
- •FGUP “State Research Institute
- •FGUP “State Research Institute of
- •Visual Data Representation and Processing
- •Visual Data Representation and Processing
- •Two Vision Frameworks Presented
- •PROJECTIVE MORPHOLOGIES
- •MM 1. Математическая морфология Серра
- •MM 1. Математическая морфология Серра
- •MM 1. Математическая морфология Серра
- •MM 1. Математическая морфология Серра
- •MM 2. Бинарная морфология на базе скелетов
- •MM 3. Морфологический анализ Пытьева
- •MM 3. Морфологический анализ Пытьева
- •MM 3. Морфологический анализ Пытьева
- •MM 3. Морфологический анализ Пытьева
- •Projective Morphology as a Union of
- •PROJECTORS, CLASSES OF SHAPES, MORPHOLOGICAL COMPLEXITY AND MORPHOLOGICAL SPECTRUM
- •Проекторы как распознающие операторы (М. Павель)
- •Сравнение форм по сложности (Пытьев)
- •Вложенные классы форм и идея морфологического спектра
- •Формальное определение морфологического спектра
- •Построение морфологического спектра в непрерывной бинарной морфологии
- •Дискретно-непрерывный морфологический спектр силуэтов животных с реальных изображений (Визильтер, Сидякин, 2010)
- •Способ описания формы:
- •Способ описания формы:
- •Морфологии Серра на базе преобразования Хафа и GHT
- •Морфология на базе локального преобразования Хафа
- •Морфология на базе локального преобразования Хафа
- •Выделение линеаментов различных размеров
- •Морфологии из «готовых кубиков»
- •Селективные
- •Селективные
- •Селективные
- •Селективные
- •Селективные
- •Селективные
- •Селективные
- •Селективные
- •Селективные
- •МОРФОЛОГИЧЕСКИЕ АЛГЕБРЫ, ПРОСТРАНСТВА РАЗЛОЖЕНИЙ И СЕГМЕНТАЦИЯ КАК РЕГУЛЯРИЗАЦИЯ
- •Морфологические алгебры
- •Проективные морфологические разложения
- •Проективные морфологические разложения
- •Проективные морфологические разложения
- •Проективные морфологические разложения
- •Проективные морфологические разложения
- •Проективные морфологические разложения
- •Проективные морфологические разложения
- •Проективные морфологические разложения
- •Проективные морфологические разложения
- •Критериальные проективные морфологии
- •Алгоритмические аспекты
- •Морфологическая сегментация в 1D
- •Морфологическая сегментация в 1D
- •Морфологическая сегментация в 1D
- •Морфологическая сегментация в 1,5D
- •Морфологическая сегментация в 1,5D
- •Морфологическая сегментация в 1,5D
- •Морфологическая сегментация в 2D
- •Морфологическая сегментация в 2D
- •Представление данных 1 (геометрическое)
- •Представление данных 2 (яркостно-геометрическое)
- •EVIDENCE-BASED IMAGE ANALYSIS
- •МОДЕЛЬНЫЙ ПОДХОД
- •Морфологический анализ свидетельств
- •Морфологический анализ свидетельств
- •Морфологический анализ свидетельств
- •РАЗРАБОТКА ВЫЧИСЛИТЕЛЬНО ЭФФЕКТИВНЫХ АЛГОРИТМОВ АНАЛИЗА МОРФОЛОГИЧЕСКИХ СВИДЕТЕЛЬСТВ
- •Морфологический анализ свидетельств
- •Морфологический анализ свидетельств
- •Пример 1. Метод обнаружения штриховых кодов и текстовых областей на изображениях
- •Пример 1. Метод обнаружения штриховых кодов и текстовых областей на изображениях
- •Пример 2. Car Collision Avoidance System (CCAS)
- •Algorithm for Marking Lines Detection
- •Basic Idea of Marking Lines Detection.
- •Marking Lines Detection. Stereo Tracing Stage.
- •Method for 3D object detection based on differential orthoimage
- •Automated relative orientation
- •Extraction of road surface model
- •Method for 3D obstacle detection in stereo
- •АВТОМАТИЗИРОВАННОЕ КОНСТРУИРОВАНИЕ АЛГОРИТМОВ МОРФОЛОГИЧЕСКОГО АНАЛИЗА СВИДЕТЕЛЬСТВ
- •Автоматизированное конструирование алгоритмов обнаружения объектов
- •Автоматизированное конструирование алгоритмов обнаружения объектов
- •Автоматизированное конструирование алгоритмов обнаружения объектов
- •Автоматизированное конструирование
- •Автоматизированное конструирование
- •Автоматизированное конструирование алгоритмов обнаружения объектов
- •Автоматизированное конструирование алгоритмов обнаружения объектов
- •Автоматизированное конструирование
- •Автоматизированное конструирование
- •Автоматизированное конструирование
- •Автоматизированное конструирование
- •Автоматизированное конструирование
- •Conclusions
- •Thank you for attention!

