‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3
2. 將影像分別用不同的特徵表示法來分別取出所需要的特徵點 3. 得到特徵點以後，再利用各種不同的比對方法得到運算的結果
Original Images
Preprocessing
Feature Matching
Binary Descriptor
Ternary Descriptor
Scale Noise Rotation
圖 1-1 工作流程圖
本論文的主要貢獻的是在行動裝置上提供一個 light-weight 演算法，在不依 賴網路數據環境下成功地進行辨識，並且能夠克服在低光源環境下硬體因素所產 生的先天限制，使擷取的圖片品質和雜訊的影響降至最低。
本論文共分成六個章節，各章節的內容分別敘述如下：第一章針對研究主題 做概略的介紹，分別針對研究主題的背景條件，研究目的，以及研究的流程架構 等加以敘述與說明，讓讀者可以清楚地瞭解本論文的基本架構與主要目標。第二
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4
章對於現行主要的特徵描述子以及特徵擷取相關的文獻做收集整理以及分析，並 說明其定義、方法和比較不同方法間個別的差異。第三章說明本研究之主要研究 方法，從區域二元化特徵描述子開始做分析以及相關整理，到從區域二元化所衍 生出來區域三元化特徵描述子的方法其間的差異和改良。第四章針對行動裝置上 的環境作分析，並以此為基準而著力於在各種演算法使用區域三元化之後的測試 效果，以及各種不同的測試環境下所得到的個別差異和效能。第五章利用本研究 所提到的演算法，發佈到行動平台上，分析擴增實境及行動辨識等應用討論其效 果和可行性。第六章針對本論文「基於三元化特徵描述子之行動影像識別機制」， 提供後續研究與未來可行的應用發展提供建議。
‧
歷史來看依序有邊緣偵測(edge detection)、角偵測(corner detection)、區域偵測 (region detection)等方法，主要是進行降維後，將原始樣本投影到一個低維的特 徵空間，得到最能反應樣本本身或進行樣本區分的低維樣本特徵，篩選出合適的 特徵點再作進一步的處理，最後再透過分類器進行比對。由於許多電腦視覺演算 法使用特徵擷取作為其計算步驟的第一項，因此有大量的特徵擷取演算法被發展，所擷取的特徵各式各樣，其計算複雜性和可重複性也非常不同，大致可以分為以 下四類：直觀性特徵、灰階統計特徵、變換係數特徵與代數特徵。
早期邊緣偵測的代表有 Canny[1]和 Sobel[2]方法，最主要的運算是先透過高 斯模糊去雜訊後，再轉換成灰階對圖像進行矩陣運算後得到的結果。接著有 Harris[3]、SUSAN[4]和 FAST[5]等作角偵測，核心的想法為透過一個自定範圍的