تناظریابی

فرایند انطباق تصویر یکی از شاخه های مهم در زمینة پردازش تصویر است که پیش پردازشی ضروری، جهت استفاده از اطلاعات تصاویر چندسنجندة 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 چندسنجندة 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 دیگرِ مقاله پیشنهادِ 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 48/11 درصدی در نرخ تکرارپذیری و میانگین 20/14 در صدی ضریب همبستگی در مقایسه با روش رانساک شده و این روش پیشنهادی می تواند به منزلة روشی جدید و کارآ در بهبود تناظریابی این تصاویر به کار رود.

در سال های اخیر به دلیل برتری از نظر هزینه و زمان نسبت به سایر روش ها شاهد پیشرفت روزافزون کاربرد پرنده های بدون سرنشین در کاربردهای متنوعی از جمله علوم زمین، منابع طبیعی، مطالعات محیطی، برنامه ریزی شهری می باشیم. در کنار این مزایا، استفاده از پرنده های بدون سرنشین با چالش هایی مانند هندسه ناپایدار تصویربرداری، عدم استفاده از دوربین های متریک و متغیر بودن پارامترهای تصاویر همراه است. در این پژوهش تکنیک های علم بینایی کامپیوتر برای پردازش تصاویر تهیه شده توسط هواپیمای بدون سرنشین بررسی و کارایی این تصاویر و تکنیک ها برای تولید مدل رقومی ارتفاع با قدرت تفکیک مکانی بالا بررسی شده است. بدلیل وجود شرایط ذکر شده برای تصویربرداری و عدم وجود پارامترهای توجیه داخلی و خارجی از عملگر SIFT برای استخراج نقاط گره ای در مناطق مشترک تصاویر استفاده شده است. توجیه نسبی و مطلق تصاویر به ترتیب با استفاده از نقاط گره ای و نقاط کنترل زمینی انجام شده است. از الگوریتم تناظریابی سه بعدی متراکم، ابر نقاط متراکم ایجاد و با درونیابی به روش مثلث بندی نامنظم، سطح رقومی منطقه تشکیل شده است. در نهایت با استفاده از نقاط چک زمینی، دقت زمین مرجع کردن و مدل رقومی سطح نهایی ارزیابی شده است. تعداد 5853 نقطه گره ای به صورت اتوماتیک توسط عملگر SIFT استخراج و تصاویر با دقت مسطحاتی 12/21 سانتی متر زمین مرجع شدند. سپس با تولید میلیون ها نقطه و مثلث بندی نامنظم، مدل رقومی ارتفاعی با دقت ارتفاعی 25/19 سانتی متر تولید شد. نتایج این پژوهش نشان می دهد که بدلیل هندسه ناپایدار تصویربرداری و متغیر بودن پارامترها برای تصاویر، تلفیق الگوریتم SIFT با تکنیک های بینایی کامپیوتر در پردازش تصاویر پهباد برای استخراج نقاط گره ای و توجیه دقیق تصاویر ضروری است.

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.