آموزش تناظر یابی در تصاویر دیجیتال با استفاده از...
TRANSCRIPT
![Page 1: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/1.jpg)
:مدرسقصابیدکتر زینب
هوش مصنوعی-کامپیوترمهندسی دکترای فارغ التحصیل و تحقیقات تهراندانشگاه علوم
تناظر یابی در تصاویر دیجیتال با استفاده از ویژگی های محلی
1
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 3: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/3.jpg)
• Book:
• Courses:
– CS395T: Visual Recognition, Fall 2012
– CS 376: Computer Vision, Spring 2011
• Keywords:
– detection and description of local
invariant features; matching local features,
– dealing with outliers in
correspondences, RANSAC and the Generalized Hough transform; Hough
voting; Generalized distance transform;
3
فرادرس
FaraDars.org
![Page 4: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/4.jpg)
فهرست مطالب
چرا ویژگی های محلی•
Harrisو Moravecگوشه یاب •
Harris-Laplasمنطقه یاب •
SIFTویژگی محلی •
منطقه یاب ها•
حذف تطابق های اشتباه•
4
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 5: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/5.jpg)
اعوجاجات روشنایی و هندسی
Projective
5
Scale IlluminationRotationAffine
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 6: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/6.jpg)
بینایی کامپیوتر
• Object Recognition
• Image Retrieval
• Image Categorization
• Image Registration
• ……
؟(Local Features)چرا ویژگی های محلی
6
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 7: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/7.jpg)
بینایی کامپیوترImage Categorization
Training Labels
Training Images
Classifier
Training
Training
Image Features
Image Features
Testing
Test Image
Trained
Classifier
Trained
Classifier Outdoor
Prediction
7
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 8: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/8.jpg)
آیا عکس ورودی آشپزخانه است؟•
بینایی کامپیوترImage Categorization
8
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 9: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/9.jpg)
بینایی کامپیوترImage Categorization
Training Labels
Training Images
Classifier Training
Image Features
Trained Classifie
r
9
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 10: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/10.jpg)
Classifiers
• SVM
• Neural networks
• Naïve Bayes
• Bayesian network
• Logistic regression
• Randomized Forests
• Boosted Decision Trees
• K-nearest neighbor
• RBMs
• Etc.
x x
xx
x
x
x
x
oo
o
o
o
x2
x1
کدام یک بهتر است؟
10
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 11: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/11.jpg)
بینایی کامپیوترImage Categorization
نمود؟representتوان تصویر یا اشیاء و یا مدل را چگونه می
Training Labels
Training Images
Classifier
Training
Training
Image FeaturesTrained
Classifier
11
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 12: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/12.jpg)
(pattern recognition)باز نمایش الگو
12
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 13: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/13.jpg)
(object Representation)نمایش اشیاء باز
Signatures
13
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 14: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/14.jpg)
(object Representation)نمایش اشیاء باز Signatures
14
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 15: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/15.jpg)
(Representation)باز نمایش
(Global)جهانی •
.همگی هیستوگرام یکسانی دارند
ی جهانی نسبت به اعوجاجات هندسی، روشنایویژگی های .نیستند( Robust)و موانع پایدار
15
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 16: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/16.jpg)
• Examples of descriptors
(Representation)باز نمایش
16
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 17: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/17.jpg)
(Representation)باز نمایش
17
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 18: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/18.jpg)
مشکالت
18
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 19: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/19.jpg)
مشکالت
Scale View
Lighting Occlusion19
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 20: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/20.jpg)
(local invariant features)ویژگی های محلی
20
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 21: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/21.jpg)
(Representation)باز نمایش
(Local)محلی •
.
: های محلیویژگی ( Feature Detection)استخراج •(Feature Description)توصیف •(Feature Matching)تطابق•
21
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 22: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/22.jpg)
انطباق ویژگیهدف از (feature matching)
درمثال . ، یک مسئله بنیادی استکاربرد های بینایی کامپیوتر انطباق ویژگی در بسیاری از •
–Image Registration and Mosiacking
–Object Recognition
–image retrieval
–object tracking
.برد داردکار دیگری و موارد
Invariant Local Features 22
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 23: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/23.jpg)
بازشناسی اشیاء
23
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 24: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/24.jpg)
بازیابی تصویر
24
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 25: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/25.jpg)
Image Registration
25
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 26: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/26.jpg)
Mosaicsim
age fro
m S. Se
itz
26
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 27: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/27.jpg)
ساختن تصاویر پانورما
27
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 28: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/28.jpg)
Compositeساختن تصاویر
28
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 29: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/29.jpg)
مشکالت
(Invariance)استخراج مستقل نقاط•
(Distictiveness)استخراج نقاط متمایز •
!شانسی برای تطابق وجود ندارد
تحت اعوجاجات نقاط باید مختلف روشنایی و هندسی
.باشندتکرار پذیر
?نقاط باید توسط توصیفگر های متمایز
.توصیف شوند
29
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 30: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/30.jpg)
فهرست مطالب
چرا ویژگی های محلی•
Harrisو Moravecگوشه یاب •
Harris-Laplasمنطقه یاب •
SIFTویژگی محلی •
منطقه یاب ها•
حذف تطابق های اشتباه•
30
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 31: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/31.jpg)
انواع گوشه یا بها
morphologyروش های مبتنی بر عملیات •
روش های یادگیری ماشین•
(derivative-based approaches)روش های مبتنی بر مشتق•
•......
31
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 32: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/32.jpg)
گوشه یاب ها
. پیکسلی گوشه است که تغییرات شدید روشنایی در هر جهتی که از پیکسل حرکت کنیم، داشته باشیم: ایده32
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 33: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/33.jpg)
گوشه یاب ها
Moravec(1980)گوشه یاب •
flat33
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 34: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/34.jpg)
گوشه یاب ها
Moravec(1980)گوشه یاب •
flat34
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 35: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/35.jpg)
گوشه یاب ها
Moravec(1980)گوشه یاب •
flat edge35
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 36: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/36.jpg)
گوشه یاب ها
Moravec(1980)گوشه یاب •
flat edge corner36
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 37: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/37.jpg)
گوشه یاب ها
Moravec(1980)گوشه یاب •
W
2
,
( , ) ( , ) ( , ) ( , )x y
E u v w x y I x u y v I x y
IntensityShifted intensity
Window function
Four Shifts: (u,v) = (1,0), (1,1), (0,1), (-1, 1)
E
uv
37
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 38: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/38.jpg)
گوشه یاب ها
Moravec(1980)مشکالت گوشه یاب •نویزی بودن پاسخ بدلیل استفاده از پنجره دودویی، –درجه از هم45 های محدود با فاصله شیفت های در نظر گرفتن تعداد –
Eدر نظر گرفتن مینیمم مقدار –
.نباشد1.5تر از صورتیکه نسبت تفاوت مقیاس بین تصاویر بیشیاب ها در تکرارپذیری و تمایز در بین گوشه دارای باالترین •
Harrisگوشه یاب
38
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 39: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/39.jpg)
گوشه یاب ها
Moravec(1980)مشکالت گوشه یاب •نویزی بودن پاسخ بدلیل استفاده از پنجره دودویی، –درجه از هم45 های محدود با فاصله شیفت های در نظر گرفتن تعداد –
Eدر نظر گرفتن مینیمم مقدار –
.نباشد1.5تر از صورتیکه نسبت تفاوت مقیاس بین تصاویر بیشیاب ها در تکرارپذیری و تمایز در بین گوشه دارای باالترین •
Harrisگوشه یاب
39
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 40: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/40.jpg)
گوشه یاب ها
Moravec(1980)مشکالت گوشه یاب •نویزی بودن پاسخ بدلیل استفاده از پنجره دودویی، –درجه از هم45 های محدود با فاصله شیفت های در نظر گرفتن تعداد –
Eدر نظر گرفتن مینیمم مقدار –
در نظر گرفتن شیفت در هر جهت با بسط سری تیلور–Harrisگوشه یاب
،
( , ) ,u
E u v u v Mv
2
2,
( , )x x y
x y x y y
I I IM w x y
I I I
40
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 41: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/41.jpg)
گوشه یاب ها
Moravec(1980)مشکالت گوشه یاب •نویزی بودن پاسخ بدلیل استفاده از پنجره دودویی، –درجه از هم45 های محدود با فاصله شیفت های در نظر گرفتن تعداد –
Eدر نظر گرفتن مینیمم مقدار –
در نظر گرفتن شیفت در هر جهت با بسط سری تیلور–Harrisگوشه یاب
( , ) ,u
E u v u v Mv
2
2,
( , )x x y
x y x y y
I I IM w x y
I I I
41
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 42: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/42.jpg)
گوشه یاب ها
Moravec(1980)مشکالت گوشه یاب •نویزی بودن پاسخ بدلیل استفاده از پنجره دودویی، –درجه از هم45 های محدود با فاصله شیفت های در نظر گرفتن تعداد –
Eدر نظر گرفتن مینیمم مقدار –
در نظر گرفتن شیفت در هر جهت با بسط سری تیلور–Harrisگوشه یاب
( , ) ,u
E u v u v Mv
Mبررسی مقادیر ماتریس : Wتغییرات روشنایی در پنجره
1, 2 – eigenvalues of M
direction of the
slowest change
direction of the fastest change
(max)-1/2
(min)-1/2
Ellipse E(u,v) = const
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 43: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/43.jpg)
1, 2 – eigenvalues of M
T
yyyx
yxxxXX
IIII
IIIIyxwM
2
1
0
0),(
x
II x
y
II y
y
I
x
III yx
Notation:
iii xMx
43
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 44: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/44.jpg)
Visualize quadratic functions
10
01M
44
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 45: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/45.jpg)
Visualize quadratic functions
10
04M
45
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 46: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/46.jpg)
Selecting Good Features
1, 2 are large46
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 47: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/47.jpg)
Selecting Good Features
large 1, small 247
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 48: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/48.jpg)
Selecting Good Features
small 1, small 2 48
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 49: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/49.jpg)
1
2
Corner1 and 2 are large,1 ~ 2;
E increases in all directions
1 and 2 are small;E is almost constant in all directions
edge 1 >> 2
edge 2 >> 1
flat
با تقسیم بندی نقاط تصویراستفا ده از مقادیر ویژه
Mماتریس
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 50: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/50.jpg)
گوشه یاب ها
Moravec(1980)مشکالت گوشه یاب •نویزی بودن پاسخ بدلیل استفاده از پنجره دودویی، –درجه از هم45 های محدود با فاصله شیفت های در نظر گرفتن تعداد –
Eدر نظر گرفتن مینیمم مقدار –
معیار گوشه یاب جدید–Harrisگوشه یاب
2
det traceR M k M 1 2
1 2
det
trace
M
M
(k – empirical constant, k = 0.04-0.06)
50
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 51: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/51.jpg)
1
2
“Corner”
“Edge”
“Edge”
“Flat”
• R depends only on eigenvalues of M
• R is large for a corner
• R is negative with large magnitude for an edge
• |R| is small for a flat regionR > 0
R < 0
R < 0|R| small
51
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 52: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/52.jpg)
Harrisگوشه یاب
52
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 53: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/53.jpg)
Pseudo code
53
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 54: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/54.jpg)
54
فرادرس
FaraDars.org
![Page 55: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/55.jpg)
MATLAB Implementation
55
فرادرس
FaraDars.org
![Page 56: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/56.jpg)
MATLAB Implementation
56
فرادرس
FaraDars.org
![Page 57: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/57.jpg)
MATLAB Implementation
57
فرادرس
FaraDars.org
![Page 58: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/58.jpg)
Harris corner detector (input)
58
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 59: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/59.jpg)
Corner response R
59
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 60: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/60.jpg)
Threshold on R
60
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 61: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/61.jpg)
Local maximum of R
61
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 62: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/62.jpg)
Harris corner detector
62
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 63: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/63.jpg)
The Hessian Detector
.جا هایی از تصویر که مقدار مشتق در دو جهت زیاد است•.بر اساس ماتریس مشتقات دوم است که هسیان نامیده می شود•
. چون مشتق ها نسبت به نویز حساس هستند، مشتق ها با گوسین نرم تر می شوند•
[Beaudet, 1978]
63
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 64: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/64.jpg)
sigma=2; thresh=0.1; sze=11; disp=0;
% Derivative masks
dy = [-1 0 1; -1 0 1; -1 0 1]; dx = dy'; %dx is the transpose matrix of dy
% Ix and Iy are the horizontal and vertical edges of image
Ix = conv2(bw, dx, 'same'); Iy = conv2(bw, dy, 'same');
% Calculating the gradient of the image Ix and Iy
g = fspecial('gaussian',max(1,fix(6*sigma)), sigma);
Ix2 = conv2(Ix.^2, g, 'same'); % Smoothed squared image derivatives
Iy2 = conv2(Iy.^2, g, 'same'); Ixy = conv2(Ix.*Iy, g, 'same');
% My preferred measure
cornerness = (Ix2.*Iy2 - Ixy.^2)./(Ix2 + Iy2 + eps);
% We should perform nonmaximal suppression and threshold
mx = ordfilt2(cornerness,sze^2,ones(sze)); % Grey-scale dilate
cornerness = (cornerness==mx)&(cornerness>thresh); % Find maxima
[rws,cols] = find(cornerness); % Find row,col coords.
clf ; imshow(bw); hold on;
p=[cols rws]; plot(p(:,1),p(:,2),'or'); title('\bf Harris Corners')
MATLAB:کد
64
فرادرس
FaraDars.org
![Page 65: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/65.jpg)
Another view
65
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 66: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/66.jpg)
Another view
66
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 67: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/67.jpg)
Another view
67
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 68: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/68.jpg)
مقایسه گوشه یاب ها
Hessian detector Harris detector
[Tuytelaars and Mikolajczyk, 2007]
68
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 69: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/69.jpg)
گوشه یاب ها
میزان پایداری دقت یک روش در برابر مشکالت فرآیند تناظر یابی : robustnessمعیار استحکام یا •
: Harrisو یژگی های گوشه یاب•.استنسبت به تغییرات روشنایی پایدار –
.پایدار است( Rotation)چرخش نسبت به –.پایدار نیست( Scale)نسبت به تغییرات مقیاس –
69
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 70: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/70.jpg)
گوشه یاب ها
: Harrisو یژگی های گوشه یاب•.استنسبت به تغییرات روشنایی پایدار –
• Partial invariance to affine intensity change
Only derivatives are used => invariance to intensity shift I I + b
Intensity scale: I a I
R
x (image coordinate)
threshold
R
x (image coordinate)70
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 71: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/71.jpg)
گوشه یاب ها
: Harrisو یژگی های گوشه یاب•.استنسبت به تغییرات روشنایی پایدار –
Image matching of satellite data based on quadrilateral control networks, A Sedaghat, H
Ebadi, M Mokhtarzade, The Photogrammetric Record 27 (140), 423-442
71
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 72: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/72.jpg)
گوشه یاب ها
: Harrisو یژگی های گوشه یاب•.استنسبت به تغییرات روشنایی پایدار –.پایدار است( Rotation)چرخش نسبت به –
Rotation invariance?
Ellipse rotates but its shape (i.e. eigenvalues) remains the same
Corner response R is invariant to image rotation72
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 73: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/73.jpg)
Harrisگوشه یاب
73
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 74: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/74.jpg)
Harrisیابگوشه
Repeatability rate:
# correspondences
# possible correspondences
74
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 75: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/75.jpg)
گوشه یاب ها
: Harrisو یژگی های گوشه یاب•.استنسبت به تغییرات روشنایی پایدار –
.پایدار است( Rotation)چرخش نسبت به –.پایدار نیست( Scale)نسبت به تغییرات مقیاس –
All points will be classified as edges Corner !
But: non-invariant to image scale!
75
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 76: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/76.jpg)
Repeatability rate:
# correspondences# possible correspondences
C.Schmid et.al. “Evaluation of Interest Point Detectors”. IJCV 2000
Harrisیابگوشه
76
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 77: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/77.jpg)
ارزیابی گوشه یاب ها
Two Criterions
Repeatability rate:
# correspondences
# possible correspondences
Information content:
Measure of the distinctiveness of
an interest point by using entropy.
Five Detectors
Harris
(or impHarris)Cottier
Horaud
HeitgerForstner
77
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 78: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/78.jpg)
تکرارپذیری
Rotation change Scale change
Rotation: ImpHarrisScaling: ImpHarris and Cottier
78
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 79: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/79.jpg)
تکرارپذیری
Illumination change Viewing angle change
Illumination: ImpHarris and HeitgerViewing angle: ImpHarris
79
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 80: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/80.jpg)
محتوای اطالعاتی
80
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 81: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/81.jpg)
استخراج نقاط مستقل از مقیاسScale Invariant Detection
81
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 82: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/82.jpg)
استخراج نقاط مستقل از مقیاسScale Invariant Detection
82
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 83: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/83.jpg)
هیای ه حتیی بیا انیداز)برای مناطق متناظر یعنی شکل آن . که در منطقه مورد نظر مستقل از مقیاس باشدfطراحی تابع : راه حل•.باشدیکسان ( متفاوت
مقدار متوسط روشنایی: مثال–
•fرا برای هر نقطه تابعی از اندازه منطقه در نظر می گیریم .
استخراج نقاط مستقل از مقیاسScale Invariant Detection
f
region size
Image 1 f
region size
Image 2scale = ?
83
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 84: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/84.jpg)
•fرا برای هر نقطه تابعی از اندازه منطقه در نظر می گیریم.
.، مقیاس مورد نظر برای نقطه مورد نظر هستfماکزیمم محلی تابع •
•scale factor :نسبت مقیاسها در نقاط محلی
استخراج نقاط مستقل از مقیاسScale Invariant Detection
scale = 1/2
f
region size/scale
Image 1 f
region size/scale
Image 2
s1 s2
Max. is called characteristic scale
84
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 85: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/85.jpg)
Automatic Scale Selection
)),(( )),((11
xIfxIfmm iiii
های متناظر را پیدا کرد؟patchچگونه می توان
85
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 86: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/86.jpg)
)),((1
xIfmii
)),((1
xIfmii
Automatic Scale Selection
86
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 87: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/87.jpg)
)),((1
xIfmii
)),((1
xIfmii
Automatic Scale Selection
87
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 88: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/88.jpg)
)),((1
xIfmii
)),((1
xIfmii
Automatic Scale Selection
88
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 89: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/89.jpg)
)),((1
xIfmii
)),((1
xIfmii
Automatic Scale Selection
89
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 90: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/90.jpg)
)),((1
xIfmii
)),((1
xIfmii
Automatic Scale Selection
90
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 91: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/91.jpg)
)),((1
xIfmii
)),((1
xIfmii
Automatic Scale Selection
91
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 92: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/92.jpg)
.یک تابع خوب برای انتخاب مقیاس دارای یک قله تیز است•
.پاسخ داشته باشد( تغییرات محلی روشنایی)مثال یک تابع خوب تابعی است که نسبت به کنتراست •
• Laplacian-of-Gaussian (LoG)
• Difference of Gaussian (DOG)
استخراج نقاط مستقل از مقیاسScale Invariant Detection
f
region size
bad
f
region size
bad
f
region size
Good !
92
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 93: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/93.jpg)
Edge detection
gdx
df
f
gdx
d
Edge
Derivative
of Gaussian
Edge = maximum
of derivative
93
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 94: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/94.jpg)
gdx
df
2
2
f
gdx
d2
2
Edge
Second derivativeof Gaussian (Laplacian)
Edge = zero crossingof second derivative
Edge detection
94
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 95: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/95.jpg)
blobاز لبه تا
maximum
.شده استmatchدر اینجا blobدرواقع مقیاس الپالسین با مقیاس . ماکزیمم می شودblobمقدار الپالسین، در مرکز
• Edge = ripple• Blob = superposition of two ripples
95
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 96: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/96.jpg)
Blob detection in 2D
2
2
2
22
y
g
x
gg
r
image
Scale Selection
Laplacian
96
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 97: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/97.jpg)
Laplacian-of-Gaussian = “blob” detector
2
2
2
22
y
g
x
gg
filter
scale
s
img2 img3img1 97
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 98: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/98.jpg)
Blob detection in 2D
characteristic scale98
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 99: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/99.jpg)
Blob detection in 2D
99
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 100: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/100.jpg)
Example
Original image at ¾ the size
100
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 101: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/101.jpg)
101
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 102: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/102.jpg)
102
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 103: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/103.jpg)
103
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 104: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/104.jpg)
104
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 105: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/105.jpg)
105
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 106: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/106.jpg)
106
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 107: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/107.jpg)
)()( yyxx LL
1
2
3
4
5
List of
(x, y, σ)
scale
Squared filter
response maps
نقاط هم در مکان و هم در مقیاس .دارای ماکزیمم مقدار هستند
استخراج نقاط مستقل از مقیاسScale-invariant interest points
107
فرادرس
FaraDars.org
![Page 108: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/108.jpg)
108
فرادرس
FaraDars.org
![Page 109: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/109.jpg)
109
فرادرس
FaraDars.org
![Page 110: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/110.jpg)
“Blob” detector
* =
maximum
minima
• Find maxima and minima of LoG operator in space and scale110
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 111: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/111.jpg)
Scale-space blob detector
111
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 112: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/112.jpg)
DoGتقریبی از الپالسین هست.
2 ( , , ) ( , , )xx yyL G x y G x y
2 2
21 2
2( , , )
x y
G x y e
( , , ) ( , , )DoG G x y k G x y
(Laplacian)
(Difference of Gaussians)
112
فرادرس
FaraDars.org
![Page 113: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/113.jpg)
استخراج نقاط مستقل از مقیاسScale Invariant Detection
• Harris-LaplacianFind local maximum of:
– Harris corner detector in space (image coordinates)
– Laplacian in scale
scale
x
y
Harris
La
pla
cian
• SIFT (Lowe)Find local maximum of:
– Difference of Gaussians in space and scale
scale
x
y
DoG
D
oG
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 114: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/114.jpg)
فهرست مطالب
چرا ویژگی های محلی•
Harrisو Moravecگوشه یاب •
Harris-Laplasمنطقه یاب •
SIFTویژگی محلی •
منطقه یاب ها•
حذف تطابق های اشتباه•
114
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 115: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/115.jpg)
)()( yyxx LL
2
3
4
5
List of(x, y, s)
Computing Harris function
Detecting
local maxima
• Local maxima in scale space
of Laplacian-of-Gaussian
Laplacian-of-Gaussian (LoG)for Harris-Laplace
Two Parts:
• Multiscale-Harris detector
• Characteristic scale
identification[Lindeberg, 1998]115
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 116: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/116.jpg)
Harris-Laplace
Multiscale: بخش اول Harris-detector
انتخاب مقیاس با استفاده از الپالسین: بخش دوم
116
Harris points
Harris-Laplace points
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 117: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/117.jpg)
Harris-Laplace
Multiscale: بخش اول Harris-detector
117
The sets of scales:
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 118: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/118.jpg)
Harris-Laplace
الپالسینانتخاب مقیاس با استفاده از : بخش دوم
• Choose the scale that maximizes the Laplacian-of-Gaussians (LoG) over a predefined range of neighboring scales.
118
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 119: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/119.jpg)
Matlab Code
• test.m
• kp_harris.m
• kp_harrislaplace.m
.برای عکس های مختلف اجرا کنید و نتایج بدست آمده را تحلیل کنید•
119
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 120: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/120.jpg)
Harris-Laplace detector
120
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 121: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/121.jpg)
Hessian-Laplace detector
121
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 122: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/122.jpg)
استخراج نقاط مستقل از مقیاسScale Invariant Detection
• Harris-LaplacianFind local maximum of:
– Harris corner detector in space (image coordinates)
– Laplacian in scale
scale
x
y
Harris
La
pla
cian
• SIFT (Lowe)Find local maximum of:
– Difference of Gaussians in space and scale
scale
x
y
DoG
D
oG
فرادرس
FaraDars.org
![Page 123: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/123.jpg)
Difference-of-Gaussian (DoG)
Convolution with the DoG filter:
- =
• Difference of Gaussians as approximation of the Laplacian-of-Gaussian
123
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 124: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/124.jpg)
فهرست مطالب
چرا ویژگی های محلی•
Harrisو Moravecگوشه یاب •
Harris-Laplasمنطقه یاب •
SIFTویژگی محلی •
منطقه یاب ها•
حذف تطابق های اشتباه•
124
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 125: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/125.jpg)
SIFTمعرفی الگوریتم
استخراج ویژگیها•استخراج اکسترممهای مستقل از مقیاس–بهبود دقت مکان اکسترممها و حذف اکسترممهای ناپایدار–تخصیص جهت به اکسترممها–
توصیف ویژگیها•
تطبیق ویژگیها•
e.g. scale,
translation, rotation
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 126: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/126.jpg)
SIFTمعرفی الگوریتم
استخراج ویژگیها•استخراج اکسترمم های مستقل از مقیاس–بهبود دقت مکان اکسترممها و حذف اکسترمم های ناپایدار–تخصیص جهت به اکسترممها–
توصیف ویژگیها•
تطبیق ویژگیها•
126
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 127: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/127.jpg)
فرایند استخراج ویژگیها
مستقل از استخراج اکسترمم های •مقیاس
تصاوير گوسي و از ایجاد مجموعه ای -1 DoG(Difference ofتصاوير
Gaussian )اليه هاي منظمي تحت عنوان ر د(Octave)اکتاو
G x, y, 𝜎1
2𝜋𝜎2 𝑒−𝑥2+𝑦2
2𝜎2
L x, y, kσ = G x, y, kσ ∗ I x, y ,
D x, y, σ = L x,y, kσ − L x,y, σ .
)Lowe, 2003(
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
127
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 128: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/128.jpg)
فرایند استخراج ویژگیها
مستقل از استخراج اکسترمم های •مقیاس
تصاوير گوسي و از ایجاد مجموعه ای -1 DoG(Difference ofتصاوير
Gaussian )اليه هاي منظمي تحت عنوان ر د(Octave)اکتاو
)Lowe, 2003(
ه بعد از ایجاد هر اکتاو تصویر گوسی کدو برابر مقیاس اولیه مقیاس آن
می باشد انتخاب شده و ابعاد آن با ان نمونه برداری مجدد، نصف شده و به عنو
رفته تصویر ابتدایی اکتاو بعدی در نظر گ.می شود و فرآیند تکرار می شود
اکسترمم های تابع (Lindeberg, 1988)برابر تحقیقات است، برای DoGتصاویر الپالسین تصویر که تقریبی از
.ویژگی های مستقل از مقیاس مناسب استتعیین
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
128
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 129: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/129.jpg)
فرایند استخراج ویژگیها
مستقل از استخراج اکسترمم های •مقیاس
تصاوير گوسي و از ایجاد مجموعه ای -1 DoG(Difference ofتصاوير
Gaussian )اليه هاي منظمي تحت عنوان ر د(Octave)اکتاو
پیکسل در سطوح میانیهر مقایسه -2پیکسل همسایگی خود و8با DoGتصاویر
باالیی و DoGپیکسل همسایگی تصویر 9پایینی DoGپیکسل همسایگی تصویر 9ذخیره کردن آن در و ( تایی26همسایگی )
ودنب( ماکزیمم یا مینیمم)اکسترمم صورت
)Lowe, 2003(
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
129
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 130: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/130.jpg)
فرایند استخراج ویژگیها
مستقل از استخراج اکسترمم های •مقیاس
)Lowe, 2003(
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
استخراج شده در این مرحله دارای دو های اکسترمم . مؤلفه مختصات و یک مؤلفه مقیاس هستند
(x,y,S)
130
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 131: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/131.jpg)
ویژگیهافرایند استخراج
SIFTپارامتر های انتخاب
...تصویر شامل تصاویر صورت، محیط های خارجی و تصاویر هوایی و 32انتخاب •
.تصاویر دارای طیف وسیعی از تبدیالت همانند چرخش و تفاوت مقیاس و تغییرات روشنایی و نویز هستند•
.نقاط کلیدی در هر تصویر انتخاب می شود•
.انتخاب می شوندmatching accuracy، و repeatability ،localizationپارامترها بر اساس سه معیار •
131
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 132: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/132.jpg)
SIFTانتخاب پارامتر های 3 scales
# of keypoints increases but they are not stable!
132
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 133: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/133.jpg)
SIFTانتخاب پارامتر های σ =1.6
133
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 134: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/134.jpg)
فرایند استخراج ویژگیها
اکسترمم های ناپایداردقت مکان اکسترممها و حذف بهبود •
𝑋تایی هر نقطه 26در همسایگی 3D quadraticبرازش یک تابع ( 1 = [𝑥,𝑦,𝛿]𝑇 با بسط سری تیلور تابع𝐷 = (𝑥,𝑦,𝛿)
.، مشتق آن برابر صفر قرار داده می شودتابع فوق که برای تعیین اکسترمم
پس اندازه تابع در موقعیت جدید
و نقاط روی لبه( non-stableنا پایدار یا )پایین حذف نقاط با کنتراست ( 2
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
2
2
2
1)(
DDDD T
T
02
2
DDT
DD
x 1
2
2
)(
TDXDD )()( 0
|𝐷( 𝑋)| < 𝑇𝑐 , Tc = 0.03
H =Dxx Dxy
Dxy Dyy, Tr = 10 Tr(H)2
Det(H)≥
Tr + 1 2
Tr 134
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 135: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/135.jpg)
(a) 233x189 image
(b) 832 DoG extrema
(c) 729 left after low contrast threshold
(d) 536 left after
testing ratio
based on Hessian
135
فرادرس
FaraDars.org
![Page 136: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/136.jpg)
ها بر اساس تغییرات مقیاسdetectorارزیابی
Repeatability rate:
# correspondences# possible correspondences
136
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 137: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/137.jpg)
SIFTمعرفی الگوریتم
استخراج ویژگیها•استخراج اکسترمم های مستقل از مقیاس–بهبود دقت مکان اکسترممها و حذف اکسترمم های ناپایدار–تخصیص جهت به اکسترممها–
توصیف ویژگیها•
تطبیق ویژگیها•
𝐹𝑒𝑎𝑡𝑢𝑟𝑒𝑖 = 𝑥𝑖 , 𝑦𝑖 , 𝜃𝑖, 𝛿𝑖
137
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 138: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/138.jpg)
فرایند استخراج ویژگیها
دورانتخصیص جهت به نقاط اکسترمم به منظور استخراج توصیفگرهای مستقل از دوران برای انجام تطبیق مستقل از•
شده استدر نظر گرفتن پنجره دایره ای شکل در اطراف هر نقطه اکسترمم در تصویر گوسینی که نقطه در آن مقیاس استخراج( 1
بدست آوردن مقادیر و جهت گرادیان برای پیکسلهای آن دایره( 2وزن دهی مقادیر گرادیانها( 3
در هیستوگرام بعنوان جهت اصلیbinهیستوگرام جهت و بهبود آن و انتخاب بیشترین ( 4
اکسترممهای مستقل از مقیاساستخراج ( الف دقت مکان اکسترممها و حذف اکسترممهای ناپایداربهبود ( بجهت به اکسترممهاتخصیص ( ج
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 139: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/139.jpg)
فرایند استخراج ویژگیها
دورانتخصیص جهت به نقاط اکسترمم به منظور استخراج توصیفگر های مستقل از دوران برای انجام تطبیق مستقل از•
شده استدر نظر گرفتن پنجره دایره ای شکل در اطراف هر نقطه اکسترمم در تصویر گوسینی که نقطه در آن مقیاس استخراج( 1
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
139
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 140: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/140.jpg)
فرایند استخراج ویژگیها
دورانتخصیص جهت به نقاط اکسترمم به منظور استخراج توصیفگر های مستقل از دوران برای انجام تطبیق مستقل از•
شده استدر نظر گرفتن پنجره دایره ای شکل در اطراف هر نقطه اکسترمم در تصویر گوسینی که نقطه در آن مقیاس استخراج( 1
آن دایرهپیکسل های بدست آوردن مقادیر و جهت گرادیان برای ( 2
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
نمونه تصویر گوسی
مقدار گرادیان
جهت گرادیان
𝑚 𝑥,𝑦 = 𝐿 𝑥 + 1 , 𝑦 − 𝐿(𝑥 − 1, 𝑦))2 + (𝐿 𝑥,𝑦 + 1 − 𝐿 𝑥, 𝑦 − 1 )2
𝜃 𝑥,𝑦 = tan−1(𝐿 𝑥,𝑦 + 1 − 𝐿 𝑥, 𝑦 − 1
𝐿 𝑥 + 1,𝑦 − 𝐿 𝑥 − 1, 𝑦)
140
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 141: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/141.jpg)
فرایند استخراج ویژگیها
دورانتخصیص جهت به نقاط اکسترمم به منظور استخراج توصیفگر های مستقل از دوران برای انجام تطبیق مستقل از•
شده استدر نظر گرفتن پنجره دایره ای شکل در اطراف هر نقطه اکسترمم در تصویر گوسینی که نقطه در آن مقیاس استخراج( 1
بدست آوردن مقادیر و جهت گرادیان برای پیکسل های آن دایره( 2وزن دهی مقادیر گرادیانها( 3
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
نمونه تصویر گوسی
مقدار گرادیان
جهت گرادیانوزن دهی با گوسینی
که یک و نیم برابر .مقیاس نقطه است
مقادیر گرادیان وزن دهی شده
141
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 142: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/142.jpg)
فرایند استخراج ویژگیها
تخصیص جهت به نقاط اکسترمم به منظور استخراج توصیفگر های مستقل از دوران برای انجام تطبیق مستقل از دوران
شده استدر نظر گرفتن پنجره دایره ای شکل در اطراف هر نقطه اکسترمم در تصویر گوسینی که نقطه در آن مقیاس استخراج( 1
بدست آوردن مقادیر و جهت گرادیان برای پیکسل های آن دایره( 2وزن دهی مقادیر گرادیانها( 3
در هیستوگرام بعنوان جهت اصلیbinجهت و بهبود آن و انتخاب بیشترین هیستوگرام ( 4
مستقل از مقیاساستخراج اکسترمم های ( الف ناپایداراکسترمم های دقت مکان اکسترممها و حذف بهبود ( بجهت به اکسترممهاتخصیص ( ج
هیستوگرام جهت
آن% 80جهت ماکزیمم و
142
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 143: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/143.jpg)
SIFTمعرفی الگوریتم
استخراج ویژگیها•استخراج اکسترمم های مستقل از مقیاس–بهبود دقت مکان اکسترممها و حذف اکسترمم های ناپایدار–تخصیص جهت به اکسترممها–
توصیف ویژگیها•
تطبیق ویژگیها•
𝐹𝑒𝑎𝑡𝑢𝑟𝑒𝑖 = 𝑥𝑖 , 𝑦𝑖 , 𝜃𝑖, 𝛿𝑖
143
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 144: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/144.jpg)
توصیف ویژگیها
چگونه نقاط متناظر را بیابیم؟•
?
144
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 145: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/145.jpg)
( )local descriptor
توصیف ویژگیها
145
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 146: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/146.jpg)
توصیف ویژگیها
N pix
els
N pixels
Similarity measureAf
e.g. color
Bf
e.g. color
A1
A2 A3
Tffd BA ),(
146
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 147: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/147.jpg)
توصیف ویژگیها
147
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 148: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/148.jpg)
توصیف ویژگیها
:توصیفگر باید دارای دو ویژگی باشدمستقل از چرخش و مقیاس( 1پایدار نسبت به تغییرات روشنایی( 2
:SIFTتوصیفگر
در اطراف هر نقطه در تصویر گوسین مربوطه4در4ایجاد یک مربع ( الف
چرخاندن مربع نسبت به جهت اصلی( ب
محاسبه مقادیر و جهت گرادیان برای پیکسلها و وزن دهی مربع( جمحاسبه هیستوگرام جهت در هر سلول مربع و بهبود آن( د
148
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 149: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/149.jpg)
توصیف ویژگیها
در اطراف هر نقطه در تصویر گوسین مربوطه4در4ایجاد یک مربع ( الف
149
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 150: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/150.jpg)
توصیف ویژگیها
در اطراف هر نقطه در تصویر گوسین مربوطه4در4ایجاد یک مربع ( الف
چرخاندن مربع نسبت به جهت اصلی( ب
150
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 151: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/151.jpg)
توصیف ویژگیها
در اطراف هر نقطه در تصویر گوسین مربوطه4در4ایجاد یک مربع ( الف
اصلیچرخاندن مربع نسبت به جهت ( بمحاسبه مقادیر و جهت گرادیان برای پیکسلها و وزن دهی مربع( ج
151
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 152: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/152.jpg)
توصیف ویژگیها
در اطراف هر نقطه در تصویر گوسین مربوطه4در4ایجاد یک مربع ( الف
اصلیچرخاندن مربع نسبت به جهت ( بمربعمحاسبه مقادیر و جهت گرادیان برای پیکسلها و وزن دهی ( ج
مربع و بهبود آنمحاسبه هیستوگرام جهت در هر سلول ( دبا جهت اصلي معادل گراديان ها جهت دوران
درونیابي سه خطي براي اجتناب از اثرات مرز هاي بین سلولها
152
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 153: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/153.jpg)
توصیف ویژگیها
در اطراف هر نقطه در تصویر گوسین مربوطه4در4ایجاد یک مربع ( الف
اصلیچرخاندن مربع نسبت به جهت ( بمربعمحاسبه مقادیر و جهت گرادیان برای پیکسلها و وزن دهی ( ج
مربع و بهبود آنمحاسبه هیستوگرام جهت در هر سلول ( د
4*4*16= 128
:پایداری در برابر روشنایی و زاویه دیدنرماالیز سازی اندازه و( 1.در نظر گرفته میشوند و مجددا فرایند نرمال سازی انجام میشود0.2هستند برابر با 0.2مولفه های هیستوگرام که بیشتر از ( 2
153
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 154: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/154.jpg)
توصیف ویژگیها
؟8*4*4چرا بستگی توصیفگر به دو پارامتر•
تعداد جهتها–
تعداددآرایه –rn2تعداد ویژگیها
128 features
SIFT: r=8, n=4
154
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 155: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/155.jpg)
توصیف ویژگیها
Sensitivity to affine change
Correctely
matched
155
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 156: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/156.jpg)
توصیف ویژگیهاDistinctiveness
156
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 157: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/157.jpg)
SIFTمعرفی الگوریتم
استخراج ویژگیها•استخراج اکسترمم های مستقل از مقیاس–بهبود دقت مکان اکسترممها و حذف اکسترمم های ناپایدار–تخصیص جهت به اکسترممها–
توصیف ویژگیها•
تطبیق ویژگیها•
𝐹𝑒𝑎𝑡𝑢𝑟𝑒𝑖 = 𝑥𝑖 , 𝑦𝑖 , 𝜃𝑖, 𝛿𝑖
157
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 158: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/158.jpg)
تطبیق ویژگیها
فاصله اقلیدسی بین توصیفگرهانها کمتر از این بین همه توصیفگرهای تصویر اول و دوم محاسبه میشود و نقاطی متناظر هستند که فاصله اقلیدسی بین توصیفگرهای آ–
.یعنی نزدیکترین همسایه باشند. فاصله با بقیه توصیفگرها باشد
از (D22)فاصلهدومین کمترین و (D21)پیشنهاد کرد که نسبت میان اولین کمترین فاصله Loweبرای اطمینان بیشتر در تناظر یابی، –کمتر باشد0.8
D21
D22
D23
D11
ratio distance = SSD(D11, D21) / SSD(D11, D22)
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 159: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/159.jpg)
ویژگیهاتطبیق
؟t=0.8چرا •
159
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 160: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/160.jpg)
تطبیق ویژگیها
ارزیابی روش تناظر یابی؟•
.انتخاب آستانه در تعداد تطابق های درست و غلط تاثیر می گذارد•
false match
true match
160
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 161: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/161.jpg)
تطبیق ویژگیها
ارزیابی روش تناظر یابی؟•
false match
true match
True positives (TP):False Positives (FP):
.تعداد تطابق هایی که درست هستند.تعداد تطابق هایی که غلط هستند
انتخاب آستانه ؟TP را بیشینه وFPرا کمینه کند.
161
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 162: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/162.jpg)
• ROC Curve
- Generated by computing (FP, TP) for
different thresholds.
- Need to maximize area under the
curve (AUC)
0.7
0 1
1
false positive rate
truepositive
rate
# true positives
# matching features (positives)
0.1
# false positives
# unmatched features (negatives)
ROC curve (“Receiver Operator Characteristic”)
162
فرادرس
FaraDars.org
![Page 163: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/163.jpg)
SIFT descriptorمزایای
163
فرادرس
FaraDars.org
![Page 164: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/164.jpg)
NASA Mars Rover images
فرادرس
FaraDars.org
![Page 165: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/165.jpg)
NASA Mars Rover images with SIFT feature matches
Figure by Noah Snavely
فرادرس
FaraDars.org
![Page 166: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/166.jpg)
فرایند استخراج ویژگیها
MATLABhttp://www.robots.ox.ac.uk/~vedaldi/code/sift.htmlبررسی کد •
http://www.vlfeat.org/overview/sift.html
166
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 167: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/167.jpg)
فرایند استخراج ویژگیها
MATLABبررسی کد •
Functions:
• sift_compile: produce mex files for all functions in C language
• Main programs:– Sift_demo, sift_demo2, sifte_demo3, sift_demo4, sift_demo5, sift_demo6, Sift_overview
167
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 168: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/168.jpg)
فرایند استخراج ویژگیها
Sift_demo
fprintf('Computing frames and descriptors.\n') ;
[frames1,descr1,gss1,dogss1] = sift( I1, 'Verbosity', 1 ) ;
[frames2,descr2,gss2,dogss2] = sift( I2, 'Verbosity', 1 ) ;
MATLABبررسی کد •
SIFT
gaussianss, diffss, siftlocalmax, siftrefinemx, siftormx, siftdescriptor
168
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 169: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/169.jpg)
169
فرادرس
FaraDars.org
![Page 170: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/170.jpg)
170
نقاط اکسترمم نقاط با کنتراست پایین
نقاط روی لبه تخصیص جهت
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 171: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/171.jpg)
فهرست مطالب
چرا ویژگی های محلی•
Harrisو Moravecگوشه یاب •
Harris-Laplasمنطقه یاب •
SIFTویژگی محلی •
منطقه یاب ها•
حذف تطابق های اشتباه•
171
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 172: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/172.jpg)
Invariance to Transformations
• Geometric transformations– translation
– rotation
– similarity (rotation + scale change + translation)
– affine (2x2 transformation matrix + translation)
• Photometric transformations– Affine intensity changes (I =a I + b)
172
فرادرس
FaraDars.org
![Page 173: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/173.jpg)
Affine Invariant Regions
173
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 174: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/174.jpg)
Affine Invariant Regions
174
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 175: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/175.jpg)
منطقه یاب ها
Hessian & Harris [Beaudet ‘78], [Harris ‘88]Laplacian, DoG [Lindeberg ‘98], [Lowe 1999]Harris-/Hessian-Laplace [Mikolajczyk & Schmid ‘01]Harris-/Hessian-Affine [Mikolajczyk & Schmid ‘04]EBR and IBR [Tuytelaars & Van Gool ‘04] MSER [Matas ‘02]Salient Regions [Kadir & Brady ‘01] Others…
175
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 176: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/176.jpg)
Harris-Affine detector
176
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 177: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/177.jpg)
Hessian-Affine detector
177
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 178: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/178.jpg)
MSER
178
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 179: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/179.jpg)
EBR Detector
179
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 180: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/180.jpg)
IBR Detector
180
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 181: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/181.jpg)
Salient Regions
181
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 182: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/182.jpg)
و منطقه یاب هامقایسه نقطه یاب ها
Tuytelaars Mikolajczyk 2008182
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 183: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/183.jpg)
183
فرادرس
FaraDars.org
![Page 184: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/184.jpg)
فهرست مطالب
چرا ویژگی های محلی•
Harrisو Moravecگوشه یاب •
Harris-Laplasمنطقه یاب •
SIFTویژگی محلی •
منطقه یاب ها•
حذف تطابق های اشتباه•
184
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 185: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/185.jpg)
Reference image
Second Image
Feature matching
Parameter estimation
Feature detection
Feature descriptor
Feature matching
Initial feature matching
Result of RANSAC removing the exterior points
Retinal image Registration
185
فرادرس
FaraDars.org
![Page 186: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/186.jpg)
روش های حذف تطابق های اشتباه
•Ransac
•Root mean Square error
•Graph transformation matching
http://www.csse.uwa.edu.au/~pk/Research/MatlabFns/
186
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 187: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/187.jpg)
Reference image
Second Image
Feature matching
Parameter estimation
Feature detection
Feature descriptor
Feature matching
Retinal image Registration
187
فرادرس
FaraDars.org
![Page 188: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/188.jpg)
• http://cipcv.ir/en/content/medical-image-processing
Retinal image Registration
188
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 189: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/189.jpg)
SIFTمشکالت
• An efficient approach for robust multimodal retinal image registration based on UR-
SIFT features and PIIFD descriptors, Z Ghassabi, J Shanbehzadeh, A Sedaghat, E Fatemizadeh, EURASIP Journal on Image and Video Processing 2013 (1), 25
• retinal fundus image registration by selecting stable extremum points in the SIFT detector, Z Ghassabi, J Shanbehzadeh, A Mohammadzadeh, SS Ostadzadeh, IET
image processing, 2015
• A struture-based region detector for retinal fundus registration, Z Ghassabi, J Shanbehzadeh, A Mohammadzadeh, IEEE ICIP 2015
189
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 190: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/190.jpg)
منابع
• Chris Harris, Mike Stephens, A Combined Corner and Edge Detector, 4th Alvey Vision Conference, 1988, pp147-151.
• David G. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2), 2004, pp91-110.
• Yan Ke, Rahul Sukthankar, PCA-SIFT: A More Distinctive Representation for Local Image Descriptors, CVPR 2004.
• Krystian Mikolajczyk, Cordelia Schmid, A performance evaluation of local descriptors, Submitted to PAMI, 2004.
• SIFT Keypoint Detector, David Lowe.
• Matlab SIFT Tutorial, University of Toronto.
• “Local Invariant Feature Detectors: A Survey”, Tinne Tuytelaars and Krystian Mikolajczyk, Computer Graphics and Vision, Vol. 3, No. 3 (2007) 177–280
• http://en.wikipedia.org/wiki/Scale-invariant_feature_transform
• http://www.mathworks.com/help/vision/ref/detectharrisfeatures.html
190
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 191: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/191.jpg)
• http://www.morganclaypool.com/doi/abs/10.2200/S00332ED1V01Y201103AIM011
• http://www.cs.utexas.edu/~grauman/
• http://www.cs.utexas.edu/~cv-fall2012/schedule.html
• http://www.cs.utexas.edu/~grauman/courses/spring2011/index.html
منابع
191
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org
![Page 192: آموزش تناظر یابی در تصاویر دیجیتال با استفاده از ویژگیهای محلی](https://reader038.vdocuments.net/reader038/viewer/2022102517/58ef77731a28ab39048b45d3/html5/thumbnails/192.jpg)
این اسالید ها بر مبنای نکات مطرح شده در فرادرس« در تصاویر دیجیتال با استفاده از ویژگیهای محلیتناظریابی آموزش »
.تهیه شده است
.برای کسب اطالعات بیشتر در مورد این آموزش به لینک زیر مراجعه نمایید
faradars.org/fvimg9402
192
لتناظریابی در تصاویر دیجیتا
faradars.org/fvimg9402
فرادرس
FaraDars.org