Këtu është zgjidhja ime e komentuar në ES3 (detajet pas kodit):
Object.equals = funksioni (x, y) (nëse (x === y) kthehet true; // nëse të dy x dhe y janë të pavlefshëm ose të papërcaktuar dhe saktësisht të njëjtë nëse (! (X shembulli i objektit) ||! (Y shembulli i Objektit)) kthen false; // nëse nuk janë rreptësisht të barabartë, të dy duhet të jenë Objekte nëse (x.konstruktor! == y.konstruktor) kthejnë false; // duhet të kenë të njëjtin zinxhir prototip, më të afërtin ne mund të bëjmë është // të testojmë konstruktorin atje. për (var p në x) (nëse (! x.hasOwnProperty (p)) vazhdon; // vetitë e tjera janë testuar duke përdorur x.konstruktor === y.konstruktor nëse (! y .hasOwnProperty (p)) kthen false; // lejon të krahasohen x [p] dhe y [p] kur vendoset në të papërcaktuar nëse (x [p] === y [p]) vazhdojnë; // nëse kanë të njëjtën vlera strikte ose identiteti atëherë ato janë të barabarta nëse (lloji (x [p])! == "objekt") kthen false; // Numrat, vargjet, funksionet, logjikët duhet të jenë rreptësisht të barabartë nëse (! Objekt.barabartë (x [p ], y [p])) kthen false; // Objektet dhe vargjet duhet të testohen në mënyrë rekursive) për (p në y) (nëse (y.hasOwn Pasuria (p) &&! x.hasOwnProperty (p)) kthen false; // lejon x [p] të vendoset në të papërcaktuar) kthen true; )
Gjatë zhvillimit të kësaj zgjidhjeje, unë hodha një vështrim veçanërisht të afërt në rastet e qosheve, efikasitetin, por duke u përpjekur të jap një zgjidhje të thjeshtë që funksionon me shpresë me njëfarë elegance. JavaScript supozon këtë zero dhe të papërcaktuara vetitë dhe objektet janë prototipe, të cilat mund të çojnë në sjellje shumë të ndryshme nëse nuk testohen.
Fillimisht vendosa të zgjerohem Objekt në vend të Objekti.prototip kryesisht sepse i pavlefshëm nuk mund të jetë një nga objektet e krahasimit dhe ajo që unë besoj është i pavlefshëm duhet të jetë një objekt i vlefshëm për t'u krahasuar me një tjetër. Ka shqetësime të tjera legjitime të vërejtura nga të tjerët në lidhje me zgjatjen Objekti.prototip në lidhje me efektet anësore të mundshme për kodin tjetër.
Duhet pasur kujdes i veçantë për të aktivizuar JavaScript në mënyrë që vetitë e objektit të mund të vendosen si të papërcaktuara, d.m.th. Ka veti vlerat e të cilave janë vendosur si të papërcaktuara... Zgjidhja e mësipërme vërteton se të dy objektet kanë të njëjtat veti të cilat e pa përcaktuar për të raportuar barazinë. Kjo mund të arrihet vetëm duke kontrolluar ekzistencën e vetive të përdorura Object.hasOwnProperty (emri_pronësisë)... Gjithashtu vini re se JSON.stringify () heq vetitë që janë caktuar si të papërcaktuara dhe kështu krahasimet duke përdorur këtë formë do të injorojnë vetitë e vendosura në vlerë të papërcaktuara.
Funksionet duhet të konsiderohen të barabarta vetëm nëse përdorin të njëjtën referencë, jo vetëm të njëjtin kod, sepse kjo nuk do të marrë parasysh prototipin e këtyre funksioneve. Prandaj, krahasimi i linjës së kodit nuk funksionon për t'u siguruar që ata kanë të njëjtin objekt prototip.
Të dy objektet duhet të kenë të njëjtën gjë zinxhir prototip në vend të të njëjtave veti. Kjo mund të kontrollohet vetëm ndër shfletues duke krahasuar konstruktor të dyja objektet për barazi strikte. ECMAScript 5 do t'ju lejojë të testoni prototipin e tyre aktual me Object.getPrototypeOf ()... Disa shfletues të internetit ofrojnë gjithashtu pronën __proto__, e cila bën të njëjtën gjë. Një përmirësim i mundshëm i kodit të mësipërm do të lejonte që një nga këto metoda të përdoret sa herë që të jetë e mundur.
Përdorimi i krahasimeve strikte është parësor këtu sepse 2 nuk duhet të konsiderohet i barabartë "2.0000" , a i rremë duhet të konsiderohet i barabartë zero, i pasigurt ose 0 .
Konsideratat e efikasitetit më bëjnë të krahasoj sa më shpejt të jetë e mundur për barazinë e pronave. Pastaj, vetëm nëse dështoi, gjeni një lloj këto veti. Përmirësimi i shpejtësisë mund të jetë i rëndësishëm për objektet e mëdha me shumë veti skalare.
Nuk kërkohen më shumë se dy sythe, i pari është të kontrolloni vetitë nga objekti i majtë, i dyti të kontrolloni vetitë nga e djathta dhe vetëm të kontrolloni ekzistencën (jo vlerën) për të kapur ato veti që janë përcaktuar me i pasigurt vlerë.
Në përgjithësi, ky kod trajton shumicën e rasteve qoshe në vetëm 16 rreshta kodi (pa komente).
Përditësimi (8/13/2015)... Kam implementuar një version më efikas pasi funksioni value_equals () është më i shpejtë, trajton rastet e sakta të qosheve si NaN dhe 0 të ndryshme nga -0, duke aplikuar opsionalisht renditjen dhe testimin e vetive të objektit në referencat rrethore të mbështetura nga mbi 100 teste të automatizuara si pjesë testimi i projekteve
Për të shfaqur siç duhet këtë faqe ju nevojitet një shfletues me mbështetje JavaScript.
Përputhja e objekteve dhe përpunimi i riparimit
Përpunimi i Përputhjes dhe Riparimit të Objekteve zbatohet nëse hartëzimi në Menaxhimin e Shpërndarjes ka ndryshuar për objektet e përputhura më parë. Pastaj, në formularin e përpunimit për shkarkimin e të dhënave nga shpërndarësi, do të shfaqet një lidhje për korrigjimin e dokumenteve që përmbajnë të dhëna të ndryshuara ( Oriz. 7.16 ) .
Përpunimi mund të fillohet në dy mënyra:
nga nënsistemi "Të dhënat e distributorit" për të ndryshuar hartëzimin drejtpërdrejt përmes përpunimit;
Për të zgjedhur të dhënat në një shpërndarës, futni emrin e shpërndarësit në fushën "Distributor" dhe shtypni butonin "" për të shfaqur të dhënat e shkarkuara nga RS e shpërndarësit.
