ỨNG DỤNG SIFT PHÁT HIỆN điểm đặc BIỆT để NHẬN DẠNG vật THỂ

ỨNG DỤNG SIFT PHÁT HIỆN điểm đặc BIỆT để NHẬN DẠNG vật THỂ ....... ỨNG DỤNG SIFT PHÁT HIỆN điểm đặc BIỆT để NHẬN DẠNG vật THỂ ....... ỨNG DỤNG SIFT PHÁT HIỆN điểm đặc BIỆT để NHẬN DẠNG vật THỂ ....... ỨNG DỤNG SIFT PHÁT HIỆN điểm đặc BIỆT để NHẬN DẠNG vật THỂ ....... ỨNG DỤNG SIFT PHÁT HIỆN điểm đặc BIỆT để NHẬN DẠNG vật THỂ .......

ĐỒ ÁN TỐT NGHIỆP ỨNG DỤNG SIFT PHÁT HIỆN ĐIỂM ĐẶC BIỆT ĐỂ NHẬN DẠNG VẬT THỂ MỤC LỤC DANH MỤC CÁC HÌNH VẼ DANH MỤC CÁC BẢNG BIỂU DANH MỤC CÁC TỪ VIẾT TẮT SIFT Scale-Invariant Feature Transform SURF Speed Up Robust Feature DoG Difference of Gaussian RANSAC Random Sample Consensus SVD Singular Value Decomposition DLT Direct Linear Transform Trang 5/24 CHƯƠNG KHÁI NIỆM VỀ ẢNH SỐ 1.1 Giới thiệu sơ lược ảnh số 1.1.1 Khái niệm ảnh số Trong lĩnh vực xử lý ảnh, đặc trưng ảnh số phần quan trọng ảnh số Các đặc trưng ảnh số kết cấu đặc biệt ảnh số như: cạnh, điểm hình đối tượng có ảnh Trích chọn thành phần đặc trưng ảnh số trình xử lý hình ảnh ban đầu xử lý thành dạng mà máy tính nhận dạng dễ dàng 1.1.2 Tại cần phải trích chọn đặc trưng ảnh số ? Do máy tính khơng có đặc trưng thị giác người nên cần phải trích chọn đặc trưng ảnh số, hình ảnh máy tính hiểu ma trân điểm ảnh Nên lĩnh vực chuyên ngành có liên quan đến việc xử lý ảnh, trích chọn đặc trưng ảnh số công việc thiếu xử lý ảnh Do việc trích chọn ảnh số cơng việc quan trọng việc phân tích hình ảnh tương đồng từ điểm đặc trưng ảnh số, Những đặc trưng phát triển thành công nghệ ghép nối ảnh, xây dựng ảnh 3D… Tóm lại, việc trích chọn điểm đặc trưng ảnh số công việc tảng lĩnh vực xử lý ảnh 1.2 Trích chọn điểm bật ảnh số Trích chọn điểm bật ảnh số phân tích điểm bật hình ảnh thay phân tích tồn ảnh đó, từ việc phân tích xác cao thay phân tích toàn điểm ảnh Một điểm đặc biệt ảnh số xử lý ảnh bao gồm yếu tố như: - Phải rõ rang mặt định nghĩa (thường dựa sở toán học) - Điểm ảnh phải có vị trí xác khơng gian ảnh - Các điểm ảnh phải ổn định Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 6/24 Điểm bật ảnh thường điểm chứa nhiều thông tin điểm ảnh lân cận Vì lĩnh vực xử lý ảnh người ta thường trích chọn điểm bật tiết kiệm thời gian tìm kiếm xử lý CHƯƠNG NHỮNG PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG ĐIỂM NỔI BẬT CỦA ẢNH SỐ 2.1 Tổng quan thuật tốn tìm kiếm góc Harris 2.1.1 Giới thiệu chung thuật tốn Harris Phương pháp tìm kiếm điểm bật xác xử lý ảnh tìm điểm nối đường biên ảnh, điểm nằm đường công của đường biên có độ cong tối đa gọi là điểm ảnh Harris Stephens cải tiến phương pháp Moravec để tạo thành thuật tốn tìm kiếm góc Harris Phương pháp Moravec sử dụng cửa sổ cho việc tìm kiếm thay đổi cường độ xám trung bình theo bốn hướng Harris Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 7/24 Stephens làm cho cửa sổ trượt theo hướng cách sử dụng hàm Gaussian phép khai triển Taylor Thuật toán Harris tìm điểm có cường độ xám thay đổi lớn cách cho cửa sổ trượt theo hướng để sốt phát điểm định nghĩa “góc” minh