تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی

آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی

استخراج و تطابق ویژگی های محلی همانند الگوریتم SIFT یا Scale Invariance Feature Transform، یک مبحث اساسی در بینایی کامپیوتر می باشد که کاربردهای زیادی در بازیابی تصاویر، شناسایی اشیاء، ثبت تصاویر و … دارد. اسلایدهای این فرادرس که بر اساس کتاب خانم دکتر Grauman تهیه شده است، در این خصوص کتاب معروف Visual object recognition را تألیف نموده اند.

این فرادرس علاوه بر تئوری روش های مطرح کنونی برای استخراج و انطباق ویژگی های محلی همانند گوشه باب ها و الگوریتم معروف SIFT، کد آنها و بهینه سازی آن روش ها برای تصاویر مختلف را بررسی می کند. کد الگوریتم SIFT از سایت Vedaldi دانلود شده است. روش های مبتنی بر ویژگی های محلی دارای جزییات مهمی هستند که عدم توجه به آنها منجر به عملکرد ضعیف این ایزار قدرتمند در حوزه های مختلف می شود. یادگیری و اشراف کامل به عملکرد آنها و آشنایی با مزیت ها و معایب این روش ها ، هم برای دانشجویانی که می خواهند بر روی توسعه این روش ها کار کنند و هم برای دانشجویانی که می خواهند متد پیشنهادی خود را با این تکنیکها مقابسه کنند، مفید است.

 

هدف چیست؟

هدف بررسی مباحث استخراج و انطباق ویژگی است که علاوه بر تئوری روشها، کد آنها و بهینه سازی روشها برای تصاویر مختلف پزشکی و ماهواره ای بررسی خواهد شد.

 

اهمیت رسیدن به این هدف چیست؟

داشتن دید وسیع و کاربردی از این تکنیکها در حوزه های متفاوت پردازش تصویر، میتواندد در امر انجام پایان نامه و ارایه نوآوری مفید واقع شود.

 

سرفصل های این دوره شامل موارد زیر است:

  • چرا از ویژگیهای محلی استفاده میکنیم؟
  • معرفی و بررسی کد متلب گوشه یاب Moravec و Harris
  • معرفی و بررسی کد متلب منطقه یاب Harris-Laplas
  • معرفی و بررسی کد متلبSIFT
  • منطقه یابها
  • حذف تطابق های اشتباه

 

برای مشاهده جزئیات و تهیه تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی به این  لینک (+) مراجعه نمایید.

 

0 پاسخ

ارسال یک پاسخ

در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *