Interest Point Detectors The most w

Interest Point Detectors The most widely used detector probably is the Harris corner detector [10], proposed back in 1988, based on the eigenvalues of the second-moment matrix. However, Harris corners are not scale-invariant. Lindeberg introduced the concept of automatic scale selection [1]. This allows to detect interest points in an image, each with their own characteristic scale. He experimented with both the determinant of the Hessian matrix as well as the Laplacian (which corresponds to the trace of the Hessian matrix) to detect bloblike structures. Mikolajczyk and Schmid refined this method, creating robust and scale-invariant feature detectors with high repeatability, which they coined Harris-Laplace and Hessian-Laplace [11]. They used a (scale-adapted) Harris measure or the determinant of the Hessian matrix to select the location, and the Laplacian to select the scale. Focusing on speed, Lowe [12] approximated the Laplacian of Gaussian (LoG) by a Difference of Gaussians (DoG) filter.

Kết quả (Việt) 1:

Thiết bị dò điểm quan tâm đến các máy dò được sử dụng rộng rãi nhất có lẽ là các góc Harris detector [10], đề xuất trở lại vào năm 1988, dựa trên các tuyến của ma trận thứ hai-thời điểm. Tuy nhiên, Harris góc không phải là bất biến quy mô. Lindeberg giới thiệu khái niệm về quy mô tự động lựa chọn [1]. Điều này cho phép để phát hiện các điểm quan tâm trong một hình ảnh, mỗi với quy mô đặc trưng riêng của họ. Ông thí nghiệm với cả hai định thức của ma trận Hesse, Laplace (mà tương ứng với dấu vết của ma trận Hesse) để phát hiện các bloblike cấu trúc. Mikolajczyk và Schmid refined phương pháp này, việc tạo ra tính năng mạnh mẽ và quy mô bất biến dò với cao độ, mà họ đặt ra Harris-Laplace và Hessian-Laplace [11]. Họ sử dụng một biện pháp Harris (chuyển thể quy mô) hoặc định thức của ma trận Hesse để chọn vị trí, và Laplace để chọn quy mô. Tập trung vào tốc độ, Lowe [12] xấp xỉ Laplace Gaussian (đăng nhập) bởi một filter Difference Gaussians (con chó).

Kết quả (Việt) 2:

Detectors Point lãi dò được sử dụng rộng rãi nhất có lẽ là các góc máy dò Harris [10], đề xuất trở lại vào năm 1988, dựa trên các giá trị riêng của ma trận thứ hai thời điểm. Tuy nhiên, góc Harris không quy mô bất biến. Lindeberg giới thiệu các khái niệm về lựa chọn quy mô tự động [1]. Điều này cho phép phát hiện các điểm quan tâm trong một hình ảnh, đều có quy mô đặc trưng của riêng mình. Ông đã thử nghiệm với cả hai định thức của ma trận Hessian cũng như các Laplacian (tương ứng với các dấu vết của ma trận Hessian) để phát hiện các cấu trúc bloblike. Mikolajczyk và Schmid lại fi ned phương pháp này, việc tạo ra máy phát hiện tính năng mạnh mẽ và quy mô bất biến với độ lặp lại cao, mà họ đặt ra Harris-Laplace và Hessian-Laplace [11]. Họ đã sử dụng một (quy mô thích nghi) Harris biện pháp hoặc các yếu tố quyết định của ma trận Hessian để chọn vị trí, và các Laplacian để chọn quy mô. Tập trung vào tốc độ, Lowe [12] xấp xỉ Laplacian của Gaussian (log) của một ff Di erence Gaussian (DoG) fi lter.