họa hình sau: Hình 2-1: Cửa sổ trượt phát góc Harris [3] Trong Hình 2.2(a): cho thấy cửa sổ trượt nằm vùng có góc chứa, nên ta cho cửa sổ trượt theo hướng có thay đổi cường độ xám Trong Hình 2.2(b):cho thấy cửa sổ trượt nằm vùng có chứa cạnh, nên ta cho cửa sổ trượt di chuyển theo hai hướng cạnh không thay đổi cường độ xám Trong Hình 2.2(c): Khi cho cửa sổ trượt nằm vùng khơng chứa góc cạnh , nên ta di chuyển cửa sổ khơng có thay đổi cường độ xám Dựa vào đặc điểm ta phát điểm điểm góc, điểm khơng phải điểm góc 2.2 Trích chọn đặc trưng cục bất biến SIFT Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 8/24 2.2.1 Giới thiệu định nghĩa Trong lĩnh vực xử lý ảnh nghiên cứu việc so sánh đối chiếu ảnh số, thường gặp vấn đề điểm đặc trưng tương đồng ảnh số, ảnh phải có so sánh đối chiếu xác điểm khơng có tỉ lệ Điều có nghĩa điểm đặc trưng tương đồng hai hình ảnh chụp lại từ góc độ khác khung hình, ta khơng có kết tốt Hình 2-2: Mơ tả khơng hồn thiện thuật tốn Harris [3] Từ hình minh họa trên, ta dễ dàng nhận hình ảnh cắt bên trái góc phát thuật tốn tìm kiếm góc Harris Mặt khác ta xét góc với tỉ lệ lớn nhiều so với hình gốc khơng góc theo thuật tốn Harris, thực tế, hồn tồn góc Để khắc phục vấn đề trên, khái niệm “Điểm đặc trưng cục bất biến SIFT” (ScaleInvariant Feature Transform) “Distinctive Image Features from Scale-Invariant Keypoints” với tính chất sau: Bất biến khi: • • • • • Thay đổi tỷ lệ ảnh Quay hình ảnh Thay đổi góc nhìn ảnh Thêm nhiễu vào hình ảnh Thay đổi cường độ chiếu sáng hình ảnh Các đặc trưng cục bất biến SIFT lấy từ điểm bật hình ảnh Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 9/24 2.2.2 Thuật tốn Phương pháp trích chọn điểm đặc trưng cục bất biến SIFT gồm bước sau: - Phát điểm cực trị từ hình ảnh - Xác định vị điểm bật - Xác định hướng cho điểm bật hình ảnh - Mô tả điểm bật ảnh - Phát điểm cực trị “Scale-Space” ảnh Định nghĩa hàm khơng gian tỉ lệ từ hình ảnh mô tả sau: Với G(x,y,kσ) Biến tỉ lệ Guassian G(x,y,kσ) = I(x,y) hình ảnh đầu vào L(x,y,σ) hàm không gian tỉ lệ ảnh Muốn tìm điểm bật có tính bất biến cao từ ảnh, ta tìm điểm cực trị cục ảnh cách dùng hàm sai khác DoG (Difference of Gaussian), kí hiệu D(x,y,σ) Hàm DoG tính tốn từ sai khác hai khơng gian đo cạnh ảnh với tham số đo lệch số D(x, y, σ) = ( G(x,y,kσ) - G(x,y,σ)) * I(x,y) = L(x,y,kσ) - L(x,y,σ) Với D(x, y, σ) tính tốn cách lấy phép trừ không gian tỉ lệ ảnh L(x,y,σ) k lần Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 10/24 Hình 2-3: Q trình tính khơng gian đo (L) hàm sai khác D [3] Hàm DoG sử dụng nhằm để tạo hàm xấp xỉ gần giống đạo hàm bậc hai Laplace có kích thước chuẩn hàm Gaussian Lindeberg đề xuất Mối quan hệ biễu diễn: Hàm DoG tính tốn từ độ lệch số, thể sử dụng hàm DoG để tính xấp xỉ đạo hàm bậc hai Laplace Gaussian Vì (k - 1) hệ số phương trình số khơng gian đo khơng bị ảnh hưởng đến việc tìm vị trí cực trị ảnh Sau thực hàm DoG ta thu kết khác từ ảnh gốc, bước trình tìm cực trị lớp kết theo miền cục Tại điểm lớp kết sau thực so sánh khác