طراحی و پیاده سازی روشی بهینه جهت مرتبط سازی اتوماتیک تصاویر بزرگ مقیاس مبتنی بر ترکیب روش های پیشرفته ناحیه مبنا و عارضه مبنا

هدف اصلی این پایان نامه طراحی و پیاده سازی یک روش بهینه برای مرتبط سازی انواع مختلف تصاویر هوایی و ماهواره ای خصوصاً تصاویر بزرگ مقیاس می باشد. مرتبط سازی تصویر، فرآیند همپوشانی هندسی دو یا چند تصویر از یک منظره ی یکسان است که در زمان های مختلف، از موقعیت های متفاوت و یا به وسیله ی سنسورهای مختلفی اخذ شده اند. این فرآیند به طور گسترده ای در آنالیز های مختلف در فتوگرامتری و سنجش از دور کاربرد داشته و یک مرحله ی اساسی از عملیات هایی نظیر کشف تغییرات، تلفیق تصاویر، موزائیک کردن تصاویر، استخراج داده های مکانی 3 بعدی، مثلث بندی هوایی اتوماتیک، ترکیب اطلاعات در gis و به روز رسانی نقشه ها است. روش پیشنهادی در این تحقیق به منظور دستیابی به یک روش عملی برای مرتبط سازی کاملاً اتوماتیک انواع مختلف تصاویر، انجام فرآیند مرتبط سازی در دو مرحله ی اساسی شامل مرتبط سازی اولیه و مرتبط سازی دقیق می باشد. در مرحله ی اول با استفاده از یک نسخه ی بهبود داده شده از الگوریتم مشهور و توانمند scale invariant feature transform (sift) و مدل هندسی پروژکتیو فرآیند مرتبط سازی اولیه میان تصاویر انجام می شود. الگوریتم sift در حالت استاندارد خود با مشکلات اساسی برای انجام تناظریابی در تصاویر سنجش از دور مواجه می باشد. بعد از شناخت مشکلات این الگوریتم شامل کنترل پذیری پایین و عدم توجه به کیفیت عوارض، راه حل های مناسبی برای آنها پیشنهاد شده و در نهایت نسخه ی بهینه و بهبود داده شده ای برای این منظور معرفی می گردد. خصوصیت اساسی این روش به کارگیری یک استراتژی ویژه برای گزینش بهترین عوارض تصاویر با استفاده از اعمال دو قید پایداری و تمایز و در توزیع کاملی از مکان و مقیاس می باشد. در ادامه، فرآیند مرتبط سازی دقیق با استفاده از استخراج یک مجموعه ی متراکم و دقیق از موقعیت های متناظر در تصاویر و بهره گیری از یک تابع تبدیل قطعه ای انجام می گیرد. برای این منظور در این پایان نامه یک روش کاملاً جدید و پیشرفته بر مبنای ایجاد یک شبکه ی کنترل بسیار دقیق با استفاده از قویترین عوارض گوشه ای و تناظریابی کمترین مربعات، طراحی و توسعه داده شده است. در ابتدا عوارض گوشه ای با استفاده از اپراتور harris و به صورت متراکم استخراج شده و قویترین آنها در هریک از تصاویر جهت ایجاد شبکه ی کنترل به کار می روند. در ادامه دیگر عوارض گوشه ای موجود در تصاویر به عنوان نقاط نشانه، بر اساس الگوریتم نزدیکترین فاصله میان رئوس شبکه ی اصلی گروه بندی شده و هر گروه به عنوان یک شبکه ی کنترل فرعی در نظر گرفته می شود. در نهایت فرآیند تناظریابی میان نقاط نشانه مربوط به هر شبکه ی فرعی با استفاده از خصوصیات هندسی انجام می گیرد. نتایج ارزیابی بر روی انواع مختلف تصاویر ماهواره ای متوسط تا بزرگ مقیاس بیانگر دقت، نیرومندی و کارآیی بالای روش پیشنهادی می باشد. برای تمامی تصاویر مورد ارزیابی بیش از 1000 تناظر صحیح استخراج شده و میزان دقت مرتبط سازی نیز برای تمامی موارد کمتر از یک پیکسل حاصل شده است.