کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10360417 | 869792 | 2014 | 16 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Robust point pattern matching based on spectral context
ترجمه فارسی عنوان
تطبیق الگوی دقیق بر اساس زمینه طیفی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تطبیق الگوی نقطه، طیف گراف، توصیفگر ساختاری، سازگاری هندسی،
ترجمه چکیده
پیدا کردن مکاتبات بین دو مجموعه ای از ویژگی های مربوط به یک وظیفه اساسی در تشخیص و تشخیص بین کامپیوتر است. در این مقاله روش جدیدی برای تطبیق الگوی نقطه با روش تحلیل طیفی ارائه شده است. به طور خاص، ما قصد داریم الگوریتم تطبیق طیفی را برای جرقه موقعیتی و خروجی قوی تر ارائه دهیم. یک توصیفگر ساختاری محلی، یعنی زمینه طیفی، برای توصیف دامنه ویژگی مجموعه های نقطه ارائه شده است که اساسا متفاوت از روش های قبلی است. علاوه بر این، نظم فاصله تقریبی تعریف شده و به عنوان متریک برای همسانی هندسی نقاط همسایه در این کار استفاده می شود. با ترکیب این دو مولفه جدید، تطبیق تابع ویژگی نقطه را به عنوان یک مشکل بهینه سازی با محدودیت های یک به یک تدوین می کنیم. سپس مکاتبات با حداکثر رساندن تابع هدف داده شده به وسیله روش آرام سازی احتمالاتی به دست می آید. آزمایش های مقایسه ای که بر روی داده های مصنوعی و واقعی انجام می شود، اثربخشی روش پیشنهادی را نشان می دهد، به ویژه در صورت وجود جرج موضعی و نابرابر.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
Finding correspondences between two related feature point sets is a basic task in computer vision and pattern recognition. In this paper, we present a novel method for point pattern matching via spectral graph analysis. In particular, we aim to render the spectral matching algorithm more robust for positional jitter and outlier. A local structural descriptor, namely the spectral context, is proposed to describe the attribute domain of point sets, which is fundamentally different from the previous methods. Furthermore, the approximate distance order is defined and employed as the metric for geometric consistency of neighboring points in this work. By combining these two novel ingredients, we formulate feature point set matching as an optimization problem with one-to-one constraints. The correspondences are then obtained by maximizing the given objective function via the technique of probabilistic relaxation. Comparative experiments conducted on both synthetic and real data demonstrate the effectiveness of the proposed method, especially in the presence of positional jitter and outliers.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 47, Issue 3, March 2014, Pages 1469-1484
Journal: Pattern Recognition - Volume 47, Issue 3, March 2014, Pages 1469-1484
نویسندگان
Jun Tang, Ling Shao, Xiantong Zhen,