Key points are not available for this paper at this time.
Cet article compare les performances des détecteurs de points clés et des descripteurs les plus couramment utilisés (SIFT, SURF, KAZE, AKAZE, ORB et BRISK) dans la normalisation radiométrique relative (RRN) basée sur des points clés d'images multispectrales bitemporelles non enregistrées. Les points clés appariés entre les images sujet et référence représentent des zones possibles inchangées et forment un ensemble de contrôle radiométrique (ECR). L'ECR initial est affiné en supprimant les points clés appariés avec une faible corrélation croisée. L'ECR final est utilisé pour approximer un mappage linéaire entre les bandes correspondantes des images sujet et référence. Cette procédure est validée sur cinq ensembles de données de paires d'images multispectrales non enregistrées acquises par des capteurs inter/intra en termes de précision de la RRN, qualité visuelle, qualité et quantité des échantillons dans l'ECR, et temps de calcul. Les résultats expérimentaux montrent que la RRN basée sur des points clés est robuste face aux variations de résolution spatiale, d'illumination et de capteurs. Les détecteurs de blobs (SURF, SIFT, KAZE et AKAZE) sont en moyenne plus précis que les détecteurs de coins (ORB et BRISK) en RRN, avec un coût de calcul plus élevé. Le code source et des échantillons des ensembles de données utilisés dans cette étude sont disponibles à l'adresse https://github.com/ArminMoghimi/keypoint-based-RRN pour soutenir la recherche reproductible en télédétection.
Moghimi et al. (ven,) ont étudié cette question.