افزايش كارايي و سرعت فرآيند تناظريابي كمترين مربعات در تصاوير رقومي

تناظريابي كمترين مربعات، LSM، (Least Square Matching) يكي از دقيق‌ترين روش‌هاي تناظريابي در فتوگرامتري و سنجش‌ازدور است. يكي از محدوديت‌هاي اساسي اين روش پيچيدگي محاسباتي بالا به‌دليل ابعاد بزرگ معادلات مشاهدات و روند تكراري آن تا دستيابي به جواب است. در اين تحقيق روشي جديد به‌منظور بهبود سرعت و كارايي اين الگوريتم با عنوان تناظريابي كمترين مربعات سريع، FLSM (Fast Least Square Matching) ارائه‌شده است. ايده اساسي در روش پيشنهادي كاهش تعداد معادلات مشاهدات در سرشكني كمترين مربعات به‌منظور افزايش كارايي فرآيند تناظريابي است. براي اين منظور پيكسل‌هاي واقع در پنجره تناظريابي با استفاده از يك معيار ويژه با عنوان استحكام رتبه‌بندي شده و درصد مشخصي از پيكسل‌ها با بالاترين استحكام در روند سرشكني شركت داده مي‌شوند. به‌منظور محاسبه استحكام پيكسل‌ها از تركيب معيار تناسب فاز و آنتروپي استفاده شده‌ است. روش پيشنهادي بر روي هشت جفت تصوير بردكوتاه، هوايي و ماهواره‌اي در دو دسته شبيه‌سازي‌شده و واقعي پياده‌سازي شده و نتايج بيانگر بهبود قابل‌توجه سرعت (حدود سه برابر) با حفظ كيفيت فرآيند تناظريابي ‌است.

Least square matching (LSM) is one of the most accurate image matching methods in photogrammetry and remote sensing. The main disadvantage of the LSM is its high computational complexity due to large size of observation equations. To address this problem, in this paper a novel method, called fast least square matching (FLSM) is being presented. The main idea of the proposed FLSM is decreasing the size of the observation equations to improve the efficiency of the matching process. For this purpose, the pixels in the matching window are ordered using a special robustness measure. Then, a specific percent of the pixels with the highest robustness is selected for matching process. The phase congruency and entropy measures are used to compute the proposed robustness measure. The proposed FLSM method was successfully applied to match various synthetic and real image pairs, and the results demonstrate its capability to increase matching efficiency. The matching results show that the proposed FLSM method is three times faster than standard LSM method.