شناسایی مقاوم اشیاء مبتنی بر الگوریتم قطعه بندی MSER و ویژگی های SURF

در شناسایی اشیاء بخش استخراج ویژگی نقش مهمی را ایفا می کند. از جمله پیچیدگی ها و مشکلات اساسی که در مساله تشخیص اشیاء با آن روبرو هستیم، می توان به تغییرات مختلفی که در اشیاء به وجود می آید مثل تبدیلات هندسی و شلوغی محیط و همپوشانی اشاره کرد. لذا این مقاله سعی بر ارائه روشی نوین مبتنی بر استفاده از ویژگی های قطعات تصویر دارد. روش پیشنهادی بدین صورت می باشد که ابتدا تصاویر به مد خاکستری تبدیل می شوند و سپس به منظور دوری از ویژگی های مناطق کم اهمیت، از الگوریتم قطعه بندی MSER استفاده شده است. سپس به منظور استخراج ویژگی های مناسب و مقاوم، از الگوریتم SURF و از مدل Bag of Feature جهت نمایش توصیف گرها استفاده می شود. در نهایت هر تصویر ورودی با یک بردار هیستوگرام مقدار، با طول N نمایش داده می شود. سپس این هیستوگرام به عنوان ورودی دسته بندی کننده ها استفاده می شود. برای ارزیابی روش ارائه شده، از پایگاه داده ی شناخته شده Caltech 101 و همچنین از تصاویر تهیه شده با زاویه ها، فاصله ها و روشنایی های مختلف، استفاده گردیده است. معیارهای ارزیابی گواه بر آن است که روش معرفی شده، دارای دقت 96.48 می باشد که این میزان از سایر روش های موجود دارای دقت بالاتری می باشد.

کلیدواژه ها:

استخراج ویژگی ، شناسایی اشیاء ، نقاط کلیدی ، SURF ، MSER