مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

203
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

494
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

موزاییک تصاویر طبیعی براساس حذف نقاط کلیدی زائد در الگوریتم SIFT و الگوریتم RANSAC تطبیقی

صفحات

 صفحه شروع 147 | صفحه پایان 162

چکیده

موزاییک تصویر به ترکیب دو یا چند تصویر که دارای قسمت های همپوشان می باشند, به تصویری بزرگ تر و جامع تر اطلاق می شود. تبدیل ویژگی مقیاس نابسته (SIFT) یکی از متداول ترین شناساگرها است که قبلا در موزاییک تصویر مورداستفاده قرارگرفته است. از ایرادات الگوریتمSIFT کلاسیک تعداد زیاد نقاط کلیدی تکراری و زمان اجرای بالای آن به دلیل ابعاد بالای توصیفگر SIFT کلاسیک می باشد, که باعث کاهش کارایی این الگوریتم می شود. در این مقاله, برای بالا بردن کیفیت موزاییک تصویر, از الگوریتم RKEM-SIFT که نسخه بهبودیافته ی SIFT می باشد جهت شناسایی نقاط کلیدی استفاده شده است. سپس, برای بهبود سرعت الگوریتم از توصیفگر 64-بعدی SIFT استفاده شده است. پنجره ی کوچک تر این توصیفگر نسبت به توصیفگر 128-بعدی SIFT باعث می شود دقت تطبیق افزایش و زمان اجرا کاهش پیدا کند. در ادامه, برای حذف تطبیق های نادرست, از الگوریتم اجتماع نمونه تصادفی (RANSAC) استفاده شده که مقدار آستانه پیشنهادی آن به صورت وفقی بر اساس میانه فواصل بین نقاط تطبیق و مدل تطبیق آن ها محاسبه شده است. برای هر نقطه تطبیق اگر فاصله بین آن نقطه و تطبیق یافته ی آن بر اساس مدل از مقدار آستانه پیشنهادی کمتر باشد, نقطه تطبیق درست تشخیص داده شده و حفظ می شود و در غیر این صورت تطبیق نادرست تشخیص داده شده و حذف می شود. درنهایت روش جدیدی نیز در این مقاله جهت ترکیب تصویر پیشنهادشده است. روش پیشنهادی ترکیب تصویر بر اساس تابع وزنی گوسی می باشد که میانگین این تابع گوسی به صورت میانگین داده های محدوده ی مشترک و همپوشان دو تصویر, در نظر گرفته شده است. در قسمت آزمایش ها, روش پیشنهادی موزاییک تصاویر طبیعی که شامل استفاده از الگوریتم RKEM-SIFT, RANSAC وفقی پیشنهادی و الگوریتم ترکیب تصویر پیشنهادی است بر روی پایگاه های تصاویر استاندارد و همین طور پایگاه تصاویر ایجادشده پیاده سازی شده و با روش های SURF و تطبیق دوطرفه سریع, SURF-LM و SIFT-RANSAC مورد مقایسه قرارگرفته است. نتایج آزمایش ها حاکی از برتری روش پیشنهادی با توجه به معیارهای خطای میانگین مربعی و دقت دارد که نسبت به بهترین روش مقایسه شده (SURF و تطبیق دوطرفه سریع) کاهش 6. 7 ٪ بیشینه خطا, 30. 09 ٪ ریشه میانگین مربعات خطا و 37. 68 ٪ میانه خطا را باعث شده است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    حسین نژاد، زهرا، و نصری، مهدی. (1400). موزاییک تصاویر طبیعی براساس حذف نقاط کلیدی زائد در الگوریتم SIFT و الگوریتم RANSAC تطبیقی. پردازش علایم و داده ها، 18(2 (48 پیاپی) )، 147-162. SID. https://sid.ir/paper/953196/fa

    Vancouver: کپی

    حسین نژاد زهرا، نصری مهدی. موزاییک تصاویر طبیعی براساس حذف نقاط کلیدی زائد در الگوریتم SIFT و الگوریتم RANSAC تطبیقی. پردازش علایم و داده ها[Internet]. 1400؛18(2 (48 پیاپی) ):147-162. Available from: https://sid.ir/paper/953196/fa

    IEEE: کپی

    زهرا حسین نژاد، و مهدی نصری، “موزاییک تصاویر طبیعی براساس حذف نقاط کلیدی زائد در الگوریتم SIFT و الگوریتم RANSAC تطبیقی،” پردازش علایم و داده ها، vol. 18، no. 2 (48 پیاپی) ، pp. 147–162، 1400، [Online]. Available: https://sid.ir/paper/953196/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button