Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Теорія масштабного простору× | Виявлення блобів× | |
|---|---|---|
| Галузь | Комп'ютерний зір | Комп'ютерний зір |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 1983 | 1998 |
| Автор методу≠ | Andrew Witkin and Tony Lindeberg | Tony Lindeberg |
| Тип≠ | Theoretical framework for multi-scale processing | Multi-scale feature detection |
| Основоположне джерело≠ | Lindeberg, T. (1994). Scale-space theory: A basic tool for analyzing structures at different scales. Journal of Applied Statistics, 21(2), 225–270. DOI ↗ | Lindeberg, T. (1998). Feature detection with automatic scale selection. International Journal of Computer Vision, 30(2), 79–116. DOI ↗ |
| Інші назви | Multi-scale analysis, Gaussian scale-space | Connected component analysis, Region-based detection |
| Пов'язані | 5 | 5 |
| Підсумок≠ | Scale-space theory, developed by Witkin and Lindeberg, provides a principled mathematical framework for analyzing images at multiple scales simultaneously. By treating scale as an explicit dimension and using Gaussian blurring, scale-space theory enables detection and analysis of features at appropriate scales, solving the fundamental problem of 'which scale should I analyze at?' | Blob detection is a technique for identifying regions of interest (blobs)—connected, homogeneous areas that differ from their surroundings—at multiple scales. Introduced by Lindeberg in the context of scale-space theory, blob detection automatically finds and characterizes circular or elliptical objects without requiring a priori knowledge of their size. |
| ScholarGateНабір даних ↗ |
|
|