az ImageStation Imager (ISI-2) használatához, oktatási segédlet [68] Barsi, Árpád (2001): Térinformatika, előadásjegyzet vízépítő szakmérnökök számára 12