بخشی از مقاله
چکیده :
تناظریابی به عنوان یک فرآیند اساسی در فتوگرامتری رقومی شناخته میشود. انجام این فرآیند اساسی در فتوگرامتری بردکوتاه با توجه به اعوجاجات هندسی قابل توجه در تصاویر همگرا، بسیار پیچیده بوده و اغلب الگوریتمهای موجود نمیتوانند نتایجی با دقت مطلوب را ایجاد کنند. در این مقاله روشی کارآمد جهت تناظریابی تصاویر همگرا در فتوگرامتری بردکوتاه ارائه شده است. در روش پیشنهادی به منظور انجام عملیات تناظریابی، ابتدا با استفاده از الگوریتم SIFT، عوارض موضعی در دو تصویر مبنا و ورودی استخراج میشود.
در ادامه جهت کنترل تغییرات هندسی ایجاد شده در عوارض، حاصل از تغییر منظر تصویربرداری، شکل هندسی عوارض، با استفاده از ماتریس گشتاور مرتبهی دوم، از دایره به بیضی تغییر داده میشود. سپس به منظور ایجاد توصیفگر برای هر عارضه، نواحی بیضی شکل به دوایری با شعاع ثابت نرمالیزه میشوند. در نهایت پس از ایجاد توصیفگر برای هر عارضه، عملیات تناظریابی انجام میشود. نتایج آزمایشات بر روی چند دسته از تصاویر بردکوتاه بیانگر عملکرد قابل توجه روش پیشنهادی بوده به گونهای که تعداد عوارض متناظر با استفاده از روش پیشنهادی در حدود دو برابر بیشتر از تعداد عوارض متناظر ایجاد شده توسط روش استاندارد SIFT است. همچنین نتایج بدست آمده حاکی از آن است که دقت تناظریابی نیز با استفاده از روش پیشنهادی، افزایش مییابد.
-1 مقدمه
تناظریابی، فرآیندی که طی آن نقاط و یا عوارض مشترک بین تصاویر پوششدار شناسایی می شوند، به عنوان یک وظیفهی مهم و دشوار در فتوگرامتری رقومی و ماشین بینایی مطرح شده است .[1] این فرآیند نقش تعیین کنندهای در کاربردهای مختلف فتوگرامتری بردکوتاه نظیر مدلسازی سهبعدی، مرمت و بازسازی آثار باستانی، کنترل کیفیت قطعات صنعتی و غیره دارد. با توجه به اهمیت بالای تناظریابی، روشهای مختلفی در طی سالهای اخیر برای بهبود این امر توسعه داده شدهاند.
در فتوگرامتری بردکوتاه به دلیل استفاده از عکسهای همگرا، اعوجاجات هندسی میان تصاویر قابل توجه بوده به طوری که اختلاف مقیاس و دوران میان دو تصویر همگرا در نقاط مختلف آنها، متفاوت است. همچنین اخذ تصاویر همگرا باعث ایجاد جابجایی ناشی از اختلاف ارتفاع و پنهان شدگی چشمگیری در تصاویر میشود. علاوه بر این، به منظور افزایش دقت در دستیابی به مدل سه بعدی نقاط، اخذ تصویر در فتوگرامتری برد کوتاه در ایستگاههایی با فاصله ی زیاد صورت گرفته - نسبت باز به ارتفاع - که این امر موجب اختلاف زیاد تصاویر از لحاظ نقطهی دید1 تصویربرداری میگردد.
تمامی این عوامل سبب دشوار شدن فرآیند تناظریابی اتوماتیک تصاویر همگرا گشته، به طوری که حتی جدیدترین سیستمهای نرم افزاری مدل سازی سه بعدی مبتنی بر تصویر نیز به دلیل محدودیتهای موجود در تناظریابی تصاویر همگرا، کاملاً اتوماتیک نبوده و احتیاج به بازبینی توسط اپراتور های انسانی دارد .[2] در این نرم افزارها به منظور انجام کاملاً اتوماتیک اندازهگیریهای مورد نیاز در فتوگرامتری بردکوتاه، عموماً از تارگتهای بازتابندهی مصنوعی2 و کنترل کامل شرایط نوری استفاده میشود.
