CV


Seyyed Ali Hoseini

Seyyed Ali Hoseini

Assistant Professor

عضو هیئت علمی تمام وقت

Faculty: Electrical and Computer Engineering

Department: Computer

Degree: Doctoral

CV
Seyyed Ali Hoseini

Assistant Professor Seyyed Ali Hoseini

عضو هیئت علمی تمام وقت
Faculty: Electrical and Computer Engineering - Department: Computer Degree: Doctoral |

کاهش ابعاد توصیفگرِ ویژگی های سیفت برای تسریع تناظریابی در تصاویر هم پوشان

Authorsسیدعلی حسینی
Conference Titleچهارمین کنفرانس بین المللی محاسبات نرم
Holding Date of Conference2021-12-29
Event Placeرشت
Page number0-0
PresentationSPEECH
Conference LevelInternal Conferences

Abstract

استخراج ویژگی¬های برجسته و متمایز از تصاویر داری اهمیت بسزایی در بسیاری از مسائل بینایی ماشین می¬باشد. یک از این مسائل که دارای کاربردهای زیادی است مساله تناظریابی ویژگی¬ها در تصاویر هم¬پوشان است. هنگامی که دو تصویر هم¬پوشان دارای تغییرات هندسی زیادی نسبت به یکدیگر هستند، یافتن نقاط متناظر یک مساله پر چالش است که نمی¬توان براحتی با بهره¬گیری از روشهای مبتنی بر وصله نقاط متناظر را یافت. در چنین شرایطی یک راهکار مناسب استفاده از ویژگی¬های مبتنی بر بردار توصیفگر است. الگوریتم استخراج ویژگیِ سیفت یکی از روشهای بسیار کارآمد در این خصوص است که بوسیله بردار توصیفگر آن می¬توان نقاط متناظر را در دو تصویر هم-پوشان با دقت بالایی مشخص نمود. بردار توصیفگر ویژگی¬های سیفت دارای 128 مولفه است. در کاربردهای نظیر مکان¬یابی و نقشه¬سازی همزمان مبتنی بر حساسه¬های بصری که نیاز به تناظریابی بلادرنگ دارند به ویژه هنگامی که تعداد ویژگی¬ها در دو تصویر زیاد باشد، استفاده از همه 128 مولفه برای محاسبه فاصله اقلیدسی به زمان زیادی نیاز دارد. در این مقاله به بررسی امکانِ کاهش بعدِ بردار توصیفگر ویژگی¬های سیفت پرداخته شده است. نتایج آزمایش¬ها نشان می¬دهد با انتخاب تنها تعداد کمی از بعدها همچنان قدرت تناظریابی ویژگی¬ها پابرجا بوده و می¬توان با حجم محاسبات بسیار کمتر فرایند تناظریابی ویژگی¬ها را انجام داد. به عبارت دقیق¬تر با انتخاب تصادفی تنها 20 مولفه از 128 مولفه بردار توصیفگر سیفت به طور میانگین می¬توان به دقتی حدود 95 درصد زمانی که همه مولفه¬ها مورد استفاده قرار می¬گیرند، دست یافت.

Paper URL