Key points are not available for this paper at this time.
أحد المجالات في رؤية الكمبيوتر التي تلقت عادةً أكبر قدر من الاهتمام هو الإدراك الثلاثي الأبعاد للأجسام. العديد من التطبيقات المعاصرة، بما في ذلك الواقع المعزز، والملاحة الروبوتية، وتطبيقات السيارات، تستخدم المطابقة الثلاثية. لحل عيوب طرق تقدير التفاوت التقليدية المعتمدة على النقاط الأساسية، تؤدي هذه الجهود. تقليديًا، اعتمد تقدير اختلاف المنظر على المعرفة المحلية للأماكن المهمة. ومع ذلك، قد تظهر نقاط هامة بنفس الوصف في نمط متماثل أو تكون متناثرة في المناطق السلسة. نتيجة لذلك، قد تعمل طرق تقدير التفاوت المعتمدة على النقاط الرئيسية بشكل جزئي فقط كما هو متوقع في المناطق السلسة والمتماثلة. تعتمد الخوارزمية المقترحة على البكسلات الفائقة. نحن نستخدم المعلومات المرتبطة بالنقاط الرئيسية والمعلومات شبه العالمية لحساب التفاوت لطريقتنا المقترحة بدلاً من إجراء مطابقة النقاط الرئيسية. يتم زيادة دقة تقدير التفاوت باستخدام كل من المعلومات المحلية للنقاط الرئيسية والمعلومات شبه العالمية للبكسلات الفائقة، خاصةً للمناطق السلسة والمتماثلة. لغرض استخراج معلومات العمق من مجموعة من الصور ثلاثية الألوان، تم إنشاء خوارزمية استخراج العمق Fast Fuzzy C Means (FFCM). يتم الحفاظ على الحواف أثناء إزالة الضوضاء النبضية وتقديرات التفاوت غير الصحيحة باستخدام فلتر مزدوج تكيفي. باستخدام مجموعة من صور اختبار، نؤكد فعالية الاستراتيجية المقترحة. يجمع البيانات من المنظور الخطي وسمات القوام للحصول على قيمة العمق للمنطقة التي تتوافق مع الخلفية. اقترحنا منهجية تجمع بين خط الاختفاء وتقنيات تقسيم المقدمة. يمكن للمشاهد التمييز بين المقدمة والخلفية باستخدام النتائج المنفصلة لخوارزمية تقسيم المقدمة.
درس بونراني وآخرون (الأربعاء) هذا السؤال.