تناظریابی اشیاء هم‌خانواده با جستجوی اجزاء مشابه بر اساس دو ویژگی رنگ و موجک هار

تناظریابی اشیاء هم خانواده به طور گسترده در بسیاری از برنامه ها مانند تشخیص و ردیابی اشیاء مورد نظر استفاده می شود. در این مقاله، ما یک روش کارآمد برای جستجوی اشیاء هم خانواده ارائه می‌کنیم. روش پیشنهادی در واقع یک نسخه بهبود یافته از روش bbs می باشد که علاوه بر دارا بودن ویژگی های مثبت این روش از قبیل مقاوم بودن در برابر شلوغی پس زمینه، انسداد، تغییر مقیاس، تغییر زاویه و تغییر شکل، به دلیل استفاده از ویژگی های موجک هار در برابر تغییرات شدت روشنایی مقاوم عمل نموده و دقت بیشتری در عمل تطبیق بدست می دهد. ماهیت روش پیشنهادی، بر اساس تعداد جفت نقاطی که بهترین تطابق را دارند، بنا شده است و دارای ویژگی های منحصر به فردی می باشد که با تفکیک ویژگی های مستخرج از بافت تصویر باعث می شود عمل تطبیق نسبت به حالت عادی با دقت انجام گیرد و حساسیت کمتری به تغییرات شدت نور داشته باشد. ما با در نظر گرفتن اکثر موانع موجود در امر تناظریابی، روشی را ارائه داده ایم که از پس بسیاری از چالش ها بر می آید. در مرحله ارزیابی، با به چالش کشیدن عمل تناظریابی در مجموعه تصاویر استاندارداز اشیا هم خانواده شامل پایگاه داده bbs و سایر تصاویر ورزشی، حیوانات، اشیا، صحنه های فیلم و تصاویر mri، نتایج آزمایش برتری روش پیشنهادی را در مقایسه با سایر روش های موجود نشان می دهد

matching of same family objects by searching for similar components based on both color and wavelet features

same family object matching is widely used in many applications such as object detection and tracking. in this article, we present an efficient way to search for objects in the same family. the proposed method is in fact an improved version of the bbs method, which in addition to having the positive features of this method such as resistance to background crowds, obstruction, scaling, change of angle and deformation, due to use of the characteristics of haar wavelet, it is resistant to changes in light intensity and gives more accuracy in matching operation. the nature of the proposed method is based on the number of pairs of points that have the best matching, and has unique features that, by separating the features extracted from the image texture, make the matching operation be more accurate and less sensitive to changes in light intensity. given the many difficulties in finding correspondence, we have proposed a method that overcomes many challenges. in the evaluation phase, by challenging the act of matching in a set of standard images of household objects, including the bbs database and other sports images, animals, objects, film scenes, and mri images, the test results of the proposed method outperform against other methods.