دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Karl Rohr (auth.)
سری: Computational Imaging and Vision 21
ISBN (شابک) : 9789048156306, 9789401597876
ناشر: Springer Netherlands
سال نشر: 2001
تعداد صفحات: 313
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل تصویر مبتنی بر نقطه عطف: با استفاده از مدل های هندسی و شدت: تصویربرداری کامپیوتری، بینایی، تشخیص الگو و گرافیک، جراحی قفسه سینه، تصویربرداری / رادیولوژی، پردازش تصویر و بینایی کامپیوتری، نورورادیولوژی
در صورت تبدیل فایل کتاب Landmark-Based Image Analysis: Using Geometric and Intensity Models به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل تصویر مبتنی بر نقطه عطف: با استفاده از مدل های هندسی و شدت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
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.
Front Matter....Pages i-xiii
Introduction and Overview....Pages 1-34
Detection and Localization of Point Landmarks....Pages 35-108
Performance Characterization of Landmark Operators....Pages 109-177
Elastic Registration of Multimodality Images....Pages 179-258
Back Matter....Pages 259-305