[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 326
نرخ پذیرش: 63.2
نرخ رد: 36.8
میانگین داوری: 208 روز
میانگین انتشار: 344 روز
..
:: دوره 3، شماره 3 - ( 9-1394 ) ::
جلد 3 شماره 3 صفحات 74-53 برگشت به فهرست نسخه ها
بهبود الگوریتم SIFT به‌منظور تناظریابی تصاویر برد کوتاه با طول باز بلند
سید مقداد هاشمی نسب* ، حمید عبادی ، علی حسینی نوه احمدآبادیان ، امین صداقت
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (6338 مشاهده)

تناظریابی به عنوان یک فرآیند اساسی در فتوگرامتری رقومی شناخته می‌شود. انجام این فرآیند اساسی در فتوگرامتری بردکوتاه با توجه به اعوجاجات هندسی قابل توجه در تصاویر همگرا، بسیار پیچیده بوده و اغلب الگوریتم‌های موجود نمی‌توانند نتایجی با دقت مطلوب را ایجاد کنند. در این مقاله روشی کارآمد جهت تناظریابی تصاویر همگرا در فتوگرامتری بردکوتاه ارائه شده است. در روش پیشنهادی به منظور انجام عملیات تناظریابی، ابتدا با استفاده از الگوریتم SIFT عوارض موضعی در دو تصویر مبنا و ورودی استخراج می‌شود. در ادامه جهت کنترل تغییرات هندسی ایجاد شده در عوارض، حاصل از تغییر منظر تصویربرداری، شکل هندسی عوارض، با استفاده از ماتریس گشتاور مرتبه‌ی دوم، از دایره به بیضی تغییر داده می‌شود. سپس به منظور ایجاد توصیفگر برای هر عارضه، نواحی بیضی شکل به دوایری با شعاع ثابت نرمالیزه می‌شوند. در نهایت پس از ایجاد توصیفگر برای هر عارضه، عملیات تناظریابی انجام شده و تناظرهای اشتباه باقی‌مانده توسط الگوریتم کارآمد RANSAC حذف می‌شوند. نتایج آزمایشات بر روی چند دسته از تصاویر بردکوتاه بیانگر عملکرد قابل توجه روش پیشنهادی بوده به گونه‌ای که تعداد عوارض متناظر با استفاده از روش پیشنهادی در حدود دو برابر بیشتر از تعداد عوارض متناظر ایجاد شده توسط روش استاندارد SIFT است. همچنین نتایج بدست آمده بر روی تصاویر مورد استفاده، حاکی از آن است که دقت تناظریابی نیز با استفاده از روش پیشنهادی بین 3 الی 8 درصد افزایش می‌یابد.

واژه‌های کلیدی: فتوگرامتری بردکوتاه، تناظریابی با طول باز بلند، الگوریتم SIFT، استخراج عوارض، مستقل از افاین
متن کامل [PDF 1771 kb]   (1965 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: 1395/3/23 | پذیرش: 1395/3/23 | انتشار: 1395/3/23
فهرست منابع
1. [1] Q. Zhu, B. Wu, and Y. Tian, "Propagation strategies for stereo image matching based on the dynamic triangle constraint," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 62, pp. 295-308, 2007. [DOI:10.1016/j.isprsjprs.2007.05.010]
2. [2] F. Remondino, S. El-Hakim, A. Gruen, and L. Zhang, "Turning images into 3-D models," Signal Processing Magazine, IEEE, vol. 25, pp. 55-65, 2008. [DOI:10.1109/MSP.2008.923093]
3. [3] B. Zitova and J. Flusser, "Image registration methods: a survey," 21, Image and vision computing, 2003. [DOI:10.1016/S0262-8856(03)00137-9]
4. [4] I. Jazayeri and C. S. Fraser, "Interest operators for feature‐based matching in close range photogrammetry," The Photogrammetric Record, vol. 25, pp. 24-41, 2010. [DOI:10.1111/j.1477-9730.2009.00559.x]
5. [5] K. Mikolajczyk and C. Schmid, "Scale & affine invariant interest point detectors," International journal of computer vision, vol. 60, pp. 63-86, 2004. [DOI:10.1023/B:VISI.0000027790.02288.f2]
6. [6] C. Harris and M. Stephens, "A combined corner and edge detector," in Alvey vision conference, 1988, p. 50. [DOI:10.5244/C.2.23]
7. [7] P. R. Beaudet, "Rotationally invariant image operators," in International Joint Conference on Pattern Recognition, 1978, p. 583.
