fa ارائه روشی جهت نرمال‌سازی و هم مختصات نمودن تصاویر چند زمانه جهت آشکارسازی تغییرات فتوگرامتری Aerial Photogrammetry پژوهشي Research <span style="font-family:b nazanin;">تصاویر ماهواره</span>‌<span style="font-family:b nazanin;">ای جهت پایش و ارزیابی تغییرات پوشش</span>‌<span style="font-family:b nazanin;">های زمینی در بازه</span>‌<span style="font-family:b nazanin;">های زمانی به‌کار می</span>‌<span style="font-family:b nazanin;">روند. همسانی رادیومتریکی و هندسی بین تصاویر چندزمانه و چند سنجنده اخذ شده، به علت تغییرات در سنجنده، شرایط جوی، زاویه تابش خورشید و زاویه دید سنجنده، به‌ندرت ممکن است وجود داشته باشد و می</span>‌<span style="font-family:b nazanin;">تواند باعث ایجاد مشکل در آشکارسازی تغییرات شود. همسان</span>‌<span style="font-family:b nazanin;">سازی رادیومتریکی و هندسی تصاویر چند زمانه و چند سنجنده‌ای که از یک منطقه از سطح زمین برای آشکارسازی تغییرات و اختلافات نسبی عوارض زمینی اخذ</span>&nbsp;<span style="font-family:b nazanin;">شده‌اند بسیار ضروری می</span>‌<span style="font-family:b nazanin;">باشد. از داده</span>‌<span style="font-family:b nazanin;">های زمینی جهت کالیبراسیون رادیومتریک مطلق و یا عوارض شبه‌پایدار (</span><span dir="LTR"><span style="font-size:9.0pt;">PIF</span></span><span style="font-family:b nazanin;">) جهت</span>&nbsp;<span style="font-family:b nazanin;">نرمال</span>‌<span style="font-family:b nazanin;">سازی رادیومتریک نسبی تصاویر چند زمانه می‌توان استفاده نمود، اما جمع‌آوری داده</span>‌<span style="font-family:b nazanin;">های زمینی هزینه بر بوده و اخذ همزمان آنها با گذر ماهواره با مشکلاتی همراه است و همچنین انتخاب عوارض شبه‌پایدار نیز بصورت بصری بوده و نیاز به نظارت کاربر دارد. در</span>&nbsp;<span style="font-family:b nazanin;">این</span>&nbsp;<span style="font-family:b nazanin;">تحقیق به منظور نرمال</span>‌<span style="font-family:b nazanin;">سازی رادیومتریکی و هندسی دو تصویر چند زمانه از منطقه یخچالی علم چال، روشی ارائه شده است. در</span>&nbsp;<span style="font-family:b nazanin;">این تحقیق، انتخاب</span>&nbsp;<span style="font-family:b nazanin;">عوارض شبه‌پایدار به‌صورت خودکار و آماری می‌باشد و تصاویر ماهواره</span>‌<span style="font-family:b nazanin;">ای به یک سطح رادیومتریکی مرجع تبدیل</span>&nbsp;<span style="font-family:b nazanin;">می</span>‌<span style="font-family:b nazanin;">شوند. جهت هم مختصات سازی تصاویر، ابتدا نویز در آنها حذف شده و به‌صورت تکراری با استفاده از روش تناظریابی تصاویر، دو تصویر هم مختصات گردیدند. به‌منظور ارزیابی نتایج از مقایسه هیستوگرام تصاویر، پارامترهای آماری و نقاط مستقل چک استفاده گردید. نتایج نشان دهنده نزدیکی پارامترهای آماری دو تصویر همسان شده به‌یکدیگر می</span>‌<span style="font-family:b nazanin;">باشد، همچنین با استفاده از نقاط چک مقدار جذر</span>&nbsp;<span style="font-family:b nazanin;">میانگین مربع خطاها روش هم</span>‌<span style="font-family:b nazanin;">مختصات سازی برابر 52_/0 به‌دست آمد.</span><span style="font-family:b nazanin;"></span> The multi-temporal Remote sensing data are unique tools for monitoring and detecting land cover change over time. Radiometric and geometric consistency among these multi-temporal data are difficult to maintain, due to variations in sensor characteristics and view, solar angle, and atmospheric conditions, and these variations can obscure surface change detection. The radiometric normalization and geometric co-registration of multi-temporal satellite imagery of the same terrain is often necessary for land cover change detection, e.g., relative differences. In previous studies, in order to obtain radiometric correction of multi temporal imagery, the ground reference data or pseudo-invariant features (PIFs) were used. Using the ground reference data collection is costly and difficult to acquire for most satellite remotely sensed images and the selection of PIFs is generally subjective and need the user&rsquo;s supervision. In this research, we demonstrate a method for radiometric normalization and geometric co-registration between multi temporal images of the Alam-chal Glacier. The selection of PIFs has been done statistically, and the satellite images are normalized radiometrically to a common scale. In order to image co-registration, first the noise was removed and then repeatedly two images were registered using polynomials models and image matching. The proposed method was evaluated by histogram comparison, statistical parameters and independent check points. The results show that the statistical parameters of two image are nearly the same and the total RMSE of check points was 0.52 pixel. تصاویر چند زمانه, نرمال‌سازی رادیومتریکی, هم مختصات سازی, عوارض شبه‌پایدار Multi temporal imagery, radiometric normalization, co-registration, Pseudo Invariant Feature 155 169 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-130-4&slc_lang=fa&sid=1 Yousef Rezaei یوسف رضایی yrezaei@basu.ac.ir 10031947532846005198 10031947532846005198 Yes Bu-Ali Sina University دانشگاه بوعلی سینا Mohammad Javad Valadan Zouje محمدجواد ولدان زوج 10031947532846005199 10031947532846005199 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیر الدین طوسی Mahmood Reza Sahebi محمودرضا صاحبی 10031947532846005200 10031947532846005200 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیر الدین طوسی