Сочинение на тему Алгоритм масштабного инвариантного преобразования объектов
- Опубликовано: 16.09.2020
- Предмет: Здоровье, Информационная наука
- Темы: видение, компьютер, Человеческое тело
Масштабируемое преобразование инвариантных объектов (SIFT) – дескриптор изображения для сопоставления и распознавания на основе изображений, разработанный Дэвидом Лоу. Как и другие дескрипторы, этот дескриптор используется для большого количества целей в темах, связанных с компьютерным зрением, которые связаны с сопоставлением точек для распознавания объектов. Дескриптор SIFT инвариантен к геометрическим преобразованиям, таким как перемещение, вращение и масштабирование в области изображения, кроме того, он устойчив для умеренных перспективных преобразований и изменений степени освещенности. Экспериментально доказано, что он полезен и эффективен на практике для распознавания объектов и сопоставления изображений в реальных условиях.
SIFT включает в себя метод обнаружения точек интереса по изображению на уровне серого, где накапливаются статистические данные о направлениях локального градиента интенсивностей изображения, чтобы дать обобщающее описание локальной структуры изображения в локальной окрестности вокруг каждой точки интерес, в котором дескриптор должен использоваться для сопоставления соответствующих точек интереса между различными изображениями. Позднее дескриптор SIFT был расширен с уровня серого до цветных изображений.
Алгоритм SIFT использует разность гауссианов (DoG), которая является приближением к лапласиану Гаусса (LoG), что немного дорого. Разность по Гауссу получается как разница по размытию по Гауссу изображения с двумя различными значениями σ, который действует как параметр масштабирования.
Как только DoG найден, в изображениях ищутся локальные экстремумы в масштабе и пространстве. Например, один пиксель в изображении сравнивается с его 8 соседями, а также с 9 пикселями в следующем масштабе и 9 пикселями в предыдущих масштабах. В случае, если это были локальные экстремумы, это потенциальный ключевой момент. Этот процесс выполняется над различными октавами изображения в гауссовой пирамиде, как показано в 2.12. Пирамида изображений – это серия изображений, каждое из которых является результатом выборки с понижением (уменьшенной на определенный коэффициент) из предыдущего элемента.
После этого мы переходим к следующему шагу, который является ключевой точкой локализации. Когда потенциальные ключевые точки найдены, они должны быть уточнены, чтобы получить более точные результаты определения местоположения экстремумов, где есть пороговое значение, и если интенсивность в этих экстремумах меньше, чем это пороговое значение, то оно отклонено Теперь необходимо принять во внимание ориентацию, и для этого необходимо назначить ориентацию каждой ключевой точке для достижения неизменности вращения изображения. Вокруг расположения ключевой точки будет определяться окрестность в зависимости от масштаба, и в этом конкретном регионе рассчитывается величина и направление градиента. Чтобы найти доминирующую ориентацию, пики обнаруживаются в этой гистограмме ориентации. В случае если имеется несколько доминирующих ориентаций вокруг точки интереса, то допускается несколько пиков, если высота вторичных пиков превышает 80% высоты самого высокого пика, и в этом случае каждый пик используется для вычисления нового изображения дескриптор для соответствующей оценки ориентации.
Теперь, когда дескриптор ключевой точки создан, берется окрестность вокруг ключевой точки. Он разделен на подблоки, и для каждого подблока создается гистограмма ориентации. Затем ключевые точки между двумя изображениями сопоставляются путем определения ближайших соседей.
Анализ мыльных опер. Краткая история Жанр мыльной оперы появился на американском радио в 1930-х годах и получил свое название благодаря спонсорской поддержке программ крупными компаниями,
Ваше тело похоже на машину, в которой множество деталей работают вместе, чтобы машина работала плавно. Ваш мозг является центральной частью вашей машины. Это всего 2%
Обнаружение антиядерного антитела (ANA) является первым шагом в диагностике аутоиммунного заболевания соединительной ткани (CTD). Золотым стандартом лабораторного анализа для обнаружения антиядерных антител (ANA) является непрямая