điểm lân cận lớp điểm lân cận lớp khác ảnh Hình 2-4: Quá trình tìm điểm cực trị hàm sai khác DoG [3] Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 12/24 b) Loại trừ điểm lấy mẫu có tính tương phản kém: Các điểm lấy mẫu có cường độ sáng nhiễu khơng trở thành điểm đặc biệt cần loại bỏ khỏi danh sách điểm tiềm Dùng D() để loại điểm cực trị khơng ổn định (có độ tương phản thấp) D) < 0.03 điểm lấy mẫu bị loại c) Loại bỏ điểm lấy mẫu dư thừa theo biên: Khi sử dụng hàm DoG làmtác động đường biên ảnh không rõ ràng, độ cong đường biên có giá trị lớn nhiều so với độ cong dọc cần loại bỏ bớt điểm đặc biệt dọc theo biên Phương pháp cho việc sử dụng giá trị ma trận Hessian cấp 2: Các giá trị riêng ma trận H tỉ lệ thuận với độ cong D, giá trị riêng β (giá trị nhỏ) α (giá trị lớn) có tỉ lệ r = α/β sử dụng Các phần tử H 1.1.1.1 Xác định hướng cho điểm bật ảnh Với việc gán hướng cho điểm bật dựa vào thuộc tính ảnh cục bộ, điểm bật ảnh biễu diễn tương đối so với hướng đạt tính bất biến tượng quay ảnh Độ đo điểm bật sử dụng để tìm ảnh lọc Gaussian với kích thước gần cho tính tốn thực cách bất biến độ đo Tính tốn hướng độ lớn cho điểm bật: Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 13/24 m(x,y) độ lớn vector định hướng ảnh θ(x,y) hướng vector định hướng (biểu diễn qua góc θ ) L( x,y) ảnh Guassian tỷ lệ nhỏ 1.1.1.2 Mô tả điểm bật Cách tiếp cận hình ảnh dựa mơ hình thị giác sinh học máy tính, cụ thể máy tính có mơ hình noron phức tạp hệ thống não Các noron máy tính tương ứng với gradient hướng tần số không gian cụ thể, vị trí gradient võng mạc máy tính phép trượt phạm vi nhỏ định khung nhìn Hình 2-6: Mơ tả tạo mô tả cục [4] Ảnh trái cho thấy biên độ gradient hướng điểm ảnh vùng lân cận so với điểm bật giá trị tập trung cửa sổ Gaussian (nằm bên vòng tròn) Các mẫu tập trung gom lại thành lược đồ hướng mô tả vắn tắt nội dung 4x4 vùng mô tả bên phải với độ dài hàng tương ứng với tổng biên độ gradient gần hướng bên vùng Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 14/24 1.1 Trích chọn đặc trưng SURF 1.1.1 Giới thiệu định nghĩa trích chọn đặc trưng SURF Trích chọn đặc trưng SIFT cải thiện khuyết điểm thuật tốn tìm kiếm góc Harris trở thành thuật tốn trích chọn đặc trưng ảnh mạnh mẽ Tuy thuật tốn trích chọn điểm đặc biệt tốt tốc độ xử lý SIFT chậm không phù hợp với ứng dụng thời gian thực Để giải vấn đề, người phát triển thuật toán SURF (Speed Up Robust Features)đáp ứng nhu cầu tốc độ xử lý độ xác cao Bộ thuật toán phát đặc trưng SURF sử dụng phép biến đổi xấp xỉ ma trận Hessian ảnh tích hợp (Integral Image) để làm giảm thời gian xử lý cách đáng kể Bộ mô tả đặc trưng tương tự đặc trưng SIFT, sử dụng vector 64 chiều chứa thông tin biến thiên ảnh dựa phân phối bậc Haar wavelet tác động trục x y, kết hợp với ảnh tích lũy làm tăng tốc độ tính tốn SURF mơ tả thành vector có số chiều thuật toán SIFT nên tốc độ so khớp tìm kiếm nhanh hơn, nhiên độ xác đảm bảo Không thế, việc đánh mục dựa dấu hàm Laplacian, đặc trưng SURF khơng có tính bền vững cho