Le të marrim një shembull të hartës së një artikulli.
Oriz. 7.13. Përputhja e objekteve dhe përpunimi i riparimit
Seksioni tabelor shfaq elementin e referencës në bazën e shpërndarësit dhe korrespondencën e vendosur me të në bazën e prodhuesit.
Pajtueshmëria tregohet nga referenca " Nomenklatura". Kjo mund të bëhet me dorë ose duke përdorur" Gjeni të ngjashme". Kërkimi mund të kryhet sipas numrit të artikullit (nëse është aktivizuar cilësimi "Shfaq numrin e artikullit") ose sipas emrit.
Harta e modifikuar por e paruajtur është e theksuar me gërma të zeza.
Kutia e kontrollit " Shfaq SKU"kontrollon shfaqjen e SKU të shpërndarësit dhe artikullin e përputhur.
Mënyra e shikimit të listës së elementeve në seksionin tabelar është konfiguruar në menunë e seksionit tabelor "Më shumë" ( Oriz. 7.14). Nëse përpunimi fillon pas bërjes së ndryshimeve nëpërmjet " Shkarkimi i të dhënave nga shpërndarësit"ose referencë" Nomenklatura e distributorit", atëherë lista e produkteve do të filtrohet nga kutia e zgjedhur" Vetëm modifikuar".
Për të korrigjuar dokumentet ju nevojiten:
Print (Ctrl + P)
Mekanizmi i krahasimit të të dhënave gjatë shkëmbimit të të dhënave përmes një formati universal
Mekanizmi i përputhjes së të dhënave është krijuar për të zgjidhur problemin e sinkronizimit të të dhënave midis bazës së të dhënave burimore dhe bazës së të dhënave të marrësit gjatë shkëmbimit
Identifikuesit e brendshëm të objekteve
Idealisht, të dhënat e aplikacioneve të sinkronizuara mund të përputhen me identifikues të brendshëm unik të objekteve (GUID). Por për këtë është e nevojshme që shtimi i të dhënave për t'u sinkronizuar të kryhet vetëm në një aplikacion, ndërsa në tjetrin këto të dhëna shfaqen ekskluzivisht si rezultat i sinkronizimit. Në këtë rast, GUID-të në dy aplikacione për objekte identike do të jenë të njëjta dhe do të jetë e mundur që objektet të përputhen pa mëdyshje prej tyre.
Në praktikë, nuk është gjithmonë e mundur të pajtohet me këtë kërkesë, veçanërisht në rastin e konfigurimit të sinkronizimit midis aplikacioneve që funksiononin në mënyrë të pavarur. Kjo ndodh sepse dy objekte identike të krijuara paralelisht në çdo aplikacion do të kenë dy GUID të ndryshëm.
Në disa raste, të dhënat nuk mund të përputhen nga GUID për shkak të mungesës së tyre (raste të veçanta që nuk mbulohen në këtë artikull).
Identifikuesit e objekteve publike
Për të përputhur me sukses objektet me GUID të ndryshëm, duhet të ketë një vend për të ruajtur informacionin e tyre që përputhet. Ky vend është regjistri i informacionit Identifikuesit publikë të objekteve të sinkronizuara(Me tutje bredhi).
Oriz. 1 Regjistri i informacionit Identifikuesit publikë të objekteve të sinkronizuara
Struktura e regjistrit është paraqitur në tabelë:
Për të krahasuar të dhënat e dy programeve, përpunimi "Krahasimi i objekteve të infobazës" synohet në BSP 2.3 për përdorim të drejtpërdrejtë në sinkronizimin e të dhënave
Fig 2. Forma kryesore e përpunimit "Krahasimi i objekteve të infobazës" Lista hapet me komandë Kryeni përputhjen Në faqe Krahasimi i të dhënave Asistent i sinkronizimit të të dhënave në internet. Përndryshe, mund të klikoni dy herë në rreshtin që ka probleme me përputhjen e të dhënave.
Lista përbëhet nga dy kolona, secila prej të cilave korrespondon me infobazën që merr pjesë në shkëmbim. Të dhënat grupohen sipas objekteve të programit (dokumentet, listat). Një linjë informacioni shfaqet në fund të listës: sa elementë përputhen, sa nuk përputhen.
Në fushë Konkludoj ju mund të zgjidhni cilat të dhëna të shfaqen në listë. Si parazgjedhje, dalja është Të dhëna të pakrahasueshme.
Përputhja e objekteve
- Klikoni mbi Përputhen automatikisht(rekomandohet), zgjidhni fushat që do të përputhen duke përdorur kutitë e kontrollit. Disa fusha zgjidhen nga programi si parazgjedhje. Për të konfirmuar zgjedhjen tuaj, shtypni Kryeni përputhjen... Pas kërkimit, programi shfaq të dhënat që përputhen për shikim. Shtypni për të konfirmuar Aplikoni.
- Pas hartës automatike, mund të hartoni manualisht objektet e mbetura ose të ndryshoni hartën e objekteve. Zgjidhni objektet e kërkuara të dy bazave, shtypni Anulo ndeshjen, në mënyrë që të përpiqeni të përputhni objektet me dorë, shtypni Vendosni pajtueshmërinë në mënyrë që të përputhen objektet.
- Shtypni për të konfirmuar Digjeni dhe mbylleni.
Konfigurimi i fushave të tabelës së hartës
- Klikoni mbi Altoparlantët për të shtuar fusha në kolonat e listës. Duke përdorur kutitë e kontrollit, mund të shënoni fusha shtesë, për ta konfirmuar, klikoni Aplikoni.
Marrja e të dhënave nga një program tjetër
Rendi i përputhjes së objekteve
- Rekomandohet kryerja e hartës dhe ngarkimit të të dhënave duke marrë parasysh lidhjet e referencës. Sidomos nëse fusha përdoret për të përputhur objektet.
- Për shembull, konfigurimi përmban një drejtori të kontratave të kontraktorëve, e cila është në varësi të drejtorisë së kontraktorëve. Zgjidhja e kontratave të palëve kryhet sipas librit të referencës së pronarit, d.m.th. sipas librit të referencës së palëve. Prandaj, për të përputhur saktë të dhënat, së pari duhet të përputheni dhe të ngarkoni librin e referencës së palëve, dhe më pas librin e referencës së kontratave të palëve.
- Përndryshe, fushat e tabelës së hartës mund të përmbajnë lidhje të rreme të formës:
<Объект не найден>(26:). - Një lidhje false tregon një objekt në bazën aktuale të informacionit që nuk është ngarkuar ende nga mesazhi i shkëmbimit.
