بخشی از مقاله
چکیده
در حال حاضر یکی از دقیقترین روشهای تناظریابی تصاویر رقومی روش تناظریابی مبتنی بر کمترین مربعات میباشد. روش تناظریابی بر مبنای هیستوگرام در مقایسه با روش کمترین مربعات دارای مفهوم ساده، عدم نیاز به مقادیر اولیه، اجرای آسان و محاسبات سریع میباشد که با توجه به این مزایا میتوان از آن در تناظریابیهایی که دقت بالایی مورد نیاز نباشد مانند عملیات ردیابی استفاده کرد. هدف این مقاله در واقع استفاده از روش تناظریابی مبتنی بر هیستوگرام به عنوان مقادیر اولیه برای روش تناظریابی به روش کمترین مربعات و ارزیابی نتایج آن میباشد.
-1 مقدمه
تناظریابی تصویر یک وظیفه کلیدی از مجموعه وظایف متعددی است که در فتوگرامتری، بینایی کامپیوترٌ و آنالیز تصویر وجود دارد. که در بازه وسیعی از کاربردها مانند ناوبری، نقشه برداری اتوماتیکٍ، بینایی روباتَ و آنالیز تصاویر پزشکی نقش بسیار مهمی دارد. با بررسی این موارد میبینیم که هنوز هم یکی از چالش انگیزترین وظایف در تحقیق و توسعه فتوگرامتری مسئله تناظریابی است. بیش از چندین دهه است که تناظریابی تصویر به عنوان یک موضوع تحقیقاتی توسعه داده شده و در پیادهسازی سیستمهای نرمافزاری فتوگرامتری سودمند بوده است. با این حال ارزیابی مطالعات انجام نشان میدهد مسئله تناظریابی تصویر هنوز هم در همه شرایط حل نشده است.
تکنیکهای اساسی تناظریابی به سه دسته کلی تقسیم میشوند که شامل روشهای تناظریابی مبتنی بر ناحیه، روشهای تناظریابی مبتنی بر عارضهُ و روشهای تناظریابی رابطه ایِ میشوند. در روشهای ناحیهای درجه روشناییِ مجموعه ای از پیکسل های پنجره تصویر به عنوان الگوی تطبیق در نظر گرفته میشود . روش ABM نسبت به اختلاف مقیاس، دوران و اعوجاج پرسپکتیو عملکرد ضعیفی دارد اما به تغییرات خطی روشنایی کاملاً غیر حساس است. روش ABM نسبت به FBM در برابر نویز پایدارتر است.
در میان روشهای تناظریابی شاید مهم ترین سهم را روش تناظریابی کمترین مربعات داشته باشد که از اوایل دهه 1980 مطرح شد. با توجه به انعطاف پذیری و دقت بالای آن معلوم شد که میتوان این روش را به طور مؤثر در تناظریابی به کار گرفت، به طوریکه در حال حاضر در بسیاری از فرایندهای فتوگرامتری رقومی به کار گرفته شده است. تناظریابی به روش LSMیک فرآیند کاملاً غیر خطی است و بنابراین نیاز به مقادیر اولیه خوب دارد.
روش تناظریابی مبتنی برهیستوگرام نیز از جمله روشهای تناظریابی ABM میباشد. از آنجایی که هستنده مورد استفاده در روش تناظریابی مبتنی بر هیستوگرام درجات خاکستری میباشد سرعت تناظریابی این روش بالاست اما دقت این روش به دلایل مختلفی از جمله تغییر روشنایی در دو تصویر نسبت به روش تناظریابی کمترین مربعات پایین تر است. روش کمترین مربعات نیاز به مقادیر اولیه دقیق دارد که با توجه به سرعت بالای روش تناظریابی مبتنی بر هیستوگرام می توان از نتایج این روش به عنوان مقادیر اولیه در روش کمترین مربعات استفاده کرد.
در این مقاله و در بخش دوم روشهای مرسوم درتناظریابی به روش LSM مورد بررسی قرار گرفته است. در بخش سوم تلفیق دو روش تناظریابی مبتنی بر هیستوگرام و کمترین مربعات مورد ارزیابی قرار گرفته. در
بخش چهارم نتایج ارائه شده و نهایتاً بخش نتیجه گیری در بخش پنجم ارائه شده است.
