|
|
سنجش از دور و Gis ایران، جلد ۷، شماره ۲، صفحات ۰-۰
|
|
|
| عنوان فارسی |
تصحیح هندسی تصاویر ماهواره‌ای با استفاده از توابع کسری بهینه‌سازی‌شده به‌وسیله الگوریتم کلونی مورچهها |
|
| چکیده فارسی مقاله |
در غیاب داده‌های افمریز ماهواره و مدل سنجنده، تبدیلات غیرپارامتریک نظیر مدل توابع کسری از مهم‌ترین و پرکاربردترین انواع مدل‌های ریاضی در جوامع فتوگرامتری و سنجش از دور به‌شمار می‌آیند. وابستگی این مدل‌ها به تعداد زیادی نقاط کنترل زمینی، مشکلات عددی موجود در حل آنها و مشکل انتخاب ترم‌های سازنده ساختار تابع کسری را می‌توان از ضعف‌های عمده این روش برشمرد. ازآنجاکه ضرایب در توابع غیرپارامتریک دارای تفسیر و معنای فیزیکی مشخصی نیستند، در روش‌‌‌‌‌‌های معمول کلیه ترم‌‌‌‌‌‌ها وارد فرایند محاسباتی می‌شوند و خطای وابستگی میان ترم‌‌‌‌‌‌ها ایجاد می‌کنند. در پژوهش حاضر، الگوریتم کلونی مورچهها برای بهینه‌‌‌‌‌‌سازی توابع کسری مناسب‌سازی شد و از الگوریتم ویژه‌‌‌‌‌‌سازی‌شده به‌منظور یافتن ترکیب بهینه ترم‌‌‌‌‌‌ها در ساختار توابع کسری استفاده گردید. الگوریتم مذکور، روی سه تصویر در سطوح تصحیح هندسی مختلف با ترکیب‌‌‌‌‌‌های گوناگونی از نقاط کنترل و نقاط چک مستقل در سه سیستم مختصات زمینی UTM، CT و ژئودتیک و بدون نرمال‌‌‌‌‌‌کردن مختصات‌‌‌‌‌‌های زمینی و تصویری آزمون شد. نتایج آزمون‌‌‌‌‌‌های تجربی نشان دادند که الگوریتم ویژه‌‌‌‌‌‌سازی‌شده کلونی مورچهها در پژوهش حاضر از نظر تعداد ترم‌‌‌‌‌‌ها و دقت موقعیت مکانی قابلیت بالایی دارد. نتایج نشان دادند که استفاده از سیستم مختصات CT برای فضای زمین، نتایج بهتری را از نظر دقت و نحوه همگرایی الگوریتم به توابع کسری بهینه به‌دست می‌دهد. نتایج برای تصاویر مختلف و حتی تصاویر خام با استفاده از چهار نقطه کنترل، دقت زیرپیکسل را نشان داد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Ant Colony Optimization of RFM for Geometric Correction |
|
| چکیده انگلیسی مقاله |
Due to the absence of either satellite ephemeris information or camera model for various high resolution satellite images, rational functions models (RFMs) are widely used by photogrammetric and remote sensing communities. This method has various disadvantages such as: The dependency of this method on many ground control points (GCPs), numerical complexity and particularly terms selection. As there is no physical meaning for the terms of RFM, in traditional solution all of them are involved in the computational process which causes over-parameterization. In this letter, a modified Ant Colony Optimization is applied to identify the optimal terms for RFMs. For this purpose this method is tested on three images with different geometric correction levels, different coordinate systems (UTM, CT & Geodetic) and different combination of Ground Control Points (GCPs) and Independent Check Points (ICPs), without normalization of the image and ground coordinates. Experimental results demonstrate how well the proposed algorithm can determine an RFM, which is optimal in both the total number of terms and the positional accuracy. The results have showed that the CT coordinate system has the better capability in accuracy and convergence’s speed. As a conclusion, ACO when using for RFM optimization, can achieve subpixel accuracy even with just four GCPs. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
امین باغانی | amin baghani
دانشجوی دکتری فتوگرامتری، دانشگاه صنعتی خواجه نصیرالدین طوسی
محمدجواد ولدان زوج | mohammad javad valadan zoej
دانشیار گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی
مهدی مختارزاده | mehdi mokhtarzadeh
استادیار گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی
|
|
| نشانی اینترنتی |
http://scj.sbu.ac.ir/index.php/GIS/article/view/14184 |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/911/article-911-392536.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
مقالات |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|