[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 6، شماره 4 - ( 12-1397 ) ::
جلد 6 شماره 4 صفحات 1-15 برگشت به فهرست نسخه ها
ارائه روشی نوین به منظور تناظریابی ساختاری بر اساس عوارض خطی در تصاویر ماهواره‌ای با قدرت تفکیک بالا
سمیه یاوری*، محمد جواد ولدان زوج، محمودرضا صاحبی، مهدی مختارزاده
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (1507 مشاهده)
با پرتاب ماهوارههای با حد تفکیک بالا در دهههای اخیر و عرضه این تصاویر به‌صورت تجاری، بحث استخراج اطلاعات مکانی دقیق سهبعدی از این تصاویر در بسیاری از زمینههای مرتبط همچون فتوگرامتری و سنجشازدور مورد توجه قرار گرفت. به منظور استخراج این اطلاعات از تصاویر ماهوارهای، باید قبل از هر اقدامی، این تصاویر زمینمرجع شوند. به منظور زمینمرجعسازی تصاویر ماهوارهای، ابتدا باید یک سری عوارض کنترلی مانند نقاط، خطوط و یا سطوح در دو فضا استخراج شوند. سپس عوارض متناظر از بین کل عوارض استخراجشده تعیین و به طور مستقیم برای حل تابع انتقال بین دو فضا استفاده شوند. در سالهای اخیر تمایل محققان به سمت استفاده از عوارض کنترلی به ‎ویژه خطوط به دلیل ویژگیهای منحصربه فرد این عوارض همچون استخراج و تناظریابی اتوماتیک آسان‌تر این عوارض و نیز فراوانی این عوارض در تصاویر ماهوارهای به خصوص در مناطق شهری، قرار گرفته است. از آنجاییکه، به‌منظور انجام زمینمرجع‎سازی اتوماتیک نیازمند خودکار‎نمودن کل روند هستیم و نیز تناظریابی عوارض خطی بین دو فضای نامتجانس یکی از مهم‎ترین مراحل میباشد، در این مقاله، این روند بر اساس یک روش جدید با عنوان تناظریابی ساختاری بر اساس عوارض خطی که بدون نیاز به اطلاعات اولیه و تنها براساس اطلاعات قابل استخراج از تصویر و نقشه صورت می‎گیرد، انجام و مورد ارزیابی قرار می‎گیرد. در این روش، هدف یافتن تناظر تمام خطوط-متناظر ممکن با استفاده از یافتن دو الگوی متناظر ویژه می‎باشد. بر این اساس، مختصات ابتدا و انتهای خطوط استخراجشده به روند موردنظر معرفی و تناظریابی در سه فاز اصلی و با استفاده از روابط هندسی بین آنها تعیین می‎شود. در این مقاله، اثر تعداد حالت‎های مورد بررسی و نیز یکی از آستانه‎ها در دقت و قابلیت اطمینان نتایج بررسی می‌شود. نتایج روش پیشنهادی نشان‎ می‎دهد که روش پیشنهادی می‎تواند بیش از 80 درصد خطوط-متناظر را با 100 درصد قابلیتاطمینان و با سرعت بالا، تعیین نماید.
واژه‌های کلیدی: تصاویر ماهواره‎ای با حد تفکیک بالا، تناظریابی ساختاری بر اساس عوارض خطی، عوارض خطی، خطوط تولید‎شده ریاضی، نقاط تولید‎شده ریاضی، زمین‎مرجع‎سازی.
متن کامل [PDF 1126 kb]   (388 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری
دریافت: 1394/10/21 | پذیرش: 1395/3/8 | انتشار: 1397/12/29
فهرست منابع
1. [1] Bartoli, G., 2007. Image Registration Techniques: A Comprehensive Survey, Visual Information Processing and Protection Group, June 2007.
2. [2] Bisht, S.S., Gupta, B., and Rahi, P., 2014. Image Registration Concept and Techniques: A Review, International Journal of Engineering Research and Applications, 4 (4): 30-35.
