[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 7، شماره 2 - ( 6-1398 ) ::
جلد 7 شماره 2 صفحات 239-223 برگشت به فهرست نسخه ها
توصیفگر الگوی باینری محلی مستقل از دوران به‌منظور تناظریابی برای هم ‌مرجع‌سازی تصاویر ماهواره‌ای
امین صداقت*، نازیلا محمدی
دانشگاه تبریز
چکیده:   (815 مشاهده)
توصیف متمایز و کارآمد عوارض تصویری، یک فرآیند اساسی به منظور تناظریابی تصاویر در فتوگرامتری و سنجش‌از‌دور است. بیشتر توصیفگرهای موجود از یک پارامتر جهت، به‌منظور ایجاد توصیفگر مستقل از دوران استفاده می‌کنند. فرآیند تعیین جهت، فرآیندی توأم با خطا بوده و از قابلیت توصیفگرها می‌کاهد. در این پژوهش یک توصیفگر جدید بر مبنای الگوی باینری محلی که به طور ذاتی مستقل از دوران است با نام توصیفگر الگوی باینری مستقل از دوران (RILBP) ارائه شده ‌است. به‌منظور ایجاد توصیفگر الگوی باینری مستقل از دوران، پیکسل‌های درون ناحیۀ تصویری براساس فاصله از مرکز و مقدار درجه خاکستری، به تعدادی زیر ناحیه تقسیم شده و سپس با استفاده از یک سیستم مختصات قطبی یک هسیتوگرام الگوی باینری محلی مستقل از دوران برای هر زیر ناحیه ایجاد می‌شود که با اتصال آنها به یکدیگر، توصیفگر نهایی ایجاد می‌شود. به‌منظور افزایش پایداری توصیفگر در برابر تغییرات هندسی، فرآیند وزن‌دهی با استفاده از دو پارارمتر وزن مبتنی بر فاصله و تابع گوسی انجام می‌شود. توصیفگر پیشنهادی بر روی شش جفت تصویر ماهواره‌ای از سنجنده‌های مختلف پیاده‌سازی شده و نتایج آن با چهار توصیفگر دیگر شامل الگوی باینری محلی مرکز متقارن (CS-LBP)، خودشباهتی محلی (LSS)، تبدیل ویژگی مستقل از مقیاس (SIFT) و هیستوگرام گرادیان رتبه مبنای چند ناحیه‌ای (MROGH) مقایسه شده ‌است. بر اساس نتایج آزمایش‌ها عملکرد توصیفگر پیشنهادی برای سه معیار قابلیت تناظریابی، دقت تناظریابی و تعداد تناظرهای صحیح، بهتر از دیگر توصیفگرها بوده و به طور متوسط در مقایسه با توصیفگر استاندارد الگوی باینری محلی برای سه معیار فوق به ترتیب به میزان 25 درصد، 10 درصد و 30 درصد بهبود را نشان می‌دهد.
واژه‌های کلیدی: هم‌مرجع‌سازی، توصیفگر، الگوی باینری محلی، مستقل از دوران، تناظریابی
متن کامل [PDF 1582 kb]   (294 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری
دریافت: 1397/4/19 | پذیرش: 1397/6/21 | انتشار: 1398/6/31
فهرست منابع
1. [1] Y. Xiang, F. Wang, and H. You, "OS-SIFT: A Robust SIFT-Like Algorithm for High-Resolution Optical-to-SAR Image Registration in Suburban Areas," IEEE Transactions on Geoscience and Remote Sensing, vol. 56, 2018. [DOI:10.1109/TGRS.2018.2790483]
2. [2] S. Chen, X. Li, L. Zhao, and H. Yang, "Medium-low resolution multisource remote sensing image registration based on SIFT and robust regional mutual information," International Journal of Remote Sensing, vol. 39, pp. 3215-3242, 2018. [DOI:10.1080/01431161.2018.1437295]
3. [3] M.-J. Noh and I. M. Howat, "Automatic relative RPC image model bias compensation through hierarchical image matching for improving DEM quality," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 136, pp. 120-133, 2018. [DOI:10.1016/j.isprsjprs.2017.12.008]
4. [4] B. Fan, Q. Kong, X. Wang, Z. Wang, S. Xiang, C. Pan, et al., "A Performance Evaluation of Local Features for Image Based 3D Reconstruction," arXiv preprint arXiv:1712.05271, 2017.
5. [5] W. Li, K. Fu, H. Sun, X. Sun, Z. Guo, M. Yan, et al., "Integrated Localization and Recognition for Inshore Ships in Large Scene Remote Sensing Images," IEEE Geoscience and Remote Sensing Letters, 2017. [DOI:10.1109/LGRS.2017.2688357]
6. [6] X. Yuan, T. Tang, D. Xiang, Y. Li, and Y. Su, "Target recognition in SAR imagery based on local gradient ratio pattern," International journal of remote sensing, vol. 35, pp. 857-870, 2014. [DOI:10.1080/01431161.2013.873150]
7. [7] S. Wu, A. Oerlemans, E. M. Bakker, and M. S. Lew, "A comprehensive evaluation of local detectors and descriptors," Signal Processing: Image Communication, 2017. [DOI:10.1016/j.image.2017.06.010]
8. [8] T. Mouats, N. Aouf, D. Nam, and S. Vidas, "Performance Evaluation of Feature Detectors and Descriptors Beyond the Visible," Journal of Intelligent & Robotic Systems, pp. 1-31, 2018. [DOI:10.1007/s10846-017-0762-8]
9. [9] M. H. Lee and I. K. Park, "Performance Evaluation of Local Descriptors for Maximally Stable Extremal Regions," Journal of Visual Communication and Image Representation, 2017. [DOI:10.1016/j.jvcir.2017.05.008]
10. [10] A. Sedaghat and H. Ebadi, "A Performance Evaluation of Local Descriptors in Optical Satellite Images," Iranian Remote Sensing & GIS, vol. 7, pp. 61-84, 2016.