đặc trưng so khớp mà làm tăng tốc độ so khớp (tăng gấp trường hợp tốt nhất) Ảnh tích hợp (Integral Image) khái niệm Viola Jones đưa “Rapid object detection using a boosted cascade of simple Features”, ảnh tích hợp mảng hai chiều có kích thước ban đầu kích thước ảnh cần tìm Mỗi phần tử mảng tính cách tính tổng điểm ảnh phía (dòng –1) bên trái (cột -1) Bắt đầu từ vị trí trên, bên trái đến vị trí dưới, bên phải ảnh, việc tính tốn đơn dựa phép cộng số nguyên đơn giản, tốc độ thực nhanh Ảnh tích hợp có cơng thức sau: Thuật toán Thuật toán hàm so khớp SURF gồm bước: Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 15/24 Sử dụng dò tìm Fast-Hessian để xác định điểm bật ảnh Các điểm bật tìm gán hướng cho điểm bật mơ tả đặc trưng SURF So khớp đặc trưng cho điểm bật Xác định điểm bật Bộ dò tìm xây dựng dựa ma trận Hessian, với hiệu suất làm việc tốt cho kết có độ xác cao thời gian xử lí ngắn Ma trận Hessian định nghĩa sau: tích đạo hàm bậc hai hàm Guassian với ảnh I điểm x(x,y), có tỉ lệ σ Nếu thuật tốn SIFT có chức xấp xỉ việc tính Laplacian hàm Gaussian (LoG) cách tính sai khác điểm bật theo hàm Gaussian (DoG) SURF có chức xấp xỉ việc tính đạo hàm cấp hàm Gaussian hộp lọc (box filters) Những hình ảnh ví dụ cho việc tính xấp xỉ đạo hàm cấp hai hàm Gaussian: Hình 2-7: Xấp xỉ đạo hàm cấp hàm Gaussian hộp lọc [3] Ảnh thứ đạo hàm ma trận đạo hàm cấp Gaussian theo trục y, ảnh thứ hai cho trục x trục y Ảnh thứ ba thứ tư hộp lọc xấp xỉ với hai trường hợp tương ứng ảnh hai Phép tích chập xoắn ảnh với hộp lọc thực hiệc nhanh việc sử dụng kết hợp với ảnh tích lũy Việc xác định vị trí hệ số tỉ lệ tương ứng điểm bật dựa định thức ma trận Hessian Công thức tính xấp xỉ định thức ma trận Hessian: Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 16/24 Với w trọng số cần biểu thức định thức ma trận Hessian tùy thuộc vào hệ số tỉ lệ hộp lọc xấp xỉ Gaussian nói Đối với tỉ lệ σ = 1.6, kích thước hộp lọc * giá trọng số w tính bằng: Vị trí, tỉ lệ khơng gian ảnh số điểm đặc trưng xác định phép loại cực đại vùng 3x3x3 áp dụng Hình 2-8: Các điểm bật phát hiện[4] 1.1.1.3 Gán hướng cho điểm bật mô tả đặc trưng SURF Trước hết ta cần xác định vùng hình chưa điểm đặc trưng xung quanh vừa tìm được, gán cho điểm giá trị hướng cho điểm đặc trưng vừa tìm Kích thước hình tròn phụ thuộc hệ số tỉ lệ tương ứng không gian ảnh mà điểm đặc trưng tìm Ở tác giả chọn bán kính hình tròn 6s, s tỉ lệ mà điểm đặc trưng tìm thấy Hướng đặc trưng tính Haar wavelet tác động theo hai hướng x y Trong đó, vùng tối có trọng số -1, vùng sáng có trọng số +1 Kích thước wavelet phụ thuộc vào hệ số tỉ lệ s , tác giả chọn 4s Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 17/24 Hình 2-9: Lọc Haar wavelet để tính ảnh hưởng hai hướng x y [3] Haar wavelet tính cách nhanh chóng cách sử dụng ảnh tích lũy tương tự hộp lọc xấp xỉ đạo hàm cấp hàm Gaussian Vector hướng trội ước lượng gắn vào thơng tin điểm đặc trưng Hình mô tả hướng vùng ảnh hưởng đặc trưng Hình 2-10: Vùng hình tròn xung quanh hướng đại diện