ارائه یک راهکار چند مرحلهای در تناظریابی تصاویر آبان علمي- نشريه محمدامین قنادی 1 محمد سعادت سرشت 1 دانشجوي کارشناسي ارشد فتوگرامتري- گروه مهندسي نقشه برداري -پرديس دانشکدههاي مهندسي- دانشگاه تهران amn.ghannad@ut.ac.r استاديار گروه مهندسي نقشه برداري - پرديس دانشکدههاي فني مهندسي- دانشگاه تهران msaadat@ut.ac.r )تاريخ دريافت ارديبهشت 113 تاريخ تصويب مرداد 1131( پژوهشي علوم و فنون نقشه برداري دوره چهارم شماره ماه 1131 چکیده با توجه به کاربردهاي فراوان تصاوير در تولید مدل رقومي زمین بررسي میزان جابهجايي سطح زمین و کشف تغییرات ميتوان به میزان اهمیت بحث تناظريابي در تصاوير پي برد. تناظريابي در اين تصاوير به علت وجود پديدههاي گوناگون هندسي از جمله سايه همپوشاني و کوتاهشدگي در کنار نويزهاي مختلف که مهمترين آنها نويز اسپیکل ميباشد به مراتب پیچیدهتر از تناظريابي در تصاوير اپتیکي است. از اين رو ارائه روشي کارآمد جهت انجام تناظريابي اين تصاوير ميتواند بسیار مفید باشد. در اين مقاله ابتدا مراحل روش پیشنهادي توضیح داده شده است. اين مراحل شامل کاهش اثر نويز اسپیکل بر روي تصاوير استخراج عوارض نقطهاي تخصیص ويژگي به عوارض استخراج شده تناظريابي محلي و در پايان انجام تناظريابي سراسري ميباشد. با توجه به شرايط تصاوير در مراحل ذکر شده از الگوريتمهاي موجود در فتوگرامتري و بینايي رايانه بهره برده شده است. در هر مرحله چندين الگوريتم مورد آزمون قرار گرفته و بر اساس مقايسه نتايج بدست آمده بهترين آن در الگوريتم پیشنهادي بکار گرفته شده است. جهت انجام آزمايش از جفت تصوير با طول باز بلند و جفت تصوير با طول باز کوتاه از منطقه جم استان بوشهر استفاده شده است که توسط سنجنده Terra-X اخذ شدهاند. نتايج آزمايشها نشان ميدهد که روش پیشنهادي با دقت و اعتمادپذيري بااليي تعداد مناسبي از عوارض نقطهاي در دو تصوير را متناظر مي- کند. اين روش تعداد 11 نقطه با دقت 1.3 پیکسل را براي تصاوير مورد آزمايش با طول باز بلند به ابعاد 700 700 پیکسل و تعداد 1001 نقطه با دقت 1. پیکسل را براي تصاوير مورد آزمايش با طول باز کوتاه به ابعاد 000 000 پیکسل متناظر ميکند. از اين روش ميتوان جهت انجام واژگان کلیدی coarse matchng در تصاوير بهره برد. : تصاوير تناظريابي تصويري استخراج عوارض نويز اسپیکل Terra--X رادارگرامتري اينترفرومتري نويسنده رابط 11
1- مقدمه ارائه يک راهکار چند مرحلهاي در تناظريابي تصاوير يکي از جديترين مراحل انجام فرآيندهاي اينترفرومتري رادارگرامتري و کشف تغییرات مرحله تناظريابي تصاوير است. الزمه رسیدن به نتايج و محصوالت با کیفیت از فرآيندهاي ذکر شده انجام موفق و دقیق تناظريابي اين تصاوير ميباشد. زوج تصوير بعلت وجود پديدههاي هندسي چون سايه کوتاهشدگي و همپوشاني و وابسته بودن اين پديدهها به هندسه تصويربرداري تفاوت زيادي نسبت به هم دارند[ ]. تناظريابي تصاوير به مراتب پیچیدهتر از تناظريابي تصاوير اپتیکي است. از اين رو ارائه روشي کارآمد در بحث تناظريابي تصاوير مسلهاي مهم است. در بحث تناظريابي تصاوير پژوهشهايي نیز صورت گرفته است که در هرکدام به شکلي در راستاي بهبود تناظريابي در تصاوير است. در مقالهاي در سال 133 روشي پیشنهاد شده Cave template matchng داد. در اين مقاله در تصاوير template matchng امکان انجام را مورد بررسي قرار با استفاده از معیار شباهت ناحیهاي ضريب همبستگي خطي که نويز اسپیکل را ناديده ميگیرد با template matchng با استفاده از معیار کولموگروف-اسمیرنوف که نويز اسپیکل را مالحضه ميکند مقايسه شد که در نهايت روش کولموگروف- اسمیرنوف بهتر از روش ضريب همبستگي خطي نتیجه داد[ 0 ]. در سال 1330 Gelaytz و Jakob گراتس دو الگوريتم تناظريابي را بروي جفت تصوير سنجده از دانشگاه وERS-1 Magellan پیاده سازي و جهت ارزيابي 1 استفاده کردند. يکي از اين روشها دقت از روش دستي روشي بر پايه محاسبه ضريب همبستگي خطي و ديگري روشي بر اساس ويژگيهاي محلي تصوير در آن پیکسل و مقايسه بردارها با هم جهت انجام تناظريابي بود. در اين آزمايش الگوريتم دوم نتايج مطلوبتري به همراه داشت[ 11 ]. در سال 1333 و Pallou جهت بهبود بازسازي برجستگيهاي تصاوير Glautz روشي ارائه برجستگيهاي تصوير را بهبود بخشد که نهايتا منجر به نتايج بهتر تناظريابي در اين تصاوير شد. اين روش بر روي تصاوير و Tupn در منطقهاي کوهستاني آزمايش شد[ 17 ]. Ncolas در سال 00 بر روي کاربردهاي ضريب همبستگي خطي در رادارگرامتري مطالعه کردند. دو معیار بدست آمده از آنالیز خطاي میانگین مربعات پیشنهاد شد. اين دو معیار بر روي تصاوير پیاده سازي و از نظر توزيع و دقت مکاني تناظريابي بررسي شدند. همچنین در اين مقاله اهمیت استفاده از تصاوير میانگین يا لگاريتمي قبل از محاسبه ضريب همبستگي خطي تجزيه و تحلیل شد. دراين مقاله ادعا شد که اطالعات تصوير اختالف و تصوير همبستگي به حدي کافي نیست که بتوان مسائل رادارگرامتري را حتي با معیارهاي انطباقي به طور مطلوب حل کرد[ 7 ]. در سال 000 در مقالهاي Lao از دانشگاه ووهان چین روشي اتوماتیک براساس تناظريابي چند مرحلهاي نمايش داد و 1 تصاوير فقط از مولفه شدت در تناظريابي استفاده کرد. دو روش probablty relaxaton و تناظريابي 0 براي حفظ اعتمادپذيري و بهبود دقت کمترين مربعات معرفي شدند. در