Pełen tekst pracy (~3,8MB)
Pełen tekst pracy (~3,8MB)
Pełen tekst pracy (~3,8MB)
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ROZDZIA̷L 3. PROBLEMY PRZETWARZANIA OBRAZU 29<br />
za´s X, Y i Z s ↩<br />
być wyznaczone nastepuj ↩ ↩<br />
⎡ ⎤<br />
<br />
fz =<br />
Z 1<br />
3<br />
7.787Z +<br />
Z > 0.00865<br />
16<br />
116 Z ≤ 0.00865<br />
(3.16)<br />
a wspó̷lrzednymi ↩ opisujacymi ↩ barwe↩ w przestrzeni CIE XYZ i moga↩ ⎢<br />
⎣<br />
X<br />
Y<br />
Z<br />
aco:<br />
⎥<br />
⎦ =<br />
⎡<br />
⎢<br />
⎣<br />
0.490 0.310 0.200<br />
0.177 0.812 0.011<br />
0.000 0.010 0.990<br />
⎤<br />
⎥<br />
⎦ ·<br />
⎡<br />
⎢<br />
⎣<br />
R<br />
G<br />
B<br />
⎤<br />
⎥<br />
⎦ (3.17)<br />
W testowanych metodach przyjeto, ↩ ˙ze na poczatku ↩ u˙zytkownik systemu “przedstawia<br />
sie” ↩ prezentujac ↩ do kamery wewnetrzn ↩ a↩ cze´sć ↩ d̷loni z wyprostowanymi palcami<br />
skierowanymi ku górze (konfiguracja odpowiadajaca ↩ znakowi daktylograficznemu<br />
dla litery B, rys. 2.1). Z d̷loni tej wycinany jest recznie ↩ prostokatny ↩ obszar<br />
zawierajacy ↩ tylko piksele nale˙z ace ↩ do skóry. Obszar ten wykorzystywany jest do<br />
budowania modelu rozk̷ladu chrominancji skóry ludzkiej. W eksperymentach wykorzystano:<br />
• metode↩ oparta↩ o histogram kolorów z aproksymacja↩ histogramu za pomoca↩ rozk̷ladu normalnego (G),<br />
• metode↩ oparta↩ o histogram kolorów z wyg̷ladzaniem histogramu filtrem Gaussa<br />
(H),<br />
• metod ↩ e najwi ↩ ekszej wiarygodno´sci (ML, Maximum Likelihood),<br />
• metod ↩ e maksimum prawdopodobieństwa a posteriori (MAP, Maximum A Posteriori<br />
Probability).<br />
W metodach opartych o histogram kolorów, po transformacji wycietego ↩ fragmentu<br />
obrazu do ˙z adanej ↩ przestrzeni barw, wybierane sa↩ dwie sk̷ladowe opisujace ↩ chro-<br />
minancj ↩ e i generowana jest dwuwymiarowa tablica histogramu. Tablica ta zawiera<br />
informacj ↩ e o rozk̷ladzie cechy ”chrominancja” w klasie ”skóra ludzka”. Histogram<br />
mo˙ze nie być dostatecznie reprezentatywny, poniewa˙z wyznaczany jest na podstawie<br />
niewielkiego fragmentu obrazu. Pewne warto´sci chrominancji niewystepuj ↩ ace ↩<br />
we wzorcu moga↩ pojawić sie↩ w innych obrazach zawierajacych ↩ d̷loń i twarz. Dlatego<br />
zaprogramowano dwa warianty metody. Pierwszy z nich polega̷l na aproksymacji<br />
histogramu za pomoca↩ rozk̷ladu normalnego:<br />
gdzie: ξ =<br />
<br />
ξ1<br />
ξ2<br />
<br />
, µ =<br />
<br />
G(ξ) =<br />
µ1<br />
µ2<br />
<br />
1<br />
<br />
2π |C|<br />
, C =<br />
<br />
e− 1<br />
2 (ξ−µ)T C −1 (ξ−µ)<br />
σ11 σ12<br />
σ21 σ22<br />
<br />
(3.18)<br />
oznaczaja↩ odpowiednio dwuele-<br />
mentowy wektor chrominancji, warto´sć oczekiwana↩ i kowariancje. ↩ Drugi wariant<br />
polega̷l na wyg̷ladzeniu histogramu filtrem Gaussa o masce 3 × 3.<br />
Po przygotowaniu modelu, wej´sciowy obraz kolorowy transformowany jest do<br />
˙z adanej ↩ przestrzeni barw i przekszta̷lcany w obraz prawdopodobieństwa wg regu̷ly