Journal of Geospatial Information Technology

fa ارائه یک الگوریتم خودکار مبتنی بر هیستوگرام زاویه‌ای به منظور ثبت هندسی تصاویر رادار با دریچه مصنوعی An Automatic Algorithm based on Angular Histogram for Corregistartion of Synthetic Aperture Radar Images پژوهشي Research <p dir="RTL">ثبت هندسی تصاویر راداری و اپتیکی، از پیشپردازشهای مهم در کاربردهای سنجش از دوری از جمله در روش‌های کشف تغییرات و پردازشهای مبتنی بر تولید اینترفروگرام محسوب میشود. به علت سطح نویز بالای تصاویر راداری و نابستگی زمانی-مکانی شدید بین این تصاویر، ثبت هندسی این تصاویر نسبت به یکدیگر با مشکلات بیشتری همراه است. چراکه پیدا کردن عوارض مشابه در این نوع تصاویر به علت وجود سطح نویز بالا، به سختی قابل انجام است. روشهای غیر خودکار موجود فرآیندی زمانبر بوده و در اکثر مواقع با شکست روبرو می‌شوند، چرا که اختلافات موجود بین دو سیستم تصویربرداری و تصاویر اخذ شده، باعث بروز اختلاف طیفی بین پیکسل‌های متناظر می‌شود. از طرفی دیگر استفاده از نقاط شبکهای به عنوان نقاط گرهای در فرآیند ثبت هندسی تصاویر، قابلیت اطمینان این فرآیند را به شدت کاهش می‌دهد. این درحالیست که استفاده از نقاط گوشه در تصاویر رادار میتواند این مسئله را حل کند. به همین علت، در این مقاله، الگوریتمی خودکار جهت ثبت هندسی تصاویر راداری با دریچه مصنوعی که در زمان، مکان، موقعیت و ارتفاع متفاوتی اخذ شدهاند، پیشنهاد و پیاده‌سازی شدهاست. این روش از نقاط گوشه که بصورت خودکار از تصاویر اصلی و فرعی استخراج میشوند، به‌عنوان نقاط گرهای استفاده می‌کند و بر خلاف الگوریتم‌های مرسوم، به عمل تطابق نیاز ندارد. این الگوریتم بر روی سه مجموعه داده راداری با دریچه مصنوعی اعمال شد. مقادیر مجذور میانگین مربعات خطا روش پیشنهادی در فرآیند ثبت هندسی متقابل تصاویر راداری، برای مجموعه داده مربوط به ماهواره رادارست-2 از منطقه باتالای هندوستان، مجموعه داده مربوط به ماهواره رادارست-2 از منطقه سندای ژاپن و مجموعه داده مربوط به ماهواره تراسار-ایکس از منطقه سندای ژاپن بترتیب 0.29، 0.35 و 0.43 بدست آمد. آنالیز مقایسهای دقت روش پیشنهادی با روش مبتنی بر درونیابی همگشتمبنای درجه 3 نشان داد که روش پیشنهادی بترتیب برای مجموعه داده مربوط به ماهواره رادارست-2 از منطقه باتالای هندوستان، مجموعه داده مربوط به ماهواره رادارست-2 از منطقه سندای ژاپن و مجموعه داده مربوط به ماهواره تراسار-ایکس از منطقه سندای ژاپن، 5%، 5% و 9% دقت ثبت تغییرات را نسبت به روش مبتنی بر درونیابی همگشتمبنای درجه 3 بهبود بخشید. نتایج بدست آمده، نشان دهنده کارایی و دقت بالای الگوریتم پیشنهادی در سطح زیر پیکسل، در ثبت هندسی متقابل تصاویر راداری است. همچنین ثابت شد که الگوریتم پیشنهادی در مواردی که زاویه چرخش و مقیاس بین دو تصویر اصلی و فرعی، مقادیر بزرگی دارند، کارایی بالایی دارد.</p> <p>Coregistration of optical and radar imageries is a major pre-processing step in many remote sensing applications including change detection and interferometric processing. Specially, the coregistration faced more difficulties in radar imageries due to the high noise level and intense spatial-temporal decorrelation. Hence, non-automatic coregistration methods are much more time consuming and inefficient. Because, the probable geometrical and temporal (signal-target interaction) differences between two acquisitions (i.e, master and slave) caused spectral shifts between corresponding pixels. In this case, using grid points as a tie in the coregistration process drastically reduces the reliability of the process while use of the corner points in the images could solve the problem. To resolve this problem, an automatic algorithm based on angular histogram was proposed for coregistration of Synthetic Aperture Radar (SAR) imageries that have taken in different height, time and situation. This method automatically extracted the corners from the slave and master images and used these points as nodal points. However, unlike conventional methods, there is no need to perform the image matching process. The coregistration RMSE value for three case studies related to the Radarsat-2 imageries of Batala area, India, Radarsat-2 imageries of Sendai region, Japan and TerraSAR-X imageries in Sendai region, were 0.29, 0.35 and 0.43, respectively. Comparison of the proposed coregistration method with cubic convolution (CCI) interpolation based coregistration method showed that the accuracy of the proposed method was improved to 5%, 5% and 9% for three datasets, respectively. The results indicated high efficiency and accuracy of the proposed algorithm. Moreover, the proposed algorithm illustrates the high performance in the case that the angle and scale between the master and slave images are relatively large.</p> Corregistration, Synthetic Aperture Radar, Feature based Method, Harris Operator, Cross-Correlation 53 75 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-128-43&slc_lang=fa&sid=1 Reza Shah-Hosseini رضا شاه حسینی rshahosseini*@ut.ac.ir 10031947532846004651 10031947532846004651 Yes University of Tehran دانشگاه تهران Mostafa Esmaeili مصطفی اسمعیلی 10031947532846004652 10031947532846004652 No University of Tehran دانشگاه تهران Abdoreza Safari عبدارضا صفری 10031947532846004653 10031947532846004653 No University of Tehran دانشگاه تهران Said Homayouni سعید همایونی 10031947532846004654 10031947532846004654 No University of Ottawa دانشگاه اتاوا Jalal Amini جلال امینی 10031947532846004655 10031947532846004655 No University of Tehran دانشگاه تهران Hamid EzzatAbadiPour حمید عزت آبادی پور 10031947532846004656 10031947532846004656 No Sirjan University of Technology دانشگاه صنعتی سیرجان