8. [8] D. G. Lowe, "Distinctive image features from scale-invariant keypoints," International journal of computer vision, vol. 60, pp. 91-110, 2004. [DOI:10.1023/B:VISI.0000029664.99615.94]
9. [9] Z. Liu, J. An, and Y. Jing, "A simple and robust feature point matching algorithm based on restricted spatial order constraints for aerial image registration," Geoscience and Remote Sensing, IEEE Transactions on, vol. 50, pp. 514-527, 2012. [DOI:10.1109/TGRS.2011.2160645]
10. [10] K. Mikolajczyk, T. Tuytelaars, C. Schmid, A. Zisserman, J. Matas, F. Schaffalitzky, et al., "A comparison of affine region detectors," International journal of computer vision, vol. 65, pp. 43-72, 2005. [DOI:10.1007/s11263-005-3848-x]
11. [11] H. P. Moravec, "Visual mapping by a robot rover," in Proceedings of the 6th international joint conference on Artificial intelligence-Volume 1, 1979, pp. 598-600.
12. [12] S. M. Smith and J. M. Brady, "SUSAN—A new approach to low level image processing," International journal of computer vision, vol. 23, pp. 45-78, 1997. [DOI:10.1023/A:1007963824710]
13. [13] E. Rosten and T. Drummond, "Machine learning for high-speed corner detection," in Computer Vision–ECCV 2006, ed: Springer, 2006, pp. 430-443. [DOI:10.1007/11744023_34]
14. [14] E. Rosten, R. Porter, and T. Drummond, "Faster and better: A machine learning approach to corner detection," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 32, pp. 105-119, 2010. [DOI:10.1109/TPAMI.2008.275]
15. [15] Y. Dufournaud, C. Schmid, and R. Horaud, "Matching images with different resolutions," in Computer Vision and Pattern Recognition, 2000. Proceedings. IEEE Conference on, 2000, pp. 612-618. [DOI:10.1109/CVPR.2000.855876]
16. [16] J. L. Crowley and A. C. Parker, "A representation for shape based on peaks and ridges in the difference of low-pass transform," Pattern Analysis and Machine Intelligence, IEEE Transactions on, pp. 156-170, 1984. [DOI:10.1109/TPAMI.1984.4767500]
17. [17] T. Lindeberg, "Detecting salient blob-like image structures and their scales with a scale-space primal sketch: a method for focus-of-attention," International Journal of Computer Vision, vol. 11, pp. 283-318, 1993. [DOI:10.1007/BF01469346]
18. [18] T. Lindeberg, "Feature detection with automatic scale selection," International journal of computer vision, vol. 30, pp. 79-116, 1998. [DOI:10.1023/A:1008045108935]
19. [19] H. Bay, A. Ess, T. Tuytelaars, and L. Van Gool, "Speeded-up robust features (SURF)," Computer vision and image understanding, vol. 110, pp. 346-359, 2008. [DOI:10.1016/j.cviu.2007.09.014]
20. [20] T. Tuytelaars and K. Mikolajczyk, "Local invariant feature detectors: a survey," Foundations and Trends® in Computer Graphics and Vision, vol. 3, pp. 177-280, 2008.
21. [21] T. Tuytelaars and L. Van Gool, "Matching widely separated views based on affine invariant regions," International journal of computer vision, vol. 59, pp. 61-85, 2004. [DOI:10.1023/B:VISI.0000020671.28016.e8]
22. [22] J. Matas, O. Chum, M. Urban, and T. Pajdla, "Robust wide-baseline stereo from maximally stable extremal regions," Image and vision computing, vol. 22, pp. 761-767, 2004. [DOI:10.1016/j.imavis.2004.02.006]
23. [23] T. Kadir, A. Zisserman, and M. Brady, "An affine invariant salient region detector," in Computer Vision-ECCV 2004, ed: Springer, 2004, pp. 228-241. [DOI:10.1007/978-3-540-24670-1_18]
24. [24] J.-M. Morel and G. Yu, "ASIFT: A new framework for fully affine invariant image comparison," SIAM Journal on Imaging Sciences, vol. 2, pp. 438-469, 2009. [DOI:10.1137/080732730]
25. [25] T. Luhmann, S. Robson, S. Kyle, and I. Harley, Close range photogrammetry: Principles, methods and applications: Whittles, 2006.