اين مقاله ابتدا با استفاده از اپراتور forstner نقاط کانديدا براي تناظريابي انتخاب ميشوند سپس با استفاده از probablty relaxaton يک تناظريابي سراسري در تصاوير صورت گرفته و نهايتا با استفاده از تناظريابي کمترين مربعات تناظريابي دقیق انجام مي شود. در اين مقاله تناظريابي دقیق با دقت يک دهم پیکسل صورت گرفته است. در اين روش براي جفت تصوير 500 500 پیکسل در باند L حدود 155 نقطه در مرحله تناظريابي سراسري که 15 نقطه در مرحله تناظريابي کمترين مربعات پذيرفته شده متناظر شده- اند[ 10 ]. در سال 010 آقاي Fayard از دانشگاه الکترونیک و ارتباطات رن جهت تولید مدل رقومي ارتفاعي زمین در مناطق کوهستاني با استفاده از تصاوير SIR-C دو روش پیشنهادي خود را با فرآيند ضريب همبستگي خطي نرمالیزه مرتبه صفر کرد. استفاده از روش (ZNCC) ZNCC مقايسه نتايج خوبي به همراه داشت ولي خطا در مناطق خصوصا فشرده )مانند جنگل( ظاهر دادند که در واقع نوعي پیش پردازش اطالعات وروردي با يک فیلتر بهینه بود که اثر غیر مستقیم بر روي تناظريابي تصاوير داشت. اين فیلتر نويز اسپکل را کاهش داد و ۲ MSE ۳ ntensty ٤ Least Square Matchng ۱ manual 1
ميشد از اين جهت دو روش براي کاهش اين خطاها پیشنهاد شد. روش اول با عنوان روش سطح همبستگي با در نظر گرفتن اندازه ابعاد مختلف براي پنجره جهت محاسبه ضريب همبستگي خطي و استفاده از تمام پنجره- ها سطح اطالعات مورد نیاز جهت تناظريابي را افزايش داد. روش دوم تحت عنوان بسط همبستگي بجاي استفاده از پنجرههاي مربعي از پنجرههاي مستطیلي جهت کاهش اثر کوتاهشدگي بر جريان تناظريابي استفاده شد و نهايت ا معلوم شد که ترکیب دو روش فوق نتايج بهتري در بر دارد[ 0 ]. در همین سال آقاي نشريه علمي- پژوهشي علوم و فنون نقشه برداري دوره چهارم شماره آبان ماه 1131 در مقالهاي Fayard يک روش تولید مدل ارتفاعي زمین را از طريق رادارگرامتري معرفي کرد. در اين روش با استفاده از پارامترهاي مداري تصوير هندسه اپيپالر را مدلسازي کرد و فضاي جستجو جهت روشهاي template matchng را محدود کرد[ 1 ]. در اين سال ديگري جهت بهبود فرآيند رادارگرامتري و استفاده از روشهاي گوناگون جهت انجام تناظريابي تصاوير پیشنهاد شد. آقاي He و همکاران از دانشگاه ووهان چین فرآيند رادارگرامتري را با استفاده از اطالعات strp map تصاوير عملیات از معیار نرمالیزه Terra-X انجام دادند. در اين تناظريابي ضريب همبستگي خطي دوبعدي استفاده شد[ 1 ]. همچنین همکاران اطالعات به دست آمده از Capaldo Cosmo-Skymed و را جهت عملیات رادارگرامتري مورد آزمايش قرار دادند. در اين کار تحقیقاتي از روش سلسله مراتبي هرم تصويري و تناظريابي ناحیه مبنا استفاده شد. در مرحله coarse matchng مرحله از محاسبه ضريب همبستگي خطي fne matchng استفاده شد[ 15 ]. Blaz و براي از تناظريابي کمترين مربعات و همکاران از دانشگاه ووهان چین از منطقه جنوب شرق آسیا اقدام به تولید مدل رقومي سطح زمین با فرآيند رادارگرامتري کردند. در اين مقاله از روش ضريب همبستگي خطي نرمالیزه دو بعدي جهت انجام تناظريابي استفاده شد. همچنین از خط اپيپالر و هرم تصويري جهت محدود شدن فضاي جستجو استفاده شد. اين مقاله 010 در سال نیز 011 مقاله Merc چند پنجرهاي IEEE که در ارائه شد[ 0 ]. سال به چاپ رسید روش و بسط پنجرههاي تصويري تشريح را تشريح کرد. اين مقاله به نوعي همان مقاله سال 010 Fayard کنگره بود که بطور مفصلتر تحلیل شده بود[ 11 ]. ISPRS ماه سپتامبر سال Capaldo 01 آقاي در و همکاران از دانشگاه رم ايتالیا از تصاوير Terra-X با استفاده از رادارگرامتري دست به تولید مدل ارتفاعي سطح زمین زدند. در اين مقاله مشابه با مقاله سال 010 از روش تناظريابي ناحیه مبنا که شامل فرآيند محاسبه ضريب همبستگي خطي پنجرههاي تصويري و تناظريابي کمترين مربعات بود استفاده شد[ 10 ]. در ماه مي سال 010 آقايان Sur Schwnd و سنجش از دور آلمان و آقايان فضايي آلمان با بهبود الگوريتم و Uhl از موسسه تکنولوژي Renartz SIFT از مرکز در سه مرحله کشف عارضه تخصیص ويژگي و تناظريابي به نتايج خوبي در تناظريابي تصاوير مقاله آقاي Balz ISPRS دست پیدا کردند. در سال 011 و همکاران از دانشگاه ووهان که در به چاپ رسید روشي جديد براي فرآيند رادارگرامتري با هدف تولید مدل ارتفاعي سطح زمین ارائه داد. در اين روش از مدل رقومي زمین موجود با قدرت تفکیک مکاني متوسط SRTM بهره برده شد. مزيت اين روش عدم نیاز به پیشپردازشهاي مورد نیاز جهت رادارگرامتري و همچنین مرحله coarse matchng در اين فرآيند بود. کم اثر کردن سايه و همپوشاني در طي اين فرآيند از ديگر مزيتهاي اين روش ميباشد. هزينه باالي محاسباتي و پردازشهاي سنگین از معايب اين روش است که البته با استفاده از کارتهاي گرافیک قدرتمند قابل جبران است. در طي اين فرآيند از ضريب همبستگي خطي جهت تعیین شباهت میان پنجرههاي تصويري نیز استفاده شده است[ 13 ]. با توجه به مجموعه پژوهشهايي که تا کنون صورت گرفته است ميتوان اينگونه دريافت که در اغلب موارد از روشهاي ناحیه مبنا جهت انجام تناظريابي تصاوير استفاده شده است. روشهاي ناحیه مبنا نقاط قوت و ضعف دارند. از مزاياي اين روشها مناسب بودن خروجي آنها جهت تولید مدل ارتفاعي زمین ميباشد. از معايب اين دسته از روشها پايین بودن صحت آنها در مقايسه با دقت آنها در تناظريابي تصاوير و زمانبر بودن آنها مي- باشد. در مواردي هم از روشهاي عارضه مبنا جهت انجام تناظريابي استفاده شده است که اين دسته از روشها اگرچه به علت استفاده از نقاط مهم در تناظريابي داراي صحت مناسبي ميباشند اما دقت تناظريابي در آنها وابسته به دقت استخراج عارضه ميباشد. در اين پژوهش هدف 11
