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

2. 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

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

4. 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

5. 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

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

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

8. 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.

9. 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

10. Úprava farebného vstupu

11. Detekcia keypointov

12. 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

13. 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,
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.

14. Ďakujem za pozornosť!