Pregled metoda za automatsku detekciju i prepoznavanje ... - FESB

More documents

Recommendations

Info

Slika 2.2: Primjer optičke iluzije. Na slikama je prikazana rotirajuća maska. Maska na posljednje dvije slike izgleda konveksno iako je u stvarnosti konkavna. Adaptirano iz [18] 2.1.4 Računalni pristup percepciji David Marr (1945–1980) bio je zagovornik računalnog pristupa vizualnoj percepciji. Na vizualnu je percepciju uglavnom gledao kao na problem koji se nalazi unutar područja obrade informacija, te koji započinje sa velikim nizom intenziteta sive boje koji aproksimira sliku koju gledatelj vidi, a završava opisom koji ovisi o tom nizu i o svrsi koju mu pridoda gledatelj [20]. Algoritam za dobivanje opisa slike (tj. opisa niza intenziteta sive boje) koji bi bio pogodan za prepoznavanje 3D oblika Marr je opisao u [20]. Njegov se algoritam sastoji od tri koraka: prvobitne skice (engl. primal sketch), 2 1 2-dimenzionalne skice (engl. 2 1 2-sketch) i 3D modela. Marr je u [20] objasnio da su scena i crtež te scene jako slični, čak i unatoč potpuno različitim slikama u razinama sive boje koje na temelju njih mogu nastati. Ovo znači da simboli na crtežu koje je umjetnik nacrtao na neki način odgovaraju simbolima u stvarnome svijetu koje gledatelj vidi dok gleda scenu na temelju koje je crtež nacrtan. Marr je na temelju toga predložio da bi se u prvobitnoj skici slika trebala transformirati u primitivan, ali bogat, opis načina na koji se intenziteti mijenjaju unutar vidnog polja. Prvobitna se skica ne bi trebala računati za sve točke, već bi se mogla računati za samo odre ¯dene točke (npr. točke lokalno niskog ili visokog intenziteta). U računalu bi prvobitna skica trebala predstavljati niz brojeva koji bi sadržavali informacije o smjeru, veličini i prostornim razmjerima promjena intenziteta na slici. Uz ove informacije, trebala bi se zapamtiti i lokalna geometrija slike, odnosno polažaja točaka za koje je izračunata prvobitna skica te njihov raspored me ¯du neposrednim susjednim točkama. Nadalje, informacije koje se dobiju iz stereo vida (engl. stereopsis), pokreta (ako se analizira niz slika), kontura, teksture, boje i sjena na slici kombiniraju se u tzv. 2 1 2-dimenzionalnu skicu koja predstavlja konture površinskih diskontinuiteta, te informacije o orijentaciji i dubini površina na slici. No, unatoč svim ovim informacijama, iz položaja, veličine i orijentacije nekog oblika ne može se mnogo toga saznati o njegovoj 3D strukturi. Marr je stoga predložio da se za oblike koji dopuštaju prirodan rastav na sastavne dijelove koji se mogu opisati pomoću svoga položaja, veličine i orijentacije, taj rastav i obavi (npr. slika 2.3). Tada bi relativni prostorni raspored tih dijelova mogao pripomoći prepoznavanju oblika (npr. slika 2.4). Dodatne informacije o Marrovom računalnom pristupu vizualnoj percepciji mogu se pronaći u [20, 21, 22], a o prepoznavanju objekata na temelju sastavnih dijelova od kojih se sastoje u [23]. 8
Slika 2.3: Primjer rastava oblika na njegove sastavne dijelove. Adaptirano iz [20] Slika 2.4: Ljudi mogu prepoznati oblike čak i kada su predstavljeni na jako jednostavan način, sve dok je relativni prostorni raspored njihovih sastavnih dijelova jednak onome koji postoji u stvarnosti. Adaptirano iz [20] 9
Page 1 and 2: SVEUČILIŠTE U SPLITU FAKULTET ELE
Page 3 and 4: Literatura 34 3
Page 5 and 6: 2 Ljudska vizualna percepcija Vizua
Page 7: dances) [16], odnosno interakcija k
Page 11 and 12: udaljenosti od najbližeg ruba, itd
Page 13 and 14: opis teksture, već i za njezinu si
Page 15 and 16: Slika 3.5: Primjer značajki koje s
Page 17 and 18: • lokalne značajke mogu imati od
Page 19 and 20: danas naziva Plessey detektor [44],
Page 21 and 22: gdje je: kutnost (engl. cornerness)
Page 23 and 24: Laplace operator je jako osjetljiv
Page 25 and 26: Slika 3.15: Lokalne značajke detek
Page 27 and 28: Slika 3.17: Princip rada SUSAN dete
Page 29 and 30: Slika 3.19: Ilustracija važnosti g
Page 31 and 32: Slika 3.22: Primjer konstrukcije hi
Page 33 and 34: Popis oznaka i kratica 2D - 2-Dimen
Page 35 and 36: [14] Kritina L. Holden. The effecti
Page 37 and 38: [42] Theodosios Pavlidis. Algorithm
Page 39: [71] Svetlana Lazebnik, Cordelia Sc

Pregled metoda za automatsku detekciju i prepoznavanje ... - FESB

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?