-2 روش تناظریابی مبتنی بر کمترین مربعات
در مقایسه روشهای دقیق تناظریابی شاید مهمترین سهم را روش تناظریابی کمترین مربعات داشته باشد که از اوایل دهه 1980 مطرح شد. با توجه به انعطاف پذیری و دقت بالای این روش معلوم شد که میتوان این روش را به طور مؤثر در تناظریابی به کار گرفت، به طوریکه در حال حاضر در بسیاری از فرایندهای فتوگرامتری رقومی به کار گرفته شده است. این روش کاملاً غیر خطی است و بنابراین نیاز به مقادیر اولیه خوب دارد.
ایده این روش که تحقیقات اولیه آن توسط Ackermann، Pertl و Forstner ارائه شد، مینیمم نمودن اختلافات درجات خاکستری میان پنجره تمپلت و تناظریابی است که به موجب آن پارامترهای موقعیت و شکل در فرآیند سرشکنی تعیین میشوند
دقتهای قابل حصول به روش کمترین مربعات را میتوان به شرح زیر خلاصه نمود:
· تست آزمایشگاهی، نقاط به صورت تارگت: 0/01 تا 0/02 ابعاد پیکسل
· در کاربردهای فتوگرامتری برد کوتاه، نقاط به صورت تارگت: 0/1 تا 0/2 ابعاد پیکسل
· در فتوگرامتری هوایی، نقاط طبیعی: 0/3 تا 0/5 ابعاد پیکسل[4]
از جمله روشهای تناظریابی مبتنی بر کمترین مربعات میتوان به روش تناظریابی کمترین مربعات انطباق پذیرّ که در سال 1982 ارائه شد اشاره کرد. این روش را انطباقپذیر نامیدهاند چون میتواند به صورت خود تنظیم کنندهْ اجرا شود. به این معنی که میتواند مجموعه پارامترهای مورد نیاز و مناسب برای ظرفیت سیگنال تکهای از تصویر را به صورت اتوماتیک تخمین بزند. این روش ترکیبی از مدل هندسی روش تناظریابی مبتنی بر کمترین مربعات و قیود شرط همخطی و استفادههای متعدد از بیش از دو تصویر میباشد. این روش برای تناظریابی با دقت زیر پیکسلَکاملاً پذیرفته شده است. اما مشکل اصلی این روش نیز چون اکثر روشهای تناظریابی به روش کمترین مربعات مشکل نیاز به مقدار اولیه در آن میباشد.
روش دیگر از مجموعه روشهای تناظریابی کمترین مربعات روش تناظریابی همزمان چند محدوده در فضای شئ که در این روش از تصاویر پیچشُ دار استفاده میشود و در آن تناظریابی برای بیش از دو تصویر را میسر میکند. مدل ریاضی این روش برای تناظریابی چند تصویری بوده و حالت توسعه یافتهای از مدل کمترین مربعات مرسوم میباشد. این روش به مقادیر اولیهنسبتاً خوب موقعیت نقاط و توجیه تصاویر نیاز ندارد.
در حالت کلی اکثر روشهای تناظریابی به روش کمترین مربعات نیاز به مقدار اولیه خوب دارند و تا کنون نیز این مورد مشکل اساسی این روشها میباشد. از جمله روشهایی که برای بدست آوردن مقدار اولیه برای روش کمترین مربعات استفاده شده است میتوان به روش استفاده از تصاویر اپی پولار و نیز به کار گیری استراتژی سلسله مراتبی »درشت به ریزًٌ« - استفاده از هرم تصویر - اشاره کرد. هر کدام از این روشها دارای محدودیتهایی میباشند از جمله این که برای استفاده از تصاویر اپی پولار باید قبلاً توجیه نسبی حل شده باشد.
-3 استفاده از روش تناظریابی مبتنی بر هیستوگرام به عنوان مقدار اولیه برای روش تناظریابی مبتنی بر کمترین مربعاتدر روش تناظریابی بر مبنای هیستوگرام از هیستوگرامهای تکههای تصویری، به عنوان هستنده تناظریابی استفاده میشود. هیستوگرام تکه تصویری که بیشترین شباهت را به هیستوگرام انتخابی دارد، به عنوان متناظر تکه تصویر در نظر گرفته میشود. به دلیل سادگی اجرای این روش و محاسبات سریع آن، از این روش معمولاً در ردیابی بصری استفاده میشود. ضعف عمده این روش دقت آن است که معمولاً در حد چند پیکسل میباشد. اما با توجه به مزایای این روش میتوان از نتایج آن به عنوان مقدار اولیه برای روش LSM استفاده کرد.
از جمله تکنیکهای مهم برای تناظریابی دو هیستوگرام روش ضریب باتاچاری میباشد که در این مقاله نیز از این روش به منظور تناظریابی بین دو هیستوگرام استفاده شده است