cho điểm đặc trưng [3] Ta xây dựng vùng hình vng xung quanh điểm đặc trưng men theo vector hướng vừa ước lượng bước trước Vùng hình vng chia nhỏ thành 4x4 hình vng để ghi nhận thơng tin miền không gian ảnh lân Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 18/24 cận Haar wavelet rút trích tồn không gian điểm ảnh Wavelet tác động hai hướng ngang dọc cộng dồn giá trị hình vng Hơn nữa, giá trị tuyệt đối cộng dồn để lấy thông tin độ lớn thay đổi cường độ sáng ảnh Như hình vng mô tả vector chiều: Như vector mơ tả cho tất 4x4 hình vng vector 64 chiều (4x4x4) (Hình 2.18) Đây mơ tả đặc trưng chuẩn SURF (hay gọi SURF-64) Ngồi có phiên khác dựa cách chia hình vng SURF – 36, SURF – 128… Tuy nhiên thực nghiệm tác giả cho thấy SURF – 64 cho tốc độ tính tốn tốt mà đảm bảo tính bền vững đặc trưng Haar wavelet bất biến với thay đổi ánh sáng tương phản ta chuẩn hóa vector mơ tả đặc trưng chiều dài đơn vị Hình 2-11: 4x4 hình vng xung quanh điểm đặc trưng [3] 1.1.1.4 Lập mục so khớp Đặc điểm quan trọng đặc trưng SURF q trình rút trích đặc trưng nhanh sử dụng kỹ thuật ảnh tích lũy phép loại cực đại Quá trình so khớp đặc trưng nhanh nhiều bước đánh mục đơn giản dựa dấu Laplacian (trace ma trận Hessian) Ta tốn chi phí tính tốn bước q trình phát đặc trưng tính sẵn Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 19/24 Dấu Laplacian giúp phân biệt đốm (blob) sáng tối đốm tối sáng Điểm đặc trưng sáng khớp với điểm đặc trưng sáng khác, tương tự cho đặc trưng tối Kỹ thuật giúp cho q trình so khớp nhanh gấp đơi trong trường hợp tốt khơng phải tốn chi phí tính tốn dấu Laplacian Hình 2-12: Ví dụ đốm sáng tối đốm tối sáng [3] Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 20/24 CHƯƠNG HỆ THỐNG MÔ PHỎNG ỨNG DỤNG SIFT PHÁT HIỆN ĐIỂM ĐẶC BIỆT ĐỂ NHẬN DẠNG VẬT THỂ 1.2 Xây dựng hệ thống mơ Hệ thống chương trình: Camera thu Hình ảnh Thuật tốn SIFT phát thập liệu tải lên từ file điểm đặc biệt từ camera ảnh tải lên Xuất kết Từ điềm điểm đặc biệt dùng giống SURF Hình 3-1: Mơ hình chương trình Qua mơ hình cho ta thấy hệ thống mơ chương trình gồm khối thực qua khối • Khối camera: có nhiệm vụ nhận hình ảnh từ camera vào cho chương trình • Khối hình ảnh tải lên tư file: hình ảnh trang bị để so sánh với hình từ camera • Khối thuật tốn phát điểm đặc biệt: có nhiệm phân tích hình ảnh từ camera hình ảnh được đưa vào để nhận phát điểm cần tìm • Khối so sánh: từ điểm phát từ bước chương trình dùng thuật tốn SURF để so sánh đối chiếu • Khối kết quả: trả kết điểm giống từ camera hình ảnh tải lên từ file 1.3 Xây dựng chương trình mơ Sơ đồ thuật tốn chương trình xây dựng sau: Camera input Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 21/24 Chuyền qua ảnh xám Hình ảnh tải lên từ file Chuyền qua ảnh xám So sánh giống So sánh giống Xuất kết Hình 3-2: Sơ đồ dải thuật Từ sơ đồ cho thấy q trình hoạt động chương trình mơ phát điểm đặc biệt cách khái quát CHƯƠNG KẾT QUẢ MƠ PHỎNG 1.4 Mơi trường mơ chương trình Chương trình mơ phát điểm đặc biệt thực máy tính hệ điều hành Window sử