নীচে এই সমস্যাটি সমাধান করার জন্য তিনটি পন্থা রয়েছে (এবং আরও অনেকগুলি রয়েছে)।
প্রথমটি হ'ল কম্পিউটার ভিশনে একটি স্ট্যান্ডার্ড অ্যাপ্রোচ, কী কী পয়েন্ট মেলানো। এটি প্রয়োগ করতে কিছু পটভূমি জ্ঞানের প্রয়োজন হতে পারে এবং ধীর হতে পারে।
দ্বিতীয় পদ্ধতিতে কেবল প্রাথমিক ইমেজ প্রসেসিং ব্যবহার করা হয় এবং এটি প্রথম পদ্ধতির চেয়ে সম্ভাব্য দ্রুত এবং এটি বাস্তবায়নের জন্য সোজা। যাইহোক, এটি বোধগম্যতার মধ্যে যা লাভ করে, তার দৃness়তার অভাব হয় - মাপানো, ঘোরানো বা বর্ণহীন চিত্রগুলিতে মিলানো ব্যর্থ।
তৃতীয় পদ্ধতিটি দ্রুত এবং শক্তিশালী উভয়ই, তবে সম্ভবত এটি কার্যকর করা সবচেয়ে কঠিন।
কী-পয়েন্ট ম্যাচিং
100 এলোমেলো পয়েন্ট বাছাই করা ভাল 100 গুরুত্বপূর্ণ পয়েন্ট বাছাই করা । কোনও চিত্রের কিছু অংশে অন্যের চেয়ে বেশি তথ্য থাকে (বিশেষত প্রান্ত এবং কোণে), এবং এগুলি হ'ল আপনি স্মার্ট চিত্রের মিলের জন্য ব্যবহার করতে চান। গুগল " কীপয়েন্টিস্ট এক্সট্রাকশন " এবং " কীপয়েন্ট মেলানো " এবং আপনি এই বিষয়ে বেশ কয়েকটি একাডেমিক পেপার পাবেন। এই দিনগুলিতে SIFT কী-পয়েন্টগুলি তর্কযুক্তভাবে সর্বাধিক জনপ্রিয়, যেহেতু তারা বিভিন্ন স্কেল, আবর্তন এবং আলোকসজ্জার অধীনে চিত্রগুলি মেলে। কিছু SIFT বাস্তবায়ন এখানে পাওয়া যাবে ।
কী-পয়েন্টের ম্যাচিংয়ের একটি নেতিবাচক দিক হল নির্দোষ বাস্তবায়নের চলমান সময়: O (n ^ 2m), যেখানে এন প্রতিটি চিত্রের কী-পয়েন্টগুলির সংখ্যা এবং ডেটাবেজে চিত্রের সংখ্যা এম m কিছু চতুর অ্যালগরিদমগুলি চতুর্থাংশ বা বাইনারি স্পেস পার্টিশনগুলির মতো নিকটতম ম্যাচটি দ্রুত খুঁজে পেতে পারে।
বিকল্প সমাধান: হিস্টোগ্রাম পদ্ধতি
আরেকটি কম শক্তিশালী তবে সম্ভাব্য দ্রুত সমাধান হ'ল প্রতিটি চিত্রের বৈশিষ্ট্য হিস্টোগ্রাম তৈরি করা এবং ইনপুট চিত্রের হিস্টোগ্রামের নিকটতম হিস্টোগ্রাম সহ চিত্রটি চয়ন করা। আমি এটিকে আন্ডারগ্রাড হিসাবে প্রয়োগ করেছি এবং আমরা 3 টি রঙিন হিস্টোগ্রাম (লাল, সবুজ এবং নীল) এবং দুটি টেক্সচার হিস্টোগ্রাম, দিক এবং স্কেল ব্যবহার করেছি। আমি নীচে বিশদটি দেব, তবে আমার অবশ্যই লক্ষ্য করা উচিত যে এটি কেবলমাত্র ডেটাবেস চিত্রগুলির সাথে মিলে যাওয়া চিত্রগুলির জন্য খুব ভাল কাজ করেছে। পুনঃ-মাপা, ঘোরানো, বা বর্ণহীন চিত্রগুলি এই পদ্ধতিতে ব্যর্থ হতে পারে তবে ছোট ফসলের মতো পরিবর্তনগুলি অ্যালগরিদমকে ভাঙ্গবে না
রঙের হিস্টোগ্রামগুলি গণনা করা সহজবোধ্য - কেবল আপনার হিস্টোগ্রাম বালতিগুলির জন্য পরিসর বাছুন এবং প্রতিটি পরিসরের জন্য, এই ব্যাপ্তির রঙের সাথে পিক্সেলের সংখ্যাটি ট্যালি করুন। উদাহরণস্বরূপ, "সবুজ" হিস্টোগ্রামটি বিবেচনা করুন এবং ধরুন আমরা আমাদের হিস্টগ্রামের জন্য 4 টি বালতি বেছে নিই: 0-63, 64-127, 128-191, এবং 192-255। তারপরে প্রতিটি পিক্সেলের জন্য আমরা সবুজ মানটি দেখি এবং উপযুক্ত বালতিতে একটি সংযোজন করি। যখন আমরা টালিংয়ের কাজ শেষ করি, তখন আমরা সবুজ চ্যানেলের জন্য একটি সাধারণ হিস্টোগ্রাম পেতে প্রতিটি বালতি মোট পিক্সেলের সংখ্যায় বিভাজন করি।
জমিন দিকের হিস্টোগ্রামের জন্য, আমরা ইমেজটিতে প্রান্ত সনাক্তকরণের মাধ্যমে শুরু করেছি। প্রতিটি প্রান্ত বিন্দুতে প্রান্তের দিকে লম্ব দিকের দিকে নির্দেশ করে একটি সাধারণ ভেক্টর রয়েছে। আমরা সাধারণ ভেক্টরের কোণকে 0 এবং PI এর মধ্যে 6 বালতির একটিতে কোয়ান্টাইজ করেছিলাম (যেহেতু প্রান্তগুলিতে 180-ডিগ্রি প্রতিসাম্য রয়েছে, তাই আমরা -PI এবং 0 এর মধ্যে কোণগুলি 0 এবং PI এর মধ্যে রূপান্তরিত করেছি)। প্রতিটি দিকের প্রান্ত পয়েন্টগুলির সংখ্যা নির্ধারণের পরে, আমাদের কাছে টেক্সচারের দিকনির্দেশনা উপস্থাপনকারী একটি অ-নর্মালাইজড হিস্টোগ্রাম রয়েছে, যা আমরা প্রতিটি বালতিটি ইমেজের মোট প্রান্ত পয়েন্টের দ্বারা ভাগ করে স্বাভাবিক করি ized
টেক্সচার স্কেল হিস্টোগ্রাম গণনা করতে, প্রতিটি প্রান্ত বিন্দুর জন্য, আমরা একই দিকের সাথে পরবর্তী-নিকটতম প্রান্ত বিন্দুর দূরত্বটি পরিমাপ করেছি। উদাহরণস্বরূপ, যদি প্রান্ত বিন্দু A এর 45 ডিগ্রির একটি দিক থাকে, তবে অ্যালগরিদম সেই দিকে চলে। যতক্ষণ না এটি 45 ডিগ্রি (বা যুক্তিসঙ্গত বিচ্যুতির মধ্যে) দিয়ে একটি অন্য প্রান্ত পয়েন্ট খুঁজে পায়। প্রতিটি প্রান্ত বিন্দুর জন্য এই দূরত্বটি গণনার পরে, আমরা সেই মানগুলিকে একটি হিস্টোগ্রামে ফেলে দেই এবং মোট প্রান্ত বিন্দুর সংখ্যা দ্বারা ভাগ করে এটি স্বাভাবিক করি।
এখন আপনার কাছে প্রতিটি চিত্রের জন্য 5 টি হিস্টোগ্রাম রয়েছে। দুটি চিত্রের তুলনা করতে, আপনি প্রতিটি হিস্টোগ্রাম বালতির মধ্যে পার্থক্যের নিখুঁত মান নেন এবং তারপরে এই মানগুলি যোগ করুন sum উদাহরণস্বরূপ, এ এবং বি চিত্রগুলির তুলনা করতে আমরা গণনা করব
|A.green_histogram.bucket_1 - B.green_histogram.bucket_1|
সবুজ হিস্টোগ্রামের প্রতিটি বালতিতে, এবং অন্যান্য হিস্টোগ্রামের জন্য পুনরাবৃত্তি করুন এবং তারপরে সমস্ত ফলাফলের সমষ্টি করুন। ফলাফল যত কম হবে, ম্যাচটি তত ভাল। ডাটাবেসের সমস্ত চিত্রের জন্য পুনরাবৃত্তি করুন এবং সবচেয়ে ছোট ফলাফলের সাথে ম্যাচ জিতবে। আপনি সম্ভবত একটি থ্রোসোল্ড পেতে চাইবেন যার উপরে অ্যালগরিদম সিদ্ধান্ত নিয়েছে যে কোনও মিল খুঁজে পাওয়া যায় নি।
তৃতীয় পছন্দ - কীপয়েন্টস + সিদ্ধান্ত গাছ
তৃতীয় পন্থা যা সম্ভবত অন্য দুটি তুলনায় খুব দ্রুত গতিসম্পন্ন টেক্সটনের বন (পিডিএফ) ব্যবহার করছে। এর মধ্যে রয়েছে সাধারণ কী-পয়েন্টগুলি উত্তোলন এবং চিত্রের শ্রেণিবদ্ধকরণের জন্য সংগ্রহের সিদ্ধান্তের গাছগুলি ব্যবহার। এটি সাধারণ সিআইএফটি কী-পয়েন্ট ম্যাচিংয়ের চেয়ে দ্রুত, কারণ এটি ব্যয়বহুল ম্যাচিং প্রক্রিয়াটি এড়ায় এবং কীপয়েন্টগুলি এসআইএফটি-র তুলনায় অনেক সহজ, তাই কী-পয়েন্ট উত্তোলন আরও দ্রুত is তবে এটি ঘূর্ণন, স্কেল এবং আলোতে SIFT পদ্ধতির আগ্রাসন সংরক্ষণ করে, একটি গুরুত্বপূর্ণ বৈশিষ্ট্য যা হিস্টগ্রাম পদ্ধতির অভাব ছিল।
আপডেট :
আমার ভুল - সিমেন্টিক টেক্সটোন ফরেস্টসের কাগজটি বিশেষত চিত্রের মিলের বিষয়ে নয়, বরং অঞ্চল লেবেলিংয়ের বিষয়ে। মূল কাগজ যা মিলছে এটি হ'ল: এলোমেলো গাছ ব্যবহার করে কী-পয়েন্ট রিকগনিশন । এছাড়াও, নীচের কাগজপত্রগুলি ধারণাগুলির বিকাশ চালিয়ে যায় এবং শিল্পের প্রতিনিধিত্ব করে (সি। 2010):