fa ارزیابی عملکرد آشکارسازهای عوارض موضعی در حضور نویز، به‌منظور تناظریابی تصاویر چندسنجنده ای سنجش‌از‌دوری سنجش از دور RS پژوهشي Research تناظریابی خودکار، کارآ، دقیق و پایدار تصاویر یکی از مسائل اساسی در حوزه&shy;های سنجش ازدور، فتوگرامتری و بینایی&shy;ماشین است. در دهه&shy;های گذشته، الگوریتم&shy;های متنوعی مبتنی بر چارچوب تناظریابی&shy; عارضه&shy;مبنا ارائه شده&shy;است که هسته اصلی آنها را تشخیص و توصیف عوارض موضعی تشکیل می‌دهد. شناخت خصوصیات الگوریتم‌های مختلف تناظریابی در کاربردهای گوناگون یک ضرورت اساسی بوده و تاثیر زیادی در انتخاب صحیح یک الگوریتم مناسب در یک کاربرد مشخص خواهد داشت. مطالعات متعددی در خصوص ارزیابی و مقایسه بسیاری از الگوریتم&shy;های تناظریابی در کاربردهای گوناگون انجام گرفته است. با این وجود تحقیقات انجام گرفته در خصوص ارزیابی عملکرد الگوریتم‌های مختلف تناظریابی در تصاویر چندسنسوری خصوصا تصاویر راداری و نوری بسیار محدود است. در این تحقیق به ارزیابی عملکرد آشکارسازهای شاخص و متداول عوارض موضعی شامل <span dir="LTR">SURF</span>، <span dir="LTR">KAZE</span>، <span dir="LTR">SIFT</span>، <span dir="LTR">PC</span>، <span dir="LTR">FAST</span> و <span dir="LTR">Harris</span> در تناظریابی تصاویر چندسنسوری نوری و راداری پرداخته خواهد شد. به منظور استخراج عوارض پایدار و با توزیع یکنواخت در این الگوریتم‌ها از روش شایستگی یکنواخت استفاده خواهد شد. علاوه بر این به منظور توصیف عوارض از نسخه مستقل از مقیاس توصیفگر جدید <span dir="LTR">HOSS</span> بهره‌گیری خواهد شد. نتایج حاکی از برتری آشکارساز <span dir="LTR">KAZE</span> در حضور سطوح متوالی نویز و سایر اختلافات هندسی و رادیومتریکی است. Automatic, efficient, accurate, and stable image matching is one of the most critical issues in remote sensing, photogrammetry, and machine vision. In recent decades, various algorithms have been proposed based on the feature-based framework, which concentrates on detecting and describing local features. Understanding the characteristics of different matching algorithms in various applications increases the potential of successful matching in a given application. Numerous studies have evaluated and analyzed many of these algorithms in various applications. However, performance evaluation of image matching methods in multi-sensor images, especially optical-radar and noisy images, is limited. This research will evaluate the performance of the state-of-the-art- detectors, including SURF, KAZE, SIFT, PC, FAST, and Harris detectors for multi-sensor image matching. Moreover, we integrated the employed detectors with the uniform competency algorithm to identify the most reliable features with uniform distribution. Next, we employed a scale-invariant version of the HOSS descriptor to describe extracted features. The results show the superiority of the KAZE detector in the presence of noise and various geometric and radiometric distortions. تصاویر چندسنسوری, ارزیابی آشکارسازهای عوارض موضعی, آشکارساز KAZE, الگوریتم شایستگی‌یکنواخت, توصیفگر HOSS Multimodal images, evaluation of local detectors, KAZE Detector, HOSS descriptor, Uniform Competency method 63 88 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-930-1&slc_lang=fa&sid=1 Negar Jovhari نگار جوهری negarjovhari77@gmail.com 10031947532846008828 10031947532846008828 Yes University of Tabriz دانشگاه تبریز Amin Sedaghat امین صداقت a.sedaghat@tabrizu.ac.ir 10031947532846008829 10031947532846008829 No University of Tabriz دانشگاه تبریز Nazila Mohammadi نازیلا محمدی , n.mohammadi@tabrizu.ac.ir 10031947532846008830 10031947532846008830 No University of Tabriz دانشگاه تبریز