Milan Uhrík - Slovenská technická univerzita v Bratislave
Milan Uhrík - Slovenská technická univerzita v Bratislave
Milan Uhrík - Slovenská technická univerzita v Bratislave
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
sekcia: Meracia technika ŠVOČ 2007<br />
7.1. Výber vhodných kombinácií funkcionálov<br />
Trénovaciu množinu tvorili v tomto prípade trojice<br />
modifikovaných obrazov z každej triedy a-f. Kritériom<br />
výberu kombinácie funkcionálov bolo, aby bola hodnota<br />
variancie v rámci každej triedy obrazov menšia ako 5%<br />
z variancie medzi triedami. Kritérium spĺňalo 36<br />
kombinácií funkcionálov.<br />
7.2. Generovanie invariantných<br />
charakteristických čísel pomocou trace<br />
transformácie<br />
Na generovanie vektorov charakteristických čísel pre<br />
každý obraz bol použitý skript napísaný v Matlabe.<br />
V tabuľke č.4 sú uvedené charakteristické čísla pre<br />
základné obrazy a štyri zvolené kombinácie<br />
funkcionálov.<br />
Na obrázku č.6 sú výsledky aj pre ostatné obrazy<br />
znázornené graficky. Súradnice každého bodu sú dané<br />
hodnotou charakteristického čísla pre danú kombináciu<br />
funkcionálov.<br />
Tab. 4. Charakteristické čísla jednotlivých obrazov.<br />
Použitá kombinácia funkcionálov<br />
Obraz<br />
Eta-R-Trace (.10 4 )<br />
F1-F3- F6-F1- F4-F4- F4-F4-<br />
F1 F7 F10 F11<br />
a 1,305 0,095 0,080 0,076<br />
b 1,666 0,117 0,098 0,091<br />
c 0,865 0,078 0,057 0,053<br />
d 0,793 0,082 0,062 0,059<br />
e 1,448 0,121 0,095 0,088<br />
f 1,120 0,069 0,066 0,062<br />
Eta:F6 - R:F4 - Trace:F7<br />
140<br />
130<br />
120<br />
110<br />
100<br />
90<br />
0.6 0.8 1 1.2 1.4<br />
Eta:F6 - R:F1 - Trace:F7<br />
x 10 4<br />
Alfa Romeo BMW Kia<br />
Land Rover Porsche Volkswagen<br />
Obr. 5. Grafické znázornenie charakteristických čísel<br />
znakov áut v 2-rozmernom priestore pre 2<br />
rôzne kombinácie funkcionálov.<br />
8. Zatrieďovanie obrazov do tried<br />
Vstupom skriptu na zatrieďovanie obrazov do tried boli<br />
názvy obrazov a k nim prislúchajúce vektory<br />
charakteristických čísel. Systém pracoval na princípe<br />
lineárneho klasifikátora a rozhodovacím kritériom pre<br />
príslušnosť k danej triede bola vzdialenosť<br />
charakteristického čísla daného obrazu k<br />
charakteristickému číslu niektorého z referenčných<br />
obrazov. V prípade viacerých charakteristických čísel sa<br />
obraz priradil k tej triede, ku ktorej ho priradilo najviac<br />
kombinácií funkcionálov. Účinnosť rozpoznávania sa<br />
zvyšovala s rasúcim počtom charakteristických čísel<br />
každého obrazu až nakoniec dosiahla pre uvedenú<br />
skúšobnú vzorku 100%.<br />
8.1. Hľadanie modifikovaných obrazov<br />
Použitím funkcionálu citlivého na posunutie je možné<br />
dosiahnuť citlivosť celej transformácie na posunutie,<br />
rotáciu a zmenu mierky obrazu. Takto možno zo série<br />
obrazov vyhľadať tie, ktoré sa odlišujú od referenčného<br />
obrazu. V pokuse bol použitý referenčný obraz<br />
trojuholníka d) z obrázku č.3. Druhý porovnávaný obraz<br />
trojuholníka bol posunutý o 5 pixelov doprava. Na ich<br />
vzájomné odlíšenie bola požitá kombinácia<br />
funkcionálov: Eta:F7 – R:SF1 – Trace:F1.<br />
Výsledné charakteristické čísla boli nasledovné:<br />
Referenčný obraz trojuholníka: 5,727<br />
Posunutý obraz trojuholníka: 2,000<br />
Rozdiel charakteristických čísel sa so zväčšujúcimi<br />
modifikáciami dramaticky zvyšoval.<br />
9. Záver<br />
Z vlastností trace transformácie vyplýva, že je to metóda<br />
vhodná na rozpoznávanie obrazu podľa rôznych kritérií<br />
invariantnosti voči posunutiu, natočeniu a zmene mierky<br />
obrazu. Výpočtová náročnosť závisí predovšetkým od<br />
počtu a vzájomnej podobnosti jednotlivých tried<br />
obrazov a teda aj od množstva charakteristických čísel<br />
potrebných na efektívne rozpoznávanie tried.<br />
10. Odkazy na literatúru<br />
[1] Kadyrov, A., Petrou, M.: The Trace Transform and Its<br />
Applications, IEEE Transactions on Pattern Analysis and<br />
Machine Intelligence, Vol.23, No.8, pp. 811-828, August<br />
2001.<br />
[2] Turán Ján a spol., Acta Electrotechnica et Informatica No.<br />
3, Vol. 6, 2006, pp. 1-11<br />
[3] Petrou M. Kadyrov, A., The Trace Transform in a<br />
Nutshell,<br />
http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COP<br />
IES/PETROU2/trace.doc<br />
[4] Volauf P., Numerické a štatistické výpočty v Matlabe,<br />
<strong>Slovenská</strong> Technická Univerzita , 2005<br />
[5] Šonka M., Hlaváč V., Počítačové vidění, GRADA, 1992