ارائه يک راهکار چند مرحلهاي در تناظريابي تصاوير معرفي روشي چند مرحلهاي و ترکیبي جهت انجام مناسب تناظريابي تصاوير ميباشد. در اين مقاله ابتدا روش تحقیق که شامل مباحث کاهش اثر نويز اسپیکل استخراج عارضه تخصیص ويژگي تناظريابي محلي و تناظريابي سراسري است بیان ميشود. سپس دادههاي ورودي که قرار است مدل پیشنهادي بروي آنها آزمايش شوند و مدل پیشنهادي معرفي ميگردد. مرحله بعد انجام آزمايشها ميباشد. در پايان بحث و نتیجهگیري در مورد نتايج آزمايشها و روش پیشنهادي ميباشد. - روش تحقیق در اين قسمت ابتدا نويز اسپیکل معرفي ميشود و چگونگي کاهش اثر آن توضیح داده ميشود. اين مرحله با استفاده از فیلتر وينر صورت ميگیرد. سپس روش Scale Invarant Feature Transfor (SIFT) استخراج عوارض نقطهاي تصاوير Harrs و براي معرفي ميشوند. در مرحله بعد براي تخصیص ويژگي به عوارض استخراج شده روش همراه Optmal Gradent Matchng (OGM) روشهاي Rank,Census SIFT و به معرفي ميگردند. در ادامه نیز تناظريابي محلي و سراسري توضیح داده مي- شوند. از الگوريتم ژنتیک جهت انجام تناظريابي سراسري استفاده ميشود. 1-- کاهش اثر نویز اسپیکل در تصاوير معضلي بنام خطاي اسپیکل وجود دارد که باعث پايین آمدن کیفیت تصاوير ميشود. يکي از مهمترين پیش پردازشها هنگام استفاده از اين 1 است. در بیشتر تصاوير از بین بردن نويز اسپیکل الگوريتمهايي که جهت استخراج عوارض و بحث تناظريابي در تصاوير پیشنهاد شده است قبل از انجام فرآيند اصلي با استفاده از فیلتر کاهنده نويز اسپیکل تاثیر نويز اسپیکل را روي تصوير کاهش ميدهند[ 1 ]. نويز اسپیکل يک نويز نقطهاي است که بصورت ذاتي در تصاوير وجود دارد و باعث کاهش کیفیت تصاوير ميشود. اين نويز در اثر برخوردهاي سازنده و مخرب امواج رسیده از هدف به سنجنده ايجاد ميشود که بصورت نقاط تاريک و روشن در تصوير ظاهر ميشود. نويز اسپیکل در تصاوير ميباشد که ناشي از نوسانات اتفاقي در سیگنال بازگشتي از شئ باعث افزايش میانگین درجات خاکستري تصوير در نواحي محلي ميشود[ 1 ]. نويز اسپیکل در تصاوير بسیار جدي است و باعث ايجاد مشکالتي در تغییر تصاوير ميشود[ 3 ]. از چندين روش گوناگون ميتوان جهت حذف يا کاهش نويز اسپیکل استفاده کرد. يکي از روشهاي کاهش نويز اسپیکل استفاده از فیلتر وينر است. فیلتر وينر با حداقل ساختن نويز سیگنال به دنبال بهترين تخمین براي تصوير ميگردد[ 10 ]. -- استخراج عارضه امروزه به طور عمده از روشهاي معمول در استخراج عوارض در تصاوير اپتیکي براي استخراج عوارض در تصاوير استفاده ميشود. برخي از اين الگوريتمها به علت وجود نويز اسپیکل نميتوانند به تنهايي براي استخراج عوارض در اين تصاوير به کار بروند. عوارض پايه و اساس انجام تناظريا يب استخراج عارضه مبنا ميباشد و میزان دقت استخراج اين عوارض و استخراج نقاط مشابه در دو تصوير که در شرايط نوري و هندسي نسبتا متفاوتي اخذ ميشوند از اهمیت بااليي برخوردار است. از اين رو از الگوريتمي بهتر بايد به نتايج جهت رسیدن کارآمد جهت اين امر بهره برد. بايد در نظر داشت که بعلت وجود پديدههايي هندسي چون سايه کوتاهشدگي و همپوشاني در تصاوير تصويربرداري و وابسته بودن اين تصاوير نسبت به هم دارند[ 10 ]. ميتوان از الگوريتمSIFT در استخراج عوارض نقطهاي و از به هندسه پديدهها تغییرات زيادي و Harrs الگوريتمهاي Forstner بر پايه گراديان در استخراج لبههاي تصوير استفاده کرد[ 1 ]. در اين بین دو الگوريتم مورد توجه واقع شدهاند. SIFT و Harrs -1-- الگوریتم SIFT بیش از سايرين يکي از الگوريتمهايي که امروزه هم در بحث استخراج عوارض و هم در بحث تناظريابي تصاوير آيد الگوريتم است. SIFT از آنجاييکه اين به کار مي- الگوريتم ۱ despecklng مستقل از دوران تغییرات روشنايي تغییر موقعیت اخذ 10
تصوير و تغییر شکل افاين است )در صورت کوچک بودن تیلت تصاوير( استخراج عوارض تصاوير و در برابر نويز پايدار است ميتواند در نشريه علمي- پژوهشي علوم و فنون نقشه برداري دوره چهارم شماره آبان ماه 1131 به کار برود. استخراج عوارض در اين الگوريتم از سه مرحله اصلي تشکیل شده است. اين سه مرحله عبارتند از استخراج اکسترممهاي فضاي مقیاس بهبود دقت موقعیت و حذف اکسترممهاي ناپايدار و در پايان تخصیص جهت[ 11 ]. --- الگوریتم Harrs يکي از روشهاي استخراج عوارض نقطهاي )گوشه( استفاده از الگوريتم ميباشد. با Harrs فرض درجه خاکستري دو بعدي تصوير اگر تصوير با داده شود جابهجا شود آنگاه: و قاب تصوير به مرکز )v,u( به استفاده I از نمايش اندازه )x,y( S ( x, y ) = w ( u, v )( I ( u + x, v + y ) I ( u, v )) u v )1( I(u+x,v+y) شود: )( بنابراين با بسط تیلور به صورت زير تخمین زده مي- I ( u + x, v + y ) I ( u, v ) + I ( u, v ) x + I ( u, v ) y x y S )1( به صورت معادله )1( تخمین زده ميشود. k که در رابطه )7( ضريب حساسیت تابع ميباشد. معموال مقدار 0.00 پیشنهاد ميشود[ 5 ]. 