دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Ellipse fitting for computer vision
دانلود کتاب اتصالات بیضی برای بینایی کامپیوتر
مشخصات کتاب
Ellipse fitting for computer vision
ویرایش:
نویسندگان: Kanatani K
سری:
ISBN (شابک) : 9781627054584, 9781627054980
ناشر: Morgan
سال نشر: 2016
تعداد صفحات: 143
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 38,000
در صورت تبدیل فایل کتاب Ellipse fitting for computer vision 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 اتصالات بیضی برای بینایی کامپیوتر 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.
توضیحاتی در مورد کتاب اتصالات بیضی برای بینایی کامپیوتر
از آنجایی که اجسام دایره‌ای در تصاویر به بیضی نشان داده می‌شوند، برازش بیضی اولین گام برای تجزیه و تحلیل سه بعدی اجسام دایره‌ای در برنامه‌های بینایی کامپیوتری است. به همین دلیل، به محض اینکه کامپیوترها برای تجزیه و تحلیل تصویر در دهه 1970 مورد استفاده قرار گرفتند، مطالعه برازش بیضی آغاز شد، اما اخیراً تکنیک‌های محاسباتی بهینه بر اساس ویژگی‌های آماری نویز ایجاد شده است. اینها عبارتند از عادی سازی مجدد (1993)، که سپس به عنوان FNS (2000) و HEIV (2000) بهبود یافت. بعداً، پیشرفت‌های بیشتری به نام تصحیح بیش‌دقیق (2006)، HyperLS (2009)، و بیش‌عادی‌سازی (2012) ارائه شد. امروزه این روش‌ها به عنوان دقیق‌ترین روش‌های برازش در بین تمام تکنیک‌های شناخته‌شده در نظر گرفته می‌شوند. این کتاب این الگوریتم‌ها و همچنین جزئیات پیاده‌سازی و کاربردهای آنالیز صحنه سه‌بعدی را شرح می‌دهد. ما همچنین تئوری‌های ریاضی عمومی بهینه‌سازی آماری را ارائه می‌کنیم که زیربنای همه الگوریتم‌های برازش بیضی هستند، از جمله تحلیل‌های کوواریانس دقیق و بایاس و حد دقت نظری. نتایج را می توان مستقیماً برای سایر وظایف بینایی رایانه از جمله محاسبه ماتریس های اساسی و هموگرافی بین تصاویر اعمال کرد. این کتاب می تواند نه تنها به عنوان مرجع الگوریتم های برازش بیضی برای محققان، بلکه به عنوان یک ماده آموزشی برای مبتدیانی که می خواهند تحقیقات بینایی کامپیوتری را شروع کنند، خدمت کند. کدهای برنامه نمونه از وب سایت قابل دانلود هستند: https: //sites.google.com/a/morganclaypool.com/ellipse-fitting-for-computer-vision-implementation-and-applications.
توضیحاتی درمورد کتاب به خارجی
Because circular objects are projected to ellipses in images, ellipse fitting is a first step for 3-D analysis of circular objects in computer vision applications. For this reason, the study of ellipse fitting began as soon as computers came into use for image analysis in the 1970s, but it is only recently that optimal computation techniques based on the statistical properties of noise were established. These include renormalization (1993), which was then improved as FNS (2000) and HEIV (2000). Later, further improvements, called hyperaccurate correction (2006), HyperLS (2009), and hyper-renormalization (2012), were presented. Today, these are regarded as the most accurate fitting methods among all known techniques. This book describes these algorithms as well implementation details and applications to 3-D scene analysis. We also present general mathematical theories of statistical optimization underlying all ellipse fitting algorithms, including rigorous covariance and bias analyses and the theoretical accuracy limit. The results can be directly applied to other computer vision tasks including computing fundamental matrices and homographies between images. This book can serve not simply as a reference of ellipse fitting algorithms for researchers, but also as learning material for beginners who want to start computer vision research. The sample program codes are downloadable from the website: https: //sites.google.com/a/morganclaypool.com/ellipse-fitting-for-computer-vision-implementation-and-applications.
فهرست مطالب
Preface......Page 13
Ellipse Fitting......Page 16
Representation of Ellipses......Page 17
Least Squares Approach......Page 18
Noise and Covariance Matrices......Page 19
Supplemental Note......Page 21
Iterative Reweight and Least Squares......Page 26
Renormalization and the Taubin Method......Page 27
Hyper-renormalization and HyperLS......Page 28
Summary......Page 30
Supplemental Note......Page 31
Geometric Distance and Sampson Error......Page 34
FNS......Page 35
Geometric Distance Minimization......Page 36
Hyperaccurate Correction......Page 38
Derivations......Page 39
Supplemental Note......Page 43
Outlier Removal......Page 46
Ellipse-specific Fitting......Page 47
Supplemental Note......Page 49
Intersections of Ellipses......Page 52
Ellipse Centers, Tangents, and Perpendiculars......Page 53
Perspective Projection and Camera Rotation......Page 55
3-D Reconstruction of the Supporting Plane......Page 58
Projected Center of Circle......Page 59
Front Image of the Circle......Page 60
Derivations......Page 62
Supplemental Note......Page 65
Ellipse Fitting Examples......Page 70
Statistical Accuracy Comparison......Page 71
Ellipse-specific Methods......Page 74
Real Image Examples 2......Page 76
Ellipse-based 3-D Computation Examples......Page 77
Supplemental Note......Page 79
Formulation......Page 82
Rank Constraint......Page 85
Outlier Removal......Page 86
Formulation......Page 87
Outlier Removal......Page 91
Supplemental Note......Page 92
Error Analysis......Page 94
Covariance and Bias......Page 95
Bias Elimination and Hyper-renormalization......Page 97
Derivations......Page 98
Supplemental Note......Page 105
Maximum Likelihood and Sampson Error......Page 108
Error Analysis......Page 109
Derivations......Page 111
Supplemental Note......Page 116
KCR Lower Bound......Page 118
Derivation of the KCR Lower Bound......Page 119
Expression of the KCR Lower Bound......Page 122
Supplemental Note......Page 123
Answers......Page 126
Bibliography......Page 134
Authors' Biographies......Page 140
Index......Page 142
