کاهش گوشههای ضعیف و کاذب با تحلیل آنتروپی محلی در گوشه یاب فضای مقیاس بندی انحناء

در بعضی از کاربردهای بینایی ماشین، مانند تثبیت تصویر، ردیابی و بینایی استریو، آشکارسازی نقاط گوشه و تطابق آنها، نقشی مهم ایفا می کنند . یکی از گو شه یابهایی که امروزه توجه خاصی به آن می شود، گوشه یاب برمبنای فضای مقیاس بندی انحناء ) ) CSS و انواع اصلاح شده آن است که در آن ها برخلاف روش های تک مقیاسه، از چ ندین مقیاس جهت آشکارسازی گ وشهها و حذف نقاط کاذب استفاده میشود . انتخاب گوشه های قوی و کاهش گوشه های کاذب می تواند در کاهش خطا و حجم محاسبات مر احل بعدی، مانند تطابق، کاملا موثر باشد، در این مقاله ابتدا الگوریتم گوشه یاب CSS و اصلاحات آن ، مطرح شده و سپس روشی برای انتخاب گوشه های قوی تر که البته منجر به کاهش گوشههای کاذب نیز خواهد شد، پیشنهاد میشود . برای این منظور پس از گوشه یابی به روش CSS ، گوشههای نزدیک به هم گروه بندی شده و با محاسبه آنتروپی گوشه ها در هر گروه، فقط گوشه های با آنتروپی بیشتر انتخاب می شود . روش پیشنهادی روی تصاویر مختلف آزمایش شده و نتایج آن با الگوریتم های دیگر CSS مقایسه شده است . آزمایشات نشان می دهد که روش پیشنهادی علاوه بر کاهش تعداد گوشه های ضعیف، گوشه های کاذب آشکار شده را نیز کاهش می دهد . در انتها اثر نویزهای مختلف در عملکرد روش پیشنهادیبررسی و ارائه میگردد .

کلیدواژه ها:

نقاط گوشه ای ، الگوریتمهای گوشه یاب ، مقیاس بندی انحناء ، آنتروپی محلی