Automatyczne wyznaczanie metadanych obrazu

W publikacji przedstawiono uporządkowane podejście do analizy obrazów oparte na detekcji i opisie cech. Przedmiotem książki jest porównawcze ujęcie trzech klas deskryptorów: zmiennoprzecinkowych, binarnych oraz kompaktowych, rozpatrywanych pod kątem dokładności, złożoności obliczeniowej i przydatności w systemach rzeczywistych. Autor omawia zagadnienia związane z podstawowymi pojęciami, mechanizmami detekcji punktów charakterystycznych i budową reprezentacji umożliwiających porównywanie i rozpoznawanie obrazów. Publikacja kierowana jest do studentów kierunków technicznych oraz osób poszukujących spójnego, inżynierskiego ujęcia metod opisu obrazu.

Wykaz wybranych skrótów i akronimów 9
Przedmowa 13
1. Wprowadzenie 15
1.1. Zastosowania algorytmów widzenia maszynowego 17
1.2. Ewolucja rozumienia procesu widzenia maszynowego 29
1.3. Zidentyfikowane problemy i wyzwania dziedziny widzenia maszynowego 30
2. Metadane 33
2.1. Tekstury 35
2.2. Narożniki, plamy i punkty kluczowe 39
2.3. Podstawowy proces przetwarzania obrazu w celu wyznaczenia opisu cech 43
2.4. Ocena skuteczności dopasowania cech 45
2.4.1. Metoda odległości 48
2.4.2. Miary podobieństwa oparte na histogramach 56
2.4.2.1. Porównanie histogramów przedział do przedziału 57
2.4.2.2.1. Kwadratowa miara odległości między histogramami QHDM 58
2.4.2.2. Porównanie krzyżowe między przedziałami 59
2.4.2.2.1. Współczynnik korelacji Pearsona 59
2.4.2.2.2. Metryka χ² 60
2.4.2.3. Pozostałe metryki 61
2.4.2.3.1. Odległość Bhattacharyya 61
2.4.2.3.2. Rozbieżność Kullback-Leibler 61
2.4.2.3.3. Metryka Wassersteina 62
2.4.3. Metoda najbliższego sąsiada 65
2.4.3.1. Algorytm wyczerpujący 66
2.4.3.2. Algorytm kd-drzewa 68
2.4.4. Technika RANSAC 72
2.4.5. Techniki weryfikacji geometrycznej dopasowania cech 81
3. Wyznaczanie metadanych na podstawie analizy tekstur 84
3.1. Metody statystyczne drugiego rzędu 86
3.1.1. Agregacja macierzy GLCM 90
3.1.2. Miary statystyczne Haralicka 90
3.2. Lokalne wzorce binarne 96
3.2.1. Jednolite wzorce 101
3.3. HOG 108
3.3.1. Wyznaczanie histogramów gradientów 111
3.3.2. Podział wartości gradientów z uwzględnieniem położenia względem komórek 113
3.3.3. Normalizacja wartości gradientów w blokach 116
3.3.4. Konstruowanie deskryptora 118
3.4. Deskryptory wizyjne MPEG-7 część 3, ISO 15938-3 118
3.4.1. Deskryptory koloru 119
3.4.1.1. Deskryptor koloru dominującego 119
3.4.1.2. Skalowalny deskryptor koloru 122
3.4.1.3. Deskryptor struktury koloru 126
3.4.1.4. Deskryptor układu przestrzennego koloru 130
3.4.1.5. Pomocnicze deskryptory koloru 132
3.4.2. Deskryptory tekstury 133
3.4.2.1. Deskryptor tekstury jednorodnej 133
3.4.2.2. Deskryptor histogramu krawędzi 140
3.4.2.3. Deskryptor do przeglądania tekstur 144
3.4.3. Deskryptor cech grupy ramek GoF/grupy obrazów GoP 150
3.5. Porównanie właściwości technik opisu cech teksturalnych 151
3.6. Praktyczne aspekty wdrażania technik wyznaczania cech teksturalnych 156
4. Metadane obrazu oparte na punktach kluczowych 165
4.1. Detektory narożników 166
4.1.1. Detektor narożników Moraveca 166
4.1.2. Detektor narożników Harrisa 167
4.1.3. Detektor Shi-Tomasi 175
4.1.4. FAST 176
4.2. Deskryptory oparte na liczbach zmiennoprzecinkowych 180
4.2.1. SIFT 181
4.2.1.1. Wykrywanie potencjalnych punktów kluczowych 181
4.2.1.2. Lokalizacja punktów kluczowych 187
4.2.1.3. Orientowanie punktów kluczowych 188
4.2.1.4. Lokalny deskryptor punktów kluczowych 191
4.2.2. GLOH 193
4.2.3. SURF 194
4.3. Deskryptory binarne 204
4.3.1. BRIEF 205
4.3.2. ORB 208
4.3.3. BRISK 212
4.3.4. FREAK 216
4.4. Deskryptory kompaktowe 220
4.4.1. MPEG-7 CDVS 220
4.4.1.1. Detekcja punktów kluczowych 222
4.4.1.2. Detekcja wartości ekstremalnych w przestrzeni skali 225
4.4.1.3. Wybór cech lokalnych 226
4.4.1.4. Deskryptor cech lokalnych 228
4.4.1.5. Agregacja cech lokalnych 228
4.4.1.6. Kompresja deskryptora cech lokalnych 232
4.4.1.7. Kompresja położenia cech lokalnych 234
4.4.1.8. Proces znajdowania odpowiedniości obrazów w standardzie CDVS 238
4.4.1.9. Weryfikacja geometrycznej spójności położenia cech 240
4.4.1.10. Znajdowanie odpowiedniości deskryptorów globalnych 242
4.4.2. MPEG-7 CDVA 243
4.4.2.1. Wyznaczanie ramek kluczowych 243
4.4.2.2. Wyznaczanie deskryptorów ramki kluczowej 246
4.4.2.3. Wyznaczanie deskryptora cech obrazu NIP 246
4.4.2.4. Podział ramek kluczowych na segmenty reprezentujące spójną treść 251
4.4.2.5. Agregacja i kodowanie deskryptorów 251
4.4.2.6. Formatowanie opisu strumienia cech 254
4.4.2.7. Proces dopasowania segmentów w CDVA 255
4.5. Porównanie właściwości technik opisu na podstawie punktów kluczowych 256
4.6. Praktyczne aspekty doboru i oceny deskryptorów zmiennoprzecinkowych, binarnych i kompaktowych 259
Bibliografia 267
Skorowidz rzeczowy 283