استخراج و توصیف ویژگی در تصاویر رنگ-عمق

استخراج و توصیف ویژگی از اساسی ترین مسائل بینایی ماشین و رباتیک می باشد. مشکلاتی مانند تغییرات روشنایی، حرکت دوربین، انسداد، درهم ریختگی و نویز این مسئله را چالش برانگیز کرده است.از طرف دیگر با پیشرفت تکنولوژی سنسورهای ارزان قیمتی که همزمان داده های عمق و رنگ از صحنه ایجاد می کنند، روی کارآمدند. بدین ترتیب امکان استفاده همزمان از اطلاعات عمق و رنگ برای هر دو گام استخراج و توصیف ویژگی ممکن شد.پژوهش های اخیر در زمینه تصاویر rgb-d به موضوع توصیف اطلاعات همسایگی نقاط کلیدی پرداخته اند. اما در این پایان نامه به هر دو گام استخراج و توصیف توجه شده است و راهکار جدیدی برای آن ارائه شده است. از آن جایی که اطلاعات عمق بسیار نویزی است، استفاده از آن برای استخراج نقطه کلیدی با شکست مواجه خواهد شد. بنابراین ابتدا اطلاعات عمق نظیر بردارهای نرمال و تغییرات آن محاسبه می شود. سپس با اعمال الگوریتم mser نواحی یکنواخت بدست می آیند. این نواحی به منظور مستقل شدن نسبت به تبدیلات افاین و چرخش به یک دایره نرمال سازی شده و سپس در جهت غالب گرادیان روشنایی دوران داده می شوند. درگام توصیف، هیستوگرام رنگ در مدل cielab در فضای قطبی-لگاریتمی ایجاد می شود. نتایج ارزیابی ها نشان می دهد روش پیشنهادی نسبت روش هایی نظیر brand و surf از حیث precision و recall عملکرد بهتری دارد.