Распиши более кратко одним текстом: "Таким образом, из вышеизложенного, если используем…
- User
Распиши более кратко одним текстом: "Таким образом, из вышеизложенного, если используем DQCR для распознавания цветовых образцов, можем следовать процессу ниже:
(1) Вычислите энергию эталонного образца :
\begin{equation} E_f= \sum^{M-1}{m=0}\sum^{N-1}{n=0}\big{|}f(m, n)\big{|}^2. \end{equation}
Затем нормализуем исходное значение и входное значение как:
\begin{equation} f_a(m, n) = f(m, n) / \sqrt{E_f}, ~\ ~\ ~\ ~\ h_a(m, n) = h(m, n) / \sqrt{E_f}. \end{equation}
(2) Затем вычислим выходные данные DQCR и :
\begin{equation} g_a(m, n) = \sum^{M - 1}{\tau = 0} \sum^{N - 1}{\eta = 0} f_a(\tau, \eta)\overline{h_a(\tau - m, \eta - n)}, 2\end{equation} и выполним операцию обратной пространственной засечки для :
\begin{equation} g(m, n) = g_a(-m, -n). \end{equation}
(3) Затем ищем все локальные пики и записываем местоположения локальных пиков.
(4) После выбираем пороговые значения , , , где
\begin{equation} c_1 < 1 < c_2, ~\ ~\ ~\ ~\ ~\ D_1 < 1, \end{equation} и , , - все они стремятся к 1. Затем в местах расположения локальных пиков (обозначаемых ), найденных на шаге 3, если выполняются оба из 2 требований:
\begin{equation} c_1 < |g(m_s, n_s)| < c_2, \end{equation}
\begin{equation} \rho \geq d_1, \end{equation} где
\begin{equation} \rho = \frac{|g_r(m_s, n_s)|}{|g_r(m_s, n_s)| + |g_i(m_s, n_s)| + |g_j(m_s, n_s)| + |g_k(m_s, n_s)|}, \end{equation} и , , означают , , части , тогда можем заключить, что в местоположении , существует объект, имеющий ту же форму, размер, цвет и яркость, что и эталонный шаблон."
- Assistant
DQCR - метод распознавания цветовых образцов. Процесс включает вычисление энергии эталонного образца, нормализацию исходных значений, вычисление выходных данных DQCR и поиск локальных пиков. Затем выбираются пороговые значения и анализируются местоположения локальных пиков для обнаружения объектов, имеющих ту же форму, размер, цвет и яркость, что и эталонный шаблон.
- User
С формулами
- Assistant
DQCR - это метод распознавания цветовых образцов. Процесс состоит из нескольких этапов:
-
Вычисление энергии эталонного образца f(m, n):
E_f = ∑(m=0)^(M-1) ∑(n=0)^(N-1) |f(m, n)|^2
-
Нормализация исходных значений:
f_a(m, n) = f(m, n) / sqrt(E_f) h_a(m, n) = h(m, n) / sqrt(E_f)
-
Вычисление выходных данных DQCR:
g_a(m, n) = ∑(τ=0)^(M-1) ∑(η=0)^(N-1) f_a(τ, η) * h*(τ - m, η - n) g(m, n) = g_a(-m, -n)
-
Поиск локальных пиков:
4.1 Находим все местоположения локальных пиков:
|g(m, n)| > |g(m-1, n-1)|, |g(m-1, n)|, |g(m-1, n+1)|, |g(m, n-1)|, |g(m, n+1)|, |g(m+1, n-1)|, |g(m+1, n)|, |g(m+1, n+1)|4.2 И выбираем пороговые значения c1, c2, d1:
c1 < 1 < c2, D1 < 1 c1, c2, d1 стремятся к 14.3 Анализируем местоположения локальных пиков для обнаружения объектов с помощью следующих условий:
c1 < |g(m_s, n_s)| < c2 ρ ≥ d1 где ρ - это отношение амплитуды p к общей амплитуде g(m_s, n_s): ρ = |p| / (|p| + |q| + |r| + |s|) и g_i(m_s, n_s), g_j(m_s, n_s), g_k(m_s, n_s) - это i, j, k части g(m_s, n_s)
Итак, DQCR - это метод, который позволяет распознавать объекты с той же формой, размером, цветом и яркостью, что и эталонный образец.
-