3. [3] Brown, L.G., 1992. A Survey of Image Registration Techniques, ACM Computing Surveys (CSUR), 24 (4), USA. [DOI:10.1145/146370.146374]
4. [4] Chaudhari, T.V. and Mahajan, P. M., 2014. Image Registration Methods- An Overview, International Journal Of Scientific Research And Education, 2 (12): 2608-2620.
5. [5] Deshmukh, M., and Bhosle, U., 2011. A Survey of Image Registration, International Journal of Image Processing (IJIP), 5 (3): 245-269.
6. [6] Mishra, R. K., and Zhang, Y., 2012. A Review of Optical Imagery and Airborne LiDAR Data Registration Methods, The Open Remote Sensing Journal, 5: 54-63. [DOI:10.2174/1875413901205010054]
7. [7] Saxena, S., and Singh, R.K., 2014. A Survey of Recent and Classical Image Registration Methods, International Journal of Signal Processing, Image Processing and Pattern Recognition, 7 (4): 167-176. [DOI:10.14257/ijsip.2014.7.4.16]
8. [8] Wyawahare, M.V., Patil, P.M., and Abhyankar, H.K., 2009. Image Registration Techniques: An overview, International Journal of Signal Processing, Image Processing and Pattern Recognition, 2 (3).
9. [9] Zitova, B., and Flusser, J., 2003. Image Registration Methods: A Survey, Image and Vision Computing, 21: 977-1000. [DOI:10.1016/S0262-8856(03)00137-9]
10. [10] Goshtasby, A.A., 2005. 2-D and 3-D Image Registration for Medical, Remote Sensing, and Industrial Applications, Wiley.
11. [11] Gruen, A., 2012. Development and Status of Image Matching in Photogrammetry", The Photogrammetric Record, 27 (137): 36-57. [DOI:10.1111/j.1477-9730.2011.00671.x]
12. [12] Dutta, A., Kar, A., and Chatterji, B.N., 2011. A New Approach to Corner Matching from Image Sequence Using Fuzzy Similarity Index, Pattern Recognition Letters, 32: 712-720. [DOI:10.1016/j.patrec.2010.12.006]
13. [13] Georgescu, B. and Meer, P., 2004. Point Matching Under Large Image Deformations And Illumination Changes, IEEE Transactions on Pattern Analysis and Machine Intelligence, 26 (6): 674-688. [DOI:10.1109/TPAMI.2004.2]
14. [14] Liao, M., Lin, H. and Zhang, Z., 2004. Automatic Registration of InSAR Data Based On Least-Square Matching And Multi-Step Strategy, Photogrammetric Engineering & Remote Sensing, 70 (10): 1139-1144. [DOI:10.14358/PERS.70.10.1139]
15. [15] Zhang, Ch., and Fraser, C.S., 2007. Automated Registration of High-Resolution Satellite Images, The Photogrammetric Record, 22 (117): 75-87. [DOI:10.1111/j.1477-9730.2007.00413.x]
16. [16] Zhang, Z., Zhang, J., Liao, M. and Zhang, L., 2000. Automatic Registration of Multi-Source Imagery Based on Global Image Matching, Photogrammetric Engineering & Remote Sensing, 66 (5): 625-629.
