Please use this identifier to cite or link to this item: http://202.28.34.124/dspace/handle123456789/822
Full metadata record
DC FieldValueLanguage
dc.contributorKrittachai Boonsivanonen
dc.contributorกฤตชัย บุญศิวนนท์th
dc.contributor.advisorWorawat Sa-Ngiamviboolen
dc.contributor.advisorวรวัฒน์ เสงี่ยมวิบูลth
dc.contributor.otherMahasarakham University. The Faculty of Engineeringen
dc.date.accessioned2021-06-08T14:00:26Z-
dc.date.available2021-06-08T14:00:26Z-
dc.date.issued15/3/2021
dc.identifier.urihttp://202.28.34.124/dspace/handle123456789/822-
dc.descriptionDoctor of Philosophy (Ph.D.)en
dc.descriptionปรัชญาดุษฎีบัณฑิต (ปร.ด.)th
dc.description.abstractComputer vision has become one of the most focused issues and fundamental challenges in century and the future. They have been demonstrated and deployed successfully in several applications. However, the SIFT approach perform the best under scale and rotation changes, but not illumination change since normalizing the vector makes it more robust to illumination changes, especially also in the non-uniform illumination situations which have the effects of the detection, building descriptor and keypoint matching steps, respectively. Consequenly, these problems are investigated in this paper. In this paper, we propose a new improvement keypoint detection and description algorithm of image-based recognition for rotation, viewpoint and non-uniform illumination changes, which is implemented using based-on the SIFT approach, Top-Hat filtering, morphological operations and average filtering technique in keypoint detection procedures. The keypoints are described and implemented using the Hu moment invariants in the keypoint description procedures. The sensitivity, accuracy and precision rate of data sets were compared. A data set images with different uniform and non-uniform illumination, viewpoint and rotation changes. The comparative results indicate that the best algorithm is the proposed. The maximum number of keypoint detection is 1,551 keypoints and minimum of keypoints obtained by proposed, followed by the SIFT. The ASIFT performs the worst. Additionally, the result can be summarized as sensitivity, accuracy and precision rate at 100%, 83.33%, and 80.00%, respectively. Hence, our algorithm has applied that it has efficiency can be used for recognizing under other ones in the real situations.en
dc.description.abstractในทศวรรษนี้ ประเด็นที่สำคัญและท้าทายเป็นอย่างมากในการศึกษาด้านทัศนศาสตร์คอมพิวเตอร์ในรูปภาพดิจิตอลของคอมพิวเตอร์หรือหุ่นยนต์  ในปัจจุบันมีการนำมาประยุกต์ใช้งานจริงเป็นจำนวนมากเพื่อใช้ในการรู้จำและการจำแนกวัตถุ โดยวิธีการ SIFT สามารถทำงานได้ดีที่สุดภายใต้เงื่อนไขการหมุน และ การเปลี่ยนแปลงขนาด  แต่สามารถทำงานได้พอใช้ภายใต้เงื่อนไขความส่องสว่างที่เปลี่ยนแปลงเสมอกัน เนื่องจากการเปลี่ยนแปลงความส่องสว่างนั้น ส่งผลต่อการนอร์มัลไลซ์เวคเตอร์ในขั้นตอนการตรวจพบ และการกำหนดจุดสำคัญ จึงส่งผลต่อเนื่องกับขั้นตอนการอธิบายจุดสำคัญ ซึ่งใช้สำหรับกำหนดทิศทางของเวคเตอร์ และขั้นตอนการจับคู่ของจุดสำคัญ ตามลำดับ ดังนั้น ความส่องสว่างที่เปลี่ยนแปลงเสมอกัน และความส่องสว่างที่เปลี่ยนแปลงไม่เสมอกัน จึงเป็นโจทย์ในการศึกษา และวิจัยนี้ งานวิจัยนี้จึงมุ่งทำการศึกษา และพัฒนาอัลกอริทึมการตรวจพบ และการอธิบายจุดสำคัญสำหรับวิธีการแปลงคุณลักษณะเด่นที่ขนาดไม่เปลี่ยนแปลงภายใต้เงื่อนไขการเปลี่ยนแปลงของการหมุน มุมมอง ความส่องสว่างที่เปลี่ยนแปลงเสมอกัน และความส่องสว่างที่เปลี่ยนแปลงไม่เสมอกัน โดยการพัฒนาอัลกอริทึมบนพื้นฐานวิธีการ SIFT ในขั้นตอนการตรวจพบ และการกรองสัญญาณ Top-Hat  วิธีการ Morphological อีกทั้งการกรองสัญญาณแบบค่าเฉลี่ย สำหรับการพัฒนาอัลกอริทึมในขั้นตอนการอธิบายอาศัยวิธีการโมเมนต์ Hu invariant  ผลการทดลองพบว่า อัลกอริทึมที่สามารถตรวจพบจุดสำคัญได้มากที่สุด คือ วิธีการที่พัฒนา มีจำนวนที่ตรวจพบจุดสำคัญมากที่สุด เท่ากับ 1,551 จุดสำคัญ และมีจำนวนที่ตรวจพบจุดสำคัญน้อยที่สุด เท่ากับ 161 จุดสำคัญ ตามด้วยวิธีการ SIFT และวิธีการ ASIFT ตามลำดับ และการเปรียบเทียบประสิทธิภาพการจับคู่จุดสำคัญอาศัยวิธีการหาค่าความไว ค่าความถูกต้อง และค่าความแม่นยำ ผลการทดลองพบว่า วิธีการที่พัฒนาขึ้นมีประสิทธิภาพดีที่สุด ซึ่งมีค่าความไว เท่ากับ ร้อยละ 100 ค่าความถูกต้อง เท่ากับ ร้อยละ 83.33  และค่าความแม่นยำ เท่ากับ ร้อยละ 80 ตามลำดับ ดังนั้น วิธีการที่พัฒนาขึ้นสามารถนำไปประยุกต์ใช้งานในการรู้จำและงานอื่นๆ ภายใต้สถานการณ์ที่เกิดขึ้นจริงได้อย่างมีประสิทธิภาพth
dc.language.isoth
dc.publisherMahasarakham University
dc.rightsMahasarakham University
dc.subjectการอธิบายจุดสำคัญ , การจับคู่ ,โมเมนต์รูปภาพ , วิธีการ SIFT , คุณลักษณะไม่เปลี่ยนแปลงth
dc.subjectKey point descriptionen
dc.subjectMatchingen
dc.subjectImage momenten
dc.subjectSIFTen
dc.subjectInvariantsen
dc.subject.classificationEngineeringen
dc.titleA Development of Scale Invariant Feature Transform Approach for Keypoint Detection and Descriptionen
dc.titleการพัฒนาวิธีการแปลงคุณลักษณะเด่นที่ขนาดไม่เปลี่ยนแปลงสำหรับการตรวจพบ และการอธิบายจุดสนใจth
dc.typeThesisen
dc.typeวิทยานิพนธ์th
Appears in Collections:The Faculty of Engineering

Files in This Item:
File Description SizeFormat 
61010360003.pdf6.67 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.