با سلام

این پست که شامل قسمت اول از مجموعه آموزش تناظریابی تصاویر می باشدکه به بیان آموزش الگوریتم Moravec می پردازد. 

گوشه­ ها یا کرنر نقاطی از تصویر هستند که تغییرات سطوح خاکستری در همسایگی آنها شدید بوده و می­توانند به عنوان ویژگی (Key Point) نقطه­ای پایدار، برای تناظریابی قابل اطمینان میان دو یا چند تصویر به کار روند. ایده Moravec برای تشخیص کرنر بر پایه دو دیدگاه مهم است که در این قسمت بیان میگردد. اما مهمترین مطالب و موضوعاتی که آموزش الگوریتم Moravec شده را بطور مختصر در زیر مشاهده می نمایید:

قسمت ۱:

۱- بیان ایده Moravec برای تشخیص کرنر در تصویر

۲- بیان نقات قوت الگوریتم Moravec

۳- تشریح عملکرد و نقات ضعف الگوریتم Moravec

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

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