تطابق الگو

تطابق الگو[1] روشی در پردازش تصاویر دیجیتال است که جهت پیدا کردن قطعات کوچکی از یک تصویر که با یک تصویر الگو مطابقت دارند، به کار می‌رود. از تطابق الگو در تولید صنعتی می‌توان برای کنترل کیفیت،[2] روشی برای ناوبری ربات،[3] یا به عنوان راهی برای شناسایی لبه‌های تصاویر استفاده کرد.[4]

رویکرد مبتنی بر ویژگی

اگر تصویر الگو (Template image) ویژگی‌های (feature) قوی ای داشته باشد، می‌توان یک رویکرد مبتنی بر ویژگی را برای تطابق الگو بکار گرفت.[5][6]

رویکرد مبتنی بر الگو

برای الگوهایی که ویژگی‌های قوی ای ندارند، می‌توان از روش مبتنی بر الگو استفاده کرد. از آنجا که بکارگیری رویکرد مبتنی بر الگو به صورت بالقوه مستلزم نمونه برداری از تعداد زیادی نقطه است، می‌توان برای کاهش تعداد نقاط نمونه برداری، رزولوشن تصویر الگو و تصویر تحت آزمون را با ضریب یکسان کاهش داده و تطابق الگو را روی تصاویر کم حجم اجرا کرد (تکنیک هرمی پردازش تصویر).

ردیابی حرکت و حل مشکل انسداد

در مواردی که در آن الگو ممکن است تطبیق مستقیم ارائه نکند، استفاده از فضاهای ویژه (eigenspaces) ممکن است مفید باشد_ الگوهایی که شی مورد تطابق را در شرایط مختلف مثل پرسپکتیوهای مختلف، روشنایی‌های مختلف، کنتراست رنگ مختلف و … در نظر می‌گیرند.[7] برای مثال، اگر کاربر چهره انسان را جستجو می‌کند، فضاهای نمونه می‌توانند شامل تصاویری (الگوهایی) از چهره با محل‌های مختلف دوربین و در شرایط روشنایی مختلف را شامل شود.

همچنین ممکن است تصویر الگو توسط شی دیگری مورد انسداد قرار گرفته باشد و پشت آن پنهان شده باشد. در این صورت یکی از راه حل‌ها تقسیم تصویر الگو به تعدادی تصویر کوچکتر و انجام تطابق الگو روی تصاویر کوچک‌تر است.[8]

نمونه‌هایی از استفاده

تطابق الگو کاربردهای زیادی دارد و در حوزه‌هایی مثل، تشخیص چهره و پردازش تصاویر پزشکی استفاده می‌شود. سیستم‌هایی که تعداد چهره‌هایی را که از بخشی از یک پل در طی زمان مشخصی عبور می‌کنند را می‌شمارد.[9]

جستارهای وابسته

منابع
  1. R. Brunelli, Template Matching Techniques in Computer Vision: Theory and Practice, Wiley, شابک ‎۹۷۸−۰−۴۷۰−۵۱۷۰۶−۲ , 2009 ( TM book)
  2. Aksoy, M. S. , O. Torkul, and I. H. Cedimoglu. "An industrial visual inspection system that uses inductive learning." Journal of Intelligent Manufacturing 15.4 (August 2004): 569(6). Expanded Academic ASAP. Thomson Gale.
  3. Kyriacou, Theocharis, Guido Bugmann, and Stanislao Lauria. "Vision-based urban navigation procedures for verbally instructed robots." Robotics and Autonomous Systems 51.1 (April 30, 2005): 69-80. Expanded Academic ASAP. Thomson Gale.
  4. WANG, CHING YANG, Ph.D. "EDGE DETECTION USING TEMPLATE MATCHING (IMAGE PROCESSING, THRESHOLD LOGIC, ANALYSIS, FILTERS)". Duke University, 1985, 288 pages; AAT 8523046
  5. Li, Yuhai, L. Jian, T. Jinwen, X. Honbo. “A fast rotated template matching based on point feature. ” Proceedings of the SPIE 6043 (2005): 453-459. MIPPR 2005: SAR and Multispectral Image Processing.
  6. B. Sirmacek, C. Unsalan. “Urban Area and Building Detection Using SIFT Keypoints and Graph Theory”, IEEE Transactions on Geoscience and Remote Sensing, Vol.47 (4), pp. 1156-1167, April 2009.
  7. Luis A. Mateos, Dan Shao and Walter G. Kropatsch. Expanding Irregular Graph Pyramid for an Approaching Object. CIARP 2009: 885-891.
  8. F. Jurie and M. Dhome. Real time robust template matching. In British Machine Vision Conference, pages 123–131, 2002.
  9. Tahmasebi, P. , Hezarkhani, A. , Sahimi, M. , 2012, Multiple-point geostatistical modeling based on the cross-correlation functions, Computational Geosciences, 16(3):779-79742.

پیوند به بیرون
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.