Landmark-Based Image Analysis: Using Geometric and Intensity Models

علامت‌ها ویژگی‌های تصویر ترجیحی برای انواع وظایف بینایی رایانه مانند اندازه‌گیری تصویر، ثبت، کالیبراسیون دوربین، تجزیه و تحلیل حرکت، بازسازی صحنه سه‌بعدی، و تشخیص اشیا هستند. مزایای اصلی استفاده از نشانه‌ها، استحکام w است. r تی شرایط رعد و برق و سایر تغییرات رادیومتری و همچنین توانایی مقابله با جابجایی های بزرگ در کارهای ثبت یا تجزیه و تحلیل حرکت. همچنین، رویکردهای مبتنی بر نقطه عطف به طور کلی از نظر محاسباتی کارآمد هستند، به ویژه هنگام استفاده از نشانه‌های نقطه‌ای. توجه داشته باشید که اصطلاح نشانه نشانه های طبیعی و مصنوعی را شامل می شود. به عنوان مثال می توان به کاوشگرها یا سایر نقاط مشخصه در تصاویر ویدئویی، نقاط کنترل زمینی در تصاویر هوایی، نشانه های آناتومیکی در تصاویر پزشکی، نقاط برجسته صورت که برای تایید بیومتریک استفاده می شود، نشانگرهایی در مفاصل انسان که برای ضبط حرکت در برنامه های واقعیت مجازی استفاده می شود، یا در داخل و خارج از منزل اشاره کرد. نشانه های مورد استفاده برای ناوبری مستقل ربات ها. این کتاب استخراج نشانه ها از تصاویر و همچنین استفاده از این ویژگی ها برای ثبت تصاویر الاستیک را پوشش می دهد. تاکید ما بر رویکردهای مبتنی بر مدل است. ه. در مورد استفاده از دانش به طور صریح در تجزیه و تحلیل تصویر. ما اساساً بین مدل‌های هندسی توصیف‌کننده شکل اجسام (معمولاً خطوط آنها) و مدل‌های شدت، که مستقیماً شدت تصویر را نشان می‌دهند، تمایز قائل می‌شویم. ه. ، ظاهر اجسام. بر اساس این دسته از مدل‌ها، ما الگوریتم‌ها و روش‌هایی را برای تجزیه و تحلیل تصاویر چندوجهی مانند 20 تصویر ویدیویی سنتی یا تصاویر توموگرافی پزشکی سه بعدی توسعه می‌دهیم.

Landmarks are preferred image features for a variety of computer vision tasks such as image mensuration, registration, camera calibration, motion analysis, 3D scene reconstruction, and object recognition. Main advantages of using landmarks are robustness w. r. t. lightning conditions and other radiometric vari­ ations as well as the ability to cope with large displacements in registration or motion analysis tasks. Also, landmark-based approaches are in general com­ putationally efficient, particularly when using point landmarks. Note, that the term landmark comprises both artificial and natural landmarks. Examples are comers or other characteristic points in video images, ground control points in aerial images, anatomical landmarks in medical images, prominent facial points used for biometric verification, markers at human joints used for motion capture in virtual reality applications, or in- and outdoor landmarks used for autonomous navigation of robots. This book covers the extraction oflandmarks from images as well as the use of these features for elastic image registration. Our emphasis is onmodel-based approaches, i. e. on the use of explicitly represented knowledge in image analy­ sis. We principally distinguish between geometric models describing the shape of objects (typically their contours) and intensity models, which directly repre­ sent the image intensities, i. e. ,the appearance of objects. Based on these classes of models we develop algorithms and methods for analyzing multimodality im­ ages such as traditional 20 video images or 3D medical tomographic images.