ارزيابي عملكرد توصيفگرهاي موضعي در تصاوير ماهواره‌اي

A Performance Evaluation of Local Descriptors in Optical Satellite Images

توصيفگرها توزيع درجات خاكستري تصوير را در ناحيه اطراف عوارض توصيف مي‌كنند و در تعيين مطابقت آنها، در كاربردهاي گوناگوني همچون مرتبط‌سازي تصوير و توليد مدل سه‎بعدي در فتوگرامتري و سنجش از دور، نقش اساسي دارند. روش‌هاي گوناگوني براي ايجاد توصيفگر ارايه شده‌ كه ويژگي‌ها و كاربردهاي متفاوتي دارند. شناخت ويژگي‌هاي الگوريتم‌ها و چگونگي عملكرد آنها در شرايط گوناگون نيازي اساسي براي استفاده مناسب از آنها در موارد گوناگون است. در اين تحقيق عملكرد ده توصيفگر مطرح شامل SI، SC، SIFT، PIIFD، SURF، DAISY، LSS، LBP، LIOP و BRISK در انواع مختلف از تصاوير ماهواره‌اي اپتيكي با تنوع گسترده‌اي از اعوجاجات شامل اختلاف مقياس، دوران، روشنايي و تغيير منظر مورد ارزيابي قرار مي‌گيرد. هشتاد جفت تصوير ماهواره‌اي در سه دسته گوناگون شامل شبيه‌سازي‌شده، چندزمانه و چندسنسوري انتخاب مي‌شود و نتايج با استفاده از چهار معيار اساسي Recall، Precision، دقت هندسي و كارآيي مقايسه مي‌شود. الگوريتمي كه در همه حالت‌ها و براي همه تصاوير بهتر از ديگر الگوريتم‌ها باشد، وجود ندارد اما به‌طور ميانگين، توصيفگر‌هاي DAISY و SIFT بهترين عملكرد، و الگوريتم‌هاي SI و SC نيز بدترين نتايج را در تصاوير ماهواره‌اي دارند. كليدواژه‌ها: تناظريابي، مرتبط‌سازي تصوير، عوارض موضعي، توصيفگر

A descriptor is computed on a local region around a feature point and is used to characterize and compare the features. Various descriptors have been proposed in the literature which have different properties and performance in different image data. Evaluation of the local feature descriptor is important to identify the strengths and weaknesses of each algorithm in different applications. In this paper a performance evaluation of the state of the art in local descriptors is performed on a set of satellite images under varying imaging conditions. Ten descriptors are included, which are spin image (SI), shape context (SC), SIFT, PIIFD, SURF, DAISY, LSS, LBP, LIOP and BRISK. 80 satellite image pairs in three groups including simulated images, multi-temporal, and multi sensor images are used as data set and descriptors are evaluated using four evaluation criteria including Recall, Precision, positional accuracy and speed. The evaluation results indicate that there does not exist one descriptor which outperforms the other descriptor for all scene types and all types of transformations, but in average DAISY and SIFT show the best performance. Keywords: Image Matching, Image registration, Descriptor, Local Feature, Satellite Image,