بهبود الگوريتم SIFT به‌منظور تناظريابي تصاوير برد كوتاه با طول باز بلند

An improvement in SIFT Algorithm for Wide-Baseline Image Matching

تناظريابي به عنوان يك فرآيند اساسي در فتوگرامتري رقومي شناخته مي‌شود. انجام اين فرآيند اساسي در فتوگرامتري بردكوتاه با توجه به اعوجاجات هندسي قابل توجه در تصاوير همگرا، بسيار پيچيده بوده و اغلب الگوريتم‌هاي موجود نمي‌توانند نتايجي با دقت مطلوب را ايجاد كنند. در اين مقاله روشي كارآمد جهت تناظريابي تصاوير همگرا در فتوگرامتري بردكوتاه ارايه شده است. در روش پيشنهادي به منظور انجام عمليات تناظريابي، ابتدا با استفاده از الگوريتم SIFT عوارض موضعي در دو تصوير مبنا و ورودي استخراج مي‌شود. در ادامه جهت كنترل تغييرات هندسي ايجاد شده در عوارض، حاصل از تغيير منظر تصويربرداري، شكل هندسي عوارض، با استفاده از ماتريس گشتاور مرتبه‌ي دوم، از دايره به بيضي تغيير داده مي‌شود. سپس به منظور ايجاد توصيفگر براي هر عارضه، نواحي بيضي شكل به دوايري با شعاع ثابت نرماليزه مي‌شوند. در نهايت پس از ايجاد توصيفگر براي هر عارضه، عمليات تناظريابي انجام شده و تناظرهاي اشتباه باقي‌مانده توسط الگوريتم كارآمد RANSAC حذف مي‌شوند. نتايج آزمايشات بر روي چند دسته از تصاوير بردكوتاه بيانگر عملكرد قابل توجه روش پيشنهادي بوده به گونه‌اي كه تعداد عوارض متناظر با استفاده از روش پيشنهادي در حدود دو برابر بيشتر از تعداد عوارض متناظر ايجاد شده توسط روش استاندارد SIFT است. همچنين نتايج بدست آمده بر روي تصاوير مورد استفاده، حاكي از آن است كه دقت تناظريابي نيز با استفاده از روش پيشنهادي بين 3 الي 8 درصد افزايش مي‌يابد.

Image matching is known as a vital process in digital photogrammetry. Despite development of many image matching algorithms, this process still has some difficulties in close range photogrammetry, due to geometric changes which are made by changes in viewpoint. In this paper, an effective and robust image matching approach is presented for wide-baseline image matching. In the proposed method, in order to perform matching operation, after extracting blob-like features in base and input image, using SIFT detector, an elliptical region is constructed for each feature . In the following, in order to control the created geometric changes resulted from changes in the imaging perspective, parameters of this ellipse are calculated by using second moment matrix. In addition, descriptor for each feature is constructed by normalization of the respective ellipse to a circular region with a constant radius. Finally, by applying nearest neighbor method, matching process is done and mismatches are eliminated by implementing epipolar constraint based on RANSAC method. Test results on different close range image datasets, beside the increased accuracy rate of 3 to 8 percent, represents significant function of the proposed method since the results are two times higher than the results finalized using the standard SIFT method.