تناظريابي اشياء هم‌خانواده با جستجوي اجزاء مشابه بر اساس دو ويژگي رنگ و موجك هار

http://jmvip.sinaweb.net/article_149678_b1a41656c65ba3c526a8b0a3d718fb79.pdf?lang=en

تناظريابي اشياء هم­ خانواده به طور گسترده در بسياري از برنامه ­ها مانند تشخيص و رديابي اشياء مورد نظر استفاده مي­شود. در اين مقاله، ما يك روش كارآمد براي جستجوي اشياء هم خانواده ارائه مي‌كنيم. روش پيشنهادي در واقع يك نسخه بهبود يافته از روش BBS مي­باشد كه علاوه بر دارا بودن ويژگي­هاي مثبت اين روش از قبيل مقاوم بودن در برابر شلوغي پس­ زمينه، انسداد، تغيير مقياس، تغيير زاويه و تغيير شكل، به دليل استفاده از ويژگي­هاي موجك هار در برابر تغييرات شدت روشنايي مقاوم عمل نموده و دقت بيشتري در عمل تطبيق بدست مي دهد. ماهيت روش پيشنهادي، بر اساس تعداد جفت نقاطي كه بهترين تطابق را دارند، بنا شده است و داراي ويژگي­هاي منحصر به فردي مي­باشد كه با تفكيك ويژگي­هاي مستخرج از بافت تصوير باعث مي­شود عمل تطبيق نسبت به حالت عادي با دقت انجام گيرد و حساسيت كمتري به تغييرات شدت نور داشته باشد. ما با در نظر گرفتن اكثر موانع موجود در امر تناظريابي، روشي را ارائه داده ­ايم كه از پس بسياري از چالش­ ها بر مي­آيد. در مرحله ارزيابي، با به چالش كشيدن عمل تناظريابي در مجموعه تصاوير استاندارداز اشيا هم ­خانواده شامل پايگاه داده BBS و ساير تصاوير ورزشي، حيوانات، اشيا، صحنه ­هاي فيلم و تصاوير MRI، نتايج آزمايش برتري روش پيشنهادي را در مقايسه با ساير روش­هاي موجود نشان مي­دهد

Same family object matching is widely used in many applications such as object detection and tracking. In this article, we present an efficient way to search for objects in the same family. The proposed method is in fact an improved version of the BBS method, which in addition to having the positive features of this method such as resistance to background crowds, obstruction, scaling, change of angle and deformation, due to use of the characteristics of Haar wavelet, it is resistant to changes in light intensity and gives more accuracy in matching operation. The nature of the proposed method is based on the number of pairs of points that have the best matching, and has unique features that, by separating the features extracted from the image texture, make the matching operation be more accurate and less sensitive to changes in light intensity. Given the many difficulties in finding correspondence, we have proposed a method that overcomes many challenges. In the evaluation phase, by challenging the act of matching in a set of standard images of household objects, including the BBS database and other sports images, animals, objects, film scenes, and MRI images, the test results of the proposed method outperform against other methods.