To design an algorithm to select ro

To design an algorithm to select robust local image features, we start by looking for what types of regions do not contribute much to visual matching and registration. First, we can filter out regions with dense textures, for example, regions with tree leaves, grasses, ripples on the water, etc. Second,many of the textureless regions are also featureless,
thus they are not good regions for extracting local features that characterize images. Examples include the sky, large patches of textureless regions on rocks or walls, etc. Third, regions which do not fall into the above two types are usually more useful for image matching and registration. Good examples are regions with man-made structures in a typical city environment. These regions usually have more consistent local gradient directions. Just think about architectural structures.

ผลลัพธ์ (ไทย) 1:

การออกแบบขั้นตอนวิธีการเลือกคุณลักษณะภาพท้องถิ่นที่แข็งแกร่ง เราเริ่มต้น ด้วยการหาชนิดของภูมิภาคไม่สนับสนุนมากภาพที่ตรงกันและลงทะเบียน ครั้งแรก เราสามารถกรองภูมิภาคที่มีพื้นผิวที่หนาแน่น เช่น ภูมิภาคที่ มีต้นไม้ ใบ หญ้า ripples บนน้ำ ฯลฯ สอง หลายภูมิภาค textureless จะยังแก่การผักผ่อนดังนั้น จะไม่ดีภูมิภาคสำหรับการดึงข้อมูลคุณลักษณะเฉพาะที่ภาพ ตัวอย่างเช่นฟ้า แพทช์ใหญ่ของภูมิภาค textureless บนหิน หรือผนัง ฯลฯ ที่สาม ภูมิภาคซึ่งจัดอยู่ในประเภทสองข้างมักจะมีประโยชน์มากสำหรับลงทะเบียนและจับคู่ภาพ ตัวอย่างที่เป็นภูมิภาคที่ มีโครงสร้างที่มนุษย์สร้างขึ้นในสภาพแวดล้อมการเมืองทั่วไป ภูมิภาคเหล่านี้มักจะมีทิศทางการไล่ระดับท้องถิ่นมากขึ้น เพียงแค่คิดเกี่ยวกับโครงสร้างสถาปัตยกรรม

ผลลัพธ์ (ไทย) 2:

การออกแบบขั้นตอนวิธีในการเลือกคุณลักษณะภาพท้องถิ่นที่แข็งแกร่งเราเริ่มต้นด้วยการมองหาสิ่งที่ประเภทของภูมิภาคไม่ได้มีส่วนร่วมมากที่จะจับคู่ภาพและการลงทะเบียน ครั้งแรกที่เราสามารถกรองพื้นที่ที่มีพื้นผิวที่มีความหนาแน่นสูงตัวอย่างเช่นพื้นที่ที่มีต้นไม้ใบหญ้าระลอกในน้ำ ฯลฯ ประการที่สองหลายภูมิภาค textureless นอกจากนี้ยังมีรูป,
ดังนั้นพวกเขาจะไม่ภูมิภาคที่ดีสำหรับการสกัดคุณลักษณะท้องถิ่นที่ ลักษณะของภาพ ตัวอย่าง ได้แก่ ท้องฟ้า, แพทช์ใหญ่ของภูมิภาค textureless บนโขดหินหรือผนัง ฯลฯ ประการที่สามภูมิภาคที่ไม่ตกอยู่ในข้างต้นทั้งสองประเภทนี้มักจะมีประโยชน์มากขึ้นสำหรับการจับคู่ภาพและการลงทะเบียน ตัวอย่างที่ดีคือพื้นที่ที่มีโครงสร้างที่มนุษย์สร้างขึ้นในสภาพแวดล้อมของเมืองทั่วไป ภูมิภาคเหล่านี้มักจะมีทิศทางที่สอดคล้องกันมากขึ้นไล่ระดับท้องถิ่น แค่คิดเกี่ยวกับโครงสร้างทางสถาปัตยกรรม

ผลลัพธ์ (ไทย) 3:

การออกแบบอัลกอริทึมเพื่อเลือกลักษณะภาพท้องถิ่นที่แข็งแกร่ง เราเริ่มมองหาในสิ่งที่ประเภทของภูมิภาคไม่กระจายมาก เพื่อการจับภาพและการลงทะเบียน แรกเราสามารถกรองออกพื้นที่กับพื้นผิว หนาแน่น ตัวอย่างเช่น ภูมิภาค กับ ใบหญ้า , ระลอกน้ำ ฯลฯ อีกหลายแห่ง textureless ภูมิภาคยังซึ่งไม่น่าสนใจ
,ดังนั้นพวกเขาจะไม่ ขอบเขตที่ดีสำหรับการสกัดท้องถิ่นคุณสมบัติที่เป็นเอกภาพ ตัวอย่าง ได้แก่ ฟ้า แพทช์ใหญ่ textureless ภูมิภาคบนหินหรือผนัง ฯลฯ ที่สามของภูมิภาคที่ไม่ตกอยู่ในข้างต้นสองประเภทมักจะมีประโยชน์สำหรับการจับภาพและการลงทะเบียน ตัวอย่างที่ดีจะเป็นภูมิภาคที่มีโครงสร้างที่มนุษย์สร้างขึ้นในสภาพแวดล้อมที่เป็นเมืองทั่วไปภูมิภาคเหล่านี้มักจะมีมากขึ้นสอดคล้องเส้นทางลาดท้องถิ่น แค่คิดเกี่ยวกับโครงสร้างทางสถาปัตยกรรม