research centers


Search results: Found 5

Listing 1 - 5 of 5
Sort by

Article
Improvement of Harris Algorithm Based on Gaussian Scale Space

Authors: Abdul Amir A. Karim --- Rafal A. Sameer
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2019 Volume: 37 Issue: 1part (B) Science Pages: 1-5
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Abstract- Features is the description of the image contents which could becorner, blob or edge. Corners are one of the most important feature to describeimage, therefore there are many algorithms to detect corners such as Harris,FAST, SUSAN, etc. Harris is a method for corner detection and it is an efficientand accurate feature detection method. Harris corner detection is rotationinvariant but it isn’t scale invariant. This paper presents an efficient harriscorner detector invariant to scale, this improvement done by using gaussianfunction with different scales. The experimental results illustrate that it is veryuseful to use Gaussian linear equation to deal with harris weakness.


Article
Proposed Video Watermarking Algorithm based on Edge or Corner Regions

Authors: Nidaa F. Hassan --- Rusul N. Abbas
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2018 Volume: 36 Issue: 1 Part (B) Scientific Pages: 25-32
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

In this research, a watermark algorithm is proposed to embed a secretmessage in a digital video. The proposed algorithm exploits edges and cornersregions in images, to be hosts for hiding secret bits. Embedding in these regionsis consider optimal since these regions featuring with colors variation, soembedding will not effect on uniform distribution of colors, and on transparencyrequirement. The process of embedding and extracting watermarked massage isimplemented by decomposition digital video to several images (frames), thenselecting the edges and corners regions to be host locations, Least SignificantBit (LSB) techniques are used to embed watermarked message in images ofdigital video. Investigations results proved that number of hidden bits in cornerregion is small in comparison with edges regions, but it is harder to detect. Textmessage before embedded in video frames is encrypted by Advanced EncryptionAlgorithm (AES) to increase security and robustness of watermarking process.


Article
A Comparison between Harris and FAST - Corner Detection of Noisy Images Using Adaptive Non-Local Means
مقارنة بين هاريس و فاست للكشف عن الزاوية للصور التي تحتوي على الضوضاء باستخدام وسائل التكيف غير المحلية

Author: Ahmed Abdulmunem Hussein احمد عبد المنعم حسين
Journal: Diyala Journal For Pure Science مجلة ديالى للعلوم الصرفة ISSN: 83732222 25189255 Year: 2017 Volume: 13 Issue: 4 - part 1 Pages: 23-38
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

In this paper a comparison between Harris and FAST (Features from Accelerated Segment Test) corner detection has been presented that is track features within a noisy images where it is a challenging task in the field of image processing. As long as noisy image does not give the desired results in corner detection, de-noising is required. Adaptive non-local means are applied for salt and pepper, Gaussian and speckle noise before applying corner detection. FAST corner detection outperformed Harris in detecting actual and exact number of corners and more robust to noise than Harris, the obtained results shown a good satisfaction in this study especially in the numbers of real detected corners.

في هذه الدراسة تم عرض مقارنة بين هاريس و فاست (مميزات من الاختبار الجزئي المعجل) للكشف عن الزاويا لتتبع الخصائص ضمن الصور التي تحتوي على الضوضاء حيث انها مهمة ليست باليسيرة في مجال معالجة الصور، حيث ان الضوضاء مشكلة شائعة في مجال معالجة الاشارة او معالجة الصور. طالما ان الصورة التي تحتوي على الضوضاء لا تعطي النتائج المرجوة او المتوقعة في كشف الزوايا ، لذلك فان عملية ازالة الضوضاء من الصورة مطلوبة قبل الشروع بأي اجراء لكشف الزوايا. في هذا البحث المقترح تم تطبيق وسائل غير محلية تعالج ضوضاء الملح والفلفل و الضوضاء الغاوسي وضوضاء البقع قبل تطبيق الكشف عن الزاوية للحصول على صورة مقاربة للصورة الاصلية. النتائج التي تم الحصول عليها أظهرت رضى من ناحية تقارب اعداد الزوايا الحقيقية التي تم الكشف عنها بين الصورة الاصلية و الصور المعالجة بعد ازالة الضوضاء منها كذلك بينت النتائج ان خوارزمية فاست تفوقت على خوارزمية هاريس من ناحية الكشف عن الزوايا الحقيقية و ايضاً تعمل بشكل افضل في البيئة التي تحتوي نسبة من الضوضاء.


