06.05.2013 Views

Pełen tekst pracy (~3,8MB)

Pełen tekst pracy (~3,8MB)

Pełen tekst pracy (~3,8MB)

SHOW MORE
SHOW LESS

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,

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!