KÉPJELLEMZŐK TÁVOLSÁGÁN ALAPULÓ DIGITÁLIS KÉPFELISMERŐ MÓDSZER

Az előadások a következő témára: "KÉPJELLEMZŐK TÁVOLSÁGÁN ALAPULÓ DIGITÁLIS KÉPFELISMERŐ MÓDSZER"— Előadás másolata:

1 KÉPJELLEMZŐK TÁVOLSÁGÁN ALAPULÓ DIGITÁLIS KÉPFELISMERŐ MÓDSZER
7. Vajdasági Magyar Tudományos Diákköri Konferencia KÉPJELLEMZŐK TÁVOLSÁGÁN ALAPULÓ DIGITÁLIS KÉPFELISMERŐ MÓDSZER Szerző: GOGOLÁK László V. évfolyam Témavezető: Mgr. LUKITY Tibor egyetemi tanársegéd

2 Bevezető A digitális képek matematikai ábrázolása
Egy matematikai algoritmus bemutatása amely alkalmazható digitális képek teljes pontosságú felismerésére. Matematikai algoritmus tesztelése híres képalkotások felismerésére. Az algoritmus implementálása a Matlab programcsomag környezetére.

3 A digitális kép A kép színek variációja a térben.
A digitális kép - két dimenzióban elhelyezkedő képpontok (pixelek) halmaza által van ábrázolva Származás Scannelés ( analóg kép digitalizálása) Digitálisan létrehozott kép (digitális kamera)

4 Digitális kép ábrázolása
A kép N pixel-sorból és M pixel-oszlopból áll. Az N és M egész számok határozzák meg a kép nagyságát. Az f(x,y) képfüggvény valamint az x,y koordináták értékei egyaránt diszkrét mennyiségek.

5 Digitális kép ábrázolása
A külömböző matematikai műveletek elvégzéséhez a pixeleken, szükség van a képek mátrixos ábrázolására.

6 A Digitális kép színrendszerei
RGB (Red, Green, Blue) színrendszer CMY (Cyan, Magenta, Yellow) színrendszer HSV (Hue, Saturation, Intensity) Hue (színárnyalat) – Megmutatja melyik színárnyalat Saturation (telítettség) – Színárnyalat telítettsége Intensity (intenzitás) – A szín fényereje

7 A kép histogramja A hisztogram a kép pixeleinek tónusuk szerinti gyakoriság-eloszlását mutatja

8 A kép H-tagjának hisztogramja

9 “Ismeretlen” kép azonosítása
A képfelismerés Előre definiált kép-adatbázis alapján, felismerni, azonosítani egy “ismeretlen” képet. Adatbázis: * “Ismeretlen” kép azonosítása * A sikeres felismeréshez a keresendő képnek szerepelnie kell a kép-adatbázisban !

10 A kép vektor-képjellemző reprezentációja
Φ(A) az A kép vektor reprezentációja, mely a kép megfelelő képjellemzőit tartalmazza. Esetünkben a kép H (hue - árnyalat) komponens értékeit tartalmazza, Φ(A) =[ H1, H2, H3, …., H255]T . Képfelismerő algoritmusunk 255 színárnyalatot használ.

11 A távolságfüggvény Az A és B képek közötti távolságfüggvény, dΦ definíciója ahol d valós vektortérben értelmezett távolságfüggvény. Esetünkben, A távolságfüggvény megmutatja hogy a két kép mennyiben külömbözik egymástól.

12 Az algoritmus előkészítése
A képadatbázis létrehozása A felismerésre szánt képek formázása Az adatbázis képek színkomponenseinek (HSI) feldolgozása és eltárolása Az adatbázis 20 kép adatait tartalmazza B = {Ai | i=1,2,3…20 } A= [ aij] NxM

13 Az algoritmus Legyen X az adott ismeretlen kép. Az X kép
megfelelője a bázisban az A* kép, ahol Az ismeretlen kép ahhoz a képhez áll legközelebb amelyikre a távolságfüggvény minimum értékű lesz. Fontos megemliteni, hogy az Ai a bazis eleme.

14 Implementálás a MATLAB programcsomagba – ADATBÁZIS
s11=imread(‘bazis1.jpg'); Kép beolvaasása hs11=RGB2HSV(s11); RGB-ből HSI-be hs11_255=uint8(round(hs11(:,:,1)*255)); Az árnyalatok skalirozása 0 és 255 értékek közé H11=imhist(hs11_255); A H komponens histogramja H_val(1,:)= H11'; A képek H komponens histogramjának elmentése egy változóba A beolvasást mind a 20 képre el kell végezni, hogy megkapjuk a teljes kép-adatbázist

15 Implementálás a MATLAB programcsomagba – FELISMERÉS
x=imread(s); Az ismeretlen kép beolvaasása HX=RGB2HSV(x); RGB-ből HSI-be HX_255=uint8(round(hx(:,:,1)*255)); Az árnyalatok skalirozása 0 és 255 értékek közé Hx=imhist(hx_255); A H komponens histogramja [m n]=size(x); Az ismeretlen kép méretének meghatározása for i=1:20 A távolság függvény számítása raz(i)=sum(abs(H_log(i,:)-Hx')); end [c I]=min(raz); A legkissebb távolságfüggvény érték keresése

16 Az adatbázisban szereplő képek listája.
Kísérleti eredmények Az képek felismerése 100 % pontosságú az adatbázis 20 képén tesztelve. Az adatbázisban szereplő képek listája. Leonardo Da Vinci – Az utolsó vacsora, Mona Lisa, Vinsent Van Gogh – Önarckép, Napraforgók Csontváry Kosztka Tivadar – Keleti Pályaudvar Munkácsy Mihály – Honfoglalás, Poros Út, Majális, Cigánytábor Salvador Dali – Az emlékezet állandósága, Alvás Edvard Munch – A kiáltás Boticelli – Vénusz születése Velazquez – Az udvarhölgyek John Constable – Szénásszekér Jan Van Eyck – Az Arnolfilni házaspár Michelangelo – Ádám születése Még más ismeretlen szerző képei.... Ezt meg ki kell tolteni..

17 Befejezés A kifejlesztette eljárás nagy előnye az egyszerűsége ami a felismerés gyorsaságára nagymértékben kihat. Az eljárás nem használható minimálisan eltérő képek felismerésére. Nem tud felismerni olyan képet amelynek képjellemzői hiányosak az adatbázisban Az eljárás kiegészíthető más képjellemzők bevonásával melyek lehetővé teszik a rosszabb képminőségű képek felismerését is.

18 Szakirodalom Rafael C. Gonzalez, Richard E. Woods, Digital Image Processing, Second Edition, Pretince Hall, 2002. 2) Tibor Lukic, Natasa Sladoje, and Joakim Lindblad, Deterministic Defuzzication Based on Spectral Projected Gradient Optimization, Springer-Verlag, LNCS 5096, pp , 2008. 3) Joakim Lindblad, Natasa Sladoje, and Tibor Lukic, Feature Based Defuzzification in Z2 and Z3 Using a Scale Space Approach, Springer-Verlag, Volume 4245 of LNCS, pp , 2006. Stoyan Gisbert, Takó Galina, Numerikus Módszerek 1. és 2., ELTE, Budapest, 1993.