dụng camera trực tiếp máy tính để thu video Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 22/24 đầu vào Ngồi chương trình thực ngơn ngữ lập trình C++ Bên cạnh đó, chương trình cài thư viện hỗ trợ OpenCV… Hình 4-1: Giao diện chương trình 1.5 Kết mơ Hình 4-2: Kết so sánh từ hai hình ảnh tải lên Khi thay đổi ngưỡng chương trình lên cao chương trình nhận dạng điểm kém, ngưỡng nhỏ độ xác chương trình cao Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 23/24 Hình 4-3: Thay đổi ngưỡng tìm điểm giống Khi thay đổi ngưỡng tìm kiếm điểm giống chương trình lên cao chương trình xuất kết nhiều điểm xác ngược lại cho ngưỡng chương trình phát điểm đặc biệt Hình 4-4: Kết thực video Chương trình thực tìm điểm đặc biệt video chưa hồn thiện nhiễu từ mơi trường bên ngồi ánh sáng, chất lượng camera… • Nhận xét: Từ hai kết so sánh hình ảnh từ file tải lên kết từ camera cho thấy, kết từ hình ảnh tải lên nhận dạng so sánh điểm giống Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 24/24 xác bị nhiễu từ bên từ camera, kết xuất ổn định xác Kết từ camera xuất nhiễu yếu tố môi trường, camera…, cho kết khơng xác cao CHƯƠNG KẾT LUẬN 1.6 Ưu điểm Thuật tốn trích chọn đặc trưng SURF có tốc độ xử lý nhanh cho kết xác thuật tốn khác Chương trình dễ sử dụng giúp người dùng thao tác phần mềm cách nhanh chóng Kết thu xác bị nhiễu 1.7 Khuyết điểm Do nhập liệu vật thể vào từ camera nên hình ảnh bị mờ hạn chế khoảng cách xa Bị nhiễu cjo kết khơng xác từ mơi trường bên ngồi như: ánh sáng, điều kiện camera làm việc… 1.8 Hướng phát Chương trình phát triển để ghép ảnh panorama, ngồi nhận dạng diểm tương đồng từ hình ảnh giống nhờ điềm đặt biệt ảnh Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 25/24 TÀI LIỆU THAM KHẢO [1] Lương Mạnh Bá, Nguyễn Thanh Thuỷ Nhập môn xử lý ảnh số Nhà xuất Nhà xuất Khoa học Kỹ thuật, 2003 [2] Nguyễn Kim Sách Xử lý ảnh Video số Nhà xuất Khoa học Kỹ thuật, 1997 [3] David G Lowe (2004), “Distinctive Image Features from Scale-Invariant Keypoints”, International Journal of Computer Vision [4] Rong Zhang, “Automatic Computation of a Homography by RANSAC Algorithm” [5] http://en.wikipedia.org/wiki/Panorama [6] http://en.wikipedia.org/wiki/Panorama _Mesdag [7] http://en.wikipedia.org/wiki/Corner_detection [8] http://en.wikipedia.org/wiki/Homography [9] http://en.wikipedia.org/wiki/RANSAC Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 26/24 PHỤ LỤC A Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể ... tối đốm tối sáng [3] Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 20/24 CHƯƠNG HỆ THỐNG MÔ PHỎNG ỨNG DỤNG SIFT PHÁT HIỆN ĐIỂM ĐẶC BIỆT ĐỂ NHẬN DẠNG VẬT THỂ 1.2 Xây dựng hệ... http://en.wikipedia.org/wiki/RANSAC Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 26/24 PHỤ LỤC A Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể ... cường độ xám Dựa vào đặc điểm ta phát điểm điểm góc, điểm khơng phải điểm góc 2.2 Trích chọn đặc trưng cục bất biến SIFT Ứng Dụng SIFT Phát Hiện Điểm Đặc Biệt Để Nhận Dạng Vật Thể Trang 8/24 2.2.1