3-- تخصیص ویژگی در روشهاي که تناظريابي عارضه مبنا بعد از استخراج عوارض تصوير بايد به عوارض ويژگي تخصیص داد. اين ويژگيها ميتوانند از نوع يک پنجره از درجه خاکستري پیکسلهاي همسايه مقیاس و جهت هر عارضه و يا دسته بیتي از روابط بین پیکسل مرکزي با پیکسلهاي همسايه باشد. به طور کلي هر توصیفگر ميتواند به صورت مقدار اسکالر بردار ماتريس و غیره باشد که به عارضه يک ويژگي تخصیص ميدهد. از اين توصیفگرها در مطابقت دادن عوارض در تناظريابي استفاده ميشود. -1-3- الگوریتم Rank انتخاب فرض ميکنیم که ناحیهاي شود تبديل Rank اطراف پیکسل در تصوير تعداد پیکسلهاي ناحیه انتخاب شده اطراف پیکسل مرکزي است که شدت سیگنال آنها بزرگتر از سیگنال مرکزي باشد و يا تعداد پیکسلهاي ناحیه انتخاب شده اطراف پیکسل مرکزي است که شدت سیگنال آنها کوچکتر از سیگنال مرکزي باشد. در هر حال در روش Rank تعداد پیکسلهايي مد نظر است که شدت سیگنال آنها در مقايسه با پیکسل مرکزي بررسي ميشود[ 0 ]. S ( x, y ) w ( u, v )( I ( u, v ) x + I ( u, v ) y ) u v x y --3- الگوریتم Census S را ميتوان به صورت ماتريسي معادله )0( نوشت. x S ( x, y ) = ( x y ) A )0( y که A به صورت معادله) 5 ( تعريف ميشود. I x I x I I x I y x I y A = w ( u, v ) )5( = u v I x I y I y I x I y I y ماتريس A به ماتريس Harrs محاسبه مقادير ويژه ماتريس بجاي آن مقدار گفته ميشود. از آنجايي که A M c را محاسبه کرد. پیچیده است ميتوان تبديل Census 1 از بیتها در واقع مرتب سازي نواري ميباشد که هر بیت نشان دهنده اينست که آيا هر پیکسل همسايه بزرگتر از پیکسل مرکزي هست يا نه. شکل )1( همسايگي پیکسل مرکزي را براي تبديل Rank Census را در يک پنجره 1 1 نشان مي دهد. و ۱ stream 15 M = λ λ k ( λ + λ ) = det( A) k. trace ( A) C 1 1 )0(
ارائه يک راهکار چند مرحلهاي در تناظريابي تصاوير شکل 1- نمايش پیکسل مرکزي به همراه پنجره همسايگي پیکسل مرکزي P c در موقعیت )m,n( با هر پیکسل P در پنجره بجز با خودش مقايسه ميشود. نتیجه هر مقايسه متناسب به اينکه مقدار پیکسل P P c از مقدار پیکسل مرکزي در پنجره بیشتر باشد يا کمتر در آن بیت عدد صفر يا يک قرار داده ميشود. فرض ميشود اين نوار از بیتها بدين صورت مرتب شوند که به ترتیب از چپ به راست و از باال به پايین پنجره مرتب ميشوند. تبديل Census T نمايش ميدهیم براي پیکسل صورت تعريف مي شود: P در تصوير I T [ I, P ] = ( I, P, P) c p W ( Pc, β ) ξ c )7( I که معرفي ميشود بیتها پیکسل P c را با بدين تصوير ورودي با مقادير اسکالر براي پیکسلها پیکسل مرکزي W(P c,β) P c اپراتور دسته نیز پیکسل محلي همسايگي اطراف با فاصله شعاعي وP β پیکسلهاي درون پنجره W ميباشند که I)P( مقدار اسکالر پیکسل P در I تصوير ميباشد. از ويژگيهاي مهم روشهاي غیرپارامتريک استحکام آنها به نويز و اعوجاجات محلي تصوير ميباشد از اين رو ميتوان اطالعات سیگنال ورودي که از نويز تاثیرگرفته باشد را با استفاده از تبديل Census کرد. بصورت روابط متقابل همسايگي محلي منعکس نوار بیتهاي خروجي ميتواند ويژگيهاي آماري متفاوتي از سیگنال ورودي داشته باشد[ 0 ]. -3-3- روش OGM دو مشکل اصلي که ما در تناظريابي تصاوير با آن مواجهايم نويز اسپیکل و تفاوت زياد دو تصوير ناشي از اختالف در زاويه پهلونگر سنجنده در لحظه اخذ تصوير از منطقه است. اين در حالي است که تصوير عالوه بر دو مشکل ذکر شده با همپوشاني سايه و کوتاهشدگي نیز مواجه است که موجب مختل شدن فرآيند محاسبه ضريب همبستگي خطي در نواحي پنجرهاي ميشود. در استفاده از تکنیکهاي مبتني بر ضريب همبستگي خطي بايد دو تامین شرط بايد تا حدي شود اول اينکه هريک از داراي محتواي اطالعاتي باشند دو تصوير استريو بتوان که برجستگيها را بازسازي کرد و دوم اينکه دو تصوير استريو نبايد اختالف زيادي داشته باشند وگرنه فرآيند محاسبه ضريب همبستگي خطي بین دو تصوير با شکست مواجه خواهد شد. روشهاي مبتني بر ضريب همبستگي خطي ممکن است در تصاوير اپتیکي خوب نتیجه بدهد ولي از آنجايي که تصويربرداري الزاما شرط دوم ذکر شده در باال را تضمین نميکند بنابراين ممکن است در بسیاري از شرايط روش محاسبه ضريب همبستگي خطي در نواحي پنجرهاي در تناظريابي تصاوير جواب دلخواه را ندهد. براي بهبود نتايج بدست آمده از روشهاي بر پايه محاسبه ضريب همبستگي خطي از روش Optmal Gradent Matchng (OGM) روش OGM اعمال ميشود. استفاده ميکنیم[ 10 ]. در يک اپراتور گراديان بهینه خطي روي تصاوير اين اپراتور نسبت به کاهش نويز بهینه است و ساختار تصوير ناشي از برجستگيها را بخوبي بهبود ميبخشد. در پردازش روي تصاوير بايد از اپراتورهايي استفاده شود که حساسیت آنها به نويز کم باشد. در حالت يک بعدي اگر F(x) )1( آنگاه دامنه گراديان تابع فیلتر ما باشد: F(x) = Ce α x snh(ωx) I(x) I(x) و فیلتر F(x) 1 زير اتفاق ميافتد: کانولوشن )3( ميتوان اين روابط را ماسکهاي ميشوند و گراديان را با ميشود. از کانولوشن سیگنال ورودي حاصل ميشود. لبهها در ماکزيمم نتیجه + O(x0) = I(x)f(x0 x) dx و X(,j) براي حالت دو بعدي تعمیم داد. Y(,j) در تصوير ورودي I(X,Y) I X(,j) و I Y(,j) و A(,j) کانولو حاصل ميشوند. دامنه تصوير جهت گراديان را با D(,j) نشان داده ۱ convoluton 10
