Штучний інтелект

Анотація: Одним із способів опису об’єктів на зображеннях є виявлення деяких їх характерних точок або точок уваги. Області околиць точок уваги описуються дескрипторами (множиною ознак) таким чином, щоб їх можна було ідентифікувати та порівняти. За цими ознаками здійснюється пошук тотожних точок на інших зображеннях. У статті досліджено і встановлено можливість пошуку довільних локальних областей зображень за дескрипторами, побудованими з використанням інваріантних моментів. Особливістю пропонованого методу є те, що обчислення інваріантних моментів локальних областей здійснюється із застосуванням інтегрального представлення геометричних моментів зображення. Інтегральне представлення – це матриця такого ж розміру, як і зображення. Елементами матриці є суми геометричних моментів окремих пікселів, які знаходяться вище й ліворуч відносно координат цього елемента. Кількість матриць залежить від порядку геометричних моментів. Для моментів до другого порядку (включно) таких матриць буде шість. Розрахунок одного з шести геометричних моментів довільної прямокутної області зображення зводиться до трьох операцій типу сумування або віднімання елементів відповідної матриці, розташованих у кутах цієї області. На базі шістьох геометричних моментів розраховуються інваріантні моменти. Пошук здійснюється скануванням координатної сітки зображення вікном заданого розміру. При цьому обчислюються інваріантні моменти й додаткові параметри та порівнюються з аналогічними параметрами околиць еталонної точки різного розміру (для врахування можливої зміни масштабу зображення). За заданою умовою обирається кращий варіант. Практично всі масові операції процедур розрахунку параметрів еталонів і пошуку тотожних точок дозволяють в явному вигляді проводити паралельні обчислення в режимі SIMD. У підсумку, інтегральне представлення геометричних моментів та можливість застосування паралельних обчислень на всіх етапах значно прискорять розрахунки й дозволять отримати добрі показники щодо ефективності пошуку тотожних точок та швидкості роботи.

Ключові слова: комп’ютерний зір, зображення, характерні точки, тотожні області, інваріантні моменти.

Посилання:

1. Lowe D. Distinctive image features from scaleinvariant keypoints. Intern. Journal of Computer Vision. 2004. № 60. P. 91–110.
2. Ke Y., Sukthankar R. PCA-SIFT: A more distinctive representation for local image descriptors. Proc. of the Conf. on Computer Vision and Pattern Recognition (CVPR’04), 2004. V. 2. P. 506–513.
3. Bay H., Ess A., Tuytelaars T., Gool L.V. SURF: speed up robust features. Computer Vision and Image Understanding (CVIU). 2008. V. 110, № 3. P. 346–359.
4. Mikolajczyk K., Schmid C. Scale and affine invariant interest point detectors. Intern. Journal of Computer Vision. 2004. №60(1). P. 63–86.
5. Tola E., Lepetit V., Fua P. A Fast Local Descriptor for Dense Matching. Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition (CVPR’08). 2008. P. 1–8.
6. Calonder M., Lepetit V., Strecha C., Fua P. BRIEF: Binary Robust Independent Elementary Features. Proc. of the 11th European Conference on Computer Vision (ECCV’10), 2010.
7. Rublee E., Rabaud V., Konolige K., Bradski G. ORB: an efficient alternative to SIFT or SURF. Proc. of the Intern. Conf. on Computer Vision (CVPR’11). 2011. P. 2564–2571.
8. Koen E.A., Gevers T., Snoek C.G.M. Evaluating color descriptors for object and scene recognition. IEEE Trans. on Pattern Analysis and Machine Intelligence. 2010. V. 32, № 9. P. 1615–1630.
9. P. Viola and M.J. Jones, «Rapid Object Detection using a Boosted Cascade of Simple Features», proceedings IEEE Conf. on Computer Vision and Pattern Recognition (CVPR 2001), 2001
10. Глумов Н.И. Построение и применение моментных инвариантов для обработки изображений в скользящем окне. Компьютерная оптика. 1995. № 14. С. 46−54.
11. Сабельников П.Ю. Сравнение контуров объектов с частично искажённой формой. Journal of Qafqaz University. Mathematics and Computer Science (Baku). 2012. № 34. С. 47−58.