26. [26] Y. Zhang, J. Xiong, and L. Hao, "Photogrammetric processing of low‐altitude images acquired by unpiloted aerial vehicles," The Photogrammetric Record, vol. 26, pp. 190-211, 2011. [DOI:10.1111/j.1477-9730.2011.00641.x]
27. [27] L. Barazzetti, L. Binda, M. Scaioni, and P. Taranto, "Photogrammetric survey of complex geometries with low-cost software: Application to the 'G1′ temple in Myson, Vietnam," Journal of Cultural Heritage, vol. 12, pp. 253-262, 2011. [DOI:10.1016/j.culher.2010.12.004]
28. [28] J. L. Lerma, S. Navarro, M. Cabrelles, A. E. Seguí, and D. Hernández, "Automatic orientation and 3D modelling from markerless rock art imagery," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 76, pp. 64-75, 2013. [DOI:10.1016/j.isprsjprs.2012.08.002]
29. [29] M. A. Fischler and R. C. Bolles, "Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography," Communications of the ACM, vol. 24, pp. 381-395, 1981. [DOI:10.1145/358669.358692]
30. [30] T. Lindeberg and J. Gårding, "Shape-adapted smoothing in estimation of 3-D shape cues from affine deformations of local 2-D brightness structure," Image and vision computing, vol. 15, pp. 415-434, 1997. [DOI:10.1016/S0262-8856(97)01144-X]
31. [31] A. Baumberg, "Reliable feature matching across widely separated views," in Computer Vision and Pattern Recognition, 2000. Proceedings. IEEE Conference on, 2000, pp. 774-781. [DOI:10.1109/CVPR.2000.855899]
32. [32] Amin Sedaghat, An Accurate and Dense Remote Sensing Image Matching Based on Local Feature Detector and Descriptor, Faculty of Geodesy and Geomatic, K.N Toosi University of Technology, 2015
33. [33] W. Aguilar, Y. Frauel, F. Escolano, M. E. Martinez-Perez, A. Espinosa-Romero, and M. A. Lozano, "A robust graph transformation matching for non-rigid registration," Image and Vision Computing, vol. 27, pp. 897-910, 2009. [DOI:10.1016/j.imavis.2008.05.004]
34. [34] M. Hasheminasab, H. Ebadi, and A. Sedaghat, "AN INTEGRATED RANSAC AND GRAPH BASED MISMATCH ELIMINATION APPROACH FOR WIDE-BASELINE IMAGE MATCHING," The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. 40, p. 297, 2015. [DOI:10.5194/isprsarchives-XL-1-W5-297-2015]
35. [35] C. Strecha, W. von Hansen, L. V. Gool, P. Fua, and U. Thoennessen, "On benchmarking camera calibration and multi-view stereo for high resolution imagery," in Computer Vision and Pattern Recognition, 2008. CVPR 2008. IEEE Conference on, 2008, pp. 1-8. [DOI:10.1109/CVPR.2008.4587706]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hasheminasab S M, Ebadi H, Hoseininave Ahmadabadian A, Sedaghat A. An improvement in SIFT Algorithm for Wide-Baseline Image Matching. jgit 2015; 3 (3) :53-74
URL: http://jgit.kntu.ac.ir/article-1-292-fa.html

هاشمی نسب سید مقداد، عبادی حمید، حسینی نوه احمدآبادیان علی، صداقت امین. بهبود الگوریتم SIFT به‌منظور تناظریابی تصاویر برد کوتاه با طول باز بلند. مهندسی فناوری اطلاعات مکانی. 1394; 3 (3) :53-74

URL: http://jgit.kntu.ac.ir/article-1-292-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 3، شماره 3 - ( 9-1394 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 37 queries by YEKTAWEB 4660