Regjistrimet në bredhi krijohen edhe nga ana e dërguesit kur konfirmohet pranimi i të dhënave nga korrespondenti nëpërmjet mekanizmit të konfirmimit. Në fushë Identifikues të dhënat e tilla vendosen në identifikuesin origjinal të objektit. Regjistrimi i të dhënave të tilla është i nevojshëm në mënyrë që, gjatë marrjes së të dhënave të tjera nga korrespondenti, të jetë e mundur të kuptohet se ky objekt duhet të përjashtohet nga procedura e kërkimit sipas fushave dhe nga një identifikues unik.
Opsionet e identifikimit të objektit pas marrjes
Rendi i përputhjes automatike të objekteve pas marrjes përmbahet në rregullat për konvertimin e objekteve (POC) të destinuara për marrjen e të dhënave. Rregullat e PKO janë në modulin e përgjithshëm
Fig 3 Seksionet e modulit të përbashkët Exchange Manager Via Format Universal Shënim,çfarë është në modulin e përbashkët Menaxheri i Shkëmbimit nëpërmjet Formatit Universal ndodhen të gjithë komponentët (rregullat për përpunimin e të dhënave, rregullat për konvertimin e objekteve etj.) që përcaktojnë logjikën e aplikuar të përpunimit të të dhënave në procesin e marrjes ose dërgimit të tyre. Kodi i programit të këtij moduli gjenerohet automatikisht duke përdorur aplikacionin "Data Conversion, Edition 3.0" bazuar në rregullat e konfiguruara të shkëmbimit. Kodi i modulit mund të krijohet me dorë, por kërkon aftësi të mëdha nga zhvilluesi.
Opsioni për përputhjen (identifikimin) automatik të objekteve pas marrjes vendoset duke përdorur veçorinë Identifikimi i opsionit PKO
Fig 4. Cilësimet e vërtetimit në modulin e menaxherit Ekzistojnë 3 opsione (3 vlera) të identifikimit të objektit
- ByUniqueIdentifier - identifikimi nga GUID,
- FirstByUniqueIdentifierThenBySearchFields– identifikimi nga GUID dhe fushat e kërkimit,
- Sipas fushave të kërkimit - identifikimi sipas fushave të kërkimit,
Një veçori tjetër që përcakton logjikën e përputhjes është një grup fushash kërkimi, i cili përcaktohet në veti Fushat e kërkimit PKO.
Algoritmi i kërkimit në terren
Ekziston një aplikim sekuencial i opsioneve të kërkimit të specifikuara në pronë Fushat e kërkimit PKO përdoret gjatë ngarkimit të objektit.
Kufizimi.
Kur përputhet në fazën e analizës së të dhënave, zbatohet vetëm opsioni i parë i kërkimit - ByUniqueIdentifier
Kalimi në opsionin tjetër kryhet në dy raste:
- Objekti i ngarkuar nuk ka të plotësuar asnjërën nga fushat e specifikuara në opsionin e kërkimit.
- Opsioni i kërkimit nuk dha asnjë rezultat.
Nëse objekti i ngarkuar përmban informacion në lidhje me GUID-in origjinal dhe një opsion identifikimi për objektin "By GUID" ose "By GUID dhe fushat e kërkimit", atëherë kërkimi kryhet midis të gjitha objekteve të llojit të specifikuar, me përjashtim të atyre për të cilët përputhen. vendosur tashmë në FIR.
Në raste të tjera, kërkimi kryhet midis të gjitha objekteve të infobazës së llojit përkatës.
Veçoritë.
Kur përputhen në fazën e analizës së të dhënave, objektet e ngarkuara nuk kontrollohen për plotësimin e fushave të përfshira në kërkim.
Në fazën e analizës së të dhënave, përputhja do të vendoset vetëm nëse është gjetur një objekt marrës për një objekt dërgues.
Në fazën e ngarkimit të të dhënave, korrespondenca do të vendoset edhe në rastin kur janë gjetur disa objekte marrës për një objekt dërgues. Në një situatë të tillë, do të vendoset një ndeshje me njërin prej tyre.
Në fazën e ngarkimit të të dhënave, opsioni i kërkimit Numri + datë për dokumentet funksionon si më poshtë: numri i dokumentit që kërkohet kontrollohet për përputhje të saktë, data përcakton intervalin në të cilin kryhet kërkimi sipas numrit. Vetë intervali përcaktohet si periudha e unike e numrave të dokumenteve, e cila përfshin datën e specifikuar. Për shembull, nëse numrat e dokumenteve janë unikë brenda një muaji dhe data është caktuar në 10 dhjetor 2001, atëherë kërkimi do të kryhet në intervalin nga 1 dhjetori deri më 31 dhjetor 2001.
Gjatë fazës së analizës së të dhënave, ky opsion kërkimi do të funksionojë si zakonisht: të dyja fushat do të kontrollohen për përputhje të sakta.
Material nga Tech Sight
Kur zgjidhet problemi i krahasimit të imazheve, një analizë hierarkike e veçorive "primare" të imazheve - të ashtuquajturat "tipare karakteristike", luan një rol të rëndësishëm. "Karakteristika" të tilla mund të përdoren për të krahasuar imazhet aktuale dhe ato të referencës në një shumëllojshmëri të gjerë teknikash, të tilla si përpunimi i korrelacionit hierarkik, teknikat e votimit ose skemat e krahasimit vëllimor. Në këtë rast, pika të veçanta, linja, zona dhe struktura (grupe karakteristikash) përdoren si veçori të imazhit. Shqyrtoni shkurtimisht qasjet e bazuara në përdorimin e tipareve të pikës dhe konturit.
Përputhja bazuar në veçoritë e pikave.
Përparësitë kryesore të përdorimit të pikave të veçorive për detyrat e zbulimit janë lehtësia dhe shpejtësia e nxjerrjes (krahasuar me veçoritë e tjera të përdorura). Përveç kësaj, nuk është gjithmonë e mundur të dallohen tipare të tjera karakteristike në imazhe (konturet ose zona të mira dhe të qarta), ndërsa veçoritë lokale në shumicën dërrmuese të rasteve mund të dallohen.
Detyra e zbulimit të një objekti në një imazh reduktohet në gjetjen e pikave karakteristike dhe fiksimin e pozicionit të tyre relativ. Këto procedura kryhen fillimisht në imazhin e referencës, pastaj në atë të hetuar, shpesh në një zonë të caktuar kërkimi të kufizuar. Skema e përgjithshme e algoritmit për gjetjen e pikave përkatëse përbëhet nga disa faza:
Theksimi i veçorive të pikave në imazhe;
Formimi i vektorëve të tipareve të pikës;
Krahasimi i pikave në hapësirën e tipareve;
Përzgjedhja dhe përshkrimi i pikave karakteristike në imazh është faza fillestare dhe kyçe në algoritmin e identifikimit, nga i cili varet rezultati i të gjithë algoritmit. Ky hap u diskutua më herët në seksionin 4.1.
