Die multimodale Bildzuordnungsmethode wird bereits bei der weit verbreiteten Verwendung von multispektralen Fernerkundungsbildern auf der Erde eingesetzt, es fehlt jedoch ein vergleichende Untersuchung der multimodalen Bildzuordnung auf dem Mond. Um eine präzise Zuordnung von hochauflösenden optischen Mondbildern zu SAR-Bildern zu erreichen, wählte diese Studie mehrere Experimentierbereiche wie den mittleren Breitenbereich auf dem Mond, den niedrigen Breitenbereich, den Südpol, den Nordpol und andere Bilder aus. Es wurden 8 verschiedene Merkmalszuordnungsalgorithmen wie SIFT (Scale-Invariant Feature Transform), regionenbasierte CFOG (Channel Features of Orientated Gradients), HOPC (Histogram of Orientated Phase Congruency) und strukturmerkmalsbasierte RIFT (Radiation-variation Insensitive Feature Transform), HAPCG (Histogramm der absoluten Phasenkonsistenzgradienten), HOWP (Histogramm der Orientierung des gewichteten Phasenbeschreibers), sowie die Deep Learning-Algorithmen SuperGlue und LoFTR (Local Feature TRansformer) für experimentelle Vergleichsstudien verwendet. Die Zuordnungsergebnisse wurden anhand von vier Indikatoren - korrekten Zuordnungspunkten, mittlerer quadratischer Fehler, Wiederholungsraten und Abdeckungsraten - verglichen und analysiert. Die Ergebnisse zeigten, dass der HAPCG-Algorithmus die besten Zuordnungsergebnisse erzielte, da er anisotrope Filterung und die Konstruktion von Merkmalsvektoren durch die Kombination von absoluten Phasenrichtungsgradienten-Histogrammen verwendete. Der LoFTR-Operator verwendete einen Mechanismus mit selbst- und gegenseitigen Aufmerksamkeitsschichten und erzielte die zweitbesten Zuordnungsergebnisse bei Mondbildern mit geringem Texturanteil. Die Zuordnungsergebnisse von HOWP und SuperGlue waren durchschnittlich. CFOG, HOPC und RIFT erzielten die schlechtesten Ergebnisse. SIFT konnte keine Zuordnung durchführen. Die Verteilung der Zuordnungspunkte und die Abbildungs-Lichtverhältnisse und Überlappungsbereiche der Bilder hängen zusammen, wobei in Bereichen mit mittleren und niedrigen Breiten die Zuordnungsergebnisse besser sind als in den Süd- und Nordpolbereichen. Es wurde eine statistische Analyse der ersten Stokes-Parameter der Zuordnungsergebnisse des HAPCG durchgeführt. Die durchschnittlichen Streuparameterwerte der Zuordnungspunkte in den Regenmeeren und Hochlandexperimentierbereichen waren höher als in den Süd- und Nordpol-Experimentierbereichen, was mit den Geländemerkmale korrespondiert. Das Streudiagramm zeigt eine Korrelation zwischen den ersten Stokes-Parametern der HAPCG-Zuordnungspunkte und den Helligkeitswerten optischer Bilder, was die Robustheit der HAPCG bei der Anpassung von nichtlinearen Strahlungsunterschieden zwischen optischen und SAR-Bildern des Mondes bestätigt. Diese Studie liefert Anhaltspunkte für die Auswahl von Methoden zur Zuordnung von optischen und SAR-Bildern des Mondes und trägt zur Anwendung von multiplen Datenquellen des Mondes bei.

Mond; multimodale Zuordnung; SAR-Bilder; optische Bilder; Stokes-Parameter