Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Đăng ký hình ảnh từ xa tự động trên đa quy mô Harris-Laplacian
Tóm tắt
Để khắc phục khó khăn trong việc đăng ký hình ảnh tự động trong tiền xử lý hình ảnh, bài báo này trình bày một thuật toán đăng ký tự động cho hình ảnh từ xa có độ phân giải không gian khác nhau. Thuật toán được nghiên cứu dựa trên việc phát hiện góc Harris-Laplacian, có thể xác định biến đổi affine (phóng to, xoay, dịch chuyển) giữa các hình ảnh ở các tỷ lệ khác nhau. Các góc trong hình ảnh tham chiếu và hình ảnh đăng ký được phát hiện và định vị trước tiên bằng một bộ phát hiện góc đa quy mô Harris-Laplacian (H-L). Thứ hai, thuật toán chọn mô tả SURF (Speeded Up Robust Feature) để tính toán các mô tả của góc đã phát hiện. Sau đó, việc khớp góc đa độ phân giải được thực hiện dựa trên khoảng cách Euclid. Cuối cùng, theo LoG (Laplacian Of Gaussian), hệ số tỷ lệ được xác định tự động giữa hình ảnh tham chiếu và hình ảnh đăng ký. Một số hình ảnh từ xa đã được thử nghiệm, và các thí nghiệm cho thấy thuật toán nghiên cứu có thể tự động đăng ký hai hình ảnh từ xa có kích thước và độ phân giải khác nhau. Nó cũng xác minh rằng thuật toán có chi phí thời gian thấp hơn so với các thuật toán hiện có khác (ví dụ: SIFT) trong một mức độ chính xác phát hiện nhất định. Thuật toán này cũng hữu ích để giải quyết vấn đề lỗi tiềm tàng do hiệu ứng parallax khi thiết lập biến đổi affine hình học trên các góc để phát hiện trên các tòa nhà có độ cao không xác định khác nhau.
Từ khóa
#đăng ký hình ảnh từ xa #thuật toán tự động #phát hiện góc Harris-Laplacian #biến đổi affine #SURF #khớp góc đa độ phân giải #khoảng cách Euclid #LoGTài liệu tham khảo
Barbara Z. and Ja F, “Image registration method: a survey”, Image and Vision Computing”, 977–1000. 2003.
Chen, H. M., Varshney, P., & Arora, M. (2003). Mutual information based image registration for remote sensing data. International Journal of Remote Sensing, 24(18), 3701–3706.
Dae-Ho, L., et al. (2011). Region-based corner detection by radial projection. Journal of the Optical Society of Korea, 15(2), 152–154.
Dufournard, Y., Schmid, C., & Horaud, R. (2000). Matching images with different resolutions. Proceedings IEEE Conf. Computer Vision Pattern Recognition, 1, 612–618.
Fan, J., Hu, L., & Hu, L. (2010). Improved approach for image registration based on wavelet transform. Computer Engineering, 36, 212–214.
Forlenza, L., et al. (2012). Real time corner detection for miniaturized electro-optical sensors onboard small unmanned aerial systems. Sensors, 12(1), 863–877.
Gueguen, L., & Pesaresi, M. (2011). Multi scale Harris corner detector based on differential morphological decomposition. Pattern Recognition Letters, 32(14), 1714–1719.
Harris C. and Stephens M., “A combined corner and edge detector”, Proceedings of The Fourth Alvey Vision Conference, pp. 147–151 (1998).
Herbert, B., Andreas, E., Tinne, T., & Van Luc, G. (2008). SURF: speeded up robust features. Computer Vision and Image Understanding (CVIU), 110, 346–359.
Hui Lin, Peijun Du, “Image Registration Based on Corner Detection and Affine Transformation”, International Congress on Image and Signal Processing (CISP2010), 2010.
Li, W., & Leung, H. (2004). A maximum likelihood approach for image registration using control point and intensity. Proceedings IEEE transactions on image processing, 13, 1115–1127.
Lionel Gueguen, Pierre Soille and Martino Pesaresi, “A new built-up presence index based on density of corners”, IEEE.IGARSS, 2012.
Lowe, D. G. (2004). Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60, 91–110.
Matthew Brown, Richard Szeliski and Simon Winder, “Multi-Image Matching using Multi-Scale Oriented Patches”, Proceedings of the 2005 I.E. Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05), 2005.
Mikolajczyk, K., & Schmid, C. (2007). A performance evaluation of local descriptors. IEEE Transactions on Pattern Analysis and Machine Intelligence, 27, 1615–1630.
Mikolajczyk K. & Schmid C., “Indexing based on scale invariant interest points”, in Proceedings of the 8th International Conference on Computer Vision, Vancouver, Canada, 525–531, 2001.
Paulo Ricardo Possa, Student Member, IEEE, Sidi Ahmed Mahmoudi, Naim Harb, “A Multi-Resolution FPGA-Based Architecture for Real-Time Edge and Corner Detection”, IEEE Transaction on Computers, Vol. 63, No. 10, October 2014.
Pei S.C. and Ding J.J, “Improved Harris’ algorithm for corner and edge detections”, Image Processing, ICIP 2. 57–60. 2006.
Rosten, E., Porter, R., & Drummond, T. (2010). Faster and better: a machine learning approach to corner detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 32(1), 105–119.
Schmid, C., Mohr, R., & Bauckhage, C. (2000). Evaluation of interest point detectors. International Journal of Computer Vision, 37(2), 151–172.
Szeliski, R. (2010). Computer vision: algorithms and applications. New York: Springer.
Wang, W. X. (2008). Fragment size estimation without image segmentation. International Journal: Imaging Science Journal, 56, 91–96.
Wang, W. X. (2011). Colony image acquisition system and segmentation algorithms. Optical Engineering, 50(12), 123001.
Wang, W. X., Luo, D. J., & Li, W. S. (2009). Algorithm for automatic image registration on Harris-Laplace, features. Journal of Applied Remote Sensing, 3, 033554.
Ying Ding, Jing-tao Fan and Hua-min Yang, “A Robust Medical Image Registration Algorithm Based on The SAM of Multi-Scale Harris Corners”, IEEE Conf. Biomedical Engineering and Information, BMEI, 2009.
Zhang H., Xu, D. “A fast detection algorithm of Harris apparent corners based on the local features”, IEEE. Conf. Intelligent Control and Automation (WCICA), 2011.
Zhao X.M, Wang, W.X., and Wang L.P., “Parameter optimal determination for Canny edge detection”, International Journal: Imaging Science Journal, Vol.59, No.6, pp.332-341(10), November 2011.