Sidoqoftë, pavarësisht se sa komplekse mund të kenë invariantet, ata nuk janë ende në gjendje të karakterizojnë në mënyrë unike një objekt në raste 100 $ (\%). Paqartësitë, pra rastet kur objekte të ndryshme (pika, zona) në imazh karakterizohen nga parametra shumë të ngjashëm, mund të shoqërohen me papërsosmëri të invarianteve të zgjedhura, me rezolucion të ulët ose zhurmë në imazh. Paqartësitë lindin gjithashtu kur ka objekte të dyfishta në imazh. Një nga mënyrat për të zgjidhur situata të paqarta lidhet me zhvillimin e invarianteve më të mirë ose përshkruesve të tjerë; ky drejtim është shumë i rëndësishëm në mesin e studiuesve që merren me vizionin e makinës. Një qasje paralele është përdorimi i marrëdhënieve hapësinore midis objekteve.
Algoritmet e bazuara në marrëdhëniet hapësinore, që i përkasin një niveli më të lartë përpunimi se algoritmet raster, karakterizohen nga rezistencë më e lartë ndaj shtrembërimeve të ndryshme gjeometrike dhe radiometrike. Një nga treguesit e "korrektësisë" së çiftit të gjetur mund të jetë grumbullimi i një numri të madh pikash të tjera të përputhura saktë rreth pikave që formojnë çifte të tilla. Një tjetër kriter mbi bazën e të cilit është e mundur të filtrohet e lidhur gabimisht
Shpërndarja e pikave të veçanta
pikat, mund të jenë vendndodhja e pikave në raport me vijat e drejta. Ky seksion diskuton filtrat metrikë dhe topologjikë që filtrojnë përputhjet e pasakta bazuar në pozicionin relativ të objekteve në imazh.
Përputhja metrike.
Për të kontrolluar korrektësinë e çiftimit të kandidatëve, përdoren informacione shtesë në lidhje me rregullimin e ndërsjellë hapësinor të pikave në rrafshin e imazhit. Me fjalë të tjera, rregullimi hapësinor i pikave në imazhet djathtas dhe majtas duhet të jetë i ngjashëm në një kuptim të caktuar. Vendndodhja hapësinore mund të përshkruhet si një matricë e distancave. Konsideroni një grup pikash $ A_ (1), A_ (2), \ ldots, A_ (i), \ ldots, A_ (N) $ në rrafshin e imazhit (Fig. 8).
Distancat midis pikave mund të shkruhen si matricë e distancës $ \ vert \ vert r_ (ij) \ vert \ vert $ si më poshtë:
\ [(\ fillojë (vargu)% & (A_1) & (A_2) & (...) & (A_i) & (...) & (A_N) \\ \ hline (A_1) & 0 & (r_ ( 12)) & (...) & (r_ (1i)) & (...) & (r_ (1N)) \\ (A_2) & & 0 & (...) & (r_ (2i)) & (...) & (r_ (2N)) \\ (...) & & & (...) & (...) & (...) & (...) \\ (A_i ) & & & & 0 & (...) & (r_ (iN)) \\ (...) & & & & & (...) & (...) \\ (A_N) & & & & & & 0 \\ \ fundi (vargu)) \]
ku $ r_ (ik) = \ sqrt ((x_i -x_k) ^ 2- (y_i -y_k) ^ 2) $ është distanca Euklidiane midis $ A_ (i) $ dhe $ A_ (k) $, $ x_ (i ) $, $ y_ (i) $ - koordinatat e pikës $ A_ (i) $ në imazh, $ x_ (k) $, $ y_ (k) $ - koordinatat e pikës $ A_ (k) $ në imazh.
Për të kontrolluar korrektësinë e formimit të çifteve të pikave të konjuguara, matricat e distancës së majtë $ \ vert \ vert r_ (ij) ^ (L) \ vert \ vert $ dhe djathtas $ \ vert \ vert r_ (ij) ^ ( R) Imazhet \ vert \ vert $ krahasohen ... Për të përcaktuar sasinë e lidhjes së gabuar, paraqitet ndryshorja $ \ delta _ (ij) $,
$$ \ delta _ (ij) = r_ (ij) ^ (R) - r_ (ij) ^ (L). $$
Analiza e histogramit të shpërndarjes $ \ delta _ (ij) $ bën të mundur vlerësimin e vlerës së pragut për refuzimin e çifteve të gabuara $ \ Delta $ sipas kriterit të përshkruar më poshtë. Vini re se pika me numrin $ i $ ka lidhje $ N-1 $, dhe distancat përkatëse në matricën $ \ vert \ vert r_ (ij) \ vert \ vert $ janë: $ r_ (1i) $, $ r_ (2i) , (\ ldots), r_ (ii) $, $ r_ (i, i + 1), (\ ldots), r_ (i, N) $. Prandaj, vektori i distancës i lidhur me numrin e çiftit $ i $ është $$ \ delta_ (i) = \ (\ delta _ (1i), \ delta _ (2i), (\ ldots), \ delta _ (ii), \ delta _ (i, i + 1), (\ ldots), \ delta _ (i, N) \) $$ ku $$ \ vert \ vert \ delta _ (i) \ vert \ vert = \ min \ ( \ delta _ (1i), \ delta _ (2i), (\ ldots), \ delta _ (ii), \ delta _ (i, i + 1), (\ ldots), \ delta _ (i, N) \ ) $$ është norma e vektorit $ \ delta_ (i) $.
Çiftet e pikave të filtruara
Një palë pikash të konjuguara pranohet nëse $ \ vert \ vert \ delta _ (i) \ vert \ vert< \Delta $ и отклоняется в противоположном случае. Процедура проверки выполняется для каждого $i$ от $1$ до $N$. Существенно, что предложенный критерий отбора на основе анализа матрицы (5) инвариантен к вращению изображений.
Për ta bërë algoritmin më efikas, përdoret një piramidë imazhi. Supozimi fillestar për pikat e interesit është në nivelin e sipërm të piramidës dhe më pas rafinohet në nivelet e ardhshme duke përdorur korrelacionin. Një shembull i funksionimit të algoritmit kur krahasohen dy korniza video testuese është paraqitur në Fig. 9.
Përputhja topologjike.
Konsideroni një treshe objektesh $ \ langle R_1 ^ 1, R_1 ^ 2, R_1 ^ 3 \ rangle $ në imazhin $ V_1 $ dhe trefishin përkatës të objekteve $ \ langle R_2 ^ 1, R_2 ^ 2, R_2 ^ 3 \ rangle $ në imazhin $ V_2 $. Një objekt kuptohet si një zonë e imazhit, për shembull, një "pikë interesante" (të themi, një kënd ose një ekstrem lokal i shkëlqimit) dhe afërsia e tij, ose një zonë me një formë më komplekse.
