Algoritmo de coincidencia robusto y preciso que combina indexación de color ausente y filtro de correlación
Autores: Tian, Ying; Kaneko, Shun"ichi; Sasatani, So; Itoh, Masaya; Fang, Ming
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Algoritmo de coincidencia robusto y preciso que combina indexación de color ausente y filtro de correlación
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Papel
Método
Indexación de color
Sensibilidad
Filtro de correlación
Histograma
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este artículo presenta un método novedoso que absorbe la fuerte capacidad discriminativa del indexado de color ausente (ABC) para mejorar la sensibilidad y lo combina con un filtro de correlación (CF) para obtener una mayor precisión; este método se denomina ABC-CF. Primero, al separar el histograma de color original, se introducen colores aparentes y ausentes. Posteriormente, se propone una adquisición automática de umbral utilizando un histograma de color medio. A continuación, se selecciona una intersección de histogramas para calcular la similitud. Finalmente, CF los sigue para resolver la deriva causada por ABC durante el proceso de coincidencia. El enfoque novedoso propuesto en este artículo logra robustez ante la distorsión de imágenes objetivo y mayores márgenes en problemas de coincidencia fundamentales, y luego logra una coincidencia más precisa en posiciones. La efectividad del enfoque propuesto se puede evaluar en los experimentos comparativos con otros métodos representativos mediante el uso de datos abiertos.
Descripción
Este artículo presenta un método novedoso que absorbe la fuerte capacidad discriminativa del indexado de color ausente (ABC) para mejorar la sensibilidad y lo combina con un filtro de correlación (CF) para obtener una mayor precisión; este método se denomina ABC-CF. Primero, al separar el histograma de color original, se introducen colores aparentes y ausentes. Posteriormente, se propone una adquisición automática de umbral utilizando un histograma de color medio. A continuación, se selecciona una intersección de histogramas para calcular la similitud. Finalmente, CF los sigue para resolver la deriva causada por ABC durante el proceso de coincidencia. El enfoque novedoso propuesto en este artículo logra robustez ante la distorsión de imágenes objetivo y mayores márgenes en problemas de coincidencia fundamentales, y luego logra una coincidencia más precisa en posiciones. La efectividad del enfoque propuesto se puede evaluar en los experimentos comparativos con otros métodos representativos mediante el uso de datos abiertos.