نشريه علمي- پژوهشي علوم و فنون نقشه برداري دوره چهارم شماره آبان ماه 1131 A(, j) = Ix(, j) + Iy(, j) D(, j) = tan 1 Ix(, j) ( Iy(, j) ) )10( )11( اين فرآيند تا حد زيادي نويز اسپیکل را کاهش ميدهد و ساختار تصويري را بهبود ميبخشد. در اينجا عالوه بر اينکه لبهها استخراج ميشوند بطور همزمان تصوير نرم ميشود تا نويز کاهش بیابد. بنابراين در صورتي که اين گراديان بهینه خطي بروي پنجره تصويري اطراف عارضه اعمال شود ميتواند پنجره تصويري را به عنوان يک توصیفگر خوب براي عارضه وارد عملیات تناظريابي نمايد[ 10 ]. )1( 4-- تناظریابی محلی در تناظريابي ميتوان دو استراتژي جهت متناظر 1 کردن نقاط کانديد به کار برد. حالت اول تناظريابي محلي و حالت دوم تناظريابي سراسري محلي عارضه نقطهاي کانديد عارضههاي نقطهاي کانديد j است. در تناظريابي در تصوير اول با يکي از از تصوير دوم متناظر ميشود. اين کار براي ساير نقاط دو تصوير صورت ميگیرد به - طوري که تک تک نقاط کانديد تصوير اول با نقاط کانديد تصوير دوم به صورت جداگانه از نظر شباهت بررسي مي- شوند. در اين روش هر عارضه نقطهاي عارضه نقطهاي j از تصوير اول يا با از تصوير دوم متناظر هست يا متناظر نیست بنابراين دو انتخاب بیشتر وجود ندارد. اغلب در بحث تناظريابي تصاوير از اين استراتژي استفاده ميشود. در اين مرحله بر همبستگي خطي اساس معیار اندازهگیري ضريب میزان شباهت میان عوارض بصورت محلي بررسي ميشود)توصیفگر ميتواند بجز پنجره تصويري حول عارضه يک دسته بیت و يا يک عدد اسکالر نیز باشد(. طبق رابطه )1( میان پنجرههاي تصويري حول عوارض کانديد معیار شباهت محاسبه ميشود. بیشترين مقدار براي ضريب همبستگي خطي به دست آمده تعیین کننده بیشترين میزان شباهت است. B و در اين رابطه ρ ضريب همبستگي میان پنجرههاي A Ḃ و Ā است. A و B B و A تصويري میانگین درجات خاکستري پنجرههاي است [0]. الزم به يادآوري است که پنجرههاي هستند که اپراتور شده است. در واقع همان پنجرههاي تصويري اولیه گراديان بهینه خطي بنابراين با توجه به روي آنها اعمال مقادير بدست آمده براي ضريب همبستگي خطي میان جايگشتهاي مختلف از پنجرههاي تصويري متعلق به عوارض براي تعدادي از عوارض نقطهاي تصوير دوم متناظر ميشوند. 5-- تناظریابی سراسری تصوير اول تعدادي از عوارض نقطهاي بزرگترين ايراد استراتژي تناظريابي محلي اينست که زماني از اين روش استفاده ميشود ممکن است نقطهاي کانديد در همسايگي نقطه نقطه نقطه j j با نقطه تصوير دوم به اشتباه بجاي از تصوير اول متناظر شود و در ادامه هم تصوير اول و هم نقطه j تصوير دوم اين شانس را که با نقطه مناسب متناظر شوند را از دست ميدهند. علت اين اتفاق اينست از آنجايي که نقطهاي که به اشتباه انتخاب ميشود و نقطه هدف که در همسايگي هم قرار دارند احتماال داراي توصیفگر تعامل همسايگي و شرايط نوري و هندسي مشابهي با هم هستند و به علت وجود نويز خطاي هندسي و ضعف در الگوريتم تناظريابي بجاي هم به اشتباه انتخاب ميشوند. در اين راستا ميتوان از روش تناظريابي سراسري بهره برد که بطور همزمان ارتباط ساير نقاط کانديد را هم در نظر بگیرد تا اين مشکل تا حد امکان برطرف شود. در تناظريابي سراسري نقاط کانديد } در تصوير اول با نقاط 1,,..., n { } j1, j,..., jm کانديد { و در تصوير دوم بطور متناظر ميشوند. در اين استراتژي هر نقطه کانديد تصوير اول با احتمال همزمان P j با نقطه j از از تصوير دوم متناظر ميشود بنابراين نقطهاي که به اشتباه در شرايط تناظريابي محلي در شرايط بهتري نسبت به نقطه هدف قرار داشته تنها گزينه انتخاب شده نیست بلکه نقطه هدف نیز با يک درصد احتمال باز اين شانس را دارد که انتخاب شود[ 11 ]. در اين روش تمامي حاالت انتخاب میان نقاط j بررسي ميشود و حالتي انتخاب خواهد شد که درصد احتمال متناظر شدن کل مجموعه حداکثر شود بنابراين ρ = ( ( Amn A ) )( ( B mn B ) ) m n m n ۱ local matchng ۲ global matchng m n ( A A )( B B ) mn mn 17
ارائه يک راهکار چند مرحلهاي در تناظريابي تصاوير حتي اگر بصورت محلي نقطهاي به اشتباه بجاي نقطهاي در همسايگي با نقطهاي از تصوير ديگر متناظر شود باعث کم شدن درصد احتمال کل مجموعه خواهد شد. براي تسريع در انجام پردازش ميتوان از روشهاي بهینه سازي هوشمند مانند الگوريتم ژنتیک جهت رسیدن به جايگشت بهینه بهره برد. در اينجا اين مرحله بعد از انجام تناظريابي محلي و جهت بهبود آن اجرا ميشود. 3- پیاده سازی روش پیشنهادی در اين مرحله ابتدا دادههاي ورودي جهت انجام آزمايش معرفي ميشوند. در ادامه مدل پیشنهادي معرفي و اجرا ميشود. سپس آزمايشها بروي تصاوير انجام ميشوند. 1-3- دادههای ورودی در اين تحقیق از سه تصوير سنجنده استفاده شده است. از زوج تصوير Terra-X A و B با طول باز 117 متر به عنوان زوج با طول باز کوتاه و زوج تصوير A با و C طول باز 00 متر به عنوان زوج تصوير با طول باز بلند استفاده شده است. اين تصاوير مربوط به منطقه جم از استان بوشهر به مساحت تقريبي 0 کیلومتر مربع مي- باشند که در تاريخهاي مختلفي اخذ شدهاند. مشخصات کامل تصاوير در جدول شماره 1 آورده شده است. تصاوير در شکلهاي )( تا )0( نشان داده شدهاند. تصاویر تاریخ اخذ جهت مدار نوع تصویر جدول 1 - اطالعات مربوط به تصاوير در منطقه جم A 011/00/17 DESCENDI NG Spotlght B 011/00/1 DESCENDI NG Spotlght C 01/00/10 DESCEND ING Spotlght SSC SSC نوع پردازش SSC شکل - تصوير master از منطقه جم استان بوشهر شکل 1 - تصوير slave از منطقه جم استان بوشهر با طول باز کوتاه 11
