الگوریتم SIFT

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.

با گذشت زمان روزبه روز ابزارهای تهیه اطلاعات بصری از قبیل دوربین های عکس برداری، در میان عموم مردم فراگیر شده است. به طوری که در هر زمانی برای اکثر افراد، امکان ثبت اطلاعات بصری محیط اطراف فراهم آمده است. با توجه به سطح وسیعی دسترسی افراد به این ابزارها می توان آنها را بستر مناسبی برای ارائه سرویس های مکانیِ هرجای گاه دانست. در مقاله حاضر، یک سامانة تعیین موقعیت همراه مبتنی بر عکس، ارائه و بررسی خواهد شد. در سامانة پیشنهادی، هر کاربر با ارسال یک عکس از یک ساختمان شاخص در نزدیکی خود، می تواند به نقشه منطقه دسترسی پیدا کند. برای این منظور ابتدا پایگاه داده ای از عکس ساختمان های منطقه تهیه می شود. سپس با دریافت هر عکس از کاربران، عکس دریافتی با عکس های موجود در پایگاه داده مقایسه می گردد و در صورت یافتن عکس مشابه آن در پایگاه داده، نقشه منطقه آن ساختمان برای کاربر ارسال می شود. برای مقایسه عکس ها از الگوریتم استخراج خودکار عوارضِ متناظر، بین عکس های مشابه به نام SIFT استفاده شده است. با مقایسه نقاط اصلی استخراج شده از این الگوریتم می توان عکس های مشابه را شناسایی کرد. در تحقیق حاضر با انجام تغییرات جزئی بر روی این الگوریتم ضمن کاهش زمان اجرا، میزان توانایی الگوریتم در تعیین ساختمان مشابه نشان داده خواهد شد. در پایان، نتیجة انجام پردازش های حالت استاندارد این الگوریتم با حالت اصلاح شدة آن برای تعدادی عکس ارائه می گردد و همچنین نشان داده خواهد شد که با استفاده از الگوریتم دوم، تغییر زیادی در صحت عملکرد سامانه رخ نمی دهد.

در طول چند دهه ی اخیر محیط های شهری بسیار بیشتر از گذشته گسترش یافته اند. یکی از مهمترین مشکلاتی که  در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیه ی درون شهری امکان غلبه بر مشکلات ترافیکی و ازدحام خودرو ها را فراهم می نماید، و به تبع آن از مشکلات آلودگی هوا می کاهد. با توسعه ی پرنده ای بدون سرنشین ( UAV ) امکان پایش مستمر و دقیق محیط های شهری برای کاربران فراهم گردیده است. در این تحقیق هدف ارائه روشی سریع و با عملکردی مناسب از  نظر دقت در شناسایی اتوماتیک خودرو در تصاویر پهپاد با حدتفکیک بسیار بالا است. در گام شناسایی خودرو از قابلیت الگوریتم آشکارساز و توصیفگر عوارض موضعی SIFT استفاده شده است. یکی از اصلی ترین قابلیت های  این الگوریتم پایدار بودن در برابر تغییرات روشنایی و انواع تبدیلات هندسی نظیر انتقال، دوران و مقیاس است. روش ارائه شده شامل دو مرحله ی اصلی: آموزش الگوریتم و فرآیند شناسایی خودرو است. روش پیشنهادی بر روی ۸ تصویر پهپاد که دارای پس زمینه با بی نظمی های مختلف هستند پیاده سازی شد. این تصاویر شامل انواع مختلفی از خودروها هستند. به منظور ارزیابی کمی روش پیشنهادی از دو معیار استفاده شده است. همچنین عملکرد این روش با رویکرد پنجره ی جستجو مورد مقایسه قرار گرفته است. نتایج نشان می دهد زمان محاسبات الگوریتم پیشنهادی ۸۲ ثانیه است و میانگین دو معیار ارائه شده معادل ۶۵/۶۷ درصد است که نشان دهنده ی برتری روش از لحاظ سرعت و دقت محاسبات نسبت به روش پنجره ی جستجو است.