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 31<br />
wektor ξ jest klasyfikowany jako nale˙z acy ↩ do t̷la. Zgodnie z regu̷l a↩ Bayesa [21] mamy:<br />
P (S|ξ) =<br />
p (ξ|S) P (S)<br />
, P (T |ξ) =<br />
p (ξ)<br />
p (ξ|T ) P (T )<br />
p (ξ)<br />
(3.23)<br />
gdzie p (ξ) jest funkcja↩ gesto´sci ↩ rozk̷ladu wektora ξ, a p (ξ|S) i p (ξ|T ), sa↩ funkcjami<br />
gesto´sci ↩ rozk̷ladu prawdopodobieństw warunkowych. Mo˙zna wiec ↩ zapisać warunki<br />
równowa˙zne z (3.21) i (3.22):<br />
i<br />
p (ξ|S) P (S) > p (ξ|T ) P (T ) (3.24)<br />
p (ξ|S) P (S) < p (ξ|T ) P (T ) (3.25)<br />
Rozk̷lady cechy chrominancja ξ w klasie skóra S: p (ξ|S) i w klasie T : p (ξ|T )<br />
przybli˙zono za pomoca↩ znormalizowanych histogramów wygenerowanych dla obrazu<br />
wzorcowego, odpowiednio dla pikseli nale˙z acych ↩ do skóry i dla pikseli nale˙z acych ↩<br />
do t̷la. Mo˙zliwe sa↩ dwa za̷lo˙zenia dotyczace ↩ prawdopodobieństw wystapienia ↩ klasy<br />
skóra P (S) i klasy t̷lo P (T ). Przyjecie, ↩ ˙ze P (S) = P (T ) prowadzi do metody ML.<br />
Inny sposób polega na wyznaczeniu warto´sci prawdopodobieństw P (S) i P (T ) na<br />
podstawie analizy liczb pikseli nale˙z acych ↩ do skóry i do t̷la w obrazie wzorcowym.<br />
Prowadzi to do metody MAP. W wyniku zastosowania metody ML i MAP otrzymujemy<br />
od razu obrazy binarne. Obrazy te podobnie jak w przypadku metod opartych<br />
na histogramie kolorów poddane zosta̷ly morfologicznej filtracji OC.<br />
Analogiczne metody zastosowano tak˙ze do przypadku wykorzystania tylko sk̷ladowej<br />
I przestrzeni barw YIQ. Histogram by̷l wtedy tablica↩ jednowymiarowa↩ i aproksymowano<br />
go za pomoca↩ jednowymiarowej krzywej Gaussa.<br />
Eksperymenty wykonano w pomieszczeniu zamkni ↩ etym. Przygotowano baz ↩ e danych<br />
dla sze´sciu ró˙znych warunków: 1) dla o´swietlenia dziennego w dzień pochmurny<br />
i jednorodnego t̷la, 2) dla o´swietlenia dziennego w dzień s̷loneczny i jednorodnego<br />
t̷la, 3) dla o´swietlenia sztucznego otrzymanego z neonówek i jednorodnego t̷la, 4)<br />
o´swietlenia dziennego w dzień pochmurny i niejednorodnego t̷la, 5) o´swietlenia dziennego<br />
w dzień s̷loneczny i niejednorodnego t̷la i 6) o´swietlenia sztucznego z neonówek<br />
i niejednorodnego t̷la. Przez t̷lo jednorodne rozumie sie↩ tutaj t̷lo o jednolitej barwie.<br />
Wykorzystano w tym celu: bia̷l a ↩ ´sciane↩ laboratorium, bia̷l a↩ tablice↩ szkolna, ↩ niebieska↩ tablice↩ szkolna↩ i zielona tablice↩ og̷loszeniowa. ↩ Jako t̷lo niejednorodne wykorzystano<br />
bia̷l a↩ tablice↩ szkolna↩ zapisana↩ za pomoca↩ ró˙znokolorowych markerów oraz typowa↩ scenerie↩ w laboratorium. W eksperymencie uczestniczy̷ly dwie osoby o ró˙znej karnacji<br />
skóry. Przyk̷ladowe obrazy wykorzystane w eksperymentach przedstawiono na<br />
rysunku 3.4.<br />
Przeprowadzono 8 testów (tab. 3.1). Modele rozk̷ladu chrominancji generowano<br />
oddzielnie dla ka˙zdych warunków o´swietlenia z wyjatkiem ↩ testu 7 i 8, gdzie<br />
obowiazywa̷l ↩ jeden model rozk̷ladu.<br />
Dwa wa˙zne kryteria dla detektora pikseli skóry to:<br />
• dok̷ladno´sć z jak ↩<br />
a dany model chrominancji opisuje z̷lo˙zony rzeczywisty rozk̷lad<br />
w danej przestrzeni,