Le të jetë $ c_v ^ i = \ langle x_v ^ i, y_v ^ i \ rangle $ qendra e objektit (zonës) $ R_v ^ i $. Funksioni
$$ \ fill (mbledh) \ etiketa (1) \ textrm (ana) (R_v ^ 1, R_v ^ 2, R_v ^ 3) = \ textrm (shenjë) \ majtas (\ det \ majtas [((\ fillojë (arriti ) (* (20) c) (x_v ^ 3 -x_v ^ 2) & (x_v ^ 1 -x_v ^ 2) \\ (y_v ^ 3 -y_v ^ 2) & (y_v ^ 3 -y_v ^ 2) \\ \ fundi (array))) \ djathtas] \ djathtas) \ fundi (mbledh) $$
merr vlerën $ - \ mbox () 1 $ nëse $ c_v ^ 1 $ shtrihet në anën e djathtë të vektorit të drejtuar nga $ c_v ^ 2 $ në $ c_v ^ 2 $, ose 1 nëse kjo pikë shtrihet në anën e majtë të atij. Kështu, ekuacioni
$$ \ fill (mbledh) \ tag (2) \ textrm (ana) (R_1 ^ 1, R_1 ^ 2, R_1 ^ 3) = \ textrm (ana) (R_2 ^ 1, R_2 ^ 2, R_2 ^ 3) \ fund (mbledh) $$ do të thotë se pika $ c ^ 1 $ shtrihet në të njëjtën anë të vektorit në të dy imazhet. Nëse për ndonjë pikë barazia (9) nuk plotësohet, do të themi se pika cenon relacionin anësor. Kjo ndodh kur të paktën
Lidhja anësore - - pika $ c ^ 1 $ duhet të shtrihet në të njëjtën anë (këtu - në të majtë) të segmentit të drejtuar nga $ c ^ 2 $ në $ c ^ 3 $ në të dy imazhet
të paktën një nga tre objektet është ngjitur gabimisht me homologun e tij në një imazh tjetër, ose nëse objektet nuk janë të njëtrajtshme dhe ka një zhvendosje të kamerës në drejtimin pingul me rrafshin tredimensional që përmban qendrat e tyre. Në rastin e fundit, pika mund të lëvizë në anën tjetër të vektorit (d.m.th., paralaksa e saj do të ndryshojë), por kjo ndodh vetëm me një numër të vogël treshe. Pikat $ R_v ^ 1 $, $ R_v ^ 2 $ dhe $ R_v ^ 3 $ kënaqin barazinë (9) ose e shkelin atë, pavarësisht nga radha në të cilën shfaqen në treshe; është e nevojshme vetëm që në të dy imazhet ato të numërohen në të njëjtin rend ciklik (në drejtim të akrepave të orës ose në të kundërt). Në fig. 10 tregon trinjakët e pikave përkatëse që plotësojnë relacionin (9).
Kur shkelet barazia (9), mund të konkludohet se një nga objektet në treshe nuk është i lidhur saktë, por në këtë fazë nuk është e qartë se cili. Një treshe nuk mjafton për një përfundim të tillë, megjithatë, duke marrë parasysh të gjitha treshe të mundshme, mund të gjesh objekte që kanë më shumë gjasa se të tjerët të ngjiten gabimisht. Ideja kryesore e metodës së propozuar është se objektet e përputhura gabimisht kanë më shumë gjasa të shkelin lidhjen anësore.
Barazia (9) kontrollohet për të gjitha trefishat e domeneve $ \ langle R ^ i, R ^ j, R ^ k \ rangle, R ^ i, R ^ j, R ^ k \ në \ Phi _ (12) $, ku $ \ Phi _ (12) $ - një grup zonash të pranishme si në imazhin $ V_1 $ ashtu edhe në imazhin $ V_2 $. Le të $ \ Phi = \ majtas \ ((i \ vert R ^ i \ në \ Phi _ (12)) \ djathtas \) $. Në fillim të algoritmit llogaritet dënimi $$ \ fill (mbledh) \ etiketa (3) h (i) = \ shuma \ limitet_ (j, k \ në \ Phi \ kthesë e prapme i, j> k) (\ majtas | (\ textrm (ana) (R_1 ^ i, R_1 ^ j, R_1 ^ k) - \ textrm (ana) (R_2 ^ i, R_2 ^ j, R_2 ^ k)) \ djathtas |), \ fundi (mbledh) $$ domethënë, sa herë që objekti $ R ^ i $ shkel relacionin anësor (9), për të gjitha $ i \ në \ Phi $. Pastaj gjoba normalizohet në numrin maksimal të të gjitha shkeljeve të mundshme:
$$ \ fillojë (mbledh) \ tag (4) h_N (i) = \ frac (h (i)) ((n-1) (n-2)), \ katër n = \ majtas | \ Phi \ djathtas |. \ fundi (mbledh) $$
Bazuar në (11), marrim se $ h_N (i) \ në $. Përdoruesi zgjedh pragun $ t _ (\ textrm (topo)) \ në $. Pas analizimit të penalitetit për të gjitha objektet, përcaktohet objekti $ R ^ w $, ku $ w = \ arg \ max _i h_N (i) $, i cili shkeli relacionin (9) më shpesh se të tjerët. Nëse $ h_N (w)> t _ (\ textrm (topo)) $, atëherë objekti $ R ^ w $ (d.m.th., çifti i objekteve $ R_1 ^ w, R_2 ^ w) $ konsiderohet i lidhur gabimisht dhe është hiqet nga grupi $ \ Phi $ Në çdo përsëritje, dënimi $ h_N (i) $ rillogaritet bazuar në objektet e mbetura në $ \ Phi $, dhe çiftet që shkelin më shpesh relacionin (9) hiqen. Procesi vazhdon derisa të ketë objekte për t'u fshirë, domethënë derisa dënimi maksimal për objektet e mbetura të jetë më i vogël se pragu $ t _ (\ textrm (topo)) $.
Gjatë përsëritjeve të para, për sa kohë që ka shumë kandidatë për fshirje në grupin $ \ Phi $, edhe objektet e ankoruara saktë mund të kenë një vlerë të lartë dënimi. Megjithatë, për objektet e lidhura gabimisht, dënimi do të jetë edhe më i lartë. Pas heqjes së çiftit më të keq të objekteve, $ h_N (i) $ për objektet e mbetura do të ulet. Kur mbeten vetëm çifte objektesh të ankoruara siç duhet, ndryshimet e vogla të paralaksave do të rezultojnë ende në vlera ndëshkimi jo zero.
