Оглавление
Введение
Постановка задачи
Обзор литературы
Глава 1. Теория
1.1. Метод Максимально Стабильных Экстремальных Областей
1.2. Формальное определение MSER
1.3. Свойства MSER
Глава 2. Реализация
2.1. MSER на Java
2.2. MSER на C++
Глава 3. Тестирование
3.1. Результаты работы MSER метода на Java.
3.2. Результаты работы MSER метода на C++
3.3. Сравнение результатов по количеству найденных регионов
3.4. Сравнение результатов по времени работы алгоритмов
Выводы
Список Литературы
В последние годы быстрыми темпами развиваются технологии,
связанные с созданием искусственных систем. Значительную область в этой
сфере занимают системы, получающие и обрабатывающие информацию с
изображений. Компьютеры относительно недавно начали управлять
обработкой большого количества данных, поэтому область компьютерного
зрения можно считать молодой, и универсальных методов, решающих задачи
компьютерного зрения ещё не создано. Однако в этой области существует
много методов, которые направлены на решение более узкоспециализированных задач.
Типичными задачами компьютерного зрения являются задачи:
распознавания, движения, восстановления изображения и восстановления
сцены. В этой работе в основном будет затронута такая проблема
распознавания, как детектирование.
На некотором этапе обработки возникает задача выявления
определённых областей или точек изображения, которые имеют важное
значение для дальнейшей обработки. Решением этой задачи занимается такая
система компьютерного зрения как Детектирование.
С помощью детектирования на изображении выявляются особые точки,
которые обладают высокой инвариантностью и стабильностью, и в
дальнейшем могут быть использованы для сопоставления изображений. А это
является ключевым этапом к решению задач распознавания объектов,
панорамирования, слежения [1], восстановления сцены, поиска изображений
по содержанию, обнаружения, стерео сопоставление.
Нахождение соответствий между двух изображений сцены, снятых с
различных точек обзора, разными камерами и в разных условиях освещения,
является сложным, но крайне важным шагом в направлении полностью4
автоматической реконструкции трехмерных сцен. Важнейшей проблемой
является выбор элементов, соответствие которых ищется. В подавляющем
большинстве случаев локальные деформации изображения не могут быть
аппроксимированы движением, то есть параллельными переносами,
поворотами, различными симметриями и их комбинациями. Поэтому
требуется полное аффинное преобразование, включающее в себя растяжение
и сжатие изображения. Таким образом выявление соответствий изображений
не может быть выполнено путём сравнения фиксированных форм, например,
прямоугольников или окружностей [2].
На большинстве изображений есть области, которые могут быть
обнаружены с высокой повторяемостью [3], поскольку они обладают
некоторыми отличительными, инвариантными и стабильными свойствами.
Такие особые области или DR (distinguished regions), могут служить
элементами, по которым можно выявлять соответствия при сопоставлении
изображений или трёхмерных реконструкциях [2].
Одним из методов обнаружения этих локальных особенностей на
изображение является метод «Максимально Стабильных Экстремальных
Областей» или MSER метод (Maximally stable extremal regions). Метод MSER
устойчив к изменениям масштаба, вращениям и освещения [4].
Как таковой, метод использовался в приложениях распознавания
объектов [5], поиска изображений [6], распознавания и сопоставления [7],
отслеживания [1]. До недавнего времени, он использовался для обнаружения текста [8][9]
В результате проделанной работы и проведённых исследованиях можно
судить о том, что поставленная задача в целом выполнена. Был реализован
метод писка максимально стабильных экстремальных регионов, который по
определённым параметрам работает лучше, чем метод из библиотеки opencv.
Метод MSER реализованный на Java действительно более удобный в плане
дальнейшей работы с областями, а так же выигрывает по скорости работы при
больших изображениях, и не сильно отличается при обработке маленьких и
средних изображений. На графиках так же можно заметить, что при очень
маленьких изображениях метод MSER на Java работает быстрей.
Реализация метода на Java позволяет обнаружить весьма большое
количество интересующих областей. Если ограничить это множество областей
при поиске, то это должно хорошо улучшить скорость выполнения программы.
Продолжая исследования в этой области, можно надеяться, что удастся
улучшить алгоритм реализованный на Java, и, возможно, перегнать по
скорости работы алгоритм с использованием библиотеки opencv для средних изображений
