بررسی تطبیق تصاویر سنجش از دور چند وجهی با روش های یادگیری عمیق

تطبیق تصاویر چندوجهی، به شناسایی و سپس مطابقت ساختار و محتوای یکسان یا مشابه از دو یا چند تصویر که دارای تفاوت ظاهری غیرخطی در روشنایی و یا بافت هستند، اشاره دارد. توسعه سریع فناوری تصویربرداری سنجش از راه دور باعث شده که تصاویر بهدستآمده اندازه بزرگتر، وضوح بالاتر و ساختار پیچیده تری داشته باشند. با توجه به این پیشرفتها تطبیق خودکار هنوز یک مسئله چالش برانگیز برای تصاویر سنجش از راه دور چندوجهی از جمله تصاویر نوری، تصاویر رادار و غیره است. تعداد و تنوع فزایندهای از روشهای تطبیق در دهه های گذشته، بهویژه در سالهای اخیر با تکنیکهای یادگیری عمیق، پیشنهاد شده اند. با توجه به رشد چشمگیر روشهای یادگیری عمیق، هدف این مقاله بررسی روشهای تطبیق تصویر سنجش از دور چندوجهی با تکنیکهای یادگیری عمیق پایان به پایان قرار گرفت.در این مقاله آزمایشات بر روی شش نوع تصویر سنجش از دور چند وجهی: نوری، مادون قرمز، عمق، نقشه، رادار و شب/ روز به وسیله الگوریتمهای یادگیری عمیق پایان به پایان : LOFTR، ۲۱(۷ ، SuperGlue، ۵۲ ۲ و Superpoint صورت پذیرفت. این آزمایشات در دو معیار زمان تست و دقت مورد بررسی و تحلیل قرار گرفتند. نتایج نشان داد الگوریتم SuperGlue در معیار دقت بهتر از سایر روشها عمل کرد و در معیار زمان تست دومین رتبه را به خود اختصاص داد. الگوریتم ۵۲ ۲ در هر دو معیار ارزیابی رتبه آخر را کسب کرد.

کلیدواژه ها:

تطبیق تصویر ، یادگیری عمیق ، سنجش از دور ، تصاویر چندوجهی