Much Image matching methods remain a central problem
in the pattern recognition, image analysis, robotic and
computer vision. The exact position of objects, units and
features related to image must be known. The noise and
errors in preprocessing of images aggravate the matching
problems. In most of the image matching algorithms [1], [2],
[4], [5], [11] are considered, like, translation, rotation,
scaling and perspective invariance must often be taken into
account. Moreover, the input to different sensors at the same
time or input to same sensor at different times will always
result in occluded output, and matching of an occluded
image is always been a challenging task. For quick and
reliable object recognition, it is necessary to consider the
features to be used for matching and criterion for the best
matching.
A feature is in an object of a single and/or the whole
image. Some existing researches in computer vision [4], [5],
[9], and [11] defined the feature as an interest point, region
of several interest points or ridges in an object. In addition,
[4] describe a feature point is differentiated from its
neighboring image points. Results, it would be possible to
match it uniquely with a corresponding point in another
วิธีการมากการจับคู่ภาพที่ยังคงเป็นปัญหาสำคัญในการรับรู้
รูปแบบการวิเคราะห์ภาพ, หุ่นยนต์และ
วิสัยทัศน์คอมพิวเตอร์ ตำแหน่งที่แน่นอนของวัตถุหน่วยและ
คุณสมบัติที่เกี่ยวข้องกับภาพที่จะต้องรู้จัก เสียงและ
ผิดพลาดในการขั้นตอนการเตรียมของภาพซ้ำเติมปัญหาการจับคู่
ในส่วนของขั้นตอนวิธีการจับคู่ภาพ [1], [2],
[4] [5], [11] ได้รับการพิจารณาเช่นการแปล, การหมุน
การปรับมุมมองและไม่แปรเปลี่ยนจะต้องมักจะถูกนำมา
บัญชี นอกจากนี้ยังเข้าสู่เซ็นเซอร์ที่แตกต่างกัน
เวลาเดียวกันหรือเข้ากับเซ็นเซอร์เดียวกันในเวลาที่แตกต่างกันเสมอ
จะส่งผลให้การส่งออกปิดกั้นและการจับคู่ของ
ภาพ occluded เป็นเสมอเป็นงานที่ท้าทาย สำหรับการรับรู้วัตถุได้อย่างรวดเร็วและเชื่อถือได้
มันเป็นสิ่งจำเป็นที่จะต้องพิจารณา
คุณสมบัติที่จะใช้สำหรับการจับคู่และเกณฑ์ที่ดีที่สุดที่ตรงกับ
.
คุณลักษณะที่อยู่ในเป้าหมายของการเป็นหนึ่งเดียวและ / หรือทั้ง
ภาพ งานวิจัยที่มีอยู่บางอย่างในคอมพิวเตอร์วิสัยทัศน์ [4] [5],
[9] และ [11] คุณลักษณะที่กำหนดไว้เป็นจุดที่น่าสนใจในภูมิภาค
จุดสนใจหรือสันเขาหลายแห่งในวัตถุ นอกจากนี้
[4] อธิบายจุดคุณลักษณะที่แตกต่างจากจุดภาพของ
เพื่อนบ้านผลมันจะเป็นไปได้ที่จะ
ตรงกับมันไม่ซ้ำกันกับจุดที่สอดคล้องกันในอีก
การแปล กรุณารอสักครู่..
จับคู่ภาพมากวิธียังคงมี ปัญหากลาง
ในการรู้จำรูปแบบ ภาพวิเคราะห์ หุ่นยนต์ และ
คอมพิวเตอร์วิทัศน์ ตำแหน่งที่แน่นอนของวัตถุ หน่วย และ
ต้องทราบคุณลักษณะที่เกี่ยวข้องกับรูปภาพ เสียง และ
ซ้ำเติมข้อผิดพลาดในการประมวลผลเบื้องต้นภาพตรงกัน
ปัญหา เป็นภาพที่ตรงกับอัลกอริทึม [1], [2],
[4], [5], [11] ถือว่า เช่น แปล หมุน
มักจะต้องได้มาตราส่วน และ perspective invariance ใน
บัญชี นอก อินพุตให้เซ็นเซอร์ต่าง ๆ ที่เหมือนกัน
เวลาหรือเข้าเซ็นเซอร์เดียวกันในเวลาอื่นจะเสมอ
ส่งผลให้ผลผลิต occluded และการจับคู่ของการ occluded
ภาพจะรับงานที่ท้าทาย สำหรับอย่างรวดเร็ว และ
รับรู้วัตถุที่เชื่อถือได้ จำเป็นต้องพิจารณาการ
คุณลักษณะที่จะใช้สำหรับการจับคู่และเงื่อนไขสุด
ตรง.
คุณลักษณะเป็นวัตถุเดียวและ/หรือทั้งหมด
รูป บางงานวิจัยที่มีอยู่ในคอมพิวเตอร์วิทัศน์ [4], [5],
[9], และ [11] ได้กำหนดคุณลักษณะที่เป็นจุดสนใจ ภูมิภาค
ของจุดสนใจหรือสันเขาในวัตถุต่าง ๆ นอกจากนี้,
[4] อธิบายคุณลักษณะจุดจะแตกต่างกันจากของ
จุดภาพใกล้เคียง ผล มันจะไป
ตรงเฉพาะกับจุดที่สอดคล้องกันในอีก
การแปล กรุณารอสักครู่..