In complex scenario such as underwa

In complex scenario such as underwater imaging or rough weather, local textures are unavailable due to image blurring and background clutters. Global features like color and contours became the important clues for object detection. However, it is challenging to extract the object region with regard to the variances of color and massive disruptions of object contour. In this paper, we proposed a new method which used Color Channel Ratio Image (CCRI) for edge detection. The CCRI-based edge detection method can effectively extract the object contour in complex scenario where traditional grayscale-based edge detectors often fail. Moreover, we design a fast object detection algorithm based on the CCRI image and chamfer matching. Performing k-means clustering on the CCRI image can obtain the candidate regions of the target object. Thus applying directional chamfer matching only in the candidate regions can efficiently speed up the detection procedure.

ผลลัพธ์ (ไทย) 1:

ในสถานการณ์ซับซ้อนเช่นภาพใต้น้ำหรือสภาพอากาศ พื้นผิวภายในไม่มีเนื่องจาก clutters เบลอและพื้นหลังภาพ คุณลักษณะส่วนกลางเช่นสีและรูปทรงกลายเป็น ปมสำคัญสำหรับตรวจจับวัตถุ อย่างไรก็ตาม มันเป็นความท้าทายแยกภูมิภาควัตถุตามผลต่างของสีและขนาดใหญ่หยุดชะงักของเส้นวัตถุ ในเอกสารนี้ เรานำเสนอวิธีการใหม่ซึ่งใช้สีช่องอัตราส่วนภาพ (CCRI) สำหรับการตรวจหาขอบ วิธีการตรวจหา CCRI ตามขอบได้อย่างมีประสิทธิภาพสามารถแยกเส้นวัตถุในสถานการณ์ซับซ้อนที่จับขอบสีเทาตามแบบดั้งเดิมมักจะล้มเหลว นอกจากนี้ เราออกแบบขั้นตอนวิธีตรวจหาวัตถุอย่างรวดเร็วที่ CCRI ภาพและจับคู่ chamfer ทำคลัสเตอร์ในรูป CCRI หมายถึง k สามารถรับฟังภาคของวัตถุเป้าหมาย จึง ใช้การ chamfer ทิศทางที่ตรงกันเฉพาะในขอบเขตผู้สมัครสามารถมีประสิทธิภาพเร็วขึ้นกระบวนการตรวจสอบ

ผลลัพธ์ (ไทย) 2:

ในสถานการณ์ที่ซับซ้อนเช่นการถ่ายภาพใต้น้ำหรือสภาพอากาศที่ขรุขระพื้นผิวในท้องถิ่นจะไม่สามารถใช้ได้เนื่องจากภาพเบลอและ clutters พื้นหลัง คุณสมบัติระดับโลกเช่นสีและรูปทรงกลายเป็นเบาะแสสำคัญในการตรวจหาวัตถุ แต่ก็เป็นสิ่งที่ท้าทายที่จะดึงภูมิภาควัตถุที่เกี่ยวกับความแปรปรวนของสีและการหยุดชะงักของวัตถุขนาดใหญ่ที่มีรูปร่าง ในบทความนี้เราเสนอวิธีการใหม่ที่ใช้อัตราส่วนภาพที่แสดงช่องสี (CCRI) สำหรับการตรวจหาขอบ วิธีการตรวจสอบขอบ CCRI ตามได้อย่างมีประสิทธิภาพสามารถดึงเส้นวัตถุในสถานการณ์ที่ซับซ้อนแบบดั้งเดิมที่ตรวจจับขอบสีเทาที่ใช้มักจะล้มเหลว นอกจากนี้เราออกแบบวิธีการตรวจสอบวัตถุที่รวดเร็วขึ้นอยู่กับภาพและการขูดจับคู่ CCRI การแสดง k-หมายถึงการจัดกลุ่มในภาพ CCRI สามารถได้รับพื้นที่ที่ผู้สมัครของวัตถุเป้าหมาย ดังนั้นการใช้การจับคู่ขูดทิศทางเฉพาะในภูมิภาคท​​ี่ผู้สมัครได้อย่างมีประสิทธิภาพสามารถเพิ่มความเร็วในขั้นตอนการตรวจสอบ

ผลลัพธ์ (ไทย) 3:

ในสถานการณ์ที่ซับซ้อน เช่น การถ่ายภาพใต้น้ำหรือสภาพอากาศที่ขรุขระ พื้นผิวท้องถิ่นไม่พร้อมใช้งานเนื่องจากภาพเบลอ และ clutters พื้นหลัง คุณสมบัติระดับโลกเช่นสีและรูปทรง กลายเป็นปมสำคัญสำหรับตรวจจับวัตถุ อย่างไรก็ตาม มันเป็นสิ่งที่ท้าทายในการแยกวัตถุเขตเกี่ยวกับความแปรปรวนของสีและการหยุดชะงักขนาดใหญ่ของรูปร่างวัตถุ ในกระดาษนี้เราเสนอวิธีใหม่ซึ่งใช้อัตราส่วนภาพสีช่อง ( ccri ) สำหรับตรวจจับขอบ วิธีการตรวจจับขอบ ตาม ccri อย่างมีประสิทธิภาพสามารถแยกวัตถุรูปร่างในสถานการณ์ที่ซับซ้อนที่สีเทาแบบดั้งเดิมที่ใช้ตรวจจับขอบมักจะล้มเหลว นอกจากนี้เรายังออกแบบวัตถุได้อย่างรวดเร็วการตรวจสอบขั้นตอนวิธีขึ้นอยู่กับ ccri ภาพด้วยการจับคู่แสดง k-means การจัดกลุ่มบนภาพ ccri สามารถรับผู้สมัครภูมิภาคของวัตถุเป้าหมาย จึงใช้เฉพาะในภูมิภาคทิศทางด้วยการจับคู่ผู้สมัครได้อย่างมีประสิทธิภาพสามารถเพิ่มความเร็วในขั้นตอนการตรวจสอบ