استخراج عوارض متناظردر تصویر هوائی و داده های LiDAR بر اساس الگوریتم SIFT
Publish place: Geomatics 1387
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 2,533
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
GEO87_027
Index date: 7 October 2007
استخراج عوارض متناظردر تصویر هوائی و داده های LiDAR بر اساس الگوریتم SIFT abstract
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.
استخراج عوارض متناظردر تصویر هوائی و داده های LiDAR بر اساس الگوریتم SIFT Keywords:
استخراج عوارض متناظردر تصویر هوائی و داده های LiDAR بر اساس الگوریتم SIFT authors
عباس عابدینی
کارشناس ارشد فتوگرامتری و ژئوانفورماتیک
فرها صمدزادگان
عضو هیئت علمی دانشکده فنی دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :