بررسی و ارزیابی الگوریتم های استخراج و توصیف عوارض موضعی در کاربردهای فتوگرامتری و سنجش از دور

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 820

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEGIT01_059

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

بررسی عوارض موضعی یکی از مسائل بنیادی و اساسی در زمینه های مختلف ماشین بینایی است اخیرا این عوارض در فتوگرامتری و سنجش از دور نیز مورد استفاده قرار گرفته است یک عارضه موضعی یک الگوی تصویری است که با عوارض همسایه خود متفاوت است معمولا این تفاوت در یک یا چند ویژگی به طور همزمان اتفاق می افتد از جمله این ویژگی ها می توان به رنگ بافت و درجه خاکستری اشاره نمود در این تحقیق هدف بررسی انواع الگوریتم های آشکارساز و توصیفگر عوارض موضعی در دسته بندی های مختلف است و بیان اینکه چه توصیفگر و آشکارسازهایی می توانند بهترین عملکرد را در وجود تغییرات و شرایط مختلف بین دو تصویر ایفا نمایند با توجه به طیف گسترده ای از کاربردهای این عوارض سعی شده چندین کاربرد مهم و اساسی آن ها را در زمینه های مختلف بررسی شوند نتایج این تحقیق نشان داد که از بین الگوریتم های مطرح شده نمی توان یک الگوریتم خاص را به منظور استخراج عوارض موضعی در تمامی مجموعه داده ها انتخاب نمود بلکه هر یک از این روش ها مزایا و کاربردهای خاص خود را داشته و با توجه به ساختارهای موجود در تصویر می توانند در استخراج و توصیف عوارض موضعی مفید باشند

نویسندگان

فریبرز قربانی

دانشجوی کارشناسی ارشد گروه فتوگرامتری دانشگاه صنعتی خواجه نصیرالدین طوسی

حمید عبادی

دانشیار دانشکده ی مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

امین صداقت

دانش آموخته دکتری مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Calonder, M., et al., Brief: Binary robust independent elementary features. ...
  • Tuytelaars, T. and K. Mikolajczyk, Local invariant feature detectors: a ...
  • Sedaghat, A., An Optimised Automatic _ image Registration Methodology Based ...
  • Bay, H., T. Tuytelaars, and L. Van Gool, Surf: Speeded ...
  • Babaud, J., et al., Uniqueness of the Gaussian kernel for ...
  • Viola, P. and M. Jones. Rapid object detection using a ...
  • Matas, J., et al., Robust wide-baseline stereo from maximally stable ...
  • Mikolajczyk, K. and C. Schmid, A performance evaluation of local ...
  • Rosten, E. and T. Drummond. Fusing points and lines for ...
  • Quinlan, J.R., Induction of decision trees. Machine learning, 1986. I(1): ...
  • Lowe, D.G., Distinctive image features from scale-invariat keypoints. International journal ...
  • _ Tola, E., V. Lepetit, and P. Fua, Daisy: An ...
  • Rublee, E., et al. ORB: an efficient alternative to SIFT ...
  • Rosin, P.L., Measuring corner properties. Computer Vision and Image Understanding, ...
  • Liu, C., J. Yuen, and A. Torralba, Sift flow: Dense ...
  • Srmacek, B., A Probabilistc Framework to Detect Buildings in Aerial ...
  • Sirmacek, B. and C. Unsalan, Urban area detection using local ...
  • Beril Srmacek, S.M., IEEE, and Cem Unsalan, Member, IEEE, Urban-Area ...
  • Lerma, J.L., et al., Automatic orientation and 3D modelling from ...
  • Yang, Y. and S. Newsam, Geographic image retrieval using local ...
  • Schmid, C., R. Mohr, and C. Bauckhage, Evaluation of interest ...
  • Moreels, P. and P. Perona, Evaluation of features detectors and ...
  • Smith, S.M. and J.M. Brady, SUSAN-A new approach to low ...
  • نمایش کامل مراجع