MoonMetaSync：月球图像配准分析
计算机视觉与模式识别
2024-10-16 v1 人工智能
代数几何
摘要
本文比较了尺度不变（SIFT）和尺度可变（ORB）特征检测方法，以及我们新颖的特征检测器 IntFeat，专用于月球影像。我们使用低（128x128）和高分辨率（1024x1024）月球图像块，对这些方法进行评估，为其在挑战性外天环境下不同尺度的性能提供了见解。IntFeat 将来自 SIFT 的高层特征与来自 ORB 的低层特征组合到单个向量空间，以实现对月球图像的稳健配准。我们引入 SyncVision，这是一个 Python 软件包，用于使用各种配准方法（包括 SIFT、ORB 和 IntFeat）比较月球图像。我们的分析包括使用双线性和三次样条插值对低分辨率月球图像进行上采样，为在月球景观中不同尺度和特征检测器的配准有效性提供了独特视角。本研究为计算机视觉和行星科学贡献了比较月球影像特征检测方法的工作，并引入了用于月球图像配准和评估的多功能工具，为太空探索应用中的多分辨率图像分析提供了意义。
引用
@article{arxiv.2410.11118,
title = {MoonMetaSync: Lunar Image Registration Analysis},
author = {Ashutosh Kumar and Sarthak Kaushal and Shiv Vignesh Murthy},
journal= {arXiv preprint arXiv:2410.11118},
year = {2024}
}