📄Работа №125309
Тема: Применение вейвлет преобразования в поиске особых точек на изображении
Тип работы
Бакалаврская работа
Предмет
модели данных
Объем:
31 листов
Год:
2017
Просмотров:
171
4750
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Постановка задачи 4
Обзор литературы 5
Глава 1. Методы поиска особых точек 6
1.1 Harris 6
1.2 SURF 7
1.3 SIFT 11
Глава 2. Обработка и выделение характерных признаков изображения 13
2.1 Преобразование Фурве 13
2.2 Вейвлет преобразование 14
2.3 Алгоритм поиска особенностей на уровнях вейвлет преобразования 17
Глава 3. Методах построения дескрипторов 20
3.1 SURF 20
3.2 SIFT 21
3.3 BRIEF 22
Глава 4. Практическая реализация 23
4.1 Структура программы 23
4.2 Реализация поиска ключевых точек 23
4.3 Реализация построения дескрипторов 24
4.4 Анализ результатов обработки 26
Выводы 28
Заключение 29
Список литературы 30
Постановка задачи 4
Обзор литературы 5
Глава 1. Методы поиска особых точек 6
1.1 Harris 6
1.2 SURF 7
1.3 SIFT 11
Глава 2. Обработка и выделение характерных признаков изображения 13
2.1 Преобразование Фурве 13
2.2 Вейвлет преобразование 14
2.3 Алгоритм поиска особенностей на уровнях вейвлет преобразования 17
Глава 3. Методах построения дескрипторов 20
3.1 SURF 20
3.2 SIFT 21
3.3 BRIEF 22
Глава 4. Практическая реализация 23
4.1 Структура программы 23
4.2 Реализация поиска ключевых точек 23
4.3 Реализация построения дескрипторов 24
4.4 Анализ результатов обработки 26
Выводы 28
Заключение 29
Список литературы 30
📖 Введение
Компьютеры были созданы для того, чтобы работать с числами. Необходимость наделить их зрением возникла относительно недавно. Распознавание номерных знаков автомобилей, штрихкодов на товарах, анализ записей с камер наблюдения, поиск лиц на фото, создание роботов, умеющих и обходить препятствия, — всё это задачи, которые требуют от компьютера способности «видеть» и интерпретировать увиденное. Набор методов, позволяющих обучить машину извлекать информацию из изображения - будь то картинка или видеозапись, - называется компьютерным зрением.
В отличие от человека, компьютер оперирует не образами, а числами. Для машины изображение — это набор пикселей, у каждого из которых есть своё значение яркости или цвета. Чтобы машина смогла получить представление о содержимом картинки, изображение обрабатывают с помощью специальных алгоритмов.
Сначала на картинке выявляют потенциально значимые места или по-другому - особые точки (ключевые точки; особенности). Особые точки - это точки, которые в идеале не должны меняться, при изменении или модификации изображения. После того как значимые места найдены, их описывают в числах. Описание значимого места в числах называют дескриптором. С помощью дескрипторов можно быстро, полно и точно сравнить фрагменты изображения. В свою очередь, дескрипторы должны обеспечивать инвариантность нахождения соответствия между особыми точками относительно преобразований изображений. Существует множество разных алгоритмов получения дескрипторов - например, SIFT, SURF, HOG и другие.
Почти каждый алгоритм подвергает обработке оригинальное изображение. Указанный выше SIFT, использует пирамиду разности гаусси- ан(ВоС). Это подразумевает, что исходную картинку несколько раз подвергают размытию по Гауссу, каждый раз используя разный радиус размытия. Затем результаты сравнивают друг с другом. В этой же работе исследован и реализован алгоритм, который ищет особые точки на одном из уровней разложения после вейвлет преобразования.
Вейвлет Ф (t) (короткая волна, всплеск) - это волновая форма сигнала, которая имеет ограниченную длину и среднее значение ноль.
В отличие от человека, компьютер оперирует не образами, а числами. Для машины изображение — это набор пикселей, у каждого из которых есть своё значение яркости или цвета. Чтобы машина смогла получить представление о содержимом картинки, изображение обрабатывают с помощью специальных алгоритмов.
Сначала на картинке выявляют потенциально значимые места или по-другому - особые точки (ключевые точки; особенности). Особые точки - это точки, которые в идеале не должны меняться, при изменении или модификации изображения. После того как значимые места найдены, их описывают в числах. Описание значимого места в числах называют дескриптором. С помощью дескрипторов можно быстро, полно и точно сравнить фрагменты изображения. В свою очередь, дескрипторы должны обеспечивать инвариантность нахождения соответствия между особыми точками относительно преобразований изображений. Существует множество разных алгоритмов получения дескрипторов - например, SIFT, SURF, HOG и другие.
Почти каждый алгоритм подвергает обработке оригинальное изображение. Указанный выше SIFT, использует пирамиду разности гаусси- ан(ВоС). Это подразумевает, что исходную картинку несколько раз подвергают размытию по Гауссу, каждый раз используя разный радиус размытия. Затем результаты сравнивают друг с другом. В этой же работе исследован и реализован алгоритм, который ищет особые точки на одном из уровней разложения после вейвлет преобразования.
Вейвлет Ф (t) (короткая волна, всплеск) - это волновая форма сигнала, которая имеет ограниченную длину и среднее значение ноль.
✅ Заключение
Задача компьютерного зрения до сих пор решается и пока не существует универсального алгоритма подходящего под все ситуации. Данная работа относится к области распознавания изображения, в которой особенности ищут после преобразования. Эта работа может быть полезна для разработки нейросети решающую задачи трекинга объектов, кластеризации, где данный алгоритм будет детектировать объекты на изображении. В данной работе была использована многопоточность для преобразования и поиска особых точек одновременно и на объекте и на сцене. Но многопоточность можно применить непосредственно при вейвлет преобразовании. Простейший алгоритм для распределения вычислений на потоки:
• делить изображение несколько частей;
• преобразовывать каждую часть последовательно по строкам и по столбцам;
• собрать изображение из преобразованных частей.
• делить изображение несколько частей;
• преобразовывать каждую часть последовательно по строкам и по столбцам;
• собрать изображение из преобразованных частей.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.