با سلام

این پست که شامل قسمت چهارم از مجموعه آموزش تناظریابی تصاویر می باشدکه به بیان الگوریتم هریس-لاپلاس Harris-Laplace می پردازد.

الگوریتم هریس-لاپلاس Harris-Laplace یک متد تغییرناپذیر نسبت به مقیاس برای شناسایی ویژگی­ها (Key-Points) در تصویر به منظور تناظریابی تصاویر می باشد. متد هریس لاپلاس بر پایه دو گام می­باشد:

  • انتخاب موقعیت و مقیاس (اندازه پنجره) برای هر نقطه کرنر
  • انتخاب ویژگی­های تغییرناپذیر نسبت به مقیاس بر اساس ماکزیمم محلی لاپلاس

قسمت ۴:

۱- تشریح الگوریتم Harris-Laplace

۲- تشریح خروجی روش هریس-لاپلاس روی تصویر

 

————————————————————————————————————————————————————————————–

هدف از تهیه این مجموعه از فیلم های آموزشی، آشنایی با مباحث تناظریابی تصویر و پیاده سازی آنها در محیط متلب است. استخراج و تطابق ویژگیهای تصویر یک مبحث اساسی در پردازش تصویر و بینایی کامپیوتر می باشد که کاربردهای زیادی در object tracking, image registration, image retrieval, و ….. دارد. تناظریابی تصویر نیز یکی از موضوعات جذاب و پرکاربردی است که می تواند به عنوان یکی از موضوعات پایان نامه، مقاله و تحقیق در مقاطع تحصیلی دانشگاهی (ارشد و دکتری) بکارگیری شود.

مجموعه فیلم های تناظریابی تصویر در ۷ قسمت مجزا تهیه شده است که سعی شده است به الگوریتم های اساسی در این زمینه بپردازد:

 

هر کدام از متدهای بالا به ترتیب برای حل مشکلات الگوریتم های قبل خود ارائه شده اند. لذا پیشنهاد بنده یادگیری هر ۷ قسمت با همدیگر و دنبال هم می باشد

امیدورام این مجموعه آموزشی بتواند کمکی در جهت یادگیری علاقه مندان در این زمینه کرده باشد.

با تشکر