Translating this theory to work wit

Translating this theory to work with images rather than a continuous function is a
fairly trivial task. First we replace the function values f(x, y) by the image pixel intensities
I(x, y). Next we require a method to calculate the second order partial derivatives of
the image. We can calculate the derivatives by convolution with an appropriate kernel.
In the case of SURF the second order scale normalised Gaussian is the chosen filter as
it allows for analysis over scales as well as space (scale-space theory is discussed further
later in this section). We can construct kernels for the Gaussian derivatives in x, y and combined xy direction such that we calculate the four entries of the Hessian matrix. Use of the Gaussian allows us to vary the amount of smoothing during the convolution stage so that the determinant is calculated at different scales. Furthermore, since the Gaussian is an isotropic (i.e. circularly symmetric) function, convolution with the kernel allows for rotation invariance. We can now calculate the Hessian matrix, H, as function of both space x = (x, y) and scale σ.

Kết quả (Việt) 1:

Dịch lý thuyết này để làm việc với hình ảnh chứ không phải là một chức năng liên tục là mộtnhiệm vụ khá tầm thường. Lần đầu tiên chúng tôi thay thế chức năng giá trị f (x, y) bởi cường độ pixel hình ảnhTôi (x, y). Tiếp theo chúng tôi yêu cầu một phương pháp để tính toán đơn đặt hàng lần thứ hai một phần derivatives củahình ảnh. Chúng ta có thể tính toán các dẫn xuất của convolution với một hạt nhân thích hợp.Trong trường hợp của SURF quy mô đơn đặt hàng thứ hai normalised Gaussian là chọn lọc nhưnó cho phép phân tích trong quy mô cũng như space (không gian quy mô lý thuyết được thảo luận thêmsau đó trong phần này). Chúng tôi có thể xây dựng hạt nhân cho các dẫn xuất Gaussian trong x, y và kết hợp xy hướng như vậy mà chúng tôi tính toán các mục 4 của ma trận Hesse. Sử dụng Gaussian cho phép chúng tôi để thay đổi số lượng làm mịn trong giai đoạn convolution do đó yếu tố quyết định được tính theo quy mô khác nhau. Hơn nữa, từ Gaussian là một đẳng hướng (tức là tròn đối xứng) chức năng, convolution với hạt nhân cho phép quay định. Bây giờ chúng ta có thể tính toán ma trận Hesse, H, như là các chức năng của cả hai không gian x = (x, y) và quy mô σ.

Kết quả (Việt) 2:

Dịch lý thuyết này để làm việc với hình ảnh hơn là một hàm liên tục là một
nhiệm vụ khá tầm thường. Đầu tiên, chúng tôi thay thế các chức năng giá trị f (x, y) của các cường độ điểm ảnh
I (x, y). Tiếp theo chúng ta đòi hỏi một phương pháp để tính toán thứ tự thứ hai dẫn một phần của
hình ảnh. Chúng tôi có thể tính toán các dẫn xuất của chập với một hạt nhân thích hợp.
Trong trường hợp của SURF quy mô bậc hai bình thường Gaussian là bộ lọc chọn là
nó cho phép phân tích trên những thang cũng như không gian (lý thuyết quy mô không gian được thảo luận thêm
sau trong phần này ). Chúng tôi có thể xây dựng hạt nhân cho các dẫn xuất Gaussian trong x, y và kết hợp hướng xy như vậy mà chúng tôi tính toán bốn mục của ma trận Hessian. Sử dụng các Gaussian cho phép chúng ta thay đổi số lượng mịn trong giai đoạn chập để các yếu tố quyết định được tính theo tỷ lệ khác nhau. Hơn nữa, kể từ khi Gaussian là một đẳng hướng (đối xứng tức là tròn) chức năng, chập với các hạt nhân cho phép xoay bất biến. Bây giờ chúng ta có thể tính toán ma trận Hessian, H, như chức năng của cả hai không gian x = (x, y) và σ quy mô.