نشريه علمي- پژوهشي علوم و ماه 1131 فنون نقشه برداري دوره چهارم شماره آبان )0( )5( C و A تصوير براي پیاده سازي روش پیشنهادي از قسمتي از زوج زوج تصوير A و B شکل 0 - تصوير slave از منطقه جم استان بوشهر با طول باز بلند به ابعاد 700 700 پیکسل و قسمتي از به ابعاد 000 000 پیکسل استفاده شده است. اين قسمت از تصاوير در شکل نمايش داده شدهاند. و شکل 5 - تصويرسمت چپ قسمتي از تصوير master و تصوير سمت راست قسمتي از تصوير slave با طول باز بلند از منطقه جم شکل 0 - تصويرسمت چپ قسمتي از تصوير master و تصوير سمت راست قسمتي از تصوير slave با طول باز کوتاه از منطقه جم 13
)10( )15( معموال از تصاوير با طول باز بلند براي اهداف 1 و از تصاوير با طول باز کوتاه براي اهداف رادارگرامتري استفاده ميشود. اينترفرومتري -3- اجرای مدل پیشنهادی مدل پیشنهادي جهت انجام تناظريابي ترکیبي تصاوير ارائه يک راهکار چند مرحلهاي در تناظريابي تصاوير يک روش چند مرحلهاي ميباشد که به ترتیب بیان خواهد شد. در اين روش ترکیبي ابتدا با استفاده از يک فیلتر کاهنده نويز اسپیکل تا حد امکان اثر نويز اسپیکل را از روي تصوير بر ميداريم. جهت کاهش نويز اسپیکل از فیلتر وينر استفاده شده است. سپس با استفاده از يک الگوريتم استخراج عارضه عوارض نقطهاي به عنوان عوارض کانديد در تصاوير استخراج ميشوند. براي استخراج عارضه از الگوريتم SIFT کمک گرفته شده است. مرحله بعد اين روش ترکیبي تعريف توصیفگر است که بر اساس اين توصیفگر مقايسه بین عوارض صورت ميگیرد. در اينجا از پنجرههاي تصويري عوارض که بر روي آنها اپراتور گراديان بهینه خطي اعمال شده است بعنوان توصیفگر استفاده شده است. در ادامه از استراتژي تناظريابي محلي براي پیدا کردن نقاط متناظر استفاده ميشود. معیار شباهت میان عوارض مقدار بیشتر بدست آمده براي ضريب همبستگي خطي میان پنجرههاي تصويري است. در پايان نیز با استفاده از استراتژي تناظريابي سراسري نتايج بدست آمده از تناظريابي محلي تا حدي بهبود داده ميشود. براي انجام بهینه اين مرحله از الگوريتم ژنتیک استفاده شده است. روش مورد استفاده جهت بررسي دقت بدست آوردن معادله خط اپيپالر تصاوير master وslave با استفاده از معادالت 11 تا 15 و پارامترهاي مداري است. با استفاده از اين معادالت ميتوان براي عارضه نقطهاي تصوير اول خط اپيپالر متناظر در تصوير دوم را بدست آورد و با مقايسه محاسباتي و Y مشاهداتي عارضه نقطهاي متناظر شده تصوير دوم به بررسي دقت تناظريابي پرداخت. در زير معادالت 11 تا 15 نشان داده شده است[ 7 ]. در شکل 7 ترتیب اجراي مدل پیشنهادي نمايش داده شده است. 3-3- نتایج آزمایش در جداول شماره 1 و نتايج حاصل از روش چند مرحلهاي پیشنهادي نمايش داده شده است. همچنین روش چند مرحلهاي پیشنهادي با همان روش چند مرحلهاي زماني که از ساير الگوريتمها در آن استفاده شده است مقايسه ميشود. معیار ارزيابي دقت در اين آزمايشها میانگین قدر مطلق فاصله نقاط متناظر از خط اپيپالر براي نقاطي است که با دقت زير چهار پیکسل متناظر شدهاند.... ( x X ) X + ( y Y ) Y + ( z Z ) Z = 0 ( x + y ) ( z ) + = 1 ( a + h) ( b + h) شکل 7 - ترتیب اجراي مدل پیشنهادي ( x X ) + ( y Y ) + ( z Z ) = r )11( ۱ radargrammetry ۲ nterferometry 0
الگوریتمهای مورد استفاده در روش چند مرحلهای روش چند مرحلهای پیشنهادی استخراج عارضه Harrs SIFT جهت تخصیص ویژگی Census جهت تخصیص ویژگی Rank جهت تخصیص ویژگی روش چند مرحلهای با استفاده از پنجره تصویری اولیه جهت تخصیص ویژگی الگوریتمهای مورد استفاده در روش چند مرحلهای روش چند مرحلهای پیشنهادی استخراج عارضه Harrs SIFT جهت تخصیص ویژگی Census جهت تخصیص ویژگی Rank جهت تخصیص ویژگی روش چند مرحلهای با استفاده از پنجره تصویری اولیه جهت تخصیص ویژگی جدول - نتايج حاصل از روش پیشنهادي و ساير روشها بروي تصاوير بازه بلند تعداد نقاط استخراج شده در تصویر چپ تعداد نقاط استخراج شده در تصویر راست تعداد نقاط متناظر شده با دقت زیر 4 پیکسل تعداد نقاط متناظر شده با دقت زیر 1 پیکسل میانگین قدر مطلق فاصله نقاط متناظر از خط اپیپالر)پیکسل( 1.30 1.31 1.0 1.10.10 1.10 میانگین قدر مطلق فاصله نقاط متناظر از خط اپیپالر)پیکسل( 1. 1.05 0.75.0 1.07 نشريه علمي- پژوهشي علوم و فنون نقشه برداري دوره چهارم شماره آبان ماه 1131 5 07 11 0 17 01 11 75 00 10 13 171 1500 110 1500 1500 1500 1500 001 50 001 001 001 001 جدول 1 - نتايج حاصل از روش پیشنهادي و ساير روشها بروي تصاوير بازه کوتاه تعداد نقاط استخراج شده در تصویر چپ 110 تعداد نقاط استخراج شده در تصویر راست 1015 تعداد نقاط متناظر شده با دقت زیر 4 پیکسل 1001 تعداد نقاط متناظر شده با دقت زیر 1 پیکسل 157 113 31 1 150 510 111 30 10 100 010 1015 1015 1015 1015 1517 110 110 110 110 تعداد نقاط متناظر شده زماني که از الگوريتم Harrs براي استخراج عوارض نقطهاي تصاوير با طول باز بلند استفاده شده است نسبت به SIFT بیشتر است. اين در حالي است که متناسب با تعداد نقاط استخراج شده توسط الگوريتم SIFT در اين تصاوير تعداد قابل قبولي عارضه نقطهاي با استفاده از اين روش متناظر شدهاند. البته نتايج به دست آمده در