در این مقاله، انواع مدلهای ریاضی دوبعدی و سه بعدی به منظور تصحیح هندسی تصاویر SAR در هندسه Slant range استفاده شده است. تعدادی از این مدلها، هندسه تصویر را در لحظه تصویربرداری در نظر می گیرند، در حالی که دیگر مدلها، فضای تصویررا به کمک یک چند جمله ای با فضای زمین مرتبط می سازند. تصاویر مورد آزمایش، سه تصویر ENVISAT از منطقه بم است. برای تصحیح نقاط کنترل دو بعدی از نقشه توپوگرافی با مقیاس 1:25000 و ارتفاع آنها از SRTM استخراج شدند. مدلهای استفاده شده در روش دو بعدی انواع چند جمله ایها، point wise، piece wise و projective بوده در حالی که برای تصحیح هندسی سه بعدی مدل پیچیده SAR به کارگرفته و نتایج آن با روش DLT مقایسه شد. از آنجا که این تصاویر به منظور مطالعات تداخل سنجی تهیه شده اند، خط مبنای آنها کوچک بوده و در نتیجه دقت استخراج مختصات سه بعدی به کمک زوج تصویر آنها پایین است. در حالی که نتایج تصحیح هندسی دو بعدی از دقت نسبتا خوبی برخوردار است.

انجام تناظریابی تصاویر SAR یکی از اصلی ترین مراحل انجام فرآیندهایی همچون تداخل سنجی، رادارگرامتری و کشف تغییرات می باشد. در تمام فرآیندهای ذکر شده باید نقاطی در سطح زوج تصویر با یکدیگر متناظر شوند تا بتوان به خروجی هایی همچون مدل ارتفاعی زمین، میزان جابه جایی های پوسته زمین و یا میزان تغییرات سطح زمین رسید. تناظریابی در تصاویر SAR به علت وجود پدیده های هندسی مختلف، وجود نویز اسپیکل و وجود نواحی با بافت تکراری و ضعیف در سطح تصویر پیچیده تر از بحث تناظریابی تصاویر نوری می باشد. لذا ارائه روش های کارآمد در رسیدن به نتایج مطلوبتر در بحث تناظریابی این تصاویر می تواند کمک شایانی در رسیدن به خروجی های با کیفیت تر از این تصاویر در فرآیندهای ذکر شده بنماید. امروزه در میان تصاویر SAR به تصاویر TerraSAR-X به عنوان یکی از تصاویر با توان تفکیک مکانی بالا توجه زیادی میشود. در این مقاله سعی شده است که با استفاده از برخی اطلاعات مختلف بافت تصویر که شامل تصاویر کنتراست، همبستگی، عدم تشابه، آنتروپی، همگنی، گرادیان بهینه خطی، میانه، گشتاور دوم، واریانس، فیلتر بالا گذر و تصویر لبه میباشد نتایج حاصل از تناظریابی زوج تصویر اصلی بهبود داده شود. آزمایش ها بر روی بخشی کوچک و پرعارضه از زوج تصویر TerraSAR-X که از منطقه جم استان بوشهر اخذ شده اند، صورت می گیرد. نتایج نشان می دهد با توجه به اینکه بافت تصویر در برخی مناطق از تصویر اصلی ضعیف است، الگوریتم انجام تناظریابی (در این مقاله از روش جریان نوری لوکاس و کاناده برای انجام تناظریابی استفاده شده است) تنها 86% موفقیت به همراه دارد و قادر به کشف نقاط متناظر از برخی مناطق نمی باشد. این در حالی است که در همان مناطق پس از استفاده از اطلاعات بافت تصویر نقاط با %99.7 موفقیت، به خوبی متناظر شده اند.

با توجه به کاربردهای فراوان تصاویر SAR در تولید مدل رقومی زمین، بررسی میزان جابه جایی سطح زمین و کشف تغییرات می توان به میزان اهمیت بحث تناظریابی در تصاویر SAR پی برد. تناظریابی در این تصاویر به علت وجود پدیده های گوناگون هندسی از جمله سایه، همپوشانی و کوتاه شدگی در کنار نویزهای مختلف که مهم ترین آنها نویز اسپیکل می باشد، به مراتب پیچیده تر از تناظریابی در تصاویر اپتیکی است. از این رو ارائه روشی کارآمد جهت انجام تناظریابی این تصاویر می تواند بسیار مفید باشد. در این مقاله ابتدا مراحل روش پیشنهادی توضیح داده شده است. این مراحل شامل کاهش اثر نویز اسپیکل بر روی تصاویر، استخراج عوارض نقطه ای، تخصیص ویژگی به عوارض استخراج شده، تناظریابی محلی و در پایان انجام تناظریابی سراسری می باشد. با توجه به شرایط تصاویر SAR، در مراحل ذکر شده از الگوریتم های موجود در فتوگرامتری و بینایی رایانه بهره برده شده است. در هر مرحله چندین الگوریتم مورد آزمون قرار گرفته و بر اساس مقایسه نتایج بدست آمده بهترین آن در الگوریتم پیشنهادی بکار گرفته شده است. جهت انجام آزمایش از جفت تصویر با طول باز بلند و جفت تصویر با طول باز کوتاه از منطقه جم استان بوشهر استفاده شده است که توسط سنجنده TerraSAR-X اخذ شده اند. نتایج آزمایش ها نشان می دهد که روش پیشنهادی با دقت و اعتمادپذیری بالایی تعداد مناسبی از عوارض نقطه ای در دو تصویر را متناظر می کند. این روش تعداد 211 نقطه با دقت 1.9 پیکسل را برای تصاویر مورد آزمایش با طول باز بلند به ابعاد 700×700 پیکسل و تعداد 1603 نقطه با دقت 1.22 پیکسل را برای تصاویر مورد آزمایش با طول باز کوتاه به ابعاد 400×400 پیکسل متناظر می کند. از این روش می توان جهت انجام coarse matching در تصاویر SAR بهره برد.