- •1. Области применения систем видеослежения
- •2. Операции размыкания и замыкания
- •1. Вероятностное описание непрерывных изображений
- •2. Морфологическая операция заполнения области
- •1. Дискретизация и квантование изображений
- •2. Морфологическая операция выделения связанных компонентов
- •1. Описание дискретных изображений
- •2. Корреляционные методы измерения координат объектов
- •1. Изменение контраста и виды изменения гистограмм
- •2. Метод последовательного определения сходства изображения
- •1. Операторы подавления шумов
- •2. Формулировка задачи видеослежения. Понятие центра объекта слежения
- •1. Адаптивная фильтрация Винера
- •2. Модель наблюденияпри слежении за объектом в присутствии неоднородного фона
- •1. Медианная фильтрация
- •2. Модели состояния яркости изображений фона и объекта слежения
- •1. Инверсная фильтрация. Винеровская фильтрация
- •2. Модель движения и изменения объекта слежения
- •1. Пространственная реставрация методом псевдообращения матриц
- •2. Алгоритм измерения координат при известном изображении фона и объекта.
- •1. Признаки методы выделения признаков
- •2. Алгоритм оценки координат при известном изображении фона и объекта. Критерий максимума апостериорной плотности
- •1. Методы сегментации. Дискриминантный критерий
- •2. Алгоритм оценки координат при известном изображении фона и объекта. Критерий максимального правдоподобия.
- •1. Метод минимизации среднеквадратического отклонения исходного и сегментированного изображений (lstm).
- •2. Функциональная схема системы видеослежения
- •1. Байесовский метод сегментации
- •2. Операторы подчеркивания границ
- •1. Сегментация на основе движения
- •2. Инверсная фильтрация
- •1.Алгоритм разметки и параметризации бинарного изображения
- •2.Алгоритм измерения координат с межкадровым усреднением текущего изображения объекта
- •1. Морфологическая обработка. Базовые понятия теории множеств
- •2. Двумерное преобразование Фурье. Его свойства
- •1. Операции дилатации.
- •2. Пространственно-спектральные признаки
- •1. Операция эрозии
- •2. Алгоритм оценки координат. Общий подход
2. Операторы подчеркивания границ
Изображение с подчеркнутыми границами часто воспринимается лучше, чем исходное. Такое подчеркивание может быть выполнено дискретной фильтрацией с использованием высокочастотных импульсных откликов вида:
16 Билет 1. Сегментация на основе движения
2. Инверсная фильтрация
1. Сегментация на основе движения
2. Инверсная фильтрация
П
редположим,
что идеальное изображение FI(x,y)
проходит через линейную искажающую
систему с импульсным откликом hD(x,y)
и повреждается аддитивным шумом n(x,y),
некоррелированным с изображением.
Наблюдаемое изображение можно представить
при этом в виде
Или
С
истема
реставрации имеет вид фильтра с
независимым от линейного сдвига
импульсным откликом hR(x,y).
На выходе этого фильтра получается
исправленное изображение, описываемое
функцией
На рис. 3.1 представлен процесс преобразования входного сигнала.
Р
ис.
3.1
Согласно теореме о свертке имеем
где вновь введенные обозначения представляют собой двумерные преобразования Фурье соответствующих функций из выражения (3.2).
Если
выбрать HR(x,
y)=1/HD(x,
y),
то спектр исправленного изображения
будет иметь вид
О
братное
преобразование Фурье позволяет получить
исправленное изображение, описываемое
функцией
П
редложены
некоторые частные способы ослабления
шумов, возникающих при инверсной
фильтрации. Один из них заключается в
применении реставрирующего фильтра с
частотной характеристикой
Где
17 Билет 1. Алгоритм разметки и параметризации бинарного изображения
2. Алгоритм измерения координат с межкадровым усреднением
текущего изображения объекта
1.Алгоритм разметки и параметризации бинарного изображения
В результате решения задачи сегментации имеем дело часто с бинарными изображениями, у которых могут присутствовать объекты и фон (точки принадлежат объекту и фону). Также присутствуют ошибочные точки (шум на бинарном изображении). Задача разметки и параметризации состоит а том, чтобы определить, сколько сегментов присутствует на изображении и оценить их параметры (число точек, размеры по осям и т.п.). Под сегментом подразумевается некоторая связанная совокупность точек, имеющих одинаковую яркость.
Изображение бинарное. 2 соседних элемента – связные, если они имеют одинаковые уровни яркости. Полная совокупность всез связных элементов образует сегмент.Результат алгоритма разметки и параметризации бинарного изобр-я – список найденных сегментов, которые описываются некоторыми параметрами.
Основные параметры сегментов:
1) координаты центра сегмента
2) площадь (к-во точек)
3) длина и ширина прямоугольника, описанного в окрестности сегмента
4) коэффициент заполнения, равный отношению площади сегмента к площади описанного прямоугольника
5)средняя яркость (усреднённая яркость всех точек сегмента на исходном яркостном изображении)
Перед процедурой параметризации часто необходимо уменьшить фрагментацию сегмента и подавить точечный шум.
При реализации описанного алгоритма для обработки любой i-ой строки или выражения необходимо иметь информацию о предыдущей строке (i-1), записанную в виде последовательности, представленной в строке (i-1) матрицы H’ метода с их адресами, и формировать такую же информацию по строке i для последующей строки i+1.