Vlera e pragut $ t _ (\ textrm (topo)) $ ndikon në numrin e objekteve që mbeten pas filtrimit topologjik. Vlera e pragut zero rezulton në një numër të vogël objektesh të mbetura, por të gjitha ato plotësojnë plotësisht relacionin topologjik anë-më-anët. Kjo zgjedhje e pragut është e arsyeshme për imazhe relativisht të sheshta dhe të cekëta. Në shumicën e rasteve, duhet të kihet parasysh se një vlerë e vogël pragu çon në efektin e padëshiruar të fshirjes gabimisht të një numri pikash/zonash si të ankoruara gabimisht. Bazuar në eksperimente të shumta me fotografi tokësore dhe ajrore, është më e dëshirueshme të zgjidhni pragun $ t _ (\ textrm (topo)) $ nga diapazoni [$ 0 (,) 03 $, 0 $ (,) 15 $].
Le të ilustrojmë funksionimin e algoritmit me një shembull. Lërini disa algoritëm të gjejnë dhe të lidhin me njëri-tjetrin çifte 50 $ pikash (Fig. 11). Me sy, mund të përcaktoni që një numër pikash nuk janë të lidhura saktë me njëra-tjetrën, domethënë, pikat e shënuara me të njëjtin numër janë të vendosura në vende të ndryshme të imazheve majtas dhe djathtas.
Tani le t'i kalojmë koordinatat e çifteve të pikave përmes një filtri topologjik me $ t _ (\ textrm (topo)) = 0 (,) 15 $ - do të ketë një çift pikash 21 $ (Fig. 12). Nëse zbatojmë një më strikte
Gjetur dhe lidhur me njëri-tjetrin 50 $ palë pikë. Rreth 2/3 e ndeshjeve janë false
Pas aplikimit të filtrit topologjik me $ t _ (\ textrm (topo)) = 0 (,) 15 $ 29 $ çifte pikash u hoqën si përputhje të rreme, mbetën $ 21 $ palë
Pas aplikimit të filtrit topologjik me $ t _ (\ textrm (topo)) = 0 (,) 05 $ 34 $ çifte pikash hiqen si përputhje të rreme, kanë mbetur 16 $ çifte
duke filtruar me $ t _ (\ textrm (topo)) = 0 (,) 05 $, atëherë do të ketë çifte pikash prej 16 $ (Fig. 13) dhe të gjitha ndeshjet janë të vërteta. Asnjë përputhje nuk u hoq dhe kjo metodë filtroi me sukses çiftet 34 $, që do të thotë se 68 $ \% $ e ndeshjeve origjinale ishin false.
Siç mund ta shihni, metoda e filtrimit topologjik nuk është aq e ndjeshme ndaj lokalizimit të saktë hapësinor të pikave. Theksi kryesor në metodë është vendosur pikërisht në pozicionin relativ të pikave në imazh.
Kompleksiteti llogaritës i metodës varet nga numri i çifteve të ankoruara gabimisht dhe, në një masë më të madhe, nga numri fillestar i çifteve të objekteve të ankoruara. Pjesa më e madhe e llogaritjeve bie në llogaritjen e përcaktorit në formulën (8) për të kontrolluar të gjitha treshe të mundshme të objekteve. Në grupin origjinal prej $ \ majtas | \ Phi \ djathtas | = n $ Çiftet e kandidatëve duhet të kontrollojnë $ C_n ^ 3 = \ frac (n (n-1) (n-2)) (6) $ trefishohet, kështu që kompleksiteti total i algoritmit është $ O ( n ^ 3) $, që është mjaft, dhe ky është një nga disavantazhet e metodës. Ndërsa objektet refuzohen, numri i të gjitha tresheve të mundshme zvogëlohet, dhe për të shpejtuar punën, nuk mund të rillogaritni penalitetet në formulën (10), por të llogaritni vetëm ato terma që përfshinin objektin e largët dhe më pas t'i zbritni këto terma nga shprehja për $ h (i) $ ...
Duhet të theksohet se kjo metodë nuk përballet mirë me situatat kur imazhi ka një plan të parë dhe sfond të theksuar. Për shembull, nëse shumica e rajoneve janë në plan të parë, atëherë rajonet e sfondit shpesh do të thyejnë raportin e pamjes (9) për shkak të mosbashkëplanaritetit me rajonet e planit të parë. Në këtë rast, disa nga zonat e sakta do të refuzohen.
Përputhja bazuar në veçoritë e konturit.
Disavantazhi kryesor i veçorive të pikave është paqëndrueshmëria ndaj ndryshimeve radiometrike në imazh. Në të njëjtën kohë, në imazhet reale, ky lloj shtrembërimi ndodh mjaft shpesh: shkëlqim verbues, hije dhe efekte të tjera që lidhen me ndryshimet në kushtet e ndriçimit, kohën ose sezonin e xhirimeve. Një tjetër disavantazh i veçorive të pikave është paqëndrueshmëria e tyre ndaj shtrembërimit të këndit. Ky lloj shtrembërimi gjendet edhe në shumë probleme me interes praktik. Prandaj, bëhet e nevojshme të tërhiqet informacioni për formën e vetë objektit si më rezistenti ndaj ndryshimeve të këtij lloji, për të zgjidhur problemet e referencës së planifikimit koordinativ. Forma e një objekti është deri tani karakteristika më e qëndrueshme e tij. Një nga vështirësitë e problemit të shtruar është se në praktikë janë mjaft të zakonshme rastet e ndryshimeve sezonale të formës së objekteve natyrore (pyje, trupa uji) dhe artificialë (rrugë) që nuk shoqërohen me shtrembërime radiometrike. Mungesa e informacionit apriori për modelet e ndryshimeve sezonale në formën e objekteve e vështirëson ndjeshëm zgjidhjen e këtij problemi.
Nga një këndvështrim intuitiv, forma e një objekti përcaktohet kryesisht nga kufijtë e tij. Në një imazh të sheshtë, kufijtë janë skica. Hulumtimet psikologjike tregojnë se truri i njeriut mbështetet shumë në informacionin e konturit për njohjen e imazhit. Konturet janë më rezistente ndaj ndryshimeve në ndriçim, shtrembërimit të këndit, ato janë të pandryshueshme ndaj rrotullimit dhe ndryshimeve në shkallë. Përparësitë e paraqitjes së konturit mund t'i atribuohen gjithashtu një reduktimi të ndjeshëm të sasisë së informacionit të përpunuar kur krahasohen dy ose më shumë imazhe, për shkak të faktit se pikat e konturit përbëjnë një pjesë të vogël të të gjitha pikave në imazh.
