Dwuwarstwowy model obrazu cyfrowego w przetwarzaniu obrazów ruchu drogowego

• Autorzy: Czapla Z.

Warianty tytułu

EN

Two-layer digital image model for processing of road traffic images

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia dwuwarstwowy model obrazu cyfrowego i jego zastosowania do przetwarzania obrazów ruchu drogowego. Dwuwarstwowy model obrazu składa się z warstwy wartości bazowych pikseli oraz warstwy wartości różnicowych pikseli. Podział na warstwy przeprowadzany jest wariantem kodowania delta. Reprezentacja obrazu w postaci modelu dwuwarstwowego jest mniejsza niż reprezentacja obrazu źródłowego w postaci mapy bitowej. Konwersja obrazu do modelu dwuwarstwowego może być wykorzystywana jako technika kompresji bezstratnej. Położenie bazowych wartości pikseli odpowiada zawartości obrazu Dwuwarstwowy model obrazu nadaje się do wykrywania krawędzi.

EN

The paper presents the two-layer digital image model and its applications for processing of road traffic images. The two-layer image model consists of base pixel values layer and difference pixel values layer. Splitting into the layers is carried out by a variant of delta encoding. The two-layer image model creates an image representation that is smaller than a source image in the bitmap format. Conversion into the two-layer image model can be applied as a losless compression technique. Layout of base pixel values is in accordance with the image content. The two-layer image model is suitable for edge detection.

Słowa kluczowe

PL

ruch drogowy; model obrazu dwuwarstwowy; obraz cyfrowy

EN

road traffic; two-layer image model; digital image

• Wydawca: Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
• Czasopismo: Autobusy : technika, eksploatacja, systemy transportowe
• Rocznik: 2013
• Tom: R. 14, nr 3
• Strony: 1717--1725
• Opis fizyczny: Bibliogr. 11 poz., tab., pełen tekst na CD

Twórcy

autor

Czapla Z.

• Politechnika Śląska, Wydział Transportu

Bibliografia

• 1. Czapla Z.: Wyznaczanie z krajobrazu. TTS technika transportu szynowego, 9/2012, s. 2307.
• 2. Drozdek A.: Wprowadzenie do kompresji danych.
• 3. Fernandez-Caballero A., Gomez F. J., Lopez knowledge-driven static and dynamic image analysis. 35, 2008, 701-719.
• 4. Gaca. J., Sucharzewski W., Tracz M.: WKiŁ, Warszawa 2009.
• 5. Kamijo S., Matsushita Y., Ikeuchi K., Sakauchi M., Detection at Intersections Vol. 1, No. 2, 2000, 108-118.
• 6. Kang C.-C., Wang W.-J.: Objective function. Pattern Recognition.
• 7. Malina W., Śmiatacz M.: Wydawnicza EXIT, Warszawa 2005.
• 8. Qian, R.J., Huang, T.: Optimal Edge Detection in Two-Dimensional Images. IEE Transactions on Image Processing, vol. 5, no. 7, pp. 1215–1220, 1996.
• 9. Rosin P. L.: A simple method for detecting salient regions. Pattern Recognition, 42, 2009, 2363-2371.
• 10. Salomon, D.: Data compression. The Complete Reference. Springer-Verlag, New York Berlin Heidelberg, 2000.
• 11.Tadeusiewicz R., Korohoda P. : Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków 1997.