Question

这一段话求翻译高手翻译，关于SIFT，网站翻译纰漏太多，悬赏分可追加很多。

悬赏分满意的话可追加30分
2. Related research
Object recognition is widely used in the machine vision industry for the purposes of inspection, registration, and manipulation. However, current commercial systems for object recognition depend almost exclusively on correlation-based template matching. While very effective for certain engineered environments, where object pose and illumination are tightlycontrolled, templatematching becomes computationally infeasible when object rotation, scale, illumination, and 3D pose are allowed to vary, and even more so when dealing with partial visibility and large model databases.
An alternative to searching all image locations for matches is to extract features from the image that are at least partially invariant to the image formation process and matching only to those features. Many candidate feature types have been proposed and explored, including line segments [6], groupings of edges [11, 14], and regions [2], among many other proposals. While these features have worked well for certain object classes, they are often not detected frequently enough or with sufficient stability to form a basis for reliable recognition.
There has been recent work on developing much denser collections of image features. One approach has been to use a corner detector (more accurately, a detector of peaks in local image variation) to identify repeatable image locations, aroundwhich local image properties can bemeasured. Zhang et al. [23] used the Harris corner detector to identify feature locations for epipolar alignment of images taken from differing viewpoints. Rather than attempting to correlate regions from one image against all possible regions in a second image, large savings in computation time were achieved by only matching regions centered at corner points in each image.
一楼貌似是直接网站翻译的吧，这个漏洞那个多呀。

Answer 1

相关研究

目标识别被广泛地应用在机器视觉领导者为目的的检验,登记,和操作。然而,当前是商业系统完全是在目标识别correlation-based模板匹配。而非常有效的某些工程环境,那里有目标姿态的照明是tightlycontrolled templatematching成为不可行解,计算当对象旋转、规模、启迪、三维姿态可以有所不同,而且当处理部分的知名度和大模型数据库。

另一种方法来寻找比赛的图像位置,从图像中提取特征的变化至少部分成像过程和匹配是那些特征。许多候选人提出了特征,探讨了类型,包括线提取[6],群组的边缘[11、14],和地区[2]的基础上,在许多其他建议。虽然这些特征持续了特定对象的课,他们往往不是经常发现和充分的稳定性,形成可靠的基础recognition.问题补充:

最近有继续开发多密度较高的收藏的形象特征。一种方法是利用墙角检测器(更准确的说,探测器的高峰期在当地的影像变化)识别重复图像地点,aroundwhich地方形象bemeasured性能。张孙俐。(23)用哈里斯角落探测仪epipolar位置识别特征的序列图像采取不同的观点。而不是试图相关图像地区对一切可能发生的地区在第二个像巨大的储蓄,在计算时间只有匹配地区取得了偶角点处为中心在每个形象。

那个，老兄抱歉啊，我是新人，也不大擅长翻译，也不指望拿什么悬赏分了，但愿对你有一点点帮助吧，祝你好运

Answer 2

2。相关研究
识别物体被广泛应用在机器视觉行业的检查，登记，操控的目的。然而，对于目前的商业目标识别系统几乎完全依赖于相关的基于模板匹配。虽然对于某些设计环境中，目标姿态和光照是tightlycontrolled有效，templatematching变得不可行时计算对象的旋转，缩放，光照，姿态和3D允许各不相同，甚至更多，所以当局部的知名度和较大的模型数据库的问题。
寻找一种替代地点是匹配所有图像从图像中提取的功能，至少部分是不变的形象的形成过程和匹配，只有那些功能。许多候选特征类型已经提出并探讨，包括直线段[6]，边缘集团[11，14]和地区[2]，在许多其他建议。虽然这些功能已经为某些对象类很好，他们往往没有发现足够频繁或有足够的稳定性，形成一个可靠的基础加以识别。
目前已开发的图像特征集合最近的工作非常密集。一种方法是利用一个角落探测器（更准确地说，一峰在当地的形象变异检测器）可重复的图像，以确定位置，aroundwhich地方形象属性可以bemeasured。张等。 [23]利用Harris角检测器，以确定从不同角度拍摄的图像的极线对齐功能的位置。而不是试图从一个对关联中的第二幅图像所有可能的区域的图像区域，在计算时间节省了大量只匹配在每个角点集中在图像区域

Answer 3

2。相关研究
目标识别被广泛地应用在机器视觉领导者为目的的检验,登记,和操作。然而,当前是商业系统完全是在目标识别correlation-based模板匹配。而非常有效的某些工程环境,那里有目标姿态的照明是tightlycontrolled templatematching成为不可行解,计算当对象旋转、规模、启迪、三维姿态可以有所不同,而且当处理部分的知名度和大模型数据库。
另一种方法来寻找比赛的图像位置,从图像中提取特征的变化至少部分成像过程和匹配是那些特征。许多候选人提出了特征,探讨了类型,包括线提取[6],群组的边缘[11、14],和地区[2]的基础上,在许多其他建议。虽然这些特征持续了特定对象的课,他们往往不是经常发现和充分的稳定性,形成可靠依据认可。
最近有继续开发多密度较高的收藏的形象特征。一种方法是利用墙角检测器(更准确的说,探测器的高峰期在当地的影像变化)识别重复图像地点,aroundwhich地方形象bemeasured性能。张孙俐。(23)用哈里斯角落探测仪epipolar位置识别特征的序列图像采取不同的观点。而不是试图相关图像地区对一切可能发生的地区在第二个像巨大的储蓄,在计算时间只有匹配地区取得了偶角点处为中心在每个形象