Në këtë seksion, skicat kuptohen si ndryshime të mprehta në shkëlqimin e imazheve. Në procesin e përdorimit të informacionit të konturit për krahasimin (lidhjen) automatike të imazheve, mund të dallohen katër faza kryesore:
- përzgjedhja e pikave të konturit;
- gjurmimi i kontureve;
- përshkrimi i kontureve;
- krahasimi i kontureve në hapësirën e veçorive të zgjedhura.
Metodat për nxjerrjen në pah të pikave të konturit janë diskutuar tashmë në detaje në seksionin 3.4. Detyrat e gjurmimit dhe përshkrimit të kontureve u diskutuan në seksionin 4.1. Le të shqyrtojmë tani problemin e krahasimit të kontureve.
Një nga problemet kryesore kur krahasohen konturet në dy imazhe dixhitale është zgjedhja e atributeve që përcaktojnë karakteristikat individuale të konturit. Në këtë rast, mund të dallohen disa lloje kryesore të veçorive: metrike (gjatësia, gjerësia, orientimi, këndi), analitike (paralelizmi, drejtsia, lakimi), topologjike (foleja, fqinjësia, kryqëzimi, afërsia, mbivendosja). Në praktikë, përdoret një numër mjaft i madh i atributeve të konturit: gjatësia, lakimi, sipërfaqja, perimetri, numri dhe pozicioni i pikave njëjës, treguesi i kompaktësisë, pozicioni i qendrës së gravitetit. Për të krijuar algoritme më të besueshme të njohjes, këshillohet të përdorni kombinime të tipareve të llojeve të ndryshme.
Vini re gjithashtu se nuk është gjithmonë e mundur të dalloni një numër të mjaftueshëm të kontureve të mbyllura në imazhet reale. Prandaj, për problemin e identifikimit të kontureve, është më mirë të përdoren atribute që nuk varen nga vetitë e mbylljes së konturit.
Përdoren metoda të ndryshme të krahasimit të kontureve në varësi të atributeve të zgjedhura.
Krahasimi i kontureve në paraqitjen natyrore.
Le të përmbajë imazhi i referencës $ N $ konture të ndryshme $ i = 1, \ ldots, N $, atëherë $ C_L ^ i $ është kontura $ i $ -të $ l_L ^ i $ e gjatë. Zona e kërkimit në një imazh tjetër përmban $ M $ të kontureve të ndryshme $ j = 1, \ ldots, M $, atëherë $ C_R ^ j $ është kontura $ j $ e zonës së kërkimit me gjatësi $ l_R ^ j $. $ C_L ^ i $ dhe $ C_R ^ j $ përfaqësohen nga funksionet e lakimit (përkuljes) $ K_L (l) $ dhe $ K_R (l) $, përkatësisht.
Për të zgjidhur këtë problem, mund të përdoret procedura për krahasimin e dy kontureve, thelbi i së cilës është lëvizja vijuese e funksionit $ K _ (\ textrm (E)) (l) $ (kontura $ C _ (\ textrm (E )) $) sipas funksionit $ K_ ( \ textrm (OP)) (l) $ (kontura $ C _ (\ textrm (OP)) $), dhe në çdo pozicion aktual llogaritet vlera e koeficientit të korrelacionit të normalizuar $$ k (m, C _ (\ textrm (E)), C_ (\ textrm (OP))) = \ frac (\ shuma \ limitet_ (i = 1) ^ (l_ \ textrm (E)) (\ majtas ((K _ (\ textrm (E)) \ majtas ((l_i) \ djathtas) - \ shirit (K) _ (\ textrm (E))) \ djathtas) \ majtas ((K _ (\ textrm (OP) ) \ majtas ((l_ (i + m)) \ djathtas) - \ bar ( K) _ (\ textrm (OP)) ^ m) \ djathtas))) (\ sqrt (\ shuma \ limitet_ (i = 1) ^ (l _ (\ textrm (E))) (\ majtas ((K _ (\ textrm (E)) \ majtas ((l_i) \ djathtas) - \ shirit (K) _ (\ textrm (E))) \ djathtas) ^ 2)) \ sqrt (\ shuma \ limitet_ (i = 1) ^ ( l _ (\ textrm (E))) (\ majtas ((K _ (\ textrm (OP)) \ majtas ((l_ (i + m)) \ djathtas) - \ bar (K) _ (\ textrm (OP)) ^ m) \ djathtas) ^ 2))), $$ ku $ m = 1, \ ldots, l _ (\ textrm (OP)) -l _ (\ textrm (E)) $; $ K _ (\ textrm (E)) (l) $ - - funksioni i lakimit $ C _ (\ textrm (E)) $ i konturit; $ K _ (\ textrm (OP)) (l) $ - - funksioni i lakimit $ C _ (\ textrm (OP)) $ i konturit; $ \ bar (K) _ (\ textrm (E)) $, $ \ bar (K) _ (\ textrm (OP)) ^ m $ - - vlerat mesatare të intensitetit të lakimit të konturit $ C _ (\ textrm (E)) $ dhe një fragment i skicës $ C _ (\ textrm (OP)) $, përkatësisht.