Морфологическая сегментация в 1,5D
Монотонная фильтрация и сегментация двумерных кривых (контуров бинарных изображений)
=0 |
=100 |
=200 |
=300 |
=400 |
=500 |
=600 |
=700 |
Пример кусочно-линейной сегментации типа «открытие».

Морфологическая сегментация в 1,5D
Морфология на базе оптимальной кусочно-линейной интерполяции двумерных кривых (контуров бинарных изображений)
=0 |
=200 |
=400 |
=600 |
=800 =900 =1000
Ф(f,L) = -J(L) + Q(L) min(L),
где J(L) – длина графика ломаной; Q(L) – число узловых точек.

Морфологическая сегментация в 2D
F (A, B) J (A, B) Q( B) |
Q |
A arg minb F (A, b) |
J Конкретный |
B bW1 1 K bnWn b |
тип задачи |
|
|
Варианты по J(A,B) |
Варианты по Q( B) |
L1-аппроксимация: |A-B| |
N – число элементов описания |
СКО-аппроксимация: |A-B|2 |
TV - Суммарная длина контуров |
L1-открытие: |A-B|, B A |
D - Размер дескриптора |
L1-закрытие: |A-B|, A B |
… |

Морфологическая сегментация в 2D
1.D. Greig, B. Porteous, A. Seheult. Exact maximum a posteriori estimation for binary images // Journal of the Royal Statistical Society 1989. Vol. 51, No. 2 Pp. 271279.
2.Y. Boykov, V. Kolmogorov. Computing geodesics and minimal surfaces via graph cuts // In Proc. IEEE International Conf. Computer Vision (ICCV) 2003. Pp. 2633.
3.Y. Boykov, V. Kolmogorov. An experimental comparison of min-cut/max-ow algorithms for energy minimization in vision // IEEE Trans. Pattern Analysis and Machine Intelligence (PAMI) 2004. Vol. 26, No. 9. Pp. 11241137.
4.J. Darbon and M. Sigelle. Image Restoration with Discrete Constrained Total Variation Part I: Fast and Exact Optimization // Journal of Mathematical Imaging and Vision (JMIV). Vol 26 n.3, pp. 261-276, December 2006.
5.J. Darbon and M. Sigelle. Image Restoration with Discrete Constrained Total Variation Part II: Levelable Functions, Convex and Non-Convex Cases // Journal of Mathematical Imaging and Vision (JMIV) Vol 26 n.3, pp. 277-291, December 2006.
6.Visilter Yu., Gorbatsevich V. Morphological Image Analysis Using Dynamic Programming and Stacked Representations // Vestnik of Computer and Information Technologies, 2011, N3, pp.7-15. (in Russian)

