روشی جدید برای تطابق سریع و مقاوم تصاویر هوایی و ماهواره‌ای بر مبنای زاویه انتخابی و مقیاس
الموضوعات :محسن صفدری 1 , پیمان معلم 2 , مهران ستاری 3
1 - دانشگاه اصفهان
2 - دانشكده فنی مهندسي
3 - دانشگاه اصفهان
الکلمات المفتاحية: نقاط ویژه بردار توصیف‌گر عملگر سبل SIFT rBREIF تطابق دوطرفه RANSAC,
ملخص المقالة :
به منظور غلبه بر مشکلات تطابق تصاویر هوایی و ماهواره‌ای از جمله تغییرات مقیاسی، دوران، شدت روشنایی و شکل هندسی از روش SIFT برای استخراج نقاط ویژه استفاده شده است ولی این روش نقاط ویژه متعددی را از تصاویر هوایی و ماهواره‌ای به دلیل اغتششات و عوامل محیطی استخراج می‌کند که تعداد زیاد نقاط ویژه، باعث افزایش زمان ایجاد بردار توصیف‌گر و تطابق‌های نامطلوب خواهد شد. برای ارتقای کیفیت نقاط ویژه استخراج‌شده و افزایش سرعت اجرای الگوریتم، ابتدا لبه‌های اصلی تصاویر توسط عملگر سبل و آستانه‌گذاری استخراج گردیده و سپس نقاط ویژه از روی تصویر لبه‌ها با استفاده از روش SIFT استخراج می‌گردند. بعد از استخراج نقاط ویژه، با استفاده از روش rBREIF که پایداری مطلوبی در برابر دوران و اغتششات جوی دارد، توصیف‌گرهایی برای هر یک از نقاط ویژه ایجاد می‌شود. سپس با استفاده از روش تطابق دوطرفه و حذف تطابق‌های نامطلوب با استفاده از روش RANSAC تطابق‌های صحیح بین تصاویر هوایی و ماهواره‌ای توسط روش پیشنهادی ایجاد می‌گردد. نتایج پیاده‌سازی روش پیشنهادی بر روی تصاویر تهیه‌شده، نشان‌دهنده برتری این روش از لحاظ صحت تطابق‌ها و سرعت این روش نسبت به روش‌های قبلی از جمله روش SIFT می‌باشد.
[1] A. Nithya, et al., "Feature based automated aerial image to satellite image registration," International J. of Computer Science & Engineering Technology, vol. 3, no. 7, pp. 286-289, Jul. 2012.
[2] M. Guerrero, A Comparative Study of Three Image Matcing Algorithms: Sift, Surf, and Fast, Ph. D. Thesis, Utah State University, 2011.
[3] C. Harris and M. Stephens, "A combined corner and edge detector," in Proc. Fourth Alvey Vision Conf., pp. 147-151, 1988.
[4] M. Trajkovic and M. Hedley, "Fast corner detection," Image and Vision Computing J., vol. 16, no. 6, pp. 75-87, Feb. 1998.
[5] D. G. Lowe, "Object recognition from local scale-invariant features," in Proc. IEEE Computer Vision Conf., vol. 2, pp. 1150-1157, 20-25 Sep. 1999.
[6] Y. Ke and R. Sukthankar, "PCA-SIFT: a more distinctive representation for local image descriptors," in Proc. IEEE Computer Vision and Pattern Recognition Conf., pp. 511-517, 27 Jun. - 2 Jul. 2004.
[7] Y. Qing, B. Lin, and W. Fang, "An improved SIFT algorithm," J. of Harbin Engineering University, vol. 31, pp. 560-564, 2010.
[8] H. Bay, A. Ess, T. Tuytelaars, and L. V. Gool, " Speeded-up robust features (SURF)," Computer Vision and Image Understanding, vol. 110, no. 3, pp. 346-359, Jun. 2008.
[9] M. Calonder, et al., "BRIEF: computing a local binary descriptor very fast," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 34, no. 7, pp. 1287-1298, Jul. 2012.
[10] E. Rublee, V. Rabaud, K. Konolige, and G. Bradski, "ORB: an effcient alternative to SIFT or SURF," in Proc. 13th IEEE Int. Conf. on Computer Vision, ICCV'11, pp. 2564-2571, 6-13. Nov. 2011.
[11] D. G. Lowe, "Distinctive image features from scale invariant keypoints," International J. of Computer Vision, Springer, vol. 60, no. 2, pp. 91-110, Nov. 2004.
[12] X. Lu, S. Zhang, W. Yang, and Y. Chen, "SIFT and shape information incorporated into fluid model for non-rigid registration of ultrasound images," J. of Computer Methods and Programs in Biomedicine, vol. 100, no. 2, pp. 123-131, Nov. 2010.
