ارائه روشی جدید به منظور دسته بندی اشیاء در تصاویر با توصیف گر SURF

مهمترین چالش در پردازش تصویر و حوزه بینایی کامپیوتر استخراج ویژگیها برای تشخیص و تطبیق اشیاء است. یافتن ویژگیهای محلی تصویر یکی از راهکارهای پیدا کردن یک سری نقاط کلیدی در تصویر می باشد. که توصیفگر SURF از این راهکار استفاده می کند. گام اول در تطبیق ویژگی های، مرحله ی پیش پردازش و استخراج ویژگی های درست در تصاویر می باشد. که با توجه به مطالعات گذشته در این مرحله ، یکی از بارزترین مشکلات، وجود ویژگی های نویزی، همچنین بررسی نکردن پارامتر های مختلف از جمله اندازه تصویر نرمالایز شده، پارامترهای مختلف دسته بندی، تولید ویژگی های بی اثر و بروز افزونگی می باشد. به منظور استخراج ویژگی های مناسب در دسته بندی تصاویر، در این مقاله، فیلتر تیز کننده در مرحله استخراج ویژگی ها در توصیف گر SURF اعمال می شود، تا با تیز کردن لبه ها نقاط کلیدی مناسب تر و جزئیات بهتر و بیشتری شناسایی شوند و در ادامه ی رویکرد کیسه کلمات بصری در دسته بندی اشیاء برای ایجاد کلمات بصری انجام می گیرد، که آزمایش ها بر روی مجموع داده های استاندارد ETHZ و Caltech 101 انجام شده است. نتایج آزمایشات، بهبود عملکرد SURF تجدید نظر شده را ، در دسته بندی اشیاء در تصاویر نشان می دهد.

کلیدواژه ها:

نقاط کلیدی ، ویژگی های محلی ، توصیف گر ویژگی ، تشخیص شیء ، خوشه بندی