Тема лекции: СРАВНЕНИЕ И ПОИСК ПОЛУТОНОВЫХ

ИЗОБРАЖЕНИЙ

•Прикладные системы обработки изображений, использующие сравнение или поиск изображений;

•Требования к мерам, вычисляющим сходство;

•Функции схожести;

•Общий алгоритм поиска объектов на изображении;

•Способы повышения эффективности сравнения и поиска объектов

Литература

•Старовойтов В.В. Локальные геометрические методы цифровой обработки и анализа изображений. – Минск: ИТК НАН Беларуси, 1997. – 284с. стр. 141-151

•Прэтт У. Цифровая обработка изображений: в 2-х кн. / Пер. с англ. - М.: Мир, 1982.- 792с. стр. 141-151

•Крот А.М., Минервина Е.Б. Быстрые алгоритмы и программы цифровой спектральной обработки сигналов и изображений. – Мн.: Выш. шк.,1995. - 407с. стр. 573-579

•Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М: Техносфера, 2005. – 1072с. стр.

120-121

Прикладные системы обработки изображений, использующие сравнение или поиск

•системы машинного зрения для технологических процессов;

•системы для диагностики и мониторинга состояния объектов;

•системы поиска и распознавания объектов для обработки медицинских изображений, изображений карт земной поверхности, чертежей, фотоснимков и др. сложных изображений;

•системы видеонаблюдения (детектирование движущихся объектов).

Проблема сравнения видеоданных

Дано: Цифровые изображения A, B1, B2, … размером NxN с одинаковым диапазоном допустимых значений яркости G.

Определить: Какое из цифровых изображений Bi более других похоже на

цифровое изображение А.

В общем случае – насколько схожи сцены,

Оценка возможного количества вариантов изображений: G N N

Следствие: отсутствие универсального определения или численной оценки подобия изображений

Общие принципы сравнения изображений

Основные подходы к сравнению изображений:

•Человеческое восприятие, дающее субъективную оценку;

•Математические меры, опирающиеся на модель зрения человека;

•Объективные меры, построенные на теоретических моделях.

Методы, сравнивающие изображения или их отдельные части, принято разделять в зависимости от ключевых понятий, используемых в целях сравнения, следующим образом:

уровень пикселей; точки интереса; сегменты и кривые.

Численное значение меры служит критерием схожести изображений.

Требования к мерам, вычисляющим сходство

Пусть A = {aij}, B = {bij} и C = {cij} . Свойства для мер схожести:

1. Метричность:

M ( A,B ) 0 A B;

M ( A,B ) M ( B,A );

M ( A,B ) M ( A,C ) M ( C,B );

2. Нормализованность значений:

M (A, B) 1 aij 0 & bij G, (i, j).

3.Устойчивость к шуму;

4.Мера М не должна резко изменяться при небольших изменениях форм изображаемых объектов, при небольших сдвигах и вращениях;

5.Вычисление меры должно быть достаточно быстрым.

Мера является строгой, если она удовлетворяет большинству описанных требований, или слабой, если она не удовлетворяет нескольким требованиям.

Назначение требований - попытка приблизить аналитическую оценку, выраженную одним числом, к субъективному понятию человека о схожести изображений.

Функции схожести

Нормированная функция корреляции

N 1 N 1 aijbij

Нормированная усредненная корреляционная функция

N 1 N 1

( aij aij )( bij bij )