کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
83929 158854 2016 9 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
Towards feature points based image matching between satellite imagery and aerial photographs of agriculture land
ترجمه فارسی عنوان
بسوی تطبیق تصویر مبتنی بر نقطه ویژگی بین تصاویر ماهواره ای و عکس های هوایی از زمین کشاورزی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
خدمات تولید محتوا

این مقاله ISI می تواند منبع ارزشمندی برای تولید محتوا باشد.

  • تولید محتوا برای سایت و وبلاگ
  • تولید محتوا برای کتاب
  • تولید محتوا برای نشریات و روزنامه ها
  • و...

پایگاه «دانشیاری» آمادگی دارد با همکاری مجموعه «شهر محتوا» با استفاده از این مقاله علمی، برای شما به زبان فارسی، تولید محتوا نماید.

تولید محتوا
با 10 درصد تخفیف ویژه دانشیاری
کلمات کلیدی
تطبیق تصویر؛ آشکارسازهای نقطه ویژگی . توصیف نقطه ویژگی ؛ تطبیق توصیف نزدیکترین همسایه
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی


• We present a performance comparison of state of the art feature point detector and descriptor algorithms.
• Comparison is carried out on aerial and satellite images of agriculture land.
• Objective is to identify well deserving feature points for the images of agriculture land.
• The agriculture land images possess high textural, photometric, and temporal differences.
• We also propose a new descriptor MN-SIFT, which outperforms all other descriptors on the images of agriculture land.

This paper focuses on image matching between satellite imagery and aerial photographs of agriculture land. Feature points are used for image matching. The satellite imagery and aerial photographs were acquired at different times, viewpoints, sensors, and altitudes. Therefore, they possess very high temporal, photometric, and projective differences. When feature points, such as Scale Invariant Feature Transform (SIFT) and Speeded Up Robust Features (SURF) are applied on such images, they demonstrate poor performance. This paper aims at evaluating the performance of SIFT, SURF, and other state of the art feature points in order to determine well deserving feature points for the images of agriculture land. We also propose a new feature point descriptor, i.e. Modified Normalized Gradient SIFT, which obtains on average 1.73–2.37% better performance than other state of the art descriptors.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Electronics in Agriculture - Volume 126, August 2016, Pages 12–20
نویسندگان
,,,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت