شما اینجائید:خانه»دانلود»الگوریتم های کشف گوشه تصویر (Harris,Kitchen and Rosenfeld ,Hessian )
الگوریتم های کشف گوشه تصویر (Harris,Kitchen and Rosenfeld ,Hessian )
ارسال شده توسط:Papersimتاریخ ارسال: 2017/05/22در دیدگاهها برای الگوریتم های کشف گوشه تصویر (Harris,Kitchen and Rosenfeld ,Hessian ) بسته هستند
هدف ما ؛الگوریتم های کشف گوشه تصویر (Harris,Kitchen and Rosenfeld,Hessian )
معیار کشف گوشه Harris:
این معیار تعیین میکند که یک پیکسل از تصویر، یک گوشه، یک نقطه از یک لبه و یا یک نقطه از یک منطقه یکنواخت میباشد. این معیار، ابتدا برای هر پیکسل در تصویر یک ماتریس Harris تشکیل میدهد. ماتریس Harris یک ماتریس از مشتقات جزئی است که عموما برای بیان اطلاعات گرادیان تصویر، در پردازش تصویر و ماشین بینایی استفاده میگردد.مقادیر گرادیان ها با استفاده از یک تابع گوسی (در اینجا با واریانس ۲ استفاده میگردد) وزندار شده و میانگینگیری به صورت وزندار انجام میگیرد
معیار کشف گوشه Hessian:
این روش برای تعیین معیار گوشه بودن از ماتریس Hessian، استفاده مینماید. ماتریس Hessian برای تصویر داده شده ، ماتریس مشتق جزئی مرتبه دوم نسبت به x و y میباشد.
که معیار آشکارسازی گوشه با این روش، دترمینان ماتریس فوق میباشد و ماکزیممهای محلی آن به عنوان گوشه انتخاب میشوند. این معیار میتواند مثبت و یا منفی باشد.
قابل ذکر است که تمامی مراحل این روش به جز محاسبه ماتریس Hessian همانند روش Harris میباشد. قابل ذکر میباشد که چون این روش از مشتقات جزئی دوم استفاده مینماید در هنگام انتخاب نقاط ماکزیمم محلی از حد آستانه خیلی پایینتری نسبت به Harris استفاده مینماید
معیار کشف گوشه Kitchen and Rosenfeld:
این روش گوشه ها را با استخراج ماکزیمم های محلی یک معیار گوشه، که مبتنی بر تغییر جهت گرادیان میباشد و به وسیله اندازه گرادیان نیز وزن دهی میشود، تعیین میکند .
پس به طور کلی میتوان گفت معیار Harris بالاترین و معیار Kitchen and Rosenfeld پایینترین کارایی را دارند و برای مساله تغییر مقیاس روش Hessian بهترین است.
عنوان شبیه سازی
پیاده سازی الگوریتم های کشف گوشه تصویر (Harris,Kitchen and Rosenfeld,Hessian )