بهبود تناظريابي تصاوير ماهواره اي TerraSAR-X به كمك ويژگي هاي بافت تصويري

Improving the TerraSAR-X Image Matching using Textural Image Features

انجام تناظريابي تصاوير SAR يكي از اصليترين مراحل انجام فرآيندهايي همچون تداخل سنجي، رادارگرامتري و كشف تغييرات ميباشد. در تمام فرآيندهاي ذكر شده بايد نقاطي در سطح زوج تصوير با يكديگر متناظر شوند تا بتوان به خروجيهايي همچون مدل ارتفاعي زمين، ميزان جابهجاييهاي پوسته زمين و يا ميزان تغييرات سطح زمين رسيد. تناظريابي در تصاوير SAR به علت وجود پديدههاي هندسي مختلف، وجود نويز اسپيكل و وجود نواحي با بافت تكراري و ضعيف در سطح تصوير پيچيدهتر از بحث تناظريابي تصاوير نوري ميباشد. لذا ارايه روشهاي كارآمد در رسيدن به نتايج مطلوبتر در بحث تناظريابي اين تصاوير ميتواند كمك شاياني در رسيدن به خروجيهاي با كيفيتتر از اين تصاوير در فرآيندهاي ذكر شده بنمايد. امروزه در ميان تصاوير SAR به تصاوير TerraSAR-X به عنوان يكي از تصاوير با توان تفكيك مكاني بالا توجه زيادي ميشود. در اين مقاله سعي شده است كه با استفاده از برخي اطلاعات مختلف بافت تصوير كه شامل تصاوير كنتراست، همبستگي، عدم تشابه، آنتروپي، همگني، گراديان بهينه خطي، ميانه، گشتاور دوم، واريانس، فيلتر بالا گذر و تصوير لبه ميباشد نتايج حاصل از تناظريابي زوج تصوير اصلي بهبود داده شود. آزمايشها بر روي بخشي كوچك و پرعارضه از زوج تصوير TerraSAR-X كه از منطقه جم استان بوشهر اخذ شدهاند، صورت ميگيرد. نتايج نشان ميدهد با توجه به اينكه بافت تصوير در برخي مناطق از تصوير اصلي ضعيف است، الگوريتم انجام تناظريابي (در اين مقاله از روش جريان نوري لوكاس و كاناده براي انجام تناظريابي استفاده شده است) تنها 86% موفقيت بههمراه دارد و قادر به كشف نقاط متناظر از برخي مناطق نميباشد. اين درحالي است كه در همان مناطق پس از استفاده از اطلاعات بافت تصوير نقاط با 99/7% موفقيت، به خوبي متناظر شدهاند..

Nowadays, SAR imaging systems have become more interesting for scientists. high spatial resolution of recent SAR images has become a key factor for their accurate applications such as interferometry, radargrammetry and change detection. In these applications, SAR image matching procedure is a critical step for conjugate point extraction which is much more difficult than the optical images. The main reasons are both high radiometric speckle noise and high geometric distortions defining by layover, shadow, and foreshortening. Therefore, utilizing efficient methods to achieve a more favorable result in the SAR image matching, could help us to get better output in various applications. Among the SAR images, study about TerraSAR-X is so important, because TerraSAR-X sensor acquires high spatial resolution images. In this paper, we used various textural image features including contrast, correlation, dissimilarity, entropy, homogeneity, optimal gradient filter, mean, second moment, variance, high pass filter and edge images. The main aim of our research was to determine how much can these features improve the SAR image matching process? In our experiments, we used a small urban part of pair of TerraSAR-X single-look slant-range complex (SSC) images that were acquired over the city of Jam, southern Iran, in spotlight mode. The result shows that for some image areas with low texture, the conventional image matching algorithm (here Lucas-Kanade’s optical flow) is not able to detect corresponding points, while using the above textural features in image matching process causes to extract appropriate numbers of matched points.