Azərbaycanca AzərbaycancaБеларускі БеларускіDansk DanskDeutsch DeutschEspañola EspañolaFrançais FrançaisIndonesia IndonesiaItaliana Italiana日本語 日本語Қазақ ҚазақLietuvos LietuvosNederlands NederlandsPortuguês PortuguêsРусский Русскийසිංහල සිංහලแบบไทย แบบไทยTürkçe TürkçeУкраїнська Українська中國人 中國人United State United StateAfrikaans Afrikaans
Підтримка
www.wikidata.uk-ua.nina.az

Виявля ч хребті в за головно ю кривино ю англ principal curvature based region detector PCBR виявляч ознак який використ

Виявляч хребтів за головною кривиною

Виявляч хребтів за головною кривиною

Виявля́ч хребті́в за головно́ю кривино́ю (англ. principal curvature-based region detector, PCBR) — виявляч ознак, який використовують у галузях комп'ютерного бачення та [en]. Зокрема, виявляч PCBR призначено для застосування у розпізнаванні об'єктів.

Виявлячі локальних областей зазвичай можливо класифікувати на дві категорії: на основі яскравості та на основі структури.

  • Виявлячі на основі яскравості залежать від аналізу локальної диференціальної геометрії або шаблонів яскравості, щоби знаходити точки або області, які задовольняють певним критеріям унікальності та стабільності. До таких виявлячів належать SIFT, гессіанний афінний, гаррісів афінний, МСЕО тощо.
  • Виявлячі на основі структури залежать від структурних ознак зображення, таких як лінії, контури, криві тощо, щоби визначити особливі точки або області. До них належать області на основі контурів (англ. edge-based regions, EBR) та масштабоінваріантні фігурні ознаки (англ. scale-invariant shape features, SISF).

З точки зору інваріантності виявляння, виявлячі ознак можливо розділити на виявлячі з фіксованим масштабом, такі як звичайний Гаррісів виявляч кутів, масштабоінваріантні виявлячі, такі як SIFT, та афінноінваріантні виявлячі, такі як гессіанний афінний.

Виявляч PCBR афінноінваріантний на основі структури.

Навіщо новий виявляч?

У багатьох завданнях розпізнавання об'єктів зміни в позі, освітленні, кольорі та текстурі всередині класу можуть спричинювати значні відхилення локальної яскравості. Як наслідок, локальна яскравість вже не забезпечує стабільного сигналу виявляння. Тож оператори особливостей на основі яскравості (як-то SIFT, гаррісів афінний) та системи розпізнавання об'єктів на основі них часто нездатні визначити розрізнювальні ознаки. Альтернативою локальним сигналам яскравості є вловлювання напівлокальних структурних сигналів, таких як контури та криволінійні фігури. Ці структурні сигнали, як правило, стійкіші до відхилень яскравості, кольору та пози. Тож вони забезпечують основу для стабільнішого оператора особливостей, який, своєю чергою, покращує точність розпізнавання об'єктів. Виявляч PCBR розробили для використання цих надійніших структурних сигналів зображення.

Опис алгоритму

Крок 1: Виявляння криволінійної структури

Як виявляч на основі структури, PCBR не використовує контури, натомість він використовує криволінійні структури, звані також хребтами. Виявляння криволінійних структур породжує єдиний відгук як для прямих, так і для контурів, створюючи чіткіший структурний нарис зображення, ніж зазвичай забезпечує зображення величини градієнта. Для отримування криволінійних зображень було пристосовано алгоритм Штеґера. Оскільки використовують лише перший крок цього алгоритму, що полягає в обчисленні зображень головної кривини, головну кривину взяли за назву цього виявляча. Щоб отримати головну кривину, обчислюють матрицю Гессе:

image

де image — друга частинна похідна зображення, обчислена в точці x у напрямку image, а image — мішана друга частинна похідна зображення, обчислена в точці x у напрямках image та image. Максимальне та мінімальне власні значення цієї матриці утворюють два зображення, що відповідають білим лініям на чорному тлі та чорним лініям на білому тлі.

Крок 2: Пошук характеристик та стійкості в просторі масштабів

Щоби зробити цей виявляч масштабоінваріантним та підвищити стійкість виявляння, моделюють процес виявляча SIFT Девіда Лоу, щоби виявляти структуру головної кривини в просторі масштабів. Для визначання областей використовують зображення локальних максимумів значень головної кривини.

Крок 3: Визначання областей за допомогою вдосконалених алгоритмів вододілу

Зображення головної кривини очищують за допомогою морфологічного замикання та гістерезисного порогування потоку власного вектора. Потім до зображень застосовують традиційний [en], щоб отримати області.

