بهبود الگوريتم SIFT به‌منظور تناظريابي تصاوير ماهواره‌اي

Improved SIFT Algorithm for Remote Sensing Image Matching

الگوريتم (Scale Invariant Feature Transform) SIFT يكي از روش‌هاي تناظريابي عارضه‌مبناست كه به‌منظور انجام فرآيند تشخيص الگو در تصاوير اپتيكي ارايه شده است. با اينكه عملكرد بهتر توصيفگر اين الگوريتم در مقايسه با ديگر روش‌ها اثبات شده و نسخه‌هاي گوناگوني نيز در مسير افزايش كارايي آن ارايه شده است، اما عملگر استخراج عارضه در اين الگوريتم با مشكلات جدي براي انجام تناظريابي در تصاوير سنجش از دور مواجه است. كنترل‌پذيري اين الگوريتم در استخراج عوارض در تصاوير سنجش از دور پايين است و در آن راه‌حلي نيز براي انتخاب عوارض پايدارتر و متمايزتر و كنترل توزيع آنها، به‌منظور موفقيت در فرآيند تناظريابي، پيشنهاد نشده است. در مقاله حاضر با بهره‌گيري از خصوصيات فضاي مقياس در اين الگوريتم روشي جديد با عنوان UR-SIFT (Uniform Robust Scale Invariant Feature Transform) به‌منظور استخراج عوارض پايدار تصاوير و در توزيع يكنواختي از مكان و مقياس طراحي شده است. براي اين منظور با توسعه روابطي جديد برمبناي ضريب مقياس سطوح هرم تصاوير در الگوريتم SIFT، تعداد عوارض مورد نياز در هر سطح تعيين گرديده و با بهره‌گيري از دو معيار پايداري و تمايز و در ساختاري شبكه‌اي استخراج شده است. بعد از استخراج عوارض و ايجاد توصيفگر آنها، فرآيند تناظريابي اوليه با استفاده از فاصله اقليدسي ميان توصيفگرها و با بهره‌گيري از روشي دوجانبه انجام مي‌شود. در ادامه با استفاده از مدل تبديل پروژكتيو و روش‌ كمترين مربعات، صحت جفت تناظرهاي اوليه بررسي شده و تناظرهاي ناسازگار حذف شده‌اند. نتايج عملي بر روي دو جفت تصوير ماهواره‌اي بيانگر كارايي بالاي روش پيشنهادي در مقايسه با الگوريتم استاندارد SIFT است.