@article { author = {Akhoundi Khezrabad, Mojtaba and Valadan Zoej, Mohammad Javad and safdari nezhad, alireza}, title = {Geometric Correction of BaySpec OCI-F Pushbroom Hyperspectral Images via the Sequential Geometric Mappings among Simultaneous Video Frames Estimated by Least Square Matching}, journal = {Iranian Journal of Remote Sensing & GIS}, volume = {15}, number = {1}, pages = {17-37}, year = {2023}, publisher = {Iranian Remote Sensing & GIS Society}, issn = {2008-5966}, eissn = {2588-6185}, doi = {10.52547/gisj.15.1.17}, abstract = {Due to the wide applications of hyperspectral images, economical and innovative imaging systems are developed to acquire such images. In order to use hyperspectral images, it is necessary to establish an accurate relation between the ground space and the image space, which needs numerous Ground Control Points (GCPs). This fact highlights the need for developing geometric corrections methods for any camera design. BaySpec OCI-F (400-1000 nm) is one of the innovative cameras that acquires pushbroom hyperspectral images. In addition to the pushbroom sensor, the camera uses a frame sensor that acquires images at the same time as the pushbroom sensor and with the same temporal rate. In this article, a geometric correction method for pushbroom images of OCI-F camera is proposed. Based on the camera’s imaging design, the first step of the method determines a set of calibration parameters which geometrically relates the pushbroom and the frame sensors. Then using this relation and the geometric relations among consecutive frames, the pixels of the pushbroom scene are rearranged and form the corrected image. The proposed method determines the relation among the consecutive images via Least Square Matching (LSM) method. The results show that the correction method has decreased the geometric distortions of the raw pushbroom scene by 62.2% on average. Such a reduction causes the average accuracies of two-dimensional and three-dimensional generic models which relate image space and ground space together, to increase by 34.1% and 39.9% respectively.}, keywords = {BaySpec OCI-F,Geometric Correction,least square matching,pushbroom images}, title_fa = {اصلاح هندسی تصاویر سنجندة پوش‌بروم و ابرطیفی BaySpec OCI-F ازطریق تخمین ارتباط هندسی میان فریم‌های ویدئویی هم‌زمان، به‌کمک تناظریابی کمترین مربعات}, abstract_fa = {ضرورت دسترسی به کاربردهای وسیع تصاویر ابرطیفی سبب توسعة سیستم‌های تصویربرداری نوآورانه و اقتصادی در ثبت این تصاویر شده است. به‌منظور استفاده از این تصاویر، لازم است ارتباط هندسی دقیقی میان آنها و فضای زمین برقرار شود و این فرایند نیازمند نقاط کنترلی بسیاری است. این نکته ضرورت توسعة راهکارهای اصلاح هندسی منطبق با ساختار هریک از این دوربین‌ها را بارز می‌کند. سنجندة (nm 400-1000) BaySpec OCI-F یکی از سیستم‌های نوآورانه‌ای است که تصاویر ابرطیفی را با هندسة تصویربرداری پوش‌بروم دریافت می‌کند. این سنجنده، علاوه‌بر یک سنسور پوش‌بروم، از یک سنسور فریم نیز بهره می‌برد که هم‌زمان با سنسور پوش‌بروم و با رزولوشن مکانی زمانی مشابه، تصویر را دریافت می‌کند. در این مقاله، روشی برای اصلاح هندسی تصاویر پوش‌برومِ این سنجنده بیان شده است. در بخش اول این روش، با توجه به ساختار تصویربرداری دوربین، ارتباط هندسی میان آرایة خطی و سنسور فریم در قالب پارامترهای کالیبراسیونی مشخص می‌شود. در ادامه، به‌کمک برآورد ارتباط هندسی میان تصاویر فریم متوالی، پیکسل‌های تصویر پوش‌بروم در کنار یکدیگر چیده و تصویر اصلاح‌شده تولید می‌شود. در این روش، ارتباط هندسی میان هر جفت فریم متوالی به‌طور مستقیم، ازطریق تناظریابی کمترین مربعات، محاسبه می‌شود. نتایج به‌دست‌آمده نشان می‌دهد که این روش، به‌طور متوسط، 2/62% از اعوجاجات هندسی تصویر خام را کاهش داده است. این کاهش سبب شده است متوسط دقت مدل‌های درون‌یاب عمومی سادة دوبعدی و سه‌بعدی بین فضای تصویر و زمین، به‌ترتیب، 9/39% و 1/34% افزایش یابد.}, keywords_fa = {اصلاح هندسی,تصویربرداری پوش‌بروم,تناظریابی کمترین مربعات,دوربین BaySpec OCI-F}, url = {https://gisj.sbu.ac.ir/article_101305.html}, eprint = {https://gisj.sbu.ac.ir/article_101305_52d3ed098a6cde24fd18f3004f3d11e9.pdf} }