Language
Country/Area
No result found
Regioni di immagini misteriose: perché abbiamo bisogno di rilevare" blob "nelle immagini?
Nel campo della visione artificiale, il metodo per rilevare i "blob" consiste principalmente nell'identificare le differenze qualitative delle aree nelle immagini digitali, come luminosità o colore, rispetto alle aree circostanti. In modo informale, un blob è una regione di un'immagine in cui alcune proprietà sono costanti o approssimativamente costanti, in un certo senso tutti i punti all'interno del blob possono essere considerati simili tra loro; L'importanza di questa tecnica di rilevamento è che può fornire informazioni complementari diverse dal rilevamento dei bordi o dal rilevamento degli angoli.
"Negli studi precedenti, il rilevamento dei blob veniva utilizzato per ottenere regioni di interesse per un'ulteriore elaborazione, che potrebbe rivelare oggetti o parti di oggetti nel campo dell'immagine."
Il rilevamento dei BLOB viene solitamente eseguito tramite metodi di convoluzione. Secondo la ricerca, esistono due categorie principali di rilevatori di blob: (i) metodi differenziali basati su derivate di funzioni e (ii) metodi basati sugli estremi locali, che mirano a trovare i massimi e i minimi locali di una funzione. Questi rilevatori possono anche essere chiamati operatori di punti di interesse o operatori di regioni di interesse. Una delle motivazioni principali per comprendere e sviluppare questi rilevatori è fornire informazioni complementari sulle regioni che non possono essere ottenute tramite il rilevamento dei bordi o degli angoli.
Il rilevamento dei blob ha una vasta gamma di applicazioni Oltre al riconoscimento e al tracciamento degli oggetti, può essere utilizzato anche per l'analisi degli istogrammi, il rilevamento dei picchi e la segmentazione. Negli ultimi anni, i descrittori blob sono diventati sempre più popolari in campi come l'analisi e il riconoscimento delle texture, la corrispondenza stereo su ampia base, ecc. Questi descrittori possono visualizzare caratteristiche significative dell'immagine ed eseguire il riconoscimento degli oggetti basato sull'aspetto basato su statistiche dell'immagine locale.
"Nella letteratura sulla visione artificiale, questo metodo è noto come metodo della differenza delle gaussiane (DoG) ed è utilizzato principalmente nell'algoritmo Scale Invariant Feature Transform (SIFT)."
Il metodo gaussiano di Laplace è uno dei primi e più comuni rilevatori di blob. Per un'immagine di input, il risultato dell'applicazione dell'operatore laplaciano dopo la convoluzione con un kernel gaussiano può identificare macchie scure e luminose nell'immagine. Naturalmente questo approccio soffre del problema della dipendenza dalla relazione tra la dimensione della struttura del blob e la dimensione del kernel gaussiano. Per risolvere questo problema, è necessario adottare un approccio multiscala per acquisire automaticamente blob di dimensioni diverse (sconosciute) nel dominio dell'immagine.
Attraverso tecniche di livello superiore, come il rilevamento dei blob utilizzando determinanti dell'Assia, i ricercatori hanno ulteriormente migliorato la precisione e l'efficienza del rilevamento dei blob. Questa tecnica consente il rilevamento dei massimi locali e dimostra la presenza di oggetti simili a bastoncini e allungati utilizzando questo metodo.
"Tali operatori determinanti ibridi di Laplace e Hessiani sono stati proposti e ampiamente utilizzati nella corrispondenza delle immagini, nel riconoscimento degli oggetti e nell'analisi delle texture."
Nel sistema di elaborazione delle immagini, l'immagine in ingresso non è solo soggetta a deformazione geometrica piana, ma anche influenzata da una trasformazione affine. Pertanto, al fine di ottenere descrittori di blob più robusti alle trasformazioni affini, vengono sviluppate molte nuove operazioni di convoluzione per renderli più adattabili ai diversi cambiamenti dell'angolo di visione. Ad esempio, le operazioni di differenza laplaciana e gaussiana vengono regolate per corrispondere alla struttura locale attorno all'immagine.
I moderni rilevatori di blob spazio-temporali estendono ulteriormente questi concetti, applicandoli al rilevamento di caratteristiche congiunte nel tempo e nello spazio, che è fondamentale per analizzare le caratteristiche degli oggetti in movimento.
Grazie allo sviluppo continuo e all'esplorazione tecnica, abbiamo una comprensione più approfondita del meccanismo con cui si trovano i BLOB nelle immagini. In questo campo della visione artificiale in rapido sviluppo, quali nuove funzionalità delle immagini ci porterà a esplorare la futura tecnologia di rilevamento dei blob?
