کاربر:نفیسه رضازاده/تشخیص گوشه

خروجی یک الگوریتم تشخیص گوشه‌ی معمولی

تشخیص گوشه روشی است که در سیستم های بینایی کامپیوتر برای استخراج انواع خاصی از ویژگی ها و محتویات یک تصویر استفاده می شود. تشخیص گوشه اغلب در تشخیص حرکت، انطباق تصویر، ردیابی ویدئو، موزاییک تصویر، دوخت پانوراما، مدل سازی سه‌بعدی و تشخیص شی مورد استفاده قرار می گیرد. تشخیص گوشه و موضوع تشخیص نقطه برای رسیدن به هدف مشترک هم‌پوشانی دارد.

فرمول‌بندی

گوشه را می‌توان به عنوان تقاطع دولبه تعریف کرد، همچنین می‌توان نقطه‌ای تعریف کرد که در همسایگی‌اش دو جهت لبه‌ی متفاوت و غالب وجود دارد.

نقطه‌ی مطلوب در تشخیص گوشه، نقطه ای است که موقعیتش به خوبی تعریف و شناسایی می‌شود. این به این معنی است که نقطه‌ی مطلوب شناسایی شده می‌تواند به عنوان گوشه شناسایی شود، اما ممکن است یک نقطه‌ی مجزایی باشد که شدت روشنایی‌اش نسبت به همسایگی اطرافش مقدار ماکزیمم یا مینیمم باشد، پایان یک خط باشد و یا اینکه نقطه ای از یک منحنی باشد که در آن نقطه انحنای منحنی بیشترین مقدار می‌باشد.

در عمل، بیشتر روش های تشخیص گوشه  به طور کلی نقاط مطلوب را تشخیص می دهند و در واقع، اصطلاح "گوشه" و "نقطه‌ی مطلوب" در ادبیات های مختلف بیشتر یا کمتر تغییر می کند. در نتیجه, اگر فقط بخواهیم گوشه شناسایی شود، برای تشخیص نقاط گوشه‌های واقعی، لازم است تجزیه و تحلیل های محلی بر روی نقاط مطلوب انجام گیرد. نمونه هایی از تشخیص لبه که در پیش‌پردازش برای شناسایی گوشه به کار می‌رود، اپراتور کیرش و مجموعه ماسک فری-چن می‌باشد.

"گوشه" و "نقطه‌ی مطلوب" و "ویژگی" به جای یکدیگر استفاده می شود. به طور خاص چند شناساگر لکه وجود دارد که  به "اپراتورهای تشخیص نقطه‌ی مطلوب" اشاره می‌کند اما گاهی اوقات به اشتباه به " آشکارسازهای گوشه"اشاره می‌کند. علاوه بر این، برای دستیابی به مرز اشیا یک مفهوم شناسایی مرز (ridge detection) وجود دارد.

 آشکارسازهای گوشه معمولآ به اندازه‌ی کافی قوی نیستند و اغلب برای جلوگیری از اثر خطاهای فردی ناشی از تشخیص نیازمند ریداندانت است.

یک راه تشخیص میزان کیفیت یک آشکارساز گوشه توانایی تشخیص گوشه‌های مشابه در تصاویر مشابه، در شرایط روشنایی مختلف، انتقال، چرخش و سایر تغییرات است.

یک رویکرد ساده برای تشخیص گوشه در تصاویر، از همبستگی استفاده می کند، اما دارای محاسبات زیادی می‌باشد. یک رویکرد جایگزین که اغلب استفاده می شود براساس یک روش پیشنهادی توسط هریس و استفنز است که به نوبه خود بهبود روش مراوک می‌باشد.

الگوریتم تشخیص گوشه‌ی مراوک

 یکی از اولین الگوریتم های تشخیص گوشه است. این الگوریتم برای هر پیکسل در تصویر بررسی می کند که آیا گوشه است یا اینکه نیست. که این کار با بررسی اینکه پیکسل مرکزی پنجره با پیکسل‌های اطرافش به چه میزان شباهت دارد صورت می‌گیرد. میزان شباهت با محاسبه‌ی مجموع اختلاف مربعات بین پیکسل مرکزی و پیکسل‌های اطراف آن و موجود در پنجره به‌دست می‌آید. هر چقدر مقدار عدد به‌دست آمده کمتر باشد، میزان شباهت بیشتر است.

اگر پیکسل در یک منطقه از شدت یکنواخت باشد، سپس پیکسل‌های مجاور دارای شدت یکسانی می‌باشد و مشابه با پیکسل مورد بررسی به نظر می رسد، اگر پیکسل بر روی یک لبه باشد، شدت روشنایی پیکسل‌های اطراف در جهت عمود بر لبه ها کاملآ متفاوت خواهد بود، اما در شدت روشنایی پیکسل‌های مجاور در جهت موازی با لبه، تنها یک تغییر کوچک رخ می دهد.

قدرت گوشه به کمک کمترین مقدار مجموع مربععات اختلاف بین پیکسل مورد بررسی و همسایگان آن در یک پنجره تعریف می‌شود. دلیل این امر این است که اگر این مقدار زیاد باشد، تغییرات در طول تمام شیفت‌های پنجره یا برابر با آن یا بزرگتر از آن است، بدین ترتیب که همه پیکسل‌های اطراف متفاوت به نظر می‌رسند. 

اگر مقدار قدرت گوشه برای همه‌ی پیکسل‌ها محاسبه شود و برای یک پیکسل بیشترین مقدار باشد و به عبارت دیگر بیشتر از حد آستانه باشد، آن پیکسل نقطه‌ی کلیدی برای تشخیص گوشه تعیین می‌شود.

همانطور که توسط مراوک اشاره شده است، یکی از مشکلات عمده این اپراتور این است که آن را ایزوتروپیک نمی کند: یعنی اگر یک لبه وجود داشته باشد که در جهت همسایگان (افقی، عمودی یا مورب) نباشد، سپس مقدار کوچکترین SSD بزرگ خواهد بود و به صورت نادرست لبه به عنوان نقطه مورد نظر انتخاب می شود.

${\displaystyle }$

مراجع

این قسمت لینک های خارجی مراجع برخی از آشکارسازهای توضیح داده شده در بالا را ارائه می دهد.این مراجع توسط نویسندگان مقاله ارائه شده است که در آن آشکارساز برای اولین بار توصیف شده است.این ها ممکن است حاوی اطلاعاتی باشد که در مقاله های توصیف ویژگی ها وجود ندارد یا به طور صریح گفته نشده است.

• DoG detection (as part of the SIFT system), Windows and x86 Linux executables
• Harris-Laplace, static Linux executables. Also contains DoG and LoG detectors and affine adaptation for all detectors included.
• FAST detector, C, C , MATLAB source code and executables for various operating systems and architectures.
• lip-vireo,[LoG, DoG, Harris-Laplacian, Hessian and Hessian-Laplacian],[SIFT, flip invariant SIFT, PCA-SIFT, PSIFT, Steerable Filters, SPIN][Linux, Windows and SunOS] executables.
• SUSAN Low Level Image Processing, C source code.

See also

• blob detection
• affine shape adaptation
• scale space
• ridge detection
• interest point detection
• feature detection (computer vision)
• image derivatives

External links

• Lindeberg, Tony (2001) [1994], "Corner detection", Encyclopedia of Mathematics, EMS Press
• Brostow, "Corner Detection -- UCL Computer Science"

[[رده:کشف ویژگی‌ها]]