اين آزمون تا حد زيادي به پارامترهاي تنظیم ورودي اين دو الگوريتم بستگي دارد. در الگوريتم SIFT الگوريتم پارامتر میزان آستانهي قدر مطلق تابع DoG Harrs پارامتر میزان حساسیت k و در به عنوان پارامتر ورودي در نظر گرفته ميشوند. شايد مقايسه صحیح میان اين دو الگوريتم زماني باشد که مقادير بهینه براي اين پارامترهاي ورودي در نظر گرفته شود. تعداد نقاط متناظر در تناظريابي بر روي تصاوير با طول باز کوتاه زماني که از الگوريتم استخراج عارضه SIFT استفاده مي- شود از الگوريتم Harrs نتايج حاصل از استفاده از الگوريتم بیشتر است. قابل ذکر است که Harrs نیز قابل قبول است. در اين حالت نیز مشابه با مورد قبل حالت صحیحتر اين است که مقادير بهینه براي اين مقادير به دست بیايد سپس مقايسه میان عملکرد اين دو الگوريتم بر روي تصاوير باز کوتاه ارزيابي شود. توصیفگرهاي ناحیهاي پنجره تصويري اولیه و پنجره تصويري OGM عملکرد بهتري نسبت به توصیفگرهاي غیرناحیهاي SIFT, Rank و Census دارند. با استفاده از توصیفگرهاي ناحیهاي حداقل ميتوان سه برابر زماني که از توصیفگرهاي غیر ناحیهاي استفاده ميشود عارضه نقطهاي متناظر کرد. توصیفگر OGM از میان توصیفگرهاي مورد آزمايش نتايج بهتري را به همراه دارد. استفاده از اين توصیفگر در تناظريابي تصاوير با طول باز بلند حدود %11 در تعداد متناظر کردن 1
ارائه يک راهکار چند مرحلهاي در تناظريابي تصاوير عوارض نقطهاي استخراج شده بهتر از توصیفگر پنجره تصويري اولیه ميباشد. همچنین اين توصیفگر چندين برابر نتايج مطلوبتري نسبت به توصیفگرهاي غیر ناحیهاي داشته است. همچنین در تناظريابي تصاوير با طول باز کوتاه تعداد نقاط متناظر شده با استفاده از اين توصیفگر به اندازه %11 بیشتر از توصیفگر پنجره تصويري اولیه ميباشد. اين در حالي است که در تصاوير با طول باز کوتاه استفاده از توصیفگر پنجره تصويري OGM مشابه با حالت تناظريابي در تصاوير با طول باز بلند چندين برابر بهتر از توصیفگرهاي غیرناحیهاي عمل کرده است. علت برتري توصیفگر OGM ميتواند بدين دلیل باشد که در اين روش فیلتر بهینهاي روي پنجره تصويري اعمال ميشود که باعث بازسازي برجستگيها و لبههاي تصوير ميشود و در عین حال نويز اسپیکل را کاهش ميدهد. انجام اين فرآيند بدون از دست رفتن اطالعات با فرکانس باال ميباشد. اين اطالعات اضافي در پنجره تصويري OGM استخراج شده متشابه کمک کند. ميتواند به تشخیص عوارض از آنجا که دقت تناظريابي در روشهاي عارضه مبنا تا حد زيادي وابسته به مشابه بودن نقاط استخراج شده در جفت تصوير ميباشد بنابراين مهمترين عامل باال بودن دقت تناظريابي عملکرد مناسب الگوريتم استخراج عارضه ميباشد. در اين آزمون نیز دقت تناظريابي با استفاده از تمام توصیفگرها نسبتا يکسان است زيرا در تمامي حاالت از الگوريتم SIFT جهت استخراج عارضه استفاده شده است. اين در حالي است که دقت تناظريابي در صورت استفاده از توصیفگرهاي ناحیهاي اندکي بهتر است که ميتواند ناشي از متناظر تشخیص دادن عوارض با دقت باالتر از میان عوارض استخراج شده باشد در حالي که اين تعداد از عوارض توسط توصیفگرهاي غیر ناحیهاي تشخیص داده نشدهاند. با افزايش طول باز جفت تصوير استريو تناظريابي اين تصاوير به مراتب پیچیده ميشود. به همین ترتیب با کاهش طول باز تصاوير تناظريابي نتايج بهتري به همراه دارد. اين بهبود در نتايج در تعداد نقاط متناظر و دقت تناظريابي نمود ميکند. شکل 1 - نمايش بخشي از نقاط متناظر شده با استفاده از مدل پیشنهادي بروي تصاوير باز بلند شکل 3 - نمايش بخشي از نقاط متناظر شده با استفاده از مدل پیشنهادي بروي تصاوير باز کوتاه 4- بحث و نتیجهگیری با توجه به کاربردهاي فراوان تصاوير در تولید مدل رقومي زمین ميتوان به میزان اهمیت بحث تناظريابي در تصاوير پي برد. تناظريابي در اين تصاوير به علت وجود پديدههاي گوناگون هندسي از جمله سايه همپوشاني و کوتاهشدگي در کنار نويزهاي مختلف که مهمترين آنها نويز اسپیکل ميباشد به مراتب پیچیده-
تر از تناظريابي در تصاوير اپتیکي است. از آنجا که براي رسیدن به اهداف اينترفرومتري و رادارگرامتري )و ساير کاربردها مانند کشف تغییرات تلفیق اطالعات و غیره( نیاز به انجام تناظريابي با کیفیت باال است اهمیت مطالعه در اين مورد بیشتر آشکار ميشود. ارائه يک روش کارآمد در متناظر کردن نقاط در جفت تصوير نشريه علمي- پژوهشي علوم و فنون نقشه برداري دوره چهارم شماره آبان ماه 1131 روش OGM ميتواند منجر به نتايج خوب در محصوالت اينترفرومتري و رادارگرامتري شود. در اين مقاله يک روش چند مرحلهاي پیشنهاد شد. اين روش چند مرحلهاي پیشنهادي بر روي دو سري جفت تصوير با طول باز بلند و کوتاه آزمايش شد. نتايج آزمايشها نشان داد که روش چند مرحلهاي پیشنهادي با دقت باال تعداد به نسبت مطلوبي عارضه نقطهاي در دو تصوير متناظر ميکند. اين روش پیشنهادي شامل چند مرحله ميباشد. در اين روش ابتدا با استفاده از فیلتر وينر اثر نويز اسپیکل را بروي تصاوير کاهش داده ميشود. سپس با استفاده از الگوريتم استخراج عارضه نقاطي SIFT در سطح تصاوير استخراج ميشود. در ادامه با استفاده از به نقاط استخراج شده ويژگي تخصیص داده ميشود. با استفاده از تناظريابي محلي و تناظريابي سراسري نهايتا نقاطي متناظر میان تصاوير مشخص مي- شوند. در اين مقاله روش چند مرحلهاي پیشنهادي با