Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Теорія масштабного простору× | Виявлення країв за Канним× | |
|---|---|---|
| Галузь | Комп'ютерний зір | Комп'ютерний зір |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 1983 | 1986 |
| Автор методу≠ | Andrew Witkin and Tony Lindeberg | John Canny |
| Тип≠ | Theoretical framework for multi-scale processing | Image gradient analysis |
| 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 ↗ | Canny, J. (1986). A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8(6), 679–698. DOI ↗ |
| Інші назви | Multi-scale analysis, Gaussian scale-space | Canny operator, Canny edge detector |
| 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?' | The Canny edge detector, introduced by John Canny in 1986, is a multi-stage algorithm for identifying edges in digital images where significant intensity changes occur. Canny's method is optimal for step edges in additive Gaussian noise and remains the gold standard for edge detection in computer vision due to its mathematical elegance and practical effectiveness. |
| ScholarGateНабір даних ↗ |
|
|