17. [17] Han, Y. K., Byun, Y. G., Choi, J. W., Han, D. Y., and Kim, Y. I., 2012. Automatic Registration of High-Resolution Images Using Local Properties of Features, Photogrammetric Engineering & Remote Sensing, 78 (3): 211-221. [DOI:10.14358/PERS.78.3.211]
18. [18] Hu, H., Zhu, Q., Du, Z., Zhang, Y., and Ding, Y., 2015. Reliable Spatial Relationship Constrained Feature Point Matching of Oblique Aerial Images, Photogrammetric Engineering & Remote Sensing, 81 (1): 49-58, DOI: 10.14358/PERS.81.1.49. [DOI:10.14358/PERS.81.1.49]
19. [19] Kang, Z., Jia, F., and Zhang, L., 2014. A Robust Image Matching Method based on Optimized BaySAC, Photogrammetric Engineering & Remote Sensing, 80 (11): 1041-1052, DOI: 10.14358/PERS.80.11.1041. [DOI:10.14358/PERS.80.11.1041]
20. [20] Lowe, D. G., 2004. Distinctive Image Features from Scale-Invariant Key Points, International Journal of Computer Vision, 60 (2): 91 -110. [DOI:10.1023/B:VISI.0000029664.99615.94]
21. [21] Sedaghat, A., Mokhtarzade, M., and Ebadi, H., 2011. Uniform Robust Scale-Invariant Feature Matching for Optical Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 49: 4516-4527. [DOI:10.1109/TGRS.2011.2144607]
22. [22] Goncalves, H., 2011. Automatic Image Registration through Image Segmentation and SIFT, IEEE Transactions on Geoscience and Remote Sensing, 49 (7): 2589 - 2600. [DOI:10.1109/TGRS.2011.2109389]
23. [23] [23] Jaw, J., and Wu, Y., 2006. Control Patches for Automatic Single Photo Orientation, Photogrammetric Engineering & Remote Sensing, 72 (2): 151-157. [DOI:10.14358/PERS.72.2.151]
24. [24] Long, T., and Jiao, W., 2012. The Geometric Correction Model Based on Areal Features for Multisource Images Rectification, International Achieve of Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXIX-B1, 245-249. [DOI:10.5194/isprsarchives-XXXIX-B1-245-2012]
25. [25] Chen, M., and Shao, Z., 2013. Robust Affine-Invariant Line Matching for High Resolution Remote Sensing Images, Photogrammetric Engineering & Remote Sensing, 79 (8): 753-760. [DOI:10.14358/PERS.79.8.753]
26. [26] Habib, A., Morgan, M., Kim, E. M., and Cheng, R., 2004. Linear Features in Photogrammetric Activities, XXth ISPRS Congress, Istanbul, Turkey, Automated Geo-Spatial Data Production and Updating, pp.610, 12-23 July.
27. [27] Heuvel, F., 2003. Automation in Architectural Photogrammetry, PhD thesis. Publications on Geodesy 54, NCG, Netherlands Geodetic Commission, Delft, pp. 90.
28. [28] Karjalainen, M., Hyyppa, J., and Kuittinen, R., 2006. Determination of Exterior Orientation Using Linear Features From Vector Maps, The Photogrammetric Record, 21 (116): 329-341. [DOI:10.1111/j.1477-9730.2006.00399.x]
29. [29] Ok, A.O., Wegner, J.D., Heipke, Ch. Rottensteiner, F., Soergel, U., and Toprak, V., 2012. Matching of Straight Line Segments from Aerial Stereo Images of Urban Areas, ISPRS Journal of Photogrammetry and Remote Sensing, 74: 133-152. [DOI:10.1016/j.isprsjprs.2012.09.003]
30. [30] Tommaselli, A.M.G., and Medeiros, N.G., 2010. Determination of the Indirect Orientation of Orbital Pushbroom Images using Control Straight Lines, The Photogrammetric Record, 25 (130): 159-179. [DOI:10.1111/j.1477-9730.2010.00572.x]
31. [31] Wang, C., Stefanidis, A., Croitoru, A., and Agouris, P., 2008. Map Registration of Image Sequences Using Linear Features, Photogrammetric Engineering & Remote Sensing, 74 (1): 25-38. [DOI:10.14358/PERS.74.1.25]
32. [32] Wang, L., Neumann, U., You, S., 2009. Wide-Baseline Image Matching using Line Signatures, Proceedings of the IEEE International Conference on Computer Vision, pp. 1311-1318.
