Wizyjny algorytm wyznaczania obszarów zainteresowania zrealizowany w oparciu o zredukowaną ilość przechowywanej informacji

• Autorzy: Lech P.

Warianty tytułu

EN

The algorithm to determining regions of interest based on machine vision and the reduced volume of picture information

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono metodę bazującą na technikach wizyjnych wyznaczania obszaru zainteresowania (ang. region of interest – ROI) dla obrazów cyfrowych lub sekwencji wideo. Opisany algorytm bazuje na uproszonej strukturze opisującej pierwotny obraz cyfrowy uzyskany przy pomocy metody Monte Carlo. Obraz podzielony jest na bloki. Opracowana struktura prócz uproszczonej informacji o obrazie może zawierać wstępnie wyznaczone parametry opisujące obraz np. histogram. Poprzez analizę zapisów z poszczególnych klatek wideo zapisanych w takiej strukturze można określić np. obszary o określonej częstości zmian itp. Poprzez odpowiednie kształtowanie kryteriów, na podstawie których dokonujemy wyboru ROI możemy użyć opracowany algorytm do śledzenia ruchomych obiektów (samochodów itp.) bez ich identyfikacji, wyznaczania obszarów do filtracji cyfrowej pierwotnego obrazu lub wyznaczenia potencjalnego miejsca w obrazie, w którym np. znajduje się tablica rejestracyjna samochodu. Opracowany algorytm może współpracować z sekwencjami wideo lub pojedynczym zdjęciem. W związku z działaniem w oparciu o uproszczoną strukturę jest to algorytm o niskim koszcie obliczeniowym umożliwiającym pracę w czasie rzeczywistym wraz z zrównolegleniem obliczeń.

EN

The paper presents a method based on machine vision techniques for determining the region of interest ( ROI ) for digital images or video sequences. The algorithm is based on the simple data structure incoming from the image obtained using the Monte Carlo method. The image is divided into blocks. The simplified structure is prepared for each one. This structure of an image can be used to calculate parameters describing the image such as a histogram. By analyzing the records of each video frame stored in such a structure can be determined, for example areas with some changes. By shaping the criteria by which we choose the ROI we use this algorithm: to track moving objects (cars, etc.) without their identification, designation of regions for digital filtering of the original image, for searching a potential place in the image where is a license plate of the car. The proposed algorithm can work with video sequences or single images. It is an algorithm with low computational cost and permitting to operation in real time. This algorithm is useful for parallel computation.

Słowa kluczowe

PL

obraz cyfrowy; techniki wizyjne; sekwencja wideo; algorytm

EN

digital image; vision technique; video sequence; algorithm

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 3
• Strony: 3674--3680
• Opis fizyczny: Bibliogr. 8 poz., rys., tab., wykr., pełen tekst na CD

Twórcy

autor

Lech P.

• Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, ul. 26. Kwietnia 10, 71- 126 Szczecin

Bibliografia

• 1. Carbonetto P., Learning with little supervision to recognize objects. International Journal of Computer Vision 77.1-3 (2008): 219-237.
• 2. Imamura, K., Kuroda, H., Fujimura, M.: Image content detection method using correlation coecient between pixel value histograms. In: Kim, T., Adeli, H.,
• 3. Lech, P., Okarma,K., Tecław M., A fast histogram estimation based on the Monte Carlo method for image binarization , Advances in Intelligent Systems and Computing vol. 233 - Image Processing and Communications Challenges 5, Springer Verlag, 73-80, 2014
• 4. Lima, J.B., Campello de Souza, R.M.: Histogram uniformization for digital image encryption. In: Proc. 25th SIBGRAPI Conf. Graphics, Patterns and Images, pp. 55{62 (2012)
• 5. Nieto-Castanon, A., ROI-Based analysis of functional imaging data. CAS/CNS Technical Report Series 010 (2010).
• 6. Okarma, K., Lech, P.: Monte Carlo based algorithm for fast preliminary video analysis. In: Bubak, M., van Albada, G.D., Dongarra, J., Sloot P.M.A. (eds.) ICCS 2008. LNCS, vol. 5101, pp. 790{799. Springer, Heidelberg (2008)
• 7. Otsu, A.: Threshold selection method from gray-level histograms. IEEE Trans.Systems, Man, and Cybernetics 9(1), 62{66 (1979)
• 8. Papageorgiou C,. and Poggio T. A trainable system for object detection. IJCV, 2000