Представление данных 1 (геометрическое)
2D-Пиксельная решетка |
1D-Развертка по кривой Гильберта-Пеано |
Граф с циклическими связями
Ациклический граф типа «цепь»
Пример решения задачи (L1-открытие + N) по кривой Гильберта-Пеано
=0 |
=100 |
=1000 |

Представление данных 2 (яркостно-геометрическое)
Срезы и сегменты: |
Дерево срезовых сегментов: |
Операция реконструкции функции:
f |
(x) |
|
f |
t,k |
(x) max ( f |
t,k |
(x)) |
|
||
t |
|
|
|
|
k 1..n(t) |
|
|
|||
|
|
k 1..n(t) |
|
|
|
|
|
|
||
f (x) f |
f |
(x) max (t f |
(x)) |
|||||||
|
|
|
t |
t 0,K ,z |
t |
|
||||
|
|
|
t 0,K ,z |
|
|
|
|
|
Срез – комбинация срезовых сегментов (областей)
Стековое отношение –
отношение включения вышележащих сегментов в нижележащие сегменты
Стековое дерево –
ациклический граф стековых отношений

Пример 2D-открытия типа (L1+N)
Исходное изображение |
686 сегментов |
34 сегментов |
1395 срезовых сегмента |
|
|
120 сегментов |
3 сегмента |

Пример 2D-открытия типа (L1+N)
Исходное изображение |
545 сегментов |
18 сегментов |
|
|
|
2859 срезовых сегмента |
|
|
111 сегментов |
2 сегмента |

Пример 2D-открытия типа (L1+N)
Исходное изображение |
167 сегментов |
35 сегментов |
|
3352 срезовых сегмента |
|||
|
|

Пример 2D-открытия типа (L1+N)
Исходное изображение |
88 сегментов |
21 сегмент |
2358 срезовых сегмента |
|
|

Пример 2D-закрытия типа (L1+N)
Исходное изображение |
938 сегментов |
38 сегментов |
1584 срезовых сегмента |
|
|
480 сегментов |
2 сегмента |

Пример 2D-закрытия типа (L1+N)
Исходное изображение |
513 сегментов |
18 сегментов |
|
|
|
2527 срезовых сегмента |
|
|
95 сегментов |
2 сегмента |

Пример 2D-закрытия типа (L1+N)
Исходное изображение |
202 сегмента |
46 сегментов |
3542 срезовых сегмента |
|
|

Пример 2D-закрытия типа (L1+N)
Исходное изображение |
118 сегментов |
28 сегментов |
2527 срезовых сегмента |
|
|

Пример 2D-аппроксимации типа (L1+N)
Исходное изображение |
326 сегментов |
23 сегмента |
1395 срезовых сегмента |
|
|
102 сегмента |
2 сегмента |

Пример 2D-аппроксимации типа (L1+N)
Исходное изображение |
421 сегментов |
14 сегментов |
|
|
|
2859 срезовых сегмента |
|
|
94 сегментов |
2 сегмента |

Пример 2D-аппроксимации типа (L1+N)
Исходное изображение |
141 сегмент |
29 сегментов |
3542 срезовых сегмента |
|
|

Пример 2D-аппроксимации типа (L1+N)
Исходное изображение |
74 сегмента |
14 сегментов |
2527 срезовых сегмента |
|
|

Пример 2D- аппроксимации типа (L1+TV)
Исходное изображение |
666 сегментов |
45 сегментов |
1584 срезовых сегмента |
|
|
123 сегмента |
21 сегмент |

Пример 2D- аппроксимации типа (L1+TV)
Исходное изображение |
700 сегментов |
209 сегментов |
|
|
|
2859 срезовых сегмента |
|
|
257 сегментов |
106 сегмента |

Пример 2D- аппроксимации типа (L1+TV)
Исходное изображение |
871 сегмент |
159 сегментов |
3542 срезовых сегмента |
|
|

Пример 2D- аппроксимации типа (L1+TV)
Исходное изображение |
351 сегмент |
204 сегмента |
2527 срезовых сегмента |
|
|