دوره 22، شماره 3 - ( 9-1404 )                   جلد 22 شماره 3 صفحات 18-3 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Zarei A, Moallem P. Improvement of SIFT matching algorithm for matching visible satellite images using Siamese deep neural network. JSDP 2025; 22 (3) : 1
URL: http://jsdp.rcisp.ac.ir/article-1-1415-fa.html
زارعی احمدرضا، معلم پیمان. بهبود الگوریتم تناظریابی SIFT جهت تطبیق تصاویر ماهواره‌ای مرئی با استفاده از شبکه عصبی عمیق دوقلو. پردازش علائم و داده‌ها. 1404; 22 (3) :3-18

URL: http://jsdp.rcisp.ac.ir/article-1-1415-fa.html

بهبود الگوریتم تناظریابی SIFT جهت تطبیق تصاویر ماهواره‌ای مرئی با استفاده از شبکه عصبی عمیق دوقلو
احمدرضا زارعی ، پیمان معلم*
استاد گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه اصفهان، اصفهان، ایران
چکیده:   (25 مشاهده)
تطبیق تصاویر سنجش‌ازدور یک مرحله اساسی و پایه‌ای در بسیاری از کاربردهای پردازش تصویر است؛ برخلاف تصاویر معمولی، تصاویر سنجش‌ازدور به‌طورمعمول تحت تأثیر تغییرات پیچیده پس‌زمینه هستند که باعث دشواری تطبیق این دسته از تصاویر می‌شود. تصاویر مورد استفاده علاوه‌بر تغییرات شدید و غیرخطی در پس‌زمینه، شامل چالش‌هایی مانند تفاوت مقیاس، چرخش و زاویه دید متفاوت است. یکی از الگوریتم‌های پرکاربرد برای یافتن نقاط متناظر میان تصاویر، الگوریتم SIFT است که استفاده از این الگوریتم برای تطبیق تصاویر با ویژگی‌های گفته‌شده، در بسیاری از مواقع باعث تولید تطابق‌های اشتباه فراوان و تطابق‌های صحیح کم می‌شود؛ از طرفی روش‌های مبتنی بر یادگیری عمیق قادر به استخراج ویژگی‌های سطح متوسط و بالا و مقایسه آن‌ها برای تطبیق تصاویرند. با الهام از توانایی‌ها و پیشرفت‌های انجام‌شده در یادگیری عمیق، روشی برای استفاده هم‌زمان از الگوریتم SIFT و شبکه‌های عصبی عمیق برای تطبیق تصاویر سنجش‌ازدور معرفی شده‌است؛ بر اساس آزمایش‌های صورت‌گرفته بر روی مجموعه‌ای از تصاویر سنجش‌ازدور شامل 35 جفت تصویر و مقایسه نتایج نسبت به الگوریتم SIFT و الگوریتم‌های مبتنی بر یادگیری عمیق، روش پیشنهادی توانسته با کاهش تطابق‌های اشتباه و افزایش تطابق‌های صحیح، به دقت 849 درصد برسد.
شماره‌ی مقاله: 1
واژه‌های کلیدی: الگوریتم SIFT، تطبیق تصاویر، سنجش‌ازدور، شبکه‌های عصبی کانولوشنی دوقلو.
متن کامل [PDF 1526 kb]   (21 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: 1402/10/2 | پذیرش: 1404/4/30 | انتشار: 1404/9/28 | انتشار الکترونیک: 1404/9/28
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.