ارزيابي جامع مدل سازي هندسي تصاوير ماهواره اي با روش هاي هوشمند وكلاسيك Worldview-2

Comprehensive Evaluation the Geometric Modeling of Worldview-2 Satellite Images with Classical and Intelligent Methods

تعیین و بررسی مدل‌های تصحیح هندسی و زمین مرجع نمودن تصاویر ماهواره‌ای با توجه به رونق استفاده از آن‌ها در بسیاری از زمینه‌ها در ده‌های اخیر به شدت مورد توجه قرار گرفته و به عنوان یكی از موضوعات مهم در فتوگرامتری و سنجش از دور مطرح است. در این مطالعه با استفاده از روش‌های مختلف مدلسازی به تصحیح هندسی تصویر ماهواره‌ای Worldview-2 پرداخته و سعی گردیده است تا یك ارزیابی جامع از قابلیت روش‌های مختلف در مدلسازی تصویر این ماهواره در منطقه شهری مانند تهران بدست آید. همچنین اثر تعداد و توزیع نقاط كنترل در روش‌های مدلسازی مورد مطالعه قرار گرفته است و در نهایت تصحیح هندسی با استفاده از توابع رشنال با دقت بالایی در حدود 36/0 متر حاصل گردید. علاوه بر روش‌های معمول از روش‌های هوش مصنوعی نظیر الگوریتم ژنتیك و شبكه‌های عصبی به منظور بهینه‌سازی استفاده گردید و با استفاده از شبكه پرسپترون با 4 نرون در لایه میانی دقت 71/0 پیكسل حاصل گردید و در نهایت مشخص شد كه با استفاده از این الگوریتم‌ها می‌توان مدل‌های موجود را بهینه كرد و نتایج بهتری را نسبت به روش‌های معمول بدست آورد.

In the recent decades, the determination and evaluation of geometrical correction models as well as georeferencing satellite images have been of great consideration due to their frequent use in various fields, and are regarded a leading topic in photogrammetry and remote sensing. This paper is about the geometric correction of the Worldview-2 satellite image using different modeling methods and tries to give an overall evaluation of strength of various possible modeling for a prototype image of an urban area like Tehran. The distribution and number of control points with regard to their effects in each modeling method were examined which resulted in a high precision of a final geometry correction about 0.36 meter using rational functions. For more optimization artificial intelligent methods like genetic algorithms and neural networks were used. With the use of perceptron network, a result of 0.71 pixels with 4 neurons in middle layer was gained and the final conclusion was that with these algorithms it is possible to optimize the existing models and have better results than usual ones.