Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: transformacja obrazów

Sortuj według:

Ogranicz wyniki do:

Przetwarzanie obrazu pola obserwacji metodą dopasowania deskryptorów punktów kluczowych

Jakubowski J., Pacan J.

TTS Technika Transportu Szynowego

2012

R. 19, nr 9

2117--2125, CD

W artykule przedstawiono wyniki wstępnych badań nad możliwością wykorzystania transformacji obrazu SIFT w zagadnieniach interpretacji treści obrazu cyfrowego. Efektem transformacji jest zbiór punktów kluczowych, których opis wyrażony 128-elementowym wektorem cech stanowi dane wejściowe dla procedury klasyfikacji minimalno-odległościowej. Prezentowany materiał omawia własności samej metody oraz ilustruje w sposób ilościowy jej zdolność do detekcji wyróżnionej klasy obiektów, których wzorce znajdują się w bazie danych.

The paper presents the results of an initial research on the possibilities to use SIFT transform as a method to analyze the scene in digital images. The output of the transform is a set of key points described with a 128-element vector of features that can be used as an input to a minimum distance classifier. Presented material shows basic properties of the method as well as its quantitative assessment to detect distinguished objects of known patterns included in the data base.

Redukcja informacji w obrazie i jej wpływ na poprawę procesu rozpoznawania

Bodzioch S.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

2004

T. 8, z. 2

137-150

Kluczowym elementem w procesie analizy i rozpoznawania obrazów cyfrowych jest proces przetwarzania wstępnego (preprocessing). Jest to klasyczne podejście, które obejmuje etapy: 1. filtracji - poprawiany jest kontrast obrazów oraz usuwane są zakłócenia z obrazu (np. szum), 2. binaryzacji, 3. segmentacji, 4. rozpoznania. Niestety klasyczne podejście nie zawsze się sprawdza. Niektóre problemy klasyfikacji obrazów cyfrowych wymagają bardziej złożonych metod, np. stosowania transformat, których celem jest wyeliminowanie z obrazu niepotrzebnej informacji i ułatwienie zamiany obrazu wejściowego na wektor cech bądź jego opis formalny. W niniejszym artykule opisany został eksperyment, który miał na celu zilustrowanie zależności pomiędzy redukcją zbędnej informacji w cyfrowym obrazie a efektywnością jego rozpoznania. Obrazy oryginalne we wspomnianym eksperymencie były przetwarzane kilkuetapowo i za każdym razem poddawane procesowi rozpoznawania. Pozwoliło to na zbadanie zależności stopnia wpływu redukcji informacji w obrazie na poprawę procesu rozpoznawania. Kolejne etapy przetwarzania obejmowały transformowanie obrazu na płaszczyznę logarytmiczno-biegunową, binaryzację obrazu, detekcję krawędzi, normalizację kątową, transformowanie obrazu konturu obiektu na płaszczyznę log-Hougha oraz zrzutowanie obrazu na osie płaszczyzny log-Hougha.

Preprocessing plays a key role in process of analyzing and recognition of digital images. Classical approaching covers the following steps: 1. filtering for improving contrast and eliminating defects, 2. reduction of color scope to binary representation, 3. segmentation of image, 4. analyzing and recognition. Unfortunately classical approaching gives poor results. Some problems of digital image classification need more complex and sophisticated methods like using transformations which reduces unnecessary information from digital images and eventually replacing digital images with their feature vector or formal description. In this paper there is described experiment which illustrates relationship between unnecessary information reductions of digital images and achieving of image recognition process. In mentioned experiment original images were processed in several steps and for every step processed images were analyzed by recognition process. It allowed examining impact of image information reduction on improving of recognition process. Steps of processing images covered: transforming digital image onto log-polar plane, reducing image to binary format, edge detection, rotation normalization, transforming image with object contour onto log-Hough's plane and finally impinging image on log-Hough's axises.