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.