Крок 4: Обирання стабільних областей

Подібно до процесу обирання стабільних областей порогуванням у МСЕО, стабільні області обирають між локальними змінами масштабу. Щоби досягти цього, обчислюють похибку перекриття для кожної трійки послідовних масштабів. Якщо похибка перекриття області перевищує 90 %, зберігають лише одну область. Якщо похибка перевищує 70 % і менша за 90 %, то зберігають усі області. Якщо перекриття менше за 70 %, ці області відкидають. Ці числа визначають аналізом чутливості описувача SIFT.

Чим вирізняється PCBR?

  • Це виявляч на основі структури.
  • Його розроблено так, щоби впоруватися з мінливістю всередині класу.
  • Його застосовують, коли локальна інтенсивність не стабільна.
  • Він виявляє напівлокально характерну область.

Програмні пакети

Двійковий код втілення PCBR можливо завантажити з вебсторінки Тома Дітеріха.

Див. також

Примітки

  1. Deng, H.; Zhang, W.; Mortensen, E.; Dietterich, T.; Shapiro, L. (2007). Principal Curvature-based Region Detector for Object Recognition (PDF). IEEE Conference on Computer Vision and Pattern Recognition. (англ.)
  2. Steger, C. (1998). An unbiased detector of curvilinear structures. IEEE Transactions on Pattern Analysis and Machine Intelligence. 20 (2): 113—125. CiteSeerX 10.1.1.42.2266. doi:10.1109/34.659930. (англ.)
  3. Lowe, D. G. (2004). Distinctive image features from scale-invariant keypoints (PDF). International Journal of Computer Vision. 60 (2): 91—110. doi:10.1023/B:VISI.0000029664.99615.94. S2CID 221242327. (англ.)
  4. Matas, J.; Chum, O.; Urban, M.; Pajdla, T. (2002). Robust wide baseline stereo from maximally stable extremal regions (PDF). Proceedings of the British Machine Vision Conference 2002. с. 384—393. doi:10.5244/C.16.36. ISBN . (англ.)
  5. Dietterich, Tom. PCBR (ZIP file).

Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет

Viyavlya ch hrebti v za golovno yu krivino yu angl principal curvature based region detector PCBR viyavlyach oznak yakij vikoristovuyut u galuzyah komp yuternogo bachennya ta en Zokrema viyavlyach PCBR priznacheno dlya zastosuvannya u rozpiznavanni ob yektiv Viyavlyachi lokalnih oblastej zazvichaj mozhlivo klasifikuvati na dvi kategoriyi na osnovi yaskravosti ta na osnovi strukturi Viyavlyachi na osnovi yaskravosti zalezhat vid analizu lokalnoyi diferencialnoyi geometriyi abo shabloniv yaskravosti shobi znahoditi tochki abo oblasti yaki zadovolnyayut pevnim kriteriyam unikalnosti ta stabilnosti Do takih viyavlyachiv nalezhat SIFT gessiannij afinnij garrisiv afinnij MSEO tosho Viyavlyachi na osnovi strukturi zalezhat vid strukturnih oznak zobrazhennya takih yak liniyi konturi krivi tosho shobi viznachiti osoblivi tochki abo oblasti Do nih nalezhat oblasti na osnovi konturiv angl edge based regions EBR ta masshtaboinvariantni figurni oznaki angl scale invariant shape features SISF Z tochki zoru invariantnosti viyavlyannya viyavlyachi oznak mozhlivo rozdiliti na viyavlyachi z fiksovanim masshtabom taki yak zvichajnij Garrisiv viyavlyach kutiv masshtaboinvariantni viyavlyachi taki yak SIFT ta afinnoinvariantni viyavlyachi taki yak gessiannij afinnij Viyavlyach PCBR afinnoinvariantnij na osnovi strukturi Navisho novij viyavlyach U bagatoh zavdannyah rozpiznavannya ob yektiv zmini v pozi osvitlenni kolori ta teksturi vseredini klasu mozhut sprichinyuvati znachni vidhilennya lokalnoyi yaskravosti Yak naslidok lokalna yaskravist vzhe ne zabezpechuye stabilnogo signalu viyavlyannya Tozh operatori osoblivostej na osnovi yaskravosti yak to SIFT garrisiv afinnij ta sistemi rozpiznavannya ob yektiv na osnovi nih chasto nezdatni viznachiti rozriznyuvalni oznaki Alternativoyu lokalnim signalam yaskravosti ye vlovlyuvannya napivlokalnih strukturnih signaliv takih yak konturi ta krivolinijni figuri Ci strukturni signali yak pravilo stijkishi do vidhilen yaskravosti koloru ta pozi Tozh voni zabezpechuyut osnovu dlya stabilnishogo operatora osoblivostej yakij svoyeyu chergoyu pokrashuye tochnist rozpiznavannya ob yektiv Viyavlyach PCBR rozrobili dlya vikoristannya cih nadijnishih strukturnih signaliv zobrazhennya Opis algoritmuKrok 1 Viyavlyannya krivolinijnoyi strukturi Yak viyavlyach na osnovi strukturi PCBR ne vikoristovuye konturi natomist vin vikoristovuye krivolinijni strukturi zvani takozh hrebtami Viyavlyannya krivolinijnih struktur porodzhuye yedinij vidguk yak dlya pryamih tak i dlya konturiv stvoryuyuchi chitkishij strukturnij naris zobrazhennya nizh zazvichaj zabezpechuye zobrazhennya velichini gradiyenta Dlya otrimuvannya krivolinijnih zobrazhen bulo pristosovano algoritm Shtegera Oskilki vikoristovuyut lishe pershij krok cogo algoritmu sho polyagaye v obchislenni zobrazhen golovnoyi krivini golovnu krivinu vzyali za nazvu cogo viyavlyacha Shob otrimati golovnu krivinu obchislyuyut matricyu Gesse H x L x x x L x y x L x y x L y y x displaystyle H mathbf x begin bmatrix L xx mathbf x amp L xy mathbf x L xy mathbf x amp L yy mathbf x end bmatrix de L a a x displaystyle L aa mathbf x druga chastinna pohidna zobrazhennya obchislena v tochci x u napryamku a displaystyle a a L a b x displaystyle L ab mathbf x mishana druga chastinna pohidna zobrazhennya obchislena v tochci x u napryamkah a displaystyle a ta b displaystyle b Maksimalne ta minimalne vlasni znachennya ciyeyi matrici utvoryuyut dva zobrazhennya sho vidpovidayut bilim liniyam na chornomu tli ta chornim liniyam na bilomu tli Krok 2 Poshuk harakteristik ta stijkosti v prostori masshtabiv Shobi zrobiti cej viyavlyach masshtaboinvariantnim ta pidvishiti stijkist viyavlyannya modelyuyut proces viyavlyacha SIFT Devida Lou shobi viyavlyati strukturu golovnoyi krivini v prostori masshtabiv Dlya viznachannya oblastej vikoristovuyut zobrazhennya lokalnih maksimumiv znachen golovnoyi krivini Krok 3 Viznachannya oblastej za dopomogoyu vdoskonalenih algoritmiv vododilu Zobrazhennya golovnoyi krivini ochishuyut za dopomogoyu morfologichnogo zamikannya ta gisterezisnogo poroguvannya potoku vlasnogo vektora Potim do zobrazhen zastosovuyut tradicijnij en shob otrimati oblasti Krok 4 Obirannya stabilnih oblastej Podibno do procesu obirannya stabilnih oblastej poroguvannyam u MSEO stabilni oblasti obirayut mizh lokalnimi zminami masshtabu Shobi dosyagti cogo obchislyuyut pohibku perekrittya dlya kozhnoyi trijki poslidovnih masshtabiv Yaksho pohibka perekrittya oblasti perevishuye 90 zberigayut lishe odnu oblast Yaksho pohibka perevishuye 70 i mensha za 90 to zberigayut usi oblasti Yaksho perekrittya menshe za 70 ci oblasti vidkidayut Ci chisla viznachayut analizom chutlivosti opisuvacha SIFT Chim viriznyayetsya PCBR Ce viyavlyach na osnovi strukturi Jogo rozrobleno tak shobi vporuvatisya z minlivistyu vseredini klasu Jogo zastosovuyut koli lokalna intensivnist ne stabilna Vin viyavlyaye napivlokalno harakternu oblast Programni paketiDvijkovij kod vtilennya PCBR mozhlivo zavantazhiti z vebstorinki Toma Diteriha Div takozhMasshtaboinvariantne oznakove peretvorennya SIFT Maksimalno stabilni ekstremumni oblasti MSEO MSER Gessiannij afinnij viyavlyach oblastej Garrisiv afinnij viyavlyach oblastej Prostir masshtabiv Viyavlyannya kutiv Viyavlyannya plyam Viyavlyannya osoblivih tochok Komp yuterne bachennyaPrimitkiDeng H Zhang W Mortensen E Dietterich T Shapiro L 2007 Principal Curvature based Region Detector for Object Recognition PDF IEEE Conference on Computer Vision and Pattern Recognition angl Steger C 1998 An unbiased detector of curvilinear structures IEEE Transactions on Pattern Analysis and Machine Intelligence 20 2 113 125 CiteSeerX 10 1 1 42 2266 doi 10 1109 34 659930 angl Lowe D G 2004 Distinctive image features from scale invariant keypoints PDF International Journal of Computer Vision 60 2 91 110 doi 10 1023 B VISI 0000029664 99615 94 S2CID 221242327 angl Matas J Chum O Urban M Pajdla T 2002 Robust wide baseline stereo from maximally stable extremal regions PDF Proceedings of the British Machine Vision Conference 2002 s 384 393 doi 10 5244 C 16 36 ISBN 1 901725 19 7 angl Dietterich Tom PCBR ZIP file

Дата публікації:
Топ