বিভাগ দ্বারা চিত্র নিবন্ধন


15

চিত্র নিবন্ধকরণ অ্যালগরিদমগুলি সাধারণত SIFT (স্কেল-ইনভেরিয়েন্ট ফিচার ট্রান্সফর্ম) এর মতো পয়েন্ট বৈশিষ্ট্যের উপর ভিত্তি করে থাকে।

আমি লাইন বৈশিষ্ট্যগুলির কয়েকটি রেফারেন্স দেখেছি, তবে আমি ভাবছিলাম পয়েন্টগুলির পরিবর্তে চিত্রের খণ্ডগুলি মিলানো সম্ভব কিনা । উদাহরণস্বরূপ, প্রদত্ত উত্স এবং রুপান্তরিত চিত্র:

এখানে চিত্র বর্ণনা লিখুন

আমি প্রতিটিতে প্রান্ত সনাক্তকরণ, ঝাপসা এবং ওয়াটারশেড ট্রান্সফর্ম করতে পারি:

এখানে চিত্র বর্ণনা লিখুন

আফসোস, পৃথক বিভাগগুলি মেলে প্রতিটি চিত্রের উপর বিভাজনটি খুব আলাদা হয়ে উঠল।

আমি মাপের আকার এবং আকৃতির বর্ণনকারীদের সাথে সম্পর্কিত কিছু কাগজপত্র দেখেছি যা এফাইন রূপান্তরগুলিতে অবিচ্ছিন্ন, তাই এই অঞ্চলটি আশাব্যঞ্জক বলে মনে হচ্ছে ...

ইমেজের বিকৃতকরণ (বা এমনকি ভবিষ্যদ্বাণীক) বিকৃতকরণের জন্য আরও কোনও শক্তির বিভাজন পদ্ধতি কী আছে?


1
আমার সাধারণ জ্ঞান আমাকে বলে যে ছোট অঞ্চলগুলি বিশ্বব্যাপী রূপান্তরগুলিতে আরও দৃust়। সুতরাং, বিভাজনে ছোট ছোট অনেকগুলি বিভাগ থাকা উচিত। এছাড়াও, কিছু নির্দিষ্ট আকারগুলি কিছু রূপান্তরগুলির জন্য অদ্বিতীয়, (যেমন বৃত্তগুলিতে ঘূর্ণায়মান)
আন্দ্রে রুবস্টেইন

এমএসইআর (সর্বাধিক স্থিতিশীল এক্সটরমাল অঞ্চল) অঞ্চলগুলি, পয়েন্ট নয়। এবং তারা affine রূপান্তর রূপান্তর। তবে এটি কঠোরভাবে বলতে কোনও বিভাজন পদ্ধতি নয়।
নিকি এস্টনার

@ নিকি আপনি যদি উত্তর হিসাবে মন্তব্য করেন তবে আমি তা গ্রহণ করব। অঞ্চল বিভাগের বৈশিষ্ট্যগুলিতে চিত্রের রূপান্তর সম্পর্কে কিছু তথ্য রয়েছে এবং সম্ভবত চিত্রগুলির মধ্যে রূপান্তর অনুমান করার জন্য ব্যবহার করা যেতে পারে বলে আমি বিভাগগুলিতে আগ্রহী ছিলাম। আমি অবশ্যই এমএসইআর সম্পর্কিত কাগজটি অধ্যয়ন করব।
Libor

আমি বর্তমানে কম্পোনেন্ট ট্রি ব্যবহার করে সিবিআইআর-এ কাজ করছি। কোনও চিত্রের উপাদান গাছের উপস্থাপনাটি চিত্রটির উপর বিকৃতিগুলি (এমনকি প্রক্ষেপণমূলক) এর উপর এতটা নির্ভর করে না, বিভিন্ন স্তর বিভিন্ন ধরণের বিশদ পর্যন্ত তুলনা এবং ক্রিয়াকলাপকে মঞ্জুরি দেয় এবং কম টেক্সচারযুক্ত চিত্রগুলির বর্তমান কৌশলগুলির চেয়ে আরও ভাল কাজ করা উচিত । এটি আপাতত একটি গবেষণা বিষয়, সবে শুরু হয়েছে, তবে আশা করি পদ্ধতির মধ্যে কিছু রয়েছে, অন্যথায় আমাকে এটি করার জন্য অনুদান দেওয়া হবে না। তবে, যদি অন্য কেউ এই লাইনের সাথে কিছু করে থাকে তবে এটি কার্যকর হতে পারে।
পেনেলোপ

@ স্পেনোলোপ সিবিআইআর-এ এই কাজগুলি চিত্র মোজাইসিংয়ের জন্যও কার্যকর হতে পারে (আমার নির্দিষ্ট আগ্রহ) যেখানে আমরা অনুরূপ বৈশিষ্ট্যযুক্ত চিত্রগুলি রেখেছি images বর্তমানের জনপ্রিয় পন্থাটি পয়েন্ট বর্ণনাকারীদের (যেমন SIFT) উপর উচ্চ মাত্রিক অনুসন্ধান, যা চিত্রগুলির মধ্যে মিথ্যা ম্যাচের দিকে ঝুঁকতে পারে যখন পয়েন্টগুলির পরিবর্তে "অঞ্চলগুলি" বা "উপাদানগুলি" এগুলিকে বৈষম্য করতে সক্ষম হতে পারে। চিত্রগুলির উপস্থাপনা গাছের উপস্থাপনা সম্পর্কে আপনার কাছে কাগজগুলির কোনও রেফারেন্স রয়েছে? অনেক ধন্যবাদ.
Libor