33. [33] Shapiro, L.G., and Haralick, R.M., 1985. A Metric for Comparing Relational Descriptions, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-7, no. 1. [DOI:10.1109/TPAMI.1985.4767621]
34. [34] Shapiro, L.G., and Haralick, R.M., 1987. Relational Matching, APPLIED OPTICS, 26 (10), 15 May 1987. [DOI:10.1364/AO.26.001845]
35. [35] Vosselman, G., 1992. Relational Matching, Institute of Photogrammetry, University of Stuttgart. [DOI:10.1007/3-540-55798-9]
36. [36] Wang, Y., 1998. Principles and Applications of Structural Image Matching, ISPRS Journal of Photogrammetry and Remote Sensing, 53: 154-165. [DOI:10.1016/S0924-2716(98)00002-1]
37. [37] Wilson, R.C., Cross, A.D.J., and Hancock, E.R., 1998. Structural Matching with Active Triangulations, Computer Vision and Image Undertanding, 72 (1): 21-38. [DOI:10.1006/cviu.1997.0656]
38. [38] Elaksher, A.F., and Alharthy, A.A., 2008. Matching Conjugate Points Between Multi Resolution Satellite Images using Geometric and Radiometric Properties, ISPRS, vol. XXXVII, part B3b,.
39. [39] Galo, M., and Tozzi, C. L., 2004. Feature-Point Based Matching: A Sequential Approach Based on Relaxation Labeling and Relative Orientation, Journal of WSCG, 12 (1-3), ISSN 1213-6972, WSCG'2004, February 2-6.
40. [40] Lee, S.R., 2010. A Coarse-to-Fine Approach for Remote-Sensing Image Registration Based on a Local Method, International Journal on Smart sensing and Intelligent Systems, 3 (4). [DOI:10.21307/ijssis-2017-416]
41. [41] Li, Ch., and Shi, W., 2014. The Generalized-Line-Based Iterative Transformation Model for Imagery Registration and Rectification, IEEE Geoscience and Remote Sensing Letters, 11 (8): 1394-1398. [DOI:10.1109/LGRS.2013.2293844]
42. [42] Liu, Z., An, J., and Jing, Y., 2012. A Simple and Robust Feature Point Matching Algorithm Based on Restricted Spatial Order Constraints for Aerial Image Registration, IEEE Transactions on Geoscience and Remote Sensing, 50 (2): 514-527. [DOI:10.1109/TGRS.2011.2160645]
43. [43] Meshoul, S., and Batouche, M., 2002. A Fully Automatic Method for Feature-Based Image Registration, IEEE International Conference on Systems, Man and Cybernetics, vol. 4.
44. [44] Wu, Y., Ma, W., Gong, M., Su, L., and Jiao, L., 2015. A Novel Point-Matching Algorithm Based on Fast Sample Consensus for Image Registration, IEEE Geoscience and Remote Sensing Letters, 12 (1). [DOI:10.1109/LGRS.2014.2325970]
45. [45] Yan, F., Wang, W., Liu, Sh., and Chen, W., 2013. A Hierarchical Image Matching Method for Stereo Satellite Imagery, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-7/W1, 3rd ISPRS IWIDF, Antu, Jilin Province, PR China, 20 - 22 August 2013. [DOI:10.5194/isprsarchives-XL-7-W1-157-2013]
46. [46] Yavari, S., Valadan Zoej, M.J., Sahebi, M.R., and Mokhtarzade, M., 2016. A Novel Automatic Structural Linear Feature-based Matching Method based on New Concepts of Mathematically-Generated-Points and Lines, Photogrammetric Engineering and Remote Sensing (PE&RS), 82 (5): 17-28. [DOI:10.14358/PERS.82.5.365]
47. [47] Al-Durgham, K., and Habib, A., 2014. Association-Matrix-Based Sample Consensus Approach for Automated Registration of Terrestrial Laser Scans Using Linear Features, Photogrammetric Engineering & Remote Sensing, 80 (11): 1029-1039. [DOI:10.14358/PERS.80.11.1029]
48. [48] Cao, Sh., Jiang, J., Zhang, G., and Yuan, Y., 2013. An Edge-Based Scale- and Affine-Invariant Algorithm for Remote Sensing Image Registration, International Journal of Remote Sensing, 34 (7): 2301-2326. [DOI:10.1080/01431161.2012.744487]
49. [49] Marsetic, A., Oštir, K., and Kosmatin Fras, M., 2015. Automatic Ortho Rectification of High-Resolution Optical Satellite Images Using Vector Roads, IEEE Transactions on Geoscience and Remote Sensing, 53 (11): 6035-6047. [DOI:10.1109/TGRS.2015.2431434]
50. [50] Mikhail, E. M., and Weerawong, K., 1997. Exploitation of Linear Features in Surveying and Photogrammetry, Journal of Surveying Engineering, 123: 32-47. [DOI:10.1061/(ASCE)0733-9453(1997)123:1(32)]
51. [51] Medioni, G. and Nevatia, R., 1985. Segment-Based Stereo Matching, Computer Vision, Graphics and Image Processing, 31 (1): 2-18. [DOI:10.1016/S0734-189X(85)80073-6]
52. [52] Ou, J., Qiao, G., Bao, F., Wang, W., Di, K., and Li, R., 2013. A NEW METHOD FOR AUTOMATIC LARGE SCALE MAP UPDATING USING MOBILE MAPPING IMAGERY, The Photogrammetric Record, 28 (143): 240-260. [DOI:10.1111/phor.12018]
53. [53] Park, J., and Yoon, K.J., 2015. Real-Time Line Matching from Stereo Images Using A Nonparametric Transform of Spatial Relations And Texture Information", Optical Engineering, 54 (2). [DOI:10.1117/1.OE.54.2.023106]
54. [54] Tommaselli, A.M.G., and Medeiros, N.G., 2010. Determination of the Indirect Orientation of Orbital Pushbroom Images using Control Straight Lines, The Photogrammetric Record, 25 (130): 159-179. [DOI:10.1111/j.1477-9730.2010.00572.x]
55. [55] Tommaselli, A. and Lugnani, J., 1988. An Alternative Mathematical Model to Collinearity Equations Using Straight Features, International Archives of Photogrammetry and Remote sensing, 27 (B3): 765-774.
56. [56] Zhang J., Zhang H. and, Zhang Z., 2004. Exterior Orientation for Remote Sensing Image with High Resolution by Linear Feature, ISPRS Congress Istanbul, Proceedings of Commission III.
57. [57] Schenk, T., 2003. Progress in Automatic Aerial Triangulation, Photogrammetric Week, http://www.ifp.uni-stuttgart.de/publications/phowo03/schenk.pdf.
58. [58] Zhang, Z., and Zhang, J., 2004. Generalized Point Photogrammetry and Its Application", Proceedings of The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 12-23 July, Istanbul, Turkey, 35 (B/5): 77-81.
59. [59] Yavasr, S., 2016, "Automatic Geo-referencing of High Resolution Satellite Images Using 3D Non-Parametric Mathematical Modele", P.h.D Thesis, K.N.T University of Technology.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


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

Yavari S, Valadan Zoej M J, Sahebi M R, Mokhtarzade M. A New Structural Matching Method Based on Linear Features for High Resolution Satellite Images. jgit. 2019; 6 (4) :1-15
URL: http://jgit.kntu.ac.ir/article-1-641-fa.html

یاوری سمیه، ولدان زوج محمد جواد، صاحبی محمودرضا، مختارزاده مهدی. ارائه روشی نوین به منظور تناظریابی ساختاری بر اساس عوارض خطی در تصاویر ماهواره‌ای با قدرت تفکیک بالا. مهندسی فناوری اطلاعات مکانی. 1397; 6 (4) :1-15

URL: http://jgit.kntu.ac.ir/article-1-641-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 6، شماره 4 - ( 12-1397 ) 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 0.03 seconds with 29 queries by YEKTAWEB 4331