Lokálne príznaky vo farebných obrazoch Diplomant: Paula Budzáková Školiteľ: RNDr. Elena Šikudová, PhD

Motivácia Väčšie využitie metód na extrakciu lokálnych príznakov v grayscale obrazoch existujúca implementácia veľkého množstva rôznych metód Zatiaľ menšie využitie metód na extrakciu lokálnych príznakoch vo farebnom obraze Implementované viaceré modifikácie rôznych metód Menej v porovnaní s grayscale obrazom

Ciele v oblasti LP vo farebných obrazoch Naštudovanie Návrh zlepšenie Implementácia Validácia

Doterajšia práca Študovanie základnej problematiky 1. kapitola – Prehľad problematiky Študovanie vybraných existujúcich metód na extrakciu LP vo farebných obrazoch 2. kapitola – Prehľad existujúcich metód Testovanie možných prístupov na detegovanie keypointov farebného obrazu v metóde SIFT Implementácia vybraného prístupu na detegovanie keypointov farebného obrazu v metóde SIFT Testovanie na rôznych obrázkoch

Vybrané Existujúce metódy Modifikácie metódy SIFT: RGB-SIFT, rg-SIFT, HSV-SIFT, Opponent-SIFT, YCbCr-SIFT Colored SIFT CH-SIFT Škálovo a rotačne invariantný detektor a deskribtor

Colored sift Modifikácia metódy SIFT Používa farebnú informáciu založenú na farebnom modeli invariancie Využívajú Gaussian farebný model Namiesto šedých gradientov používajú gradienty farebných invariantov.

Opponent-sift Vypočítaný klasický SIFT na oponentných kanáloch nezávisle 128 rozmerný vektor pre každý farebný kanál Zreťazenie týchto vektorov = výsledný deskriptor

CH-sift Kombinácia SIFT-u s farebným kernel histogramom. Farebný a šedotónový obraz analyzujú oddelene. Výsledný deskriptor vznikne zreťazením deskriptora farebného kernel histogramu s deskriptorom klasického SIFT-u na šedotónovom obraze.

Lokálne príznaky (color image) – nAšA PRáCA Modifikácia metódy SIFT Zvolený prístup: Inšpirovaný biologicky inšpirovaným Itti modelom Oddelená intenzitná zložka od farby na základe ľudského vizuálneho vnímania Vytvorenie oponentných farebných kanálov – image1 a image2 Detekcia keypointov na image1 a image2

Úprava farebného vstupu

Detekcia keypointov

Ďalší postup Analýza na viacerých obrázkoch pre zistenie: Fotometrickej robustnosti a stability Geometrickej robustnosti Všeobecnosti jednotlivých keypointov Na základe analýzy vhodne zvoliť, ktoré keypointy brať do úvahy a dobre ich spojiť do jednej informácie

Štúdium literatúry Všetky články dostupné na webovej stránke k diplomovej práci : Zdroje- Web Tinne Tuytelaars, Krystian Mikolajczyk. Local invariant feature detectors: A survey. Computer Graphics and Vision, 3(3):177–280, 2007. Scott Krig. Computer Vision Metrics: Survey, Taxonomy, and Analysis. Apress Media,2014. Ali Jalilvand, Hamidreza Shayegh Boroujeni. Ch-sift: A local kernel color histograms sift based descriptor. IEEE Trans. Pattern Anal. Machine Intell., pages 6269–6272, 2011.

Ďakujem za pozornosť!