الگوریتم 3] 3SIFT و [4 را، که شامل دو بخش استخراج کنندهی عوارض موضعی و ایجاد توصیفگر برای این عوارض است، میتوان مهمترین روش تناظریابی عارضه مبنا دانست .[5] این الگوریتم مستقل از اختلاف مقیاس و دوران یکنواخت میان تصاویر بوده و در برابر اختلاف روشنایی و نویز نیز پایدار است. در کنار مزایای فراوان این روش که آن را به پرکاربردترین الگوریتم تناظریابی عارضه مبنا در میان حوزههای فتوگرامتری و ماشینبینایی تبدیل نمودهاست؛ عدم توانایی بالای آن در برابر تغییر شکل ناشی از تغییر منظر به عنوان مهمترین محدودیت این روش برشمرده میشود.
در این تحقیق روشی کاملاً اتوماتیک به منظور جبران محدودیت ذکر شده در الگوریتم SIFT و در نتیجه افزایش کارایی آن در تناظریابی تصاویر فتوگرامتری بردکوتاه، ارائه شده است. در این روش برای هر عارضه یک بیضی جایگزین دایره استخراج شده از الگوریتم SIFT میشود. سپس به منظور ایجاد توصیفگر برای هر یک از نواحی، این بیضیها به دوایری با شعاع ثابت نرمالیزه میشوند. در بخشهای بعدی جزئیات روش پیشنهادی و نحوه عملکرد آن بیان میشود.
-2 روش پیشنهادی
تغییر منظر تصویربرداری سبب ایجاد خطای افاین4 بین دو تصویر میشود. نواحی دایرهای تعیین شده برای هر عارضه-ی موضعی، مشابه با آنچه که در الگورتیم SIFT رخ میدهد، نمیتواند تغییرات هندسی میان دو تصویر را کنترل کند. به بیان دیگر، تغییر شکل عوارض ناشی از تعییر نقطه دید میان دو تصویر، موجب متفاوت بودن دوایر مربوط به دو عارضه متناظر میگردد. این موضوع در شکل - 1 - نشان داده شده است. همانطور که در این شکل مشاهده میشود، ناحیهی استخراج شده در همسایگی دو عارضهی متناظر، سطح یکسانی از دو تصویر را پوشش نمیدهند. همین امر سبب متفاوت بودن محتویات تصویری دو ناحیه شده و عملیات تناظریابی را با مشکل روبرو میکند.
محدودیت نواحی دایرهای در برابر تغییرات هندسی حاصل از تغییر نقطه دید. الف - و ب - نشان دهنده دو دو عارضه یکسان با ناحیههای استخراج شده متفاوت. ج - و د - حالت نزدیکتری از این دو ناحیه را نشان میدهد .[6] به منظور کاهش محدودیت بیان شده، میتوان از نواحی مستقل از افاین5 استفاده نمود. تغییرات هندسی ایجاد شده در عوارض تصویری، حاصل از تغییر نقطهی دید تصویربرداری، به صورت بهتری توسط نواحی بیضی شکل مدل میشوند. همانطور که در شکل - 2 - مشاهده میشود، دو بیضی استخراج شده برای دو عارضهی متناظر، سطح یکسانی از دو تصویر را پوشش میدهند - شکل - - - 2 ب و ج - . پس از استخراج این نواحی، به منظور حذف تغییرات هندسی ایجاد شده در عوارض، این بیضیها به دوایری با شعاع ثابت نرمالیزه میشوند - شکل - - 2 - د - . واضح است که در این مرحله، دو عارضه تنها با یک پارامتر دوران قابل تبدیل به یکدیگر هستند.