همان روش چند مرحلهاي زماني که از ساير الگوريتمها در آن استفاده شده است مقايسه ميشود. روش پیشنهادي تعداد 11 نقطه با دقت 1.3 پیکسل را براي تصاوير مورد آزمايش با طول باز بلند و تعداد 1001 نقطه با دقت 1. پیکسل را براي تصاوير مورد آزمايش با طول باز کوتاه متناظر ميکند. در اين روش براي تصاوير باز بلند حدود %5 و براي تصاوير باز کوتاه حدود %51 از نقاط متناظر شده با دقت بهتر از يک پیکسل ميباشند. از اين روش جهت coarse matchng ميتوان استفاده نمود. براي fne matchng انجام تناظريابي کمترين مربعات بروي نقاط متناظر پیشنهاد ميشود. مراجع [1] [] [3] [4] [5] [6] [7] [8] [9] [10] [11] B.Pan, P.Chen, M.Cong, '' A New Approach on Topographc Feature Pont Extracton of Imagery '', IEEE, (010). B.Cyganek, J.P.Sebert, " An Introducton to 3D Computer Vson Technques and Algorthms ", pp.09-16, (009). B.Tso, P.Mather '' Classfcaton Methods for Remotely Sensed Data '' (nd ed), CRC Presst, pp. 37 38. ISBN 1-400-907-0, (009). Buergmann, P.A.Rosen, E.J.Feldng '' Synthetc Radar Interferometry to measure earths surface topography and ts deformaton '', Annu.Rev.Earth Planet. Sc, 8:169-09, (000). C.Harrs, M.Stephens, " A combned corner and edge detector ", Proceedngs of the 4th Alvey Vson Conference. pp. 147 151, (1988). F.Fayard, S.Merc, and E. Potter, " Generaton of DEM by radargrammetrc technques ", n Geoscence and Remote Sensng Symposum (IGARSS), IEEE Internatonal, pp. 434-4345, (010). F.Fayard, S.Merc, E.Potter, "Generaton of DEM by radargrammetrc technques", n Geoscence and Remote Sensng Symposum (IGARSS), IEEE Internatonal, pp. 434-4345, (010). F.Tupn, J.M.Ncolas, " Matchng crtera for radargrammetry ", n Geoscence and Remote Sensng Symposum, 00. IGARSS'0. IEEE Internatonal, x pp. 608-610, (010). G.Franceschett and R.Lanar, '' Synthetc aperture radar processng- Electronc engneerng systems seres '', CRC Press, pp. 145 et seq.. ISBN 0-8493-7899-0, (1999). Gonzalez, R.H.Woods, '' Dgtal Image Processng '', nd ed., Prentce Hall, Upper Saddle Rver, NJ, (00). Lowe, '' Dstnctve mage features from scale-nvarant key ponts '', Internatonal Journal of Computer Vson, (004). 1
[1] [13] [14] [15] [16] [17] M.Gelautz, G.Jakob, G.paar, F.Leberl, '' Automated Matchng Experment wth Dfferent Knd of Imagery '', IEEE, (1996). M.Lao, H.Ln, Z. Zhang, " Automatc regstraton of In data based on Least-square matchng and multstep strategy ", Photogrammetrc engneerng and remote sensng, vol. 70, pp. 1139-1144, (004). P.Pallou and M.Gelautz, " Relef reconstructon from stereo pars: the optmal gradent matchng method ", Geoscence and Remote Sensng, IEEE Transactons on, vol. 37, pp. 099-107, (1999(. P.Capaldo, M.Creps, F.Fratacangl, A.Nascett, F.Peralce, '' DSM Generaton From Hgh Resoluton Cosmo-Skymed Imagery Wth Radargrammetr Model '', Area Geodesy Geomatca-DICEA, Unversty Rome, Italy, (010). P.Capaldo, M.Creps, F.Fratacangl, A.Nascett, F.Peralce, '' Radargrammetrc Dgtal Surface Models Generaton From Terra-X Imagary: Case study, Problems, Potentaltes '', ISPRS Congress, vol.19.no.1, (01). R.G.Caves, P.J.Harley, S.Quegan, " Matchng map features to synthetc aperture radar () mages usng template matchng ", Geoscence and Remote Sensng, IEEE Transactons on, vol. 30, pp. 680-685, (199). ارائه يک راهکار چند مرحلهاي در تناظريابي تصاوير [18] [19] [0] [1] S.Merc, F.Fayard, E.Potter, '' A Mult Wndow Approach for Radargrammetry Improvements '', IEEE, Geoscence and Remote Sensng, vol.49.no.10, (011). T.Blaze, X.He, L.Zhang, M.Lao, '' Drect Stereo Radargrammetrc Processng Usng Massvely Parallel Processng '', ISPRS Journal of Photogrammetry and Remote Sensng 79, 137-146, (013). T.Blaze, X.He, L.Zhang, M.Lao, '' Terra-X Stereo Radargrammetry For Precse DEM Generaton In South-East-Asa '', Stase key Laboratory of Informaton Engneerng n Surveyng, Mappng and Remote Sensng, Wuhan Unversty, Chna, (010). X.He,T.Blaze, L.Zhang, M.Lao, '' Stereo Radargrammetry In South-East-Asa Usng Terra-X Strpmap Data '', Stase key Laboratory of Informaton Engneerng n Surveyng, Mappng and Remote Sensng, Wuhan Unversty, Chna, (010). قنادي.م.ا سعادت سرشت.م 113 " ارائه روشي عارضه مبنا براساس مفاهیم کامپوتر بینايي جهت انجام تناظريابي تصاوير " مجموعه مقاالت همايش ژئوماتیک 3 سازمان نقشه برداري کشور تهران. [] فروزانفر.م ابريشميمقدم.ح دهقاني.م 1117 " ارائه يک روش جديد و موثر به منظور بهبود کیفیت تصاوير استخراج وابستگيهاي بین مقیاسي در حوزه موجک " دانشگاه خواجه نصیرالدين طوسي ايران. نعمت الهي.ن 1110 " آمار و احتماالت مهندسي " چاپ پنجم دانشگاه عالمه طباطبايي. بر مبناي [1] [0] 0