Article
Object Tracking and matching in a Video Stream based on SURF and Wavelet Transform
تتبع ومطابقة الجسم في سلسلة الفيديو بأستخدام "سيرف" وتحويل المويجة

Authors: Ekhlas Falih Nasser أخلاص فالح ناص --- Abdul Alameer Abdulla Karim عبدلأمير عبدالله كريم
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2017 Volume: 58 Issue: 2B Pages: 939-950
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In computer vision, visual object tracking is a significant task for monitoring applications. Tracking of object type is a matching trouble. In object tracking, one main difficulty is to select features and build models which are convenient for distinguishing and tracing the target. The suggested system for continuous features descriptor and matching in video has three steps. Firstly, apply wavelet transform on image using Haar filter. Secondly interest points were detected from wavelet image using features from accelerated segment test (FAST) corner detection. Thirdly those points were descripted using Speeded Up Robust Features (SURF). The algorithm of Speeded Up Robust Features (SURF) has been employed and implemented for object in video stream tracking and matching. The descriptor of feature in SURF can be operated by minimizing the space of search for potential points of interest inside the scale space image pyramid. The tracked interest points that are resulted are more recurrence and pother free. For dealing with images that contain blurring and rotation, SURF is best. Fast corner detector can be employed along SURF method to build integral images .The integral images can be used to enhance the speed of image matching. The features that are extracted from video images are matched using Manhattan distance measure. Apply the algorithm of FAST corner detection along SURF descriptor of feature; tracking and matching adequacy is better, fast and more efficient than Scale Invariant Feature Transform SIFT descriptor. The experimental outcomes displayed that the time that SURF could be taken for matching is less than the time that SIFT could be taken ,the SURF accuracy depends on number of key-points which are extracted from each frame. SURF key-points are less than SIFT key-points; therefore, SURF key-points could be considered optimal in the process of matching accuracy

في الرؤيةِ بالحاسوبِ، يكون تتبع الجسمِ بصريِاً عمل مهم لمراقبة التطبيقاتِ. مشكلةً المطابقه تكون بتتبع نوعِ الجسمِ. الصعوبه الرئيسيه في تتبع الجسم هو اختيار الصفات وبناء النماذج المناسبه لتمييز وتتبع الهدف.النظام المقترح لوصف الصفات ومطابقتها بأستمرار على الفيديو يتكون من ثلاث خطوات. اولا يتم تطبيق تحويل المويجه على الصوره بأستخدام Haar فلتر.ثانياً يتم أكتشاف النقاط المهمه في الصورة المضغوطه (wavelet) بأستخدام كاشف زاوية الصفات لأختبار المقطع السريع (FAST) .ثالثاً يتم وصف تلك النقاط المهمه بأستخدام الواصف تسريع الصفات القوي (SURF) . أستخدمت خوارزمية (SURF) ونفذت لغرض تتبع الجسم ومطابقته على السلسله الفيديويه.واصف الصفه (SURF) يستطيع العمل عن طريق تقليل فضاء البحث عن النقاط المهمه المحتمله داخل هرم فضاء الصوره. النقاط المتتبعه المهمه الناتجه كانت خاليه من الضوضاء والتكرار.عند التعامل مع الصور التي تحوي على تشويه وتدوير, يكون (SURF) هو الأفضل.كاشف الزاويه السريع نستطيع استخدامه على طول طريقة (SURF) لبناء الصور التكامليه.يتم استخدام الصور التكامليه لتحسين سرعة مطابقة الصوره.يتم مطابقة الصور المستخرجه من الفيديو باستخدام مقياس المسافه (Manhattan). عند تطبيق خوارزمية كاشف الزاويه السريع مع واصف الصفه (SURF) ; فان كفاءة التتبع والمطابقه تكون الأفضل ,سريعه واكثر كفاءه مقارنة مع واصف الصفه ذات مقياس التحويل الثابت(SIFT). أظهرت النتائج التجريبية أن الوقت الذي يمكن ان تأخذه (SURF) للمطابقة أقل من الوقت الذي يمكن ان تأخذه (SIFT)، وتتوقف دقة (SURF) على عدد النقاط الرئيسية المستخرجة من كل (Frame) . نقاط مفتاح (SURF) أقل من نقاط مفتاح (SIFT).لذلك يمكن اعتبار نقاط مفتاح(SURF) مثالية في عملية مطابقة الدقة.


Article
Improvement of Corner Detection Algorithms (Harris, FAST and SUSAN) Based on Reduction of Features Space and Complexity Time

Authors: A.A. Karim --- E. F. Nasser
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2017 Volume: 35 Issue: 2 Part (B) Scientific Pages: 112-118
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

The active detection for gratifying features can be a definitive pace for computer vision in different tasks. Corners become more preferable models because of their two dimensional constrain; two dimensional limitations and algorithms can be rapid to detect them. Corners in images form significant information. Elicitation corners precisely are significant for processing image data to minimize a lot of computations. This paper can be used three vastly algorithms for detection the corner in images improvement Harris, improvement FAST, and improvement SUSAN which are based on two criteria for comparison to minimize the space of interest features and runtime reduction. From that, it can conclude that the algorithm of improvement FAST was outstanding to improvement Harris and improvement SUSAN algorithms on these criteria. FAST, SUSAN and Harris algorithms for corner detected were improved by applying Haar transform and choosing an adaptive gray difference threshold. Improvement FAST, has been offered which can be exceeded the previous two algorithms, improvement Harris and improvement SUSAN in both less run time and small features space. For example, the time taken by car image is 0.0005 second to extract the features using improvement FAST algorithm, which is much less than that used by the SUSAN and Harris algorithms. Improvement Harris takes 0.0074second and SUSAN takes 0.0096 second.

Listing 1 - 5 of 5
Sort by
Narrow your search

Resource type

article (5)


Language

English (4)


Year
From To Submit

2019 (1)

2018 (1)

2017 (3)