عنوان

طراحی و توسعه توصیفگر مبتنی بر فیلترهای هدایت شونده گوسی به‌منظور تناظریابی تصاویر چندسنسوری سنجش‌از‌دور

پ۲۷۱۷۴

per

طراحی و توسعه توصیفگر مبتنی بر فیلترهای هدایت شونده گوسی به‌منظور تناظریابی تصاویر چندسنسوری سنجش‌از‌دور

نگار جوهری

فنی و مهندسی عمران

۱۴۰۱

۶۵ص.

سی دی

کارشناسی ارشد

نقشه برداری- سنجش‌از‌دور

۱۴۰۱/۰۶/۱۶

امروزه اخذ محصولات مختلف فتوگرامتری و سنجش‌ازدور محدود به تصاویر تک¬سنسوری نبوده و می‌توان از تلفیق داده‌های منابع مختلف برای این منظور استفاده کرد. این امکان به دلیل توسعه الگوریتم¬های خودکار تناظریابی تصویری به¬عنوان یکی از اساسی¬ترین و چالش¬انگیزترین مراحل پردازش تصویر فراهم می¬گردد. تناظریابی خودکار، کارا، دقیق و پایدار تصاویر یکی از مسائل اساسی در حوزه پردازش تصویر است. اخیراً، الگوریتم¬های متنوعی مبتنی بر چارچوب تناظریابی¬ عارضه¬مبنا ارائه شده¬است که هسته اصلی آنها را تشخیص و توصیف عوارض موضعی تشکیل می‌دهد. ایده اساسی بیشتر این روش¬ها مقابله با تغییرات غیرخطی رادیومتریکی به¬عنوان یکی از موانع اصلی بر سر راه پردازش تصاویر چندسنسوری است. بااین¬حال، سطوح نویز شدید، به¬ویژه نویز اسپکل مربوط به تصاویر راداری یک مسئله غیرقابل‌اجتناب بوده و عملکرد بسیاری از الگوریتم¬ها را تحت¬الشعاع قرار می¬دهد. بر همین راستا، این تحقیق به ارائه توصیفگری نوین تحت¬عنوان NRFD می¬پردازد. توصیفگر حاصل که با استفاده از فیلترهای هدایت¬شونده گوسی در جهات مختلف طراحی‌شده، از پایداری بالایی در برابر نویز و تغییرات غیرخطی رادیومتریکی میان تصاویر چندسنسوری برخوردار است. به¬علاوه به¬کارگیری استراتژی¬های مستقل از مقیاس و دوران و همین¬طور ساختار مکانی انطباقی ویژه پایداری بالایی در برابر اختلافات هندسی فراهم آورده است. توصیفگر NRFD، باتوجه به به¬کارگیری چارچوب تناظریابی عارضه¬مبنا با آشکارساز UC-KAZE ادغام شده که از پایداری بالایی در برابر اعوجاجات پیچیده میان تصاویر ماهواره¬ای برخوردار است. ارزیابی¬ها حاصل از برتری روش پیشنهادی در برابر مجموعه¬ای از الگوریتم¬های شاخص و به¬روز ارائه¬شده، از جمله روش¬های مبتنی بر یادگیری عمیق در برابر نویز است.

Nowadays, acquiring different photogrammetry and remote sensing products is not limited to monomodal images. Integrating data from different sources is possible due to the development of automatic, robust, accurate, and efficient image matching algorithms as one of the fundamental and most challenging steps of image processing. Recently, various algorithms based on the feature-based matching framework have been proposed based on local feature detectors and descriptors. The principal idea of most of these methods is to deal with non-linear radiometric variations between multimodal images. However, significant noise, especially speckle noise related to radar images, is an unavoidable problem and diminishes the performance of many conventional algorithms.To this end, this paper proposes a novel and highly noise-robust feature descriptor called NRFD (Noise-Robust Feature Descriptor) based on the Gaussian steerable filters in multiple directions. In addition, employing rotation and scale-invariant strategies and an adaptive binning spatial structure has provided high robustness against geometric differences. Moreover, considering the feature-based framework, the NRFD descriptor is integrated with the UC-KAZE detector, which is highly distinct against complex distortions between satellite images. The extensive evaluations demonstrate the superiority of the proposed method against a set of up-to-date state-of-the-art feature detectors and descriptors against noise.

Designing and Development of a Descriptor Based on Gaussian Steerable Filters for Multi Sensor Remote Sensing Image Matching

‏جوهری‏،

‏نگار

تهيه کننده

‏ صداقت‏،

محمدی،‏

‏امین

‏نازیلا

استاد راهنما

استاد مشاور

‏تبریز