11. [11] J. Liu, G. Zeng, and J. Fan, "Fast Local Self-Similarity for describing interest regions," Pattern Recognition Letters, vol. 33, pp. 1224-1235, 2012. [DOI:10.1016/j.patrec.2012.01.013]
12. [12] S. Belongie, J. Malik, and J. Puzicha, "Shape matching and object recognition using shape contexts," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, pp 509-522, 2002 [DOI:10.1109/34.993558]
13. [13] 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]
14. [14] E. Shechtman and M. Irani, "Matching local self-similarities across images and videos," in Computer Vision and Pattern Recognition, 2007. CVPR'07. IEEE Conference on, Minnesota, USA, 2007, pp. 1-8. [DOI:10.1109/CVPR.2007.383198]
15. [15] M. Calonder, V. Lepetit, M. Ozuysal, T. Trzcinski, C. Strecha, and P. Fua, "BRIEF: Computing a local binary descriptor very fast," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 34, pp. 1281-1298, 2012. [DOI:10.1109/TPAMI.2011.222]
16. [16] S. Leutenegger, M. Chli, and R. Y. Siegwart, "BRISK: Binary robust invariant scalable keypoints," in Computer Vision (ICCV), 2011 IEEE International Conference on, Barcelona, Spain, 2011, pp. 2548-2555. [DOI:10.1109/ICCV.2011.6126542]
17. [17] A. Alahi, R. Ortiz, and P. Vandergheynst, "Freak: Fast retina keypoint," in Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on, Providence, RI, USA, 2012, pp. 510-517. [DOI:10.1109/CVPR.2012.6247715]
18. [18] B. Fan, F. Wu, and Z. Hu, "Rotationally invariant descriptors using intensity order pooling," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 34, pp. 2031-2045, 2012. [DOI:10.1109/TPAMI.2011.277]
19. [19] F. Bellavia and C. Colombo, "Rethinking the sGLOH Descriptor," IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017. [DOI:10.1109/TPAMI.2017.2697849]
20. [20] Z. Wang, B. Fan, and F. Wu, "Local intensity order pattern for feature description," in Computer Vision (ICCV), 2011 IEEE International Conference on, Barcelona, Spain, 2011, pp. 603-610.
21. [21] Z. Huang, W. Kang, Q. Wu, and X. Chen, "A new descriptor resistant to affine transformation and monotonic intensity change," Computer Vision and Image Understanding, vol. 120, pp. 117-125, 2014. [DOI:10.1016/j.cviu.2013.10.010]
22. [22] Z. Wang, B. Fan, G. Wang, and F. Wu, "Exploring local and overall ordinal information for robust feature description," IEEE transactions on pattern analysis and machine intelligence, vol. 38, pp. 2198-2211, 2016. [DOI:10.1109/TPAMI.2015.2513396]
23. [23] T. Ojala, M. Pietikainen, and D. Harwood, "Performance evaluation of texture measures with classification based on Kullback discrimination of distributions," in Pattern Recognition, 1994. Vol. 1-Conference A: Computer Vision & Image Processing., Proceedings of the 12th IAPR International Conference on, 1994, pp. 582-585.
24. [24] M. Heikkilä, M. Pietikäinen, and C. Schmid, "Description of interest regions with local binary patterns," Pattern recognition, vol. 42, pp. 425-436, 2009. [DOI:10.1016/j.patcog.2008.08.014]
25. [25] 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]
26. [26] A. Sedaghat and N. Mohmmadi, "Reliable Image Matching based On Hessian-Affine Detector and MROGH Descriptor," Journal of Geomatics Science and Technology, 2017.
27. [27] M. Agrawal, K. Konolige, and M. R. Blas, "Censure: Center surround extremas for realtime feature detection and matching," in Computer Vision-ECCV 2008, ed: Springer, 2008, pp. 102-115. [DOI:10.1007/978-3-540-88693-8_8]
28. [28] Y. Ye, L. Shen, M. Hao, J. Wang, and Z. Xu, "Robust optical-to-SAR image matching based on shape properties," IEEE Geoscience and Remote Sensing Letters, vol. 14, pp. 564-568, 2017. [DOI:10.1109/LGRS.2017.2660067]
29. [29] K. Mikolajczyk and C. Schmid, "A performance evaluation of local descriptors," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 27, pp. 1615-1630, 2005. [DOI:10.1109/TPAMI.2005.188]



XML     Print


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


صداقت امین، محمدی نازیلا. توصیفگر الگوی باینری محلی مستقل از دوران به‌منظور تناظریابی برای هم ‌مرجع‌سازی تصاویر ماهواره‌ای. مهندسی فناوری اطلاعات مکانی. 1398; 7 (2) :239-223

URL: http://jgit.kntu.ac.ir/article-1-723-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 7، شماره 2 - ( 6-1398 ) 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 0.04 seconds with 29 queries by YEKTAWEB 4355