بهبود الگوریتم SIFT به‌منظور تناظریابی تصاویر ماهواره‌ای

الگوریتم (scale invariant feature transform) sift یکی از روش‌های تناظریابی عارضه‌مبناست که به‌منظور انجام فرآیند تشخیص الگو در تصاویر اپتیکی ارایه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش‌ها اثبات شده و نسخه‌های گوناگونی نیز در مسیر افزایش کارایی آن ارایه شده است، اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای انجام تناظریابی در تصاویر سنجش از دور مواجه است. کنترل‌پذیری این الگوریتم در استخراج عوارض در تصاویر سنجش از دور پایین است و در آن راه‌حلی نیز برای انتخاب عوارض پایدارتر و متمایزتر و کنترل توزیع آنها، به‌منظور موفقیت در فرآیند تناظریابی، پیشنهاد نشده است. در مقاله حاضر با بهره‌گیری از خصوصیات فضای مقیاس در این الگوریتم روشی جدید با عنوان ur-sift (uniform robust scale invariant feature transform) به‌منظور استخراج عوارض پایدار تصاویر و در توزیع یکنواختی از مکان و مقیاس طراحی شده است. برای این منظور با توسعه روابطی جدید برمبنای ضریب مقیاس سطوح هرم تصاویر در الگوریتم sift، تعداد عوارض مورد نیاز در هر سطح تعیین گردیده و با بهره‌گیری از دو معیار پایداری و تمایز و در ساختاری شبکه‌ای استخراج شده است. بعد از استخراج عوارض و ایجاد توصیفگر آنها، فرآیند تناظریابی اولیه با استفاده از فاصله اقلیدسی میان توصیفگرها و با بهره‌گیری از روشی دوجانبه انجام می‌شود. در ادامه با استفاده از مدل تبدیل پروژکتیو و روش‌ کمترین مربعات، صحت جفت تناظرهای اولیه بررسی شده و تناظرهای ناسازگار حذف شده‌اند. نتایج عملی بر روی دو جفت تصویر ماهواره‌ای بیانگر کارایی بالای روش پیشنهادی در مقایسه با الگوریتم استاندارد sift است.