استخراج ویژگی تصویر با الگوریتم sift: آموزش متلب - انجام پروژه متلب |پروژه متلب | انجام پروژه متلب برق | شبیه سازی با متلب

استخراج ویژگی تصویر با الگوریتم sift: آموزش متلب

استخراج ویژگی تصویر به وسیله الگوریتم sift: آموزش متلب

استخراج ویژگی تصویر به وسیله الگوریتم sift یا  scale invariant feature transform

آموزش متلب : تناظریابی به عنوان یک فرآیند اساسی در فتوگرامتری رقومی شناخته می‌شود. انجام این فرآیند اساسی در فتوگرامتری بردکوتاه با توجه به اعوجاجات هندسی قابل توجه در تصاویر همگرا، بسیار پیچیده بوده و اغلب الگوریتم‌های موجود نمی‌توانند نتایجی با دقت مطلوب را ایجاد کنند. در این مقاله روشی کارآمد جهت تناظریابی تصاویر همگرا در فتوگرامتری بردکوتاه ارائه شده است. در روش پیشنهادی به منظور انجام عملیات تناظریابی، ابتدا با استفاده از الگوریتم SIFT عوارض موضعی در دو تصویر مبنا و ورودی استخراج می‌شود. در ادامه جهت کنترل تغییرات هندسی ایجاد شده در عوارض، حاصل از تغییر منظر تصویربرداری، شکل هندسی عوارض، با استفاده از ماتریس گشتاور مرتبه‌ی دوم، از دایره به بیضی تغییر داده می‌شود.

آموزش متلب : سپس به منظور ایجاد توصیفگر برای هر عارضه، نواحی بیضی شکل به دوایری با شعاع ثابت نرمالیزه می‌شوند. در نهایت پس از ایجاد توصیفگر برای هر عارضه، عملیات تناظریابی انجام شده و تناظرهای اشتباه باقی‌مانده توسط الگوریتم کارآمد RANSAC حذف می‌شوند. نتایج آزمایشات بر روی چند دسته از تصاویر بردکوتاه بیانگر عملکرد قابل توجه روش پیشنهادی بوده به گونه‌ای که تعداد عوارض متناظر با استفاده از روش پیشنهادی در حدود دو برابر بیشتر از تعداد عوارض متناظر ایجاد شده توسط روش استاندارد SIFT است. همچنین نتایج بدست آمده بر روی تصاویر مورد استفاده، حاکی از آن است که دقت تناظریابی نیز با استفاده از روش پیشنهادی بین ۳ الی ۸ درصد افزایش می‌یابد.

آموزش متلب : الگوریتم SIFT (Scale Invariant Feature Transform) یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرایند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است. اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای انجام تناظریابی در تصاویر سنجش از دور مواجه است. کنترل پذیری این اگلوریتم در استخراج عواض در تصاویر سنجش از دور پایین است و در آن راه حلی نیز برای انتخابعوارض پایدارتر و متمایزتر و کنترل توزیع آن ها، به منظور موفقیت در فرآیند تناظریابی، پیشنهاد نشده است.

خروجی متلب :