ИСТИНА |
Войти в систему Регистрация |
|
ИПМех РАН |
||
В рамках проекта исследования будут проводиться по двум основным направлениям: улучшение цветных изображений и параметризация структурных элементов цветных изображений на основе первичных информационных признаков. Для задачи улучшения цветных изображений в качестве основного аппарата планируется использовать дискретное косинусное преобразование, подход на основе анализа областей и проекционный метод Эрмита. Разрабатываемые новые методы в рамках этих подходов ориентированы на увеличение контраста изображений с более аккуратным сохранением текстуры, четких границ и меньшим эффектом Гиббса чем в ранее известных подходах. Будут разработаны методы подавления блочного эффекта и интерполяции (ресамплинга) цветных изображений на основе проекционного метода Эрмита и регуляризации, адаптивной к направлениям границ. Планируется расширить область применения метода разложения по эмпирическим модам на случай анализа цветных изображений. С использованием полученных результатов будет исследована задача обнаружения теней с использованием SVM методов машинного обучения и нечеткой логики. Решение задачи обнаружения теней, позволит разработать алгоритмы коррекции затененных областей изображения. Для задачи выделения первичных информационных признаков планируется адаптировать ряд известных алгоритмов и разработать новые методы обнаружения точек, линий, окружностей, и других структурных элементов цветных изображений и улучшить производительность, точность локализации и полноту описания элементов вектором параметров. С использованием пространства переменных разрешений (Scale-Space), Гауссовой модели цвета, теорий цветовых и дифференциальных инвариантов планируется сделать процесс детектирования структурных элементов более устойчивым и чувствительным к информации о цвете. Локальная оценка характерного масштаба, на котором границы проявляются наилучшим образом, будет использована при построении дескриптора линии как статистического распределения цвета по обе стороны границы. В задаче сопоставления границ на различных изображениях по их дескрипторам предполагается использовать подход на основе нечеткой логики. Наши предыдущие исследования показали, что подход на основе минимальных разрезов графа является многообещающим для подавления эффекта скругления границ и улучшения их локализации. Планируется исследовать возможность преобразования ряда хорошо показавших себя интерактивных алгоритмов сегментации в полностью автоматические на основе использования затравок полученных при обнаружении и характеризации границ. С использованием информации о градиентах точек границ будет достигнуто уменьшение шага дискретизации в предлагаемом новом рандомизированном алгоритме Хафа быстрого детектирования прямых линий и окружностей. Будет проанализирован метод уточнения параметров результатов первичного обнаружения линий и окружностей на основе преобразования Хафа с уменьшенной размерностью аккумулятора. Достижение целей проекта, кроме получения теоретических результатов, представляет большое значение для разработки инновационных мультимедийных приложений.
Разработан подход к поиску на цветных изображениях особенностей типа пятно и жирная линия, т.е. впервые информация цветовых каналов естественным образом учтена при поиске особенностей второго порядка (зависящих от вторых производных). Созданы многомасштабные алгоритмы детектирования этих особенностей и дескрипторы. Алгоритм детектирования особенностей типа пятно содержит в себе как частный случай известный алгоритм детектирования таких особенностей для серых изображений. Построены дескрипторы характеристических точек на основе разложения по функциям Лаггера. Показано, что цветной детектор более верно упорядочивает найденные точки по значимости и устраняет возможные пропуски объектов в случае изображений дальтонического типа. Показано, что на основе дифференциальных инвариантов возможна оценка локальной кривизны граничных линий, используя такую информацию можно повысить эффективность ряда методов поиска параметрических кривых, однако в целом подход оказался недостаточно эффективным вследствие погрешностей, вносимых соседними близко лежащими особенностями. Была разработан альтернативный подход, на основе предварительного поиска и векторизации границ и последующего анализа списков граничных точек с контролем достоверности. Метод показал высокую надежность и быстродействие сравнимое с лучшими мировыми образцами. Разработана мера определенности фундаментальной матрицы и алгоритм упорядочивания изображений для обработки на основе знания по-парных фундаментальных матриц. Для улучшения изображений разработаны быстрые версии широкого класса ранговых алгоритмов для серых изображений. За счет использования многомасштабного представления гистограмм и ленивых вычислений удалось добиться сложности алгоритмов логарифмической от количества допустимых градаций яркости и практически константной от размера локальной окрестности. Разработан метод интерполяции (ресамплинга) изображений ориентированный на использование для цветных изображений. Проведено исследование проекционного метода Эрмита фильтрации изображений. На основе метода активных контуров и метода опорных векторов предложен алгоритм анализа цветных изображений, позволяющий выделить поврежденные участки границы объекта и получить аппроксимацию исходной неповрежденной границы на этих участках. Этот метод ориентирован на выравнивание освещенности цветных изображений на основе метода эмпирических мод. Для построения быстрых методов подавления блочного эффекта на цветных изображениях с помощью проекционного методов Эрмита и Лагерра создана модификация проекционного метода для задачи обращения конечного преобразования Ганкеля произвольного порядка. При этом в разложении решения интегрального уравнения I рода собственные функции, соответствующие собственным значениям, близким к кратным, заменяются функциями Лагерра. Эти функции являются собственными функциями преобразования Ганкеля на полупрямой. Проведенные тестовые расчеты показали эффективность разработанного метода.
МГУ имени М.В.Ломоносова | Координатор |
грант РФФИ |
# | Сроки | Название |
1 | 23 июня 2009 г.-31 декабря 2009 г. | Улучшение цветных изображений и извлечение первичных информационных признаков |
Результаты этапа: | ||
2 | 1 января 2010 г.-31 декабря 2010 г. | Улучшение цветных изображений и извлечение первичных информационных признаков |
Результаты этапа: | ||
3 | 1 января 2011 г.-31 декабря 2011 г. | Улучшение цветных изображений и извлечение первичных информационных признаков |
Результаты этапа: |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".