Language
Country/Area
No result found
Таинственные области изображений: зачем нам обнаруживать «капли» на изображениях?
В области компьютерного зрения метод обнаружения «капель» заключается в основном в выявлении качественных различий областей цифровых изображений, таких как яркость или цвет, по сравнению с окружающими областями. Говоря неформальным языком, капля — это область изображения, в которой какое-то свойство в некотором смысле является постоянным или приблизительно постоянным; все точки внутри капли можно считать похожими друг на друга; Важность этого метода обнаружения заключается в том, что он может предоставить дополнительную информацию, отличную от обнаружения краев или углов.
"В более ранних исследованиях обнаружение пятен использовалось для получения областей интереса для дальнейшей обработки, которая может выявить объекты или части объектов в поле изображения."
Обнаружение больших двоичных объектов обычно выполняется с помощью методов свертки. Согласно исследованиям, существует две основные категории детекторов BLOB-объектов: (i) дифференциальные методы, основанные на производных функции, и (ii) методы, основанные на локальных экстремумах, направленные на поиск локальных максимумов и минимумов функции. Эти детекторы также можно назвать операторами точек интереса или операторами областей интереса. Одной из основных причин для понимания и разработки этих детекторов является предоставление дополнительной информации об областях, которые невозможно получить с помощью обнаружения краев или углов.
Обнаружение BLOB-объектов имеет широкий спектр применений. Помимо распознавания и отслеживания объектов, его также можно использовать для анализа гистограмм, обнаружения пиков и сегментации. В последние годы дескрипторы blob становятся все более популярными в таких областях, как анализ и распознавание текстур, широкомасштабное сопоставление стереоизображений и т. д. Эти дескрипторы могут отображать значимые функции изображения и выполнять распознавание объектов на основе внешнего вида на основе локальной статистики изображений.
"В литературе по компьютерному зрению этот метод известен как метод разности гауссиан (DoG) и в основном используется в алгоритме масштабно-инвариантного преобразования признаков (SIFT)".
Метод Гаусса Лапласа — один из самых ранних и распространенных детекторов капель. Для входного изображения результат применения оператора Лапласа после свертки с ядром Гаусса может идентифицировать темные и яркие пятна на изображении. Конечно, этот подход страдает проблемой зависимости от соотношения между размером структуры blob и размером ядра Гаусса. Чтобы решить эту проблему, необходимо использовать многомасштабный подход для автоматического захвата капель разных (неизвестных) размеров в области изображений.
Благодаря методам более высокого уровня, таким как обнаружение капель с использованием определителей Гессе, исследователи еще больше повысили точность и эффективность обнаружения капель. Этот метод позволяет обнаруживать локальные максимумы и демонстрировать наличие стержнеобразных и удлиненных объектов с помощью этого метода.
"Такие гибридные детерминантные операторы Лапласа и Гессе были предложены и широко используются при сопоставлении изображений, распознавании объектов и анализе текстур."
В системах обработки изображений входное изображение не только подвергается плоской геометрической деформации, но также подвержено аффинному преобразованию. Поэтому, чтобы получить дескрипторы больших двоичных объектов, более устойчивые к аффинным преобразованиям, разрабатывается множество новых операций свертки, чтобы сделать их более адаптируемыми к различным изменениям угла обзора. Например, операции разности Лапласа и Гаусса корректируются для соответствия локальной структуре изображения.
Современные пространственно-временные детекторы BLOB-объектов расширяют эти концепции, применяя их для совместного обнаружения признаков во времени и пространстве, что имеет решающее значение для анализа характеристик движущихся объектов.
Благодаря постоянному развитию и техническим исследованиям мы лучше понимаем механизм поиска пятен на изображениях. Какие новые функции изображений в этой быстро развивающейся области компьютерного зрения заставят нас исследовать будущие технологии обнаружения капель?
