روشی جدید در تناظریابی مبتنی بر روابط فضایی در تصاویر چندسنجنده سنجش از دوری
محل انتشار: نشریه سنجش از دور و GIS ایران، دوره: 9، شماره: 4
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 212
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-9-4_005
تاریخ نمایه سازی: 9 آبان 1400
چکیده مقاله:
فرایند انطباق تصویر یکی از شاخه های مهم در زمینه پردازش تصویر است که پیش پردازشی ضروری، جهت استفاده از اطلاعات تصاویر چندسنجنده سنجش از دوری محسوب می شود. الگوریتم تبدیل ویژگی مقیاس ثابت(SIFT) از رایج ترین روش های مبتنی بر ویژگی است که به طور گسترده، برای انطباق این تصاویر استفاده می شود. یکی از مهم ترین نقاط ضعف این الگوریتم ایجاد تناظر های نادرست بسیار زیاد است. در این مقاله، به منظور افزایش دقت انطباق تصویر چندسنجنده سنجش از دوری، روش جدیدی براساس روابط فضایی نقاط متناظر SIFT پیشنهاد شده است که تناظر های نادرست را به تناظر های درست تبدیل می کند. در ابتدا، مشخص کردن نقاط کلیدی و تناظر یابی اولیه، با استفاده از الگوریتم SIFT، انجام می شود. سپس، با استفاده از روش پیشنهادی مبتنی بر تبدیل افاین، تناظرهای نادرست اصلاح و فرایند انطباق صورت می گیرد. نوآوری دیگر مقاله پیشنهاد دو معیار جدید برای ارزیابی کارآیی روش های انطباق تصویر، علاوه بر معیارهای کلاسیک دقت تناظریابی، نرخ تکرار پذیری ویژگی و تعداد تناظرهای درست است که بیان می کند، به دلیل ضعف معیارهای کلاسیک، تعداد کل تناظرها را در نظر نمی گیرند. نتایج شبیه سازی نشان می دهد روش پیشنهادی مقاله باعث بهبود میانگین ۴۸/۱۱ درصدی در نرخ تکرارپذیری و میانگین ۲۰/۱۴ در صدی ضریب همبستگی در مقایسه با روش رانساک شده و این روش پیشنهادی می تواند به منزله روشی جدید و کارآ در بهبود تناظریابی این تصاویر به کار رود.
کلیدواژه ها:
نویسندگان
زهرا حسین نژاد
کارشناس ارشد گروه مهندسی برق، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان
مهدی نصری
استادیار باشگاه پژوهشگران جوان و نخبگان، واحد خمینی شهر، دانشگاه آزاد اسلامی اصفهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :