ترجمه مقاله ویژگی های مقاوم تسریع شده (SURF) – نشریه الزویر

عنوان فارسی: | ویژگی های مقاوم تسریع شده (SURF) |
عنوان انگلیسی: | Speeded-Up Robust Features (SURF) |
تعداد صفحات مقاله انگلیسی : 14 | تعداد صفحات ترجمه فارسی : 36 |
سال انتشار : 2008 | نشریه : الزویر - Elsevier |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 5349 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 5.73Mb |
رشته های مرتبط با این مقاله: مهندسی کامپیوتر و مهندسی برق |
گرایش های مرتبط با این مقاله: مهندسی نرم افزار، هوش مصنوعی و مهندسی الکترونیک |
مجله: چشم انداز کامپیوتر و درک تصویر |
دانشگاه: زوریخ، سوئیس |
کلمات کلیدی: نقاط موردعلاقه، ویژگیهای محلی، توصیف ویژگی، کالیبراسیون دوربین، شناسایی شیء |
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است |
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
چکیده
1. مقدمه
2. کار مرتبط
2.1. آشکارسازی نقطه موردعلاقه
2.2. توصیف نقطه موردعلاقه
3. تشخیص نقطه موردعلاقه
3.1. تصاویر انتگرال
3.2. نقاط موردعلاقه مبتنی بر ماتریس هسین
3.3. نمایش فضای مقیاس
3.4. مکانیابی نقطه موردعلاقه
4. توصیف و تطبیق نقطه موردعلاقه
4.1. تعیین جهتگیری
4.2. توصیفگر مبتنی بر مجموع پاسخهای موجک Haar
4.3. شاخص گذاری سریع برای تطبیق
5. نتایج
5.1. ارزیابی تجربی و تنظیمات پارامتری
5.1.1. آشکارساز SURF
5.1.2. توصیفگر SURF
Abstract
This article presents a novel scale- and rotation-invariant detector and descriptor, coined SURF (Speeded-Up Robust Features). SURF approximates or even outperforms previously proposed schemes with respect to repeatability, distinctiveness, and robustness, yet can be computed and compared much faster. This is achieved by relying on integral images for image convolutions; by building on the strengths of the leading existing detectors and descriptors (specifically, using a Hessian matrix-based measure for the detector, and a distribution-based descriptor); and by simplifying these methods to the essential. This leads to a combination of novel detection, description, and matching steps. The paper encompasses a detailed description of the detector and descriptor and then explores the effects of the most important parameters. We conclude the article with SURF’s application to two challenging, yet converse goals: camera calibration as a special case of image registration, and object recognition. Our experiments underline SURF’s usefulness in a broad range of topics in computer vision. 2007 Elsevier Inc. All rights reserved.
چکیده
این مقاله یک آشکارساز و توصیفگر جدید نامتغیر با مقیاس و چرخش، SURF (ویژگیهای مقاوم تسریعشده) ابداعی را ارائه میدهد. SURF ازنظر تکرارپذیری، متمایز بودن و مقاوم بودن به طرحهای پیشنهادی قبلی نزدیک است و یا حتی بهتر از آنها میباشد اما میتواند بسیار سریعتر محاسبه و مقایسه شود.
این روش با تکیه بر تصاویر انتگرال برای کانولوشنهای تصویر؛ با در نظر گرفتن نقاط قوت آشکارسازها و توصیفگرهای عمده موجود (بهطور خاص، با استفاده از یک معیار مبتنی بر ماتریس هسین برای آشکارساز و یک توصیفگر مبتنی بر توزیع)؛ و با سادهسازی این روشها تا حد ضرورت به دست میآید. این امر ترکیبی از گامهای بدیع آشکارسازی، توصیف و تطبیق را نتیجه میدهد.
این مقاله شامل شرح مفصلی از آشکارساز و توصیفگر میباشد و سپس به بررسی اثرات مهمترین پارامترها میپردازد. ما مقاله را با کاربرد SURF در دو هدف چالشبرانگیز و درعینحال مخالف: کالیبراسیون دوربین بهعنوان یک مورد خاص از ثبت (انطباق) تصویر و شناسایی شیء به پایان میرسانیم. آزمایشهای ما بر سودمندی و کاربرد SURF در طیف گستردهای از مباحث در بینایی کامپیوتری تأکید میکند.