Milan Uhrík - Slovenská technická univerzita v Bratislave

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