উত্তর:


4

এমএসইআর (সর্বাধিক স্থিতিশীল এক্সটরমাল অঞ্চল) অঞ্চলগুলি, পয়েন্ট নয়। এবং তারা affine রূপান্তর রূপান্তর। তবে এটি কঠোরভাবে বলতে কোনও বিভাজন পদ্ধতি নয়

অনানুষ্ঠানিকভাবে বলতে গেলে, ধারণাটি হ'ল বিভিন্ন থ্রেশহোল্ডে ব্লবগুলি সন্ধান করুন, তারপরে বিভিন্ন থ্রেশহোল্ডের আকারে / আকারে নূন্যতম পরিবর্তিত ব্লবগুলি নির্বাচন করুন। এই অঞ্চলগুলি গ্রেস্কেল এবং জ্যামিতিক ট্রান্সফর্মেশনের বৃহত পরিসরের জন্য স্থিতিশীল হওয়া উচিত।


4

আমি বর্তমানে কম্পোনেন্ট ট্রি ব্যবহার করে সিবিআইআর-এ কাজ করছি , এটি তুলনামূলকভাবে নতুন ধারণা হওয়া উচিত। চিত্র বর্ণনা করার জন্য উপাদান গাছ ব্যবহার করার কিছু প্রত্যাশিত সুবিধা হ'ল:

  • কোনও চিত্রের উপাদান গাছের উপস্থাপনাটি চিত্রটির উপর বিকৃতকরণের (এমনকি ভবিষ্যদ্বাণীক) উপর এতটা নির্ভর করে না
  • গাছের বিভিন্ন স্তরের পরীক্ষা করা হলে বিভিন্ন স্তরের বিশদ পর্যন্ত তুলনা ও পরিচালনা করার অনুমতি দেয়
  • স্বল্প-টেক্সচারযুক্ত চিত্রগুলিতে বর্তমান কৌশলগুলির চেয়ে বৈষম্য এবং বিবরণ আরও ভাল কাজ করা উচিত।

এই বিষয় সম্পর্কিত গবেষণা নিয়ে যেমন আমি শুরু করেছি, আমার লক্ষ্যগুলি সম্পর্কে আমার একটি অস্পষ্ট ধারণা রয়েছে: কম্পোনেন্ট ট্রি সহ চিত্রটি উপস্থাপন করুন এবং তারপরে উল্লিখিত উপাদান গাছগুলির সাথে তুলনা করুন, সরাসরি কোনও ভেক্টরাইজড উপস্থাপনা সন্ধানের মাধ্যমে। আমি সম্ভবত কয়েক সপ্তাহে (বা মাস) আরও অনেক কিছু বলতে সক্ষম হব, তবে আপাতত আমি কেবলমাত্র উপাদান গাছের পরিচয় হিসাবে আমার কাছে প্রস্তাবিত কাগজপত্রের তালিকাটি অফার করতে পারি (আমি সেগুলি এখনও পড়িনি):

আমি সম্ভবত উত্তরটি আপডেট করতে পারি এবং যদি আমি প্রাসঙ্গিক কিছু পাই।

এছাড়াও, যদি আপনার লক্ষ্যটি একরকমভাবে কেবল পয়েন্টগুলির পরিবর্তে চিত্রের অঞ্চলগুলির সাথে আরও সঠিকভাবে মেলে , কারণ অঞ্চলগুলি আরও বৈষম্যমূলক হতে পারে, জে সিভিক এবং এ জিসারম্যানের মধ্যে একটি চমৎকার পরামর্শ ছিল : "ভিডিও গুগল: একটি পাঠ্য পুনরুদ্ধার ভিডিওগুলিতে বস্তু মিলে যাওয়ার পদ্ধতির "

আমি স্থানিক ধারাবাহিকতা নিয়ে কাজ করার বিভাগটি উল্লেখ করছি , যেখানে বৈশিষ্ট্য পয়েন্টগুলির মধ্যে একটি গ্রুপের ম্যাচগুলি কেবল তখনই গৃহীত হয় যদি বৈশিষ্ট্য পয়েন্টগুলি উভয় চিত্রগুলিতে একই স্থানিক কনফিগারেশন রাখে। সুতরাং, মিলটি কেবল নিষ্কাশিত বৈশিষ্ট্যের ধরণ (ডোজি, এমএসইআর, ...) বা বর্ণনাকারী (এসআইএফটি) এর উপর নির্ভর করে না, তবে এটি কোনও বৈশিষ্ট্য পয়েন্টের বিস্তৃত আশেপাশের দিকেও নজর দেয়, এটি তৈরি করে (কমপক্ষে কিছুটা) অঞ্চল নির্ভর

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.