Our interest points are located at

Our interest points are located at extrema of the Laplacian of the image in scale-space. This function is chosen for its response at points with 2-dimensional structure, and for the fact that it can be implemented very efficiently using a Laplacian Pyramid [4]. In a Laplacian Pyramid, a difference of Gaussians is used to ap- proximate the Laplacian. Pyramid representations have the advantage that the minimum number of samples are used to represent the image at each scale, which greatly speeds up computation in comparison with a fixed resolution scheme. To find the maxima and minima of the scale-space Laplacian we first select samples which are extrema of their neighbours ±1 sample spacing in each dimension. Then, we locate the extrema to sub-pixel / sub-scale accuracy by fitting a 3D quadratic to the scale-space Laplacian

Results (Thai) 1:

จุดสนใจของเราอยู่ที่ extrema Laplacian ของภาพในระดับพื้นที่ เลือกฟังก์ชันนี้ สำหรับการตอบสนองของจุดด้วยโครงสร้าง 2 มิติ และความจริงที่ว่า มันสามารถนำมาใช้ได้อย่างมีประสิทธิภาพโดยใช้ Laplacian พีระมิด [4] ในพีระมิด Laplacian ความแตกต่างของ Gaussians จะใช้ ap-เคียง Laplacian ใน ปิรามิดแทนมีข้อดีที่ใช้จำนวนตัวอย่างต่ำสุดเพื่อแสดงภาพในแต่ละระดับ ซึ่งอย่างเร็วในการคำนวณเมื่อเปรียบเทียบกับแผนแก้ปัญหาถาวร หาแมกและกมินิมา Laplacian ขนาดพื้นที่ เราเลือกตัวอย่างซึ่งเป็น extrema ของระยะห่างตัวอย่าง ±1 ของเพื่อนในแต่ละมิติ แล้ว เราหา extrema กับพิกเซลย่อย / ย่อยขนาดความแม่นยำด้วย 3D ที่กำลังสองการ Laplacian ขนาดพื้นที่

Results (Thai) 2:

จุดสนใจของเราตั้งอยู่ที่สุดขีดของ Laplacian ของภาพในระดับพื้นที่ ฟังก์ชั่นนี้จะถูกเลือกสำหรับการตอบสนองที่จุดที่มีโครงสร้างแบบ 2 มิติและความจริงที่ว่าจะสามารถดำเนินการได้อย่างมีประสิทธิภาพโดยใช้ Laplacian พีระมิด [4] ใน Laplacian พีระมิด, ความแตกต่างของ Gaussians จะใช้ในการโดยประมาณ Laplacian พีระมิดเป็นตัวแทนมีข้อได้เปรียบที่จำนวนขั้นต่ำของกลุ่มตัวอย่างที่ใช้ในการแสดงภาพในแต่ละระดับซึ่งช่วยเพิ่มความเร็วในการคำนวณเปรียบเทียบกับรูปแบบความละเอียดคงที่ เพื่อหาสูงสุดและต่ำสุดของ Laplacian ขนาดพื้นที่แรกที่เราเลือกกลุ่มตัวอย่างที่มีความสุดขีดของเพื่อนบ้านของพวกเขา± 1 ตัวอย่างระยะห่างในแต่ละมิติ จากนั้นเราจะหาสุดขีดย่อยพิกเซล / ถูกต้องย่อยโดยการปรับขนาดกำลังสอง 3D ที่จะ Laplacian ขนาดพื้นที่

Results (Thai) 3:

จุดความสนใจของเราตั้งอยู่ใน Extrema ของ Laplacian ของภาพในพื้นที่ขนาด ฟังก์ชันนี้จะถูกเลือกสำหรับการตอบสนองที่จุดที่มีโครงสร้าง 2 มิติ และข้อเท็จจริงที่ว่ามันสามารถดำเนินการได้อย่างมีประสิทธิภาพโดยใช้ Laplacian พีระมิด [ 4 ] ใน Laplacian พีระมิด ความแตกต่างของ gaussians ใช้ AP - ใกล้ Laplacian .รูปพีระมิดมีข้อได้เปรียบที่จำนวนน้อยที่สุดของตัวอย่างที่ใช้แสดงภาพในแต่ละระดับ ซึ่งยิ่งเพิ่มความเร็วในการคำนวณ เปรียบเทียบกับการแก้ไขความละเอียดแบบ ค้นหา Maxima ไม่นี่ ม๊าของขนาดพื้นที่และ Laplacian ครั้งแรกเราเลือกตัวอย่างที่ Extrema ของเพื่อนบ้าน± 1 ตัวอย่างระยะห่างในแต่ละมิติ จากนั้นเราค้นหา Extrema ถึง sub-pixel / ความถูกต้องขนาดย่อยโดยการปรับขนาดพื้นที่ 3D Quadratic เพื่อ Laplacian