Thesis (Ph.D)-Cairo University, 2024.

Bibliography: pages 104-119.

This thesis investigates the automatic extraction of buildings from UAV images using deep learning. Recently, UAVs have been used to develop effective and low-cost techniques for reconstructing orthophotos and dense point clouds. This thesis consists of two main sections. The first section focuses on the evaluation of the spatial accuracy of UAV products. The second section investigates the potential of using UAV-based orthophotos and dense point clouds for building extraction using deep learning. In the first section, this study found that combining multiple image sets with different parameters can improve the overall position accuracy. In the second section, the more accurate UAV products from the first section were used for the automatic extraction of buildings using deep learning. Three approaches were presented: the first is related to orthophotos only, the second deals with dense point clouds, and the third uses a fusion of data. The accuracy produced by these three approaches was compared. The findings indicated that geometric characteristics (DEM) resulted in significantly better outcomes than using only radiometric characteristics (RGB layers). The best results were obtained by combining geometric and radiometric characteristics.

هذه الرسالة تبحث في الاستخراج ألاّلي للمباني من صور الطائرات بدون طيارباستخدام التعلم العميق. مؤخرا، تم استخدام
الطائرات بدون طيار لتطوير تقنيات فعالة ومنخفضة التكلفة لإعادة بناء الصور ذات الاسقاط العمودي والسحب ذات النقاط الكثيفة. تتكون هذه الأطروحة من جزأين رئيسيين. الجزء الأول يركز على تقييم الدقة المكانية لمنتجات الطائرات بدون طيار. بينما يتناول الجزء الثاني استكشاف إمكانية استخدام الصورذات الاسقاط العمودي القائمة على الطائرات بدون طيار والسحب ذات النقاط الكثيفة في أستخراج المباني باستخدام التعلم العميق. في الجزء الأول وجدت هذه الدراسة أن الجمع بين مجاميع من الصور بمعاملات مختلفة يحسن من الدقة الموقعية الإجمالية. في الجزء الثاني فقد تم استخدام منتجات الطائرة بدون طيار الأكثر دقة من الجزء الأول لغرض الاستخراج الاّلي للمباني باستخدام تقنيات التعلم العميق. ثلاث طرق تم تقديمها ضمن هذا الجزء. الاولى متعلقة بالصورذات الاسقاط العمودي فقط , بينما الثانية تتعامل مع السحابة ذات النقاط الكثيفة , اما الطريقة الثالثة فهي تتضمن الدمج بين كلا البيانات. بعد ذلك تمت مقارنة دقة المباني المستخرجة بواسطة هذه الطرق الثلاثة. لقد أظهرت النتائج ان استخدام الخصائص الهندسية ( نموذج الارتفاع الرقمي) يعطي مخرجات ونتائج افضل من استخدام الخصائص الطيفية. وان افضل النتائج تم الحصول عليها عن طريق دمج الخصائص الهندسية والخصائص الطيفية.)

Issues also as CD.

Text in English and abstract in Arabic & English.