XI Международная студенческая научная конференция Студенческий научный форум - 2019
ФРЕЙМОВОЕ ПРЕДСТАВЛЕНИЕ ИНФОРМАЦИИ ОБ ИЗОБРАЖЕНИИ И ДЕТЕКТИРОВАНИИ КЛЮЧЕВЫХ ТОЧЕК
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
В данной работе представлено построение фреймовой модели в области обработки изображения.
В последние годы цифровая обработка и цифровой анализ изображений находят все большее применение в различных областях науки и техники, таких как интеллектуальные робототехнические комплексы, системы промышленного контроля, системы управления движущимися аппаратами, обработка данных дистанционного зондирования, новые технологии обработки документов и множество других [1].
Для выделения объектов на изображении, для начала, необходимо определить особые точки. Существуют множество алгоритмов определения особых точек, ориентированных на применение в различных областях. Одними из известных детекторов особых точек, определяющих углы, являются следующие:
Детектор Моравеца
Одним из наиболее распространенных типов особых точек являются углы на изображении, т.к. в отличие от ребер углы на паре изображений можно однозначно сопоставить. Расположение углов можно определить, используя локальные детекторы. Входом локальных детекторов является черно-белое изображение. На выходе формируется матрица с элементами, значения которых определяют степень правдоподобности нахождения угла в соответствующих пикселях изображения. Далее выполняется отсечение пикселей со степенью правдоподобности, меньшей некоторого порога. Для оставшихся точек принимается, что они являются особыми.
Детектор MSER’s
При разработке детектора MSER (Maximally Stable Extremal Regions, Matas и др., 2002) решается проблема инвариантности особых точек при масштабировании изображения. Детектор [39] выделяет множество различных регионов с экстремальными свойствами функции интенсивности внутри региона и на его внешней границе.
Детектор Хариса и Стефана
Харрис и Стефенс улучшили детектор Моравеца (Moravec), введя анизотропию по всем направлениям, т.е. рассматривают производные яркости изображения для исследования изменений яркости по множеству направлений. Они вводят в рассмотрение производные по некоторым принципиальным направлениям.
На рисунке 1 приведен показано фреймовое представление информации об изображении и детектировании ключевых точек. Данная фреймовая модель образует некую иерархию описывающий объект и свойства объекта.
Рисунок 1 – Фреймовое представление информации об изображении и детектировании ключевых точек
В данном представлении особые точки имеют уникальные свойства. Для полного понимания этих свойств, приведено их описание:
отличимость (distinctness) – особая точка должна явно выделяться на фоне и быть отличимой (уникальной) в своей окрестности;
инвариантность (invariance) – определение особой точки должно быть независимо к аффинным преобразованиям;
стабильность (stability) – определение особой точки должно быть устойчиво к шумам и ошибкам;
уникальность (uniqueness) – кроме локальной отличимости, особая точка должна обладать глобальной уникальностью для улучшения различимости повторяющихся паттернов;
интерпретируемость (interpretability) – особые точки должны определяться так, чтобы их можно было использовать для анализа соответствий и выявления интерпретируемой информации из изображения;
Задачей построения фреймовой модели было показать из каких слотов и их свойств состоит изображения.
Список использованных источников
Визильтер Ю. В., Желтов С. Ю., Князь В. А., Ходарев А. Н., Моржин А. В. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision. – М.: ДМК Пресс, 2007. – 464 с.
Szeliski R. Computer Vision: Algorithms and Applications. Springler, 2010. 979 p.
Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. – М.: Радио и связь, 1987. – 400 c.