Постановка задачи и связь с предыдущими...
DESCRIPTION
Структурный граф цветовых сгустков: структуры контрастов и их применение Кий К.И . Институт Прикладной Математики им. Келдыша РАН , IKI 15-17 марта 201 1. Постановка задачи и связь с предыдущими исследованиями - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/1.jpg)
Структурный граф цветовых сгустков: структуры контрастов и их применение
Кий К.И.Институт Прикладной Математики им. Келдыша РАН,
IKI 15-17 марта 2011
![Page 2: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/2.jpg)
• Постановка задачи и связь с предыдущими исследованиями
• Решаются задача определения новых типов характерных точек и мест изображений и задача разработки алгоритмов их нахождения.
• Определяются возможные применения разработанных методов.
• Кратко обсуждаются знакомые автору другие работы в данной области.
![Page 3: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/3.jpg)
• Mishra A. K., Aloimonos Y. Active segmentation // International Journal of Humanoid Robotics 6 (3), 361–386 (2009).
• Kadir T., Brady M. Saliency, scale and image description // International Journal of Computer Vision, 45 (2), 83--105, 2001.
• K. Mikolajczyk, T. Tuytelaars, C. Schmid et al. (2005) A Comparison of Affine Region Detectors // International Journal of Computer Vision, Vol. 65, No. 1, 2005. P.43-72.
• Hongwen Kang, Alexei A. Efros, Martial Hebert, Takeo Kanade. "Image Composition for Object Pop-out", IEEE Workshop on 3D Representation for Recognition (3dRR-09), in association with IEEE International Conference on Computer Vision (ICCV) 2009.
• J. Correa and A. Soto, "Active visual perception for mobile robot localization". Journal of Intelligent and Robotic Systems, vol. 58, No. 3-4, 2010, pp. 339-354.
• P. Espinace, T. Kollar, A. Soto, and N. Roy, "Indoor Scene Recognition through Object Detection". Proc. of IEEE International Conference on Robotics and Automation (ICRA), 2010.
• Forsyth D. A., Ponce J. Computer Vision: a Modern Approach //NY.: Prentice Hall, 2003.
• Yu. B. Blokhinov, Automation of Mutual Orientation of Digital Images Based on Computer Vision Algorithms, Journal of Computer and Systems Sciences International, 49 (6), 981--991 (2010).
![Page 4: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/4.jpg)
Задача cегментации на структурном графе цветовых сгустков
• В предыдущих работах автора каждому цветному изображению поставлен в соответствие структурный граф цветовых сгустков.
• Изображение разбито на полосы равной ширины, параллельные вертикальной или горизонтальной оси системы координат, связанной с изображением.
• Каждой полосе соответствует своя часть графа цветовых сгустков. Пусть полосы параллельны горизонтальной оси. Вершины структурного графа, соответствующие полосе, есть интервалы горизонтальной оси [cn,dn]. Каждому интервалу поставлены в соответствие числа Cardn, и тройки
• (Hmin, Hmean, Hmax), (Smin, Smean, Smax) и (Imin, Imean, Imax).
![Page 5: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/5.jpg)
Пример множества вершин графа цветовых сгустков
![Page 6: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/6.jpg)
Вершины графа цветовых сгустков уличной сцены
![Page 7: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/7.jpg)
• Построение структуры цветовых контрастов на графе цветовых сгустков
Решаются следующие задачи:• 1. Нахождение контрастных соседних
цветовых сгустков.• 2. Объединение похожих соседних цветовых
сгустков в один.• При решении делается попытка разработать
формальный аппарат для учета свойств человеческого зрения.
![Page 8: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/8.jpg)
• Основные конструкции• Каждый цветовой сгусток задается набором чисел
- интервал на оси, который параллелен стороне полос разбиения изображения
- интервалы значений
- средние значения , соответствующие сгустку • Интервалы симметризованы относительно
средних значений:
• Пусть - два числовых интервала,• - длина интервала.• Интервалы очень значительно пересекаются:• ;• Интервалы значительно пересекаются:• .
![Page 9: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/9.jpg)
• Пусть - два числовых интервала,
- длина интервала
Интервалы очень значительно пересекаются:
Интервалы значительно пересекаются:
![Page 10: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/10.jpg)
Пусть ,
Значения S квантованы от 0 до 15; значения I разделены на 8 зон от 0 до 7; значения H разделены на 6 зон от 0 до 5. Для каждого квантового значения и каждой зоны установлены пороги:
.
![Page 11: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/11.jpg)
• Вводятся переменные hue_close, saturation_close, intensity_close.
• Строится система продукций, которая на основе введенных переменных присваивает hue_close, saturation_close, intensity_close значения из множества (3, 2, 1, 0, -1, -2, -3) для сгустков с близкими или пересекающимися интервалами
и .
![Page 12: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/12.jpg)
• Далее строится различающая функция• Discr(hue_close, saturation_close,identity_close),
принимающая значения (4, 3,2, 1, 0, -1, -2, -3, -4).
• Положительные значения означают, что интервалы с некоторой степенью уверенности можно объединить, отрицательные значения определяют некоторую степень контраста.
• Нулевое значение означает, что вывод не сделан.
• Далее приводятся примеры работы алгоритмов построения виртуальных граничных точек.
![Page 13: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/13.jpg)
Снимок с конференции
![Page 14: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/14.jpg)
Примеры структур контрастов
![Page 15: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/15.jpg)
![Page 16: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/16.jpg)
![Page 17: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/17.jpg)
• Структура с найденным ориентиром
![Page 18: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/18.jpg)
• Более детальное изучение ориентира
![Page 19: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/19.jpg)
• Пара изображений, снятая из близких точек
![Page 20: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/20.jpg)
• Выводы• Разработан новый метод выделения характерных мест на
изображении, основанный на методе геометризованных гистограмм, удобный для решения задач понимания изображений в реальном времени.
• Основу представления данных составляет структура контрастов, поставленная в соответствие любому цветному изображению.
• Предложенная техника может быть полезной при решении навигационных задач при движении робота и анализе движения объектов на изображении.
• Разрабатывается система поиска ориентиров на изображениях, основанная на развитой технике и поиска объектов на изображении по содержательному вербальному описанию.
![Page 21: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/21.jpg)
Программная реализация
• Система реализована в С++ (Visual Studio 2008) вместе со средствами сопряжения с вводом изображений из телекамер с использованием DirectX SDK.
• Скорость обработки для цветных изображений 640х480 8-10 fps, для изображений 320х240, в четыре раза быстрее.
• Система имеет средства для работы через сеть, включая работу через Internet.
![Page 22: Постановка задачи и связь с предыдущими исследованиями](https://reader035.vdocuments.pub/reader035/viewer/2022081420/568148a8550346895db5ba7b/html5/thumbnails/22.jpg)
Спасибо за внимание!