ارائه ­دهنده:
سید محمد حسینی پناه

  استاد راهنما:
دکتر محسن سریانی
 
استاد مشاور:
دکتر محمد رضا محمدی
 

دکتر ناصر مزینی
دکتر مریم ایمانی آرانه ای

زمان : ۲۳ اسفندماه ۱۴۰۲

  ساعت ۱۱:۰۰

چکیده پایان نامه :

هدف از ثبت تصویر، تراز کردن دو یا چند تصویر است که از یک صحنه، در زمان‌های مختلف و/یا از دیدگاه‌های مختلف و/یا با استفاده از دستگاه های مختلف گرفته شده است. در سال‌های اخیر با بهبود مستمر توانایی انسان در رصد زمین، دقت و کیفیت تصاویر سنجش از دور افزایش یافته است. بنابراین نیاز به مدل‌های جدید ثبت تصویر که بتواند محاسبات بالای این تصاویر را انجام دهد و همچنین از دقت خوبی برخوردار باشد، مشاهده می‌شود. در این پایان‌نامه، ما از یک روش جدید برای حل این مشکلات استفاده کرده‌ایم. راه‌حل پیشنهادی شامل استفاده از نواحی مورد علاقه به منظور کاهش ناحیه جست‌و‌جو و افزایش دقت است. برای این منظور ابتدا ناحیه‌هایی که بین دو تصویر یکسان هستند، شناسایی می‌شوند و سپس، ثبت تصویر با توجه به ناحیه‌های مشابه صورت می‌گیرد. برای پیدا کردن ناحیه مورد علاقه، از یک مدل شبکه عصبی عمیق ترانسفورمر استفاده شده است. شبکه عصبی عمیق ترانسفورمر پیشنهادی شامل چندین لایه توجه درونی و توجه متقاطع است که وظیفه یادگیری اهمیت موقعیت‌های مختلف در درون یک تصویر و بین دو تصویر را دارد. مدل پیشنهادی یک مدل خودنظارتی است که از روش  تعویض بخش برای تولید داده‌های آموزشی استفاده می‌کند. داده‌های آموزشی، از تصاویر Google Earth جمع‌آوری شده است و توسط مانشانه‌گذاری شده‌است. پس از آموزش مدل و بدست آوردن ناحیه‌های مشابه از مدل رایج  SIFT برای بدست آوردن ثبت تصویر استفاده می‌کنیم. برای آزمایش، از تصاویر هوایی ۲-Sentinel استفاده کرده‌ایم. برای ارزیابی کمی نتیجه، ما از ریشه میانگین مربعات خطا استفاده می‌کنیم. نتایج کمی و کیفی نشان دهنده شکاف عملکرد قابل توجهی در هزینه و دقت، در مقایسه با روش های مرسوم برای ثبت تصاویر هوایی است.


 

مکان: دانشکده مهندسی کامپیوتر، طبقه ۲  ،اتاق دفاعیه دکتری