امین صداقت

امین صداقت

مدرک تحصیلی: استادیار گروه مهندسی نقشه برداری دانشگاه تبریز

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۳ مورد از کل ۳ مورد.
۱.

ارائه یک توصیفگر ترکیبی مبتنی بر ویژگی های مکانی و هندسی برای تطابق ابرنقاط سه بعدی(مقاله علمی وزارت علوم)

کلید واژه ها: ابرنقاط سه بعدی انطباق توصیفگر ویژگی هندسی ویژگی مکانی

حوزه های تخصصی:
تعداد بازدید : 962 تعداد دانلود : 981
با گسترش تکنولوژی لیزر اسکنر و لایدار و در نظر گرفتن برتری های این تکنولوژی و اخذ داده های مکانی محیط و اشیاء، استفاده از این فناوری روز به روز بیش تر شده است. این تکنولوژی توانایی استخراج نقاط از سطوح خارجی محیط و اشیاء در حجم بالا و در مدت زمان کوتاه را داشته که با توجه به امکان جا به جایی آسان لیزر اسکنر ها، ابر نقاط مربوط به محیط و اشیا معمولاً از زوایای متفاوتی اخذ می شوند که هر کدام در یک سیستم مختصات متفاوت قرار دارند و همگی باید به یک سیستم مختصات واحد منتقل شوند. به این منظور ابتدا باید جفت نقاط متناظر در هر مجموعه ابر نقاط معین شوند و سپس با استفاده از فرآیندی نقاط متناظر روی هم بیافتند تا مدل سه بعدی از طریق مجموعه های ابرنقاط ایجاد شود. یافتن مناسب ترین جفت نقاط متناظر در مجموعه های ابر نقاط از مهم ترین و چالش بر انگیزترین مراحل بازسازی سه بعدی مدل های مورد نظر محیط و اشیاء است. توصیفگر های سه بعدی از جمله ابزار های مناسب برای تعیین جفت نقاط متناظر در مجموعه های ابر نقاط هستند. این توصیفگر ها برای هر نقطه ی منفرد در ابر نقاط، مجموعه ای از اطلاعات را به منظور کمک به تعیین نقاط مشابه در هر مجموعه ابرنقاط می سازد. تعریف یک توصیفگر سه بعدی که از پیچیدگی محاسباتی کم و قدرت توصیفگری بالایی برخوردار باشد، می تواند به یافتن جفت نقاط متناظر صحیح و در ادامه مدل سازی سه بعدی مجموعه های ابرنقاط کمک شایانی کند. در این پژوهش یک توصیفگر سه بعدی هندسی-مکانی پیشنهاد داده شده است که از هر دو ویژگی هندسی و مکانی به صورت توأم استفاده می کند. با توجه به آزمایش های انجام شده بر روی دو دسته مجموعه داده با ساختارهای متفاوت، توصیفگر سه بعدی پیشنهادی در مقایسه با توصیفگر هایی که تنها از یک ویژگی مکانی یا هندسی استفاده می کنند، قدرت توصیفگری بالاتری دارد.
۲.

ارزیابی عملکرد توصیفگرهای موضعی در تصاویر ماهواره ای(مقاله علمی وزارت علوم)

کلید واژه ها: تناظریابی مرتبط سازی تصویر عوارض موضعی توصیفگر

حوزه های تخصصی:
تعداد بازدید : 250 تعداد دانلود : 380
توصیفگرها توزیع درجات خاکستری تصویر را در ناحیه اطراف عوارض توصیف می کنند و در تعیین مطابقت آنها، در کاربردهای گوناگونی همچون مرتبط سازی تصویر و تولید مدل سه بعدی در فتوگرامتری و سنجش از دور، نقش اساسی دارند. روش های گوناگونی برای ایجاد توصیفگر ارائه شده که ویژگی ها و کاربردهای متفاوتی دارند. شناخت ویژگی های الگوریتم ها و چگونگی عملکرد آنها در شرایط گوناگون نیازی اساسی برای استفاده مناسب از آنها در موارد گوناگون است. در این تحقیق عملکرد ده توصیفگر مطرح شامل SI، SC، SIFT، PIIFD، SURF، DAISY، LSS، LBP، LIOP و BRISK در انواع مختلف از تصاویر ماهواره ای اپتیکی با تنوع گسترده ای از اعوجاجات شامل اختلاف مقیاس، دوران، روشنایی و تغییر منظر مورد ارزیابی قرار می گیرد. هشتاد جفت تصویر ماهواره ای در سه دسته گوناگون شامل شبیه سازی شده، چندزمانه و چندسنسوری انتخاب می شود و نتایج با استفاده از چهار معیار اساسی Recall، Precision، دقت هندسی و کارآیی مقایسه می شود. الگوریتمی که در همه حالت ها و برای همه تصاویر بهتر از دیگر الگوریتم ها باشد، وجود ندارد اما به طور میانگین، توصیفگر های DAISY و SIFT بهترین عملکرد، و الگوریتم های SI و SC نیز بدترین نتایج را در تصاویر ماهواره ای دارند.
۳.

بهبود الگوریتم SIFT به منظور تناظریابی تصاویر ماهواره ای(مقاله علمی وزارت علوم)

کلید واژه ها: پایداری توزیع مکانی تمایز تناظریابی تصویر الگوریتم SIFT

حوزه های تخصصی:
تعداد بازدید : 687 تعداد دانلود : 931
الگوریتم (Scale Invariant Feature Transform) SIFT یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرآیند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است، اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای انجام تناظریابی در تصاویر سنجش از دور مواجه است. کنترل پذیری این الگوریتم در استخراج عوارض در تصاویر سنجش از دور پایین است و در آن راه حلی نیز برای انتخاب عوارض پایدارتر و متمایزتر و کنترل توزیع آنها، به منظور موفقیت در فرآیند تناظریابی، پیشنهاد نشده است. در مقاله حاضر با بهره گیری از خصوصیات فضای مقیاس در این الگوریتم روشی جدید با عنوان UR-SIFT (Uniform Robust Scale Invariant Feature Transform) به منظور استخراج عوارض پایدار تصاویر و در توزیع یکنواختی از مکان و مقیاس طراحی شده است. برای این منظور با توسعه روابطی جدید برمبنای ضریب مقیاس سطوح هرم تصاویر در الگوریتم SIFT، تعداد عوارض مورد نیاز در هر سطح تعیین گردیده و با بهره گیری از دو معیار پایداری و تمایز و در ساختاری شبکه ای استخراج شده است. بعد از استخراج عوارض و ایجاد توصیفگر آنها، فرآیند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و با بهره گیری از روشی دوجانبه انجام می شود. در ادامه با استفاده از مدل تبدیل پروژکتیو و روش کمترین مربعات، صحت جفت تناظرهای اولیه بررسی شده و تناظرهای ناسازگار حذف شده اند. نتایج عملی بر روی دو جفت تصویر ماهواره ای بیانگر کارایی بالای روش پیشنهادی در مقایسه با الگوریتم استاندارد SIFT است.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان