Scale space implementation (original) (raw)
In the areas of computer vision, image analysis and signal processing, the notion of scale-space representation is used for processing measurement data at multiple scales, and specifically enhance or suppress image features over different ranges of scale (see the article on scale space). A special type of scale-space representation is provided by the Gaussian scale space, where the image data in N dimensions is subjected to smoothing by Gaussian convolution. Most of the theory for Gaussian scale space deals with continuous images, whereas one when implementing this theory will have to face the fact that most measurement data are discrete. Hence, the theoretical problem arises concerning how to discretize the continuous theory while either preserving or well approximating the desirable theo
| Property | Value |
|---|---|
| dbo:abstract | In the areas of computer vision, image analysis and signal processing, the notion of scale-space representation is used for processing measurement data at multiple scales, and specifically enhance or suppress image features over different ranges of scale (see the article on scale space). A special type of scale-space representation is provided by the Gaussian scale space, where the image data in N dimensions is subjected to smoothing by Gaussian convolution. Most of the theory for Gaussian scale space deals with continuous images, whereas one when implementing this theory will have to face the fact that most measurement data are discrete. Hence, the theoretical problem arises concerning how to discretize the continuous theory while either preserving or well approximating the desirable theoretical properties that lead to the choice of the Gaussian kernel (see the article on scale-space axioms). This article describes basic approaches for this that have been developed in the literature. (en) У галузях комп'ютерного бачення, та обробки сигналів поняття масштабопросторового подання використовують для обробки даних вимірювань у декількох масштабах, а саме для посилення або пригнічування ознак зображення в різних діапазонах масштабу (див. статтю про простір масштабів). Особливий тип масштабопросторового подання забезпечує гауссів простір масштабів, де дані зображення в N вимірах зазнають згладжування гауссовою згорткою. Більша частина теорії гауссового простору масштабів має справу з безперервними зображеннями, тоді як при втіленні цієї теорії доведеться зіткнутися з тим, що більшість даних вимірювань є дискретними. Отже, виникає теоретична проблема щодо того, як здискретувати цю неперервну теорію, зберігаючи або добре наближуючи бажані теоретичні властивості, що ведуть до обрання гауссового ядра (див. статтю про масштабопросторові аксіоми). У цій статті описано основні підходи для цього, які було розроблено в літературі. (uk) |
| dbo:thumbnail | wiki-commons:Special:FilePath/Discrete_Gaussian_kernel.svg?width=300 |
| dbo:wikiPageID | 5477059 (xsd:integer) |
| dbo:wikiPageLength | 21008 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1092808270 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Scale_space dbc:Gaussian_function dbr:Convolution dbr:Gaussian_filter dbr:George_Pólya dbr:Blackman_window dbr:Signal_processing dbr:Computer_vision dbr:Pole_(complex_analysis) dbr:Window_function dbc:Computer_vision dbc:Image_processing dbr:Error_function dbr:Diffusion_equation dbr:Pyramid_(image_processing) dbr:Hamming_window dbr:Kaiser_window dbr:Zero_(complex_analysis) dbr:Recursive_filter dbr:Discrete-time_Fourier_transform dbr:Discrete_Fourier_transform dbr:FIR_filter dbr:Image_analysis dbr:N-jet dbr:Scale-space_axioms dbr:Multi-scale_approaches dbr:Modified_Bessel_function dbr:Scale-space_representation dbr:Scale_space_representation dbr:Wavelets dbr:Semi-group dbr:Gaussian_kernel dbr:File:ScaleSpaceKernels.png dbr:File:Smoothing_Filter_Pole_Zero_Plot.svg dbr:File:Discrete_Gaussian_kernel.svg |
| dbp:wikiPageUsesTemplate | dbt:ScaleSpaceNavbox |
| dct:subject | dbc:Gaussian_function dbc:Computer_vision dbc:Image_processing |
| rdfs:comment | In the areas of computer vision, image analysis and signal processing, the notion of scale-space representation is used for processing measurement data at multiple scales, and specifically enhance or suppress image features over different ranges of scale (see the article on scale space). A special type of scale-space representation is provided by the Gaussian scale space, where the image data in N dimensions is subjected to smoothing by Gaussian convolution. Most of the theory for Gaussian scale space deals with continuous images, whereas one when implementing this theory will have to face the fact that most measurement data are discrete. Hence, the theoretical problem arises concerning how to discretize the continuous theory while either preserving or well approximating the desirable theo (en) У галузях комп'ютерного бачення, та обробки сигналів поняття масштабопросторового подання використовують для обробки даних вимірювань у декількох масштабах, а саме для посилення або пригнічування ознак зображення в різних діапазонах масштабу (див. статтю про простір масштабів). Особливий тип масштабопросторового подання забезпечує гауссів простір масштабів, де дані зображення в N вимірах зазнають згладжування гауссовою згорткою. Більша частина теорії гауссового простору масштабів має справу з безперервними зображеннями, тоді як при втіленні цієї теорії доведеться зіткнутися з тим, що більшість даних вимірювань є дискретними. Отже, виникає теоретична проблема щодо того, як здискретувати цю неперервну теорію, зберігаючи або добре наближуючи бажані теоретичні властивості, що ведуть до обранн (uk) |
| rdfs:label | Scale space implementation (en) Втілення простору масштабів (uk) |
| owl:sameAs | freebase:Scale space implementation wikidata:Scale space implementation dbpedia-uk:Scale space implementation https://global.dbpedia.org/id/4uz7k |
| prov:wasDerivedFrom | wikipedia-en:Scale_space_implementation?oldid=1092808270&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/Discrete_Gaussian_kernel.svg wiki-commons:Special:FilePath/ScaleSpaceKernels.png wiki-commons:Special:FilePath/Smoothing_Filter_Pole_Zero_Plot.svg |
| foaf:isPrimaryTopicOf | wikipedia-en:Scale_space_implementation |
| is dbo:wikiPageRedirects of | dbr:Discrete_Gaussian_kernel dbr:Scale-space_implementation dbr:Sampled_Gaussian_kernel |
| is dbo:wikiPageWikiLink of | dbr:Scale_space dbr:Gaussian_filter dbr:Gaussian_blur dbr:Gaussian_function dbr:Pyramid_(image_processing) dbr:Discrete_Gaussian_kernel dbr:Scale-invariant_feature_transform dbr:N-jet dbr:Scale-space_axioms dbr:Multi-scale_approaches dbr:Scale-space_implementation dbr:Sampled_Gaussian_kernel |
| is foaf:primaryTopic of | wikipedia-en:Scale_space_implementation |
