Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Paweł Kramarski Seminarium Dyplomowe Magisterskie 2

Podobne prezentacje


Prezentacja na temat: "Paweł Kramarski Seminarium Dyplomowe Magisterskie 2"— Zapis prezentacji:

1 Paweł Kramarski Seminarium Dyplomowe Magisterskie 2
Cechy obiektów przydatne przy rozpoznawaniu obrazu w czasie rzeczywistym Paweł Kramarski Seminarium Dyplomowe Magisterskie 2

2 Etapy rozpoznawania obrazów
Dane wejściowe: obraz Filtracja i segmentacja obrazu Wyznaczanie cech obiektów z obrazu Klasyfikacja: Przyporządkowanie obiektów do odpowiednich klas Dane wyjściowe: informacja o przynależności obiektów do klas

3 Cechy obiektu Powinny umożliwiać rozróżnienie obiektów należących do różnych klas Powinny być niezmienne względem obrotów, przesunięć i przeskalowania obiektów Mogą mieć postać: pojedynczej liczby, ciągu liczb, obrazu Potencjalnie mamy nieskończenie wiele cech

4 Przestrzeń cech Wektor w przestrzeni cech opisuje rozpoznawany obiekt
Każdy wymiar z przestrzeni odpowiada jednej cesze Arbitralny dobór przestrzeni cech

5 Przykład

6 Klasyfikacja Polega na określeniu miary przynależności nieznanego obiektu na podstawie jego wektora cech, pojęcie f-cji przynależności Ustalenie parametrów klasyfikatora (uczenie klasyfikatora) wymaga stworzenia zbioru uczącego Zbiór uczący powinien zawierać przykłady do nauki dla każdej z klas

7 Wyznaczanie cech Dla cech opisujących kształt najczęściej operujemy na obrazach binarnych zawierających obiekt i tło Obraz binarny jest uzyskany w wyniku obróbki wstępnej obrazu wejściowego Jeśli na obrazie jest więcej obiektów do rozpoznania, przeprowadzana jest etykietyzacja obiektów

8 Rodzaje cech Współczynniki kształtu Momentowe Szkieletowe

9 Współczynniki kształtu
Krańcowa redukcja ilości informacji zawartej w obrazie – pojedyncze wartości liczbowe opisujące kształt Wady, zalety Różne współczynniki w różnym stopniu są przydatne przy rozróżnianiu kształtu

10 Rodzaje współczynników kształtu
Cyrkularności Malinowskiej Blaira-blissa Danielssona Haralicka L- obwód rzutu obiektu S – pole rzutu obiektu r – odległość elementu pola ds od środka ciężkości obiektu l – minimalna odległość elementu ds od konturu obiektu d – odległość pikseli konturu obiektu od jego środka ciężkości n – liczba punktów konturu

11 Cechy momentowe Moment geometryczny rzędu (p+q)
Moment centralny rzędu (p+q) – niezmienny względem przesunięcia gdzie

12 Cechy momentowe Niezmienniki momentowe (niezmienne względem przesunięć, obrotów, zmiany skali)

13 Cechy szkieletowe Definicja szkieletu Metody wyznaczania szkieletu

14 Definicja szkieletu Szkielet obiektu opisany jest przez rozkład centrów maksymalnych dysków umieszczonych wewnątrz obiektu.

15 Przykłady

16 Przykłady

17 Wyznaczanie szkieletu
Za pomocą operacji ścieniania Metoda „wypalania trawy” Transformacja Osi Środkowej (Medial Axis Transform, MAT)

18 Metoda ścieniania Usuwanie kolejnych warstw punktów wzdłuż brzegu obiektu, dopóki nie zostanie tylko szkielet, przykłady elementów: lub i

19 Metoda „wypalania trawy”
Przeglądanie konturu obiektu i przenoszenie „ognia” z punktów konturowych na punkty wewnętrzne Algorytm przedstawiony w 1989 roku: Dodajemy do wszystkich punktów konturu liczbę 1

20 Metoda „wypalania trawy”
Śledząc kontur, zwiększamy o 1 wartość pikseli związanych z kolejnymi pikselami konturu, równocześnie zaznaczamy i pamiętamy piksele, które mają wartość 3, czyli tworzą szkielet

21 Metoda „wypalania trawy”
Przeglądamy cały kontur i usuwamy te piksele konturu, których wartość jest mniejsza od 3. Zapamiętujemy piksele szkieletu Jeśli w ostatnim kroku zostały usunięte jakieś piksele, to przechodzimy do punktu drugiego

22 Metoda „wypalania trawy”

23 Transformacja Osi Środkowej (Medial Axis Transform, MAT)
Wyznaczana przy pomocy Transformacji Odległości Szkielet stanowią tzw. lokalne maksima tej transformaty

24 Przykład

25 Transformacja odległości (Distance Transform)
Każdy punkt obiektu przyjmuje wartość reprezentującą odległość tego punktu od krawędzi obiektu

26 Stosowane metryki Euklidesa Szachownicowa (Chess board)
Blokowa (City Block Distance, Manhattan)

27 Przykład

28 Przykład

29 Lokalne maksima tworzące szkielet

30 Dziękuję za uwagę


Pobierz ppt "Paweł Kramarski Seminarium Dyplomowe Magisterskie 2"

Podobne prezentacje


Reklamy Google