Në këtë rast, është e nevojshme që të plotësohet kushti i mëposhtëm: $ l _ (\ textrm (E)) Pozicioni në të cilin arrihet vlera maksimale e koeficientit të korrelacionit është fikse, ndërsa çifti i kontureve $ C _ (\ textrm (E)) $ dhe $ C _ (\ textrm (OP)) $ shoqërohet me vlerën e koeficienti i korrelacionit në këtë pozicion. Pasi të gjenden koeficientët e korrelacionit për të gjitha konturet e zonës së kërkimit, është e nevojshme të zgjidhni një palë konturesh ($ C_ (L) ^ i $ dhe $ C_R ^ j) $, për të cilat koeficienti i korrelacionit merr vlerën maksimale . Sidoqoftë, vlera maksimale e koeficientit në zonën e kufizuar të kërkimit nuk garanton besueshmërinë e rezultatit, prandaj, është e nevojshme të përdoren informacione shtesë për pozicionin relativ të kontureve. Përdorimi i një informacioni të tillë lejon zbulimin e identifikimeve të rreme. Në këtë punë, për të kontrolluar besueshmërinë e identifikimit, kemi përdorur distancat midis qendrave të gravitetit të kontureve, ndërsa çiftet e kontureve të gjetura ($ C_ (L) ^ i $, $ C_R ^ j) $ dhe ($ C_ (L) ^ l $, $ C_R ^ m) $ mund të konsiderohet e saktë nëse $$ \ mbetur | (L_ (i, l) -L_ (j, m)) \ djathtas | \ le \ Delta, $$ ku $ L_ (i, l) $ - është distanca midis qendrave të gravitetit të kontureve $ C _ ( _ L) ^ i $ dhe $ C _ (_ L) ^ l $; $ L_ (j, m) $ - është distanca midis qendrave të gravitetit të kontureve $ C_R ^ j $ dhe $ C_R ^ m $. Kjo skemë për identifikimin e kthesave nuk lejon krahasimin e segmenteve të vijës së drejtë të konturit me njëri-tjetrin, gjë që, natyrisht, është një disavantazh i metodës. Kjo për faktin se kur krahasojmë çdo dy segmente, koeficienti i korrelacionit do të marrë vlera afër një. Kjo veçori e korrelacionit të funksionit të lakimit kërkon futjen e kushteve shtesë të filtrimit. Të gjitha segmentet e vijës së drejtë duhet të përjashtohen nga grupi i kontureve të zgjedhura në imazh. Le të gjenden pikat $ N _ (\ textrm (E)) $ në një farë mënyre për konturin $ C _ (\ textrm (E)) ^ i $ të imazhit të referencës, dhe për konturin $ C _ (\ textrm (OP)) ^ j $ nga zona e kërkimit u gjet $ N _ (\ textrm (OP)) $ pikë. Në këtë rast, vetë zona e kërkimit $ C _ (\ textrm (E)) ^ i $ përmban konturet $ N $. Atëherë çdo kontur $ C ^ i $ mund të përfaqësohet si një funksion $ F ^ i (l) $, duke marrë vlera që ndryshojnë nga zero vetëm në pikat karakteristike të gjetura të konturit. Për më tepër, nëse gjatë krahasimit të kontureve përdoret vetëm pozicioni relativ i pikave, atëherë vlerat e funksionit në pikat njëjës mund të vendosen të barabarta me një (Fig. 14). Paraqitja e konturit si funksion $ F (l) $ Është e nevojshme që çdo kontur $ C_L ^ i $ i imazhit të referencës të gjejë konturet përkatëse $ C_R ^ j $ nga zona e kërkimit. Për të zgjidhur problemin, përdoret një procedurë për krahasimin e dy kontureve, thelbi i së cilës është shtrirja vijuese e pikës $ i $ të konturit $ C _ (\ textrm (E)) $ ($ i = 1, \ ldots , N _ (\ textrm (E))) $ dhe $ j $ pika konturore $ C _ (\ textrm (OP)) $ ($ j = 1, \ ldots, N _ (\ textrm (OP))) $. Në këtë rast, është e nevojshme që kushti $ l _ (\ textrm (E)) Në çdo pozicion fiks, përcaktohet numri i pikave përkatëse për të cilat kusht \ fill (mbledh *) F _ (\ textrm (E)) (l _ (\ textrm (E)) ^ i + \ Delta _m) = F _ (\ textrm (OP)) (l _ (\ textrm (OP )) ^ j + \ Delta _m) \ ne 0, \\ \ Delta _m = l _ (\ textrm (E)) ^ (i + m) -l _ (\ textrm (E)) ^ i, \ quad m = 1, \ ldots, N_ ( \ textrm (E)) -i. \ end (mbled *) Si rezultat i kryerjes së operacioneve $ N $ të krahasimit të kontureve, është e nevojshme të zgjidhni konturin $ C _ (\ textrm (OP)) ^ \ ast $, që përmban numrin maksimal të pikave përkatëse. Megjithatë, për të zvogëluar numrin e identifikimeve të rreme, është e nevojshme të kufizohet numri maksimal i pikave përkatëse të gjetura nga poshtë. Konturet $ C _ (\ textrm (E)) ^ i $ dhe $ C _ (\ textrm (OP)) ^ \ ast $ konsiderohen të përshtatshme nëse numri i pikave të gjetura është më i madh se një prag i caktuar $ T $. Kjo metodë krahasimi është një nga më të shpejtat dhe nuk kërkon llogaritjen e karakteristikave shtesë në pika; megjithatë, besueshmëria e një algoritmi të tillë është e ulët. Paqëndrueshmëria e algoritmit është për faktin se për të dhënat reale $$ F _ (\ textrm (E)) (l _ (\ textrm (E)) ^ i + \ Delta_m) = F _ (\ textrm (OP) ) (l _ (\ textrm ( OP)) ^ j + \ Delta _m \ pm \ Delta E_m) \ ne 0, $$ ku $ \ Delta E_m $ është vlera e gabimit për shkak të diskretitetit të të dhënave fillestare dhe ndikimit të zhurmave të ndryshme. Një mënyrë alternative për të gjetur pikat përkatëse në dy konturet është një skemë në të cilën, për krahasim, përdoren jo shkëlqimi, por tiparet gjeometrike të objektit, dhe të gjitha karakteristikat llogariten jo nga funksioni i intensitetit dydimensional $ I ( x, y) $, por nga funksioni njëdimensional $ F (l ) $. Algoritmi i kërkimit për pikat e përputhjes përbëhet nga tre faza kryesore: Karakteristikat e mëposhtme përdoren si atribute të pikave: $ M_ (0) $, $ D $, koeficienti i anshmërisë. Koeficienti i asimetrisë llogaritet me formulën $$ a = \ frac ((\ bar M) _3) (\ sigma ^ 3), $$ ku $ (\ bar M) _3 $ është momenti qendror i rendit të tretë. Ndryshe nga metoda e mëparshme, problemi i identifikimit të pikave zgjidhet duke përdorur kërkimin gjeometrik në një hapësirë karakteristikash shumëdimensionale. Për atributet e specifikuara, masa e ngjashmërisë së pikave në hapësirën e veçorive do të ketë formën $$ S_ (ij) = \ frac (\ vert M ^ (\ textrm (E)) _ (0i) -M ^ (\ textrm (OP)) _ (0j ) \ vert) (M_ (0 \ max) -M_ (0 \ min)) + \ frac (\ vert D ^ (\ textrm (E)) _ i -D ^ (\ textrm ( OP)) _ j \ vert) ( D _ (\ max) -D _ (\ min)) + \ frac (\ vert a ^ (\ textrm (E)) _ i -a ^ (\ textrm (OP)) _ j \ vert) (a _ (\ max) -a_ (\ min)) $$ Kërkimi për pikat përputhëse konsiston në përcaktimin e një çifti pikash $ \ langle i, j \ rangle $, $ i \ në C _ (\ textrm (E)) $, $ j \ në C _ (\ textrm (OP) ) $, për të cilin $ S_ (ij) $ merr vlerën më të vogël në zonën e kërkimit të konturit. Ky algoritëm i identifikimit të pikës është më i besueshëm. Kjo për faktin se distanca Euklidiane midis pikave është përdorur për vërtetim.Krahasimi i pikave karakteristike të konturit.
