استخراج عوارض متناظردر تصویر هوائی و داده های LiDAR بر اساس الگوریتم SIFT

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,360

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

GEO87_027

تاریخ نمایه سازی: 15 مهر 1386

چکیده مقاله:

امروزه روشهای گوناگونی برای استخراج عوارض ١ متناظر انواع مجموعه داده ها وجود دارد. مجموعه داده ها ممکن است به صورت تصاویر هوایی، تصاویر ماهوارهای، نقشه ها، داده های لیزر اسکنر هوایی(LiDAR) و یا زمینی و غیره باشد. هدف اصلی این تحقیق استفاده از الگوریتمSIFT برای استخراج نقاط متناظر در دو مجموعه داده تصویر هوایی و داد ههایLiDAR می باشد و در نهایت می توان با انجام یک تبدیل هندسی دو مجموعه داده را بر روی هم ثبت نمود. روشSIFT 3 قبلا برای کاربردهای تناظریابی ٤ و تشخیص شی ٥ بکار گرفته شده است. خاصیت اصلی الگوریتم SIFTاینست که دارای قابلیت استخراج عوارض مشخص می باشد که این عوارض نسبت به مقیاس، دوران، تغییر در روشنایی تصویر و همچنین نویز مستقل بوده و دارای وابستگی نیستند. عمده تمرکز این مقاله بر روی بدست آوردن پارامترهای بهینهSIFT در دو مجموعه داده می باشد، که سپس بتوان با یک الگوریتم تناظریابی SIFT نقاط متناظر در آنها را پیدا نموده و استخراج کرد. پس از استخراج نقاط متناظر، نقاطی که بطور اشتباه بعنوان نقاط متناظر انتخاب شده اند(Outlier) حذف میگردند و برای حذف آنها می توان از روشهای مختلف استفاده نمود. الگوریتم SIFT طی برنامه نویسی در محیطMATLAB برای مقاصد این تحقیق توسعه داده شد و با نوشتن برنامه های متعدد در نهایت پس از استخراج عوارض متناظر یکDatabase مشتمل بر نقاط متناظر در دو مجموعه داده تشکیل گردید. داده های مورد استفاده از منطقه شهری اشتوتگارت آلمان می باشد.

نویسندگان

عباس عابدینی

کارشناس ارشد فتوگرامتری و ژئوانفورماتیک

فرها صمدزادگان

عضو هیئت علمی دانشکده فنی دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • D.G. Lowe. Local Features Tutorial , 2004. ...
  • D.G. Lowe. Distinctive image features from scale- invariant keypoints. International ...
  • D.G. Love. Object recognition from local scale- invariant features. In ...
  • Gonzalez, R.c and Woods, R.E [2004].Digital Image Processing, by Prentice ...
  • M.A. Fischler and R.C. Bolles. Random sample COnsensus: A paradigm ...
  • R. I. Hartley and A. Zisserman. Multiple View Geometry in ...
  • Schenk, T., and B. Csatho, 2002. Fusion of lidar data ...
  • Guelch, E. Digital Image Processing & Digital pho togrammetry Lecture ...
  • S ammadz adegan F, Digital Image Processing & Digital pho ...
  • Airborne Altimetric LiDAR: Principle, Data Collection, Processing and Applications, Dr. ...
  • E. H. Adelson , C. H. Anderson, l J. R. ...
  • D.G. Lowe. Object recognition from local scale-invariant features. In International ...
  • نمایش کامل مراجع