Галузі застосування

Вступ

Перетворення образів є основою для перетворення образів та комп'ютерного бачення. Вже багато років це є галуззю активного дослідження. Термін "перетворення образів" використовується в багатьох різних застосуваннях та спеціальних алгоритмах. Ось чому повинно бути чітке розуміння методів, де саме застосовується відповідний метод чи алгоритм для опрацювання зображення.

Розпізнавання об'єктів на картинках є однією з найважливіших галузей застосування алгоритмів та методів перетворення зображення. Оскільки термін " перетворення образів " так широко застосовується, вартує звернути увагу на те, що саме цей термін означає. По своїй сутті, більшість схем, які відносяться до розпізнавання образів мають спільне в тому, що одна або декілька картинок повинні бути дослідженні для того, що вказати де і який образ знаходиться. Для цього вони переважно мають певне знання про появу тих об'єктів, які повинні бути знайдені (наприклад модель, яка була створена заздалегідь). Спеціальний випадок появляється досить часто, набір моделей має тільки один клас об'єктів і ось чому задача зводиться до вирішення чи специфічний об'єкт класу присутній, а якщо так, то де саме. З іншої сторони, кожне застосування має свої специфічні характеристики. Тому для того щоб відповідати цим специфічним вимогам, велика кількість різноманітних алгоритмів була запропонована від самого початку створення можливостей для перетворення та розпізнавання образів, а також модернізувалася та покращувалася протягом наступних років.

Основний фокус цього курсу буде на демонстрації головних ідей кожної схеми, яка є в основі розпізнавання образів, додаткові кроки, які входять до складу алгоритмів для визначення форми, згрупованих крайових пікселів в лінії, круги, та інше. Ми будемо розглядати основні акценти цього, а більш детальну інформацію зможете отримати з додаткової літератури, а також з Інтернету.

Перш ніж перейти до огляду алгоритмів я хотів би наголосити на широкому діапазоні галузей застосування, де розпізнавання образів активно використовується, а також, які вимоги ставляться до цих застосувань для відповідних методів. З допомогою цього огляду буде можливо надати критерій для категоризації схем.

Один із шляхів для демонстрації різноманітності предмету є підкреслити спектр застосувань перетворення образів. Цей спектр включає промислове застосування, яке ще часто називають "машинний зір", охорона/відстеження, а також застосування в пошуку та детектуванні. І на цьому список не закінчується. Деякі з них перелічені нижче:

· Вимірювання позиції: в основному, в промислових застосування, необхідно точно визначити розташування об'єктів. Ця інформацію про положення, наприклад, необхідні для того аби взяти предмет, обробки, транспортування чи розміщення частин у виробничому середовищі. Як приклад, необхідно точно визначити місцезнаходження електричних компонентів таких як інтегральні схеми (ICs – Integrated Circuits) перед розміщенням їх на друкованій платі (PCB – Printed Circuit Board) для подальшого розміщення в машині для виробництва електронних пристроїв (наприклад, мобільних телефонів, ноутбуків, і т.д.) для того, щоб забезпечити стабільну пайку для всіх з'єднань (див. Рис. 1.1 для деяких прикладів зображень). Координати [X, Y] об'єкту разом з його обертанням і масштабом часто називають як поза об'єкту.

Рис. 1.1 Зображення деяких SMD(Surface Mounted Device) компонентів, які повинні бути розміщені з високою точністю при монтажі електронних пристроїв: (а) Резистори в чипі або MELF (Metal Electrode Leadless Faces) упаковка; (б) IC в BGA (Ball Grid Array) упаковка: кулі виглядають як кільця, коли застосувати освітлення під плоским кутом; (в) IC в QFP (Quad Flat Package) упаковка з "Gullwing" контактами на краях.

· Перевірка та контроль: використання систем технічного зору для контролю якості у виробничих середовищах є класичним застосуванням машинного зору. Зазвичай поверхню промислових частин перевіряють з метою виявлення дефектів. Прикладами є перевірка зварних швів або різьби гвинта. Для цього положення тестових елементів повинно бути визначено заздалегідь, що включає в себе розпізнавання об'єктів.

· Сортування: привести приклад, посилки сортуються в залежності від їх розміру в автоматизованих поштових відділеннях. Це означає, що потрібно проводити попередню ідентифікацію та локалізацію окремих посилок.

· Підрахунок: деякі застосування вимагають визначення числа входжень конкретного об'єкта в зображення, наприклад, дослідник в галузі молекулярної біології може бути зацікавлений в числі еритроцитів, які показані на зображенні мікроскопу.

· Виявлення об'єктів: для цього об'єкт, що повинен бути ідентифікований порівнюється до моделі бази даних, що містить інформацію про колекції об'єктів. Модель кожного об'єкта, що міститься в базі даних часто будуються в тренувальних цілях до визнання ("Off-Line"). В результаті, або однин екземпляр з бази даних об'єктів виявляється або зображення для виявлення відкидається як "невідомий об'єкт". Ідентифікація осіб за допомогою розпізнавання обличчя або зображення райдужної оболонки ока, наприклад, широко використовується в системах доступу, є типовим прикладом.

· Категоризація оточення(місцевості): на відміну до виявляння об'єктів, головна задача в категоризації є не знайти відповідність картини зображення до певного об'єкту, а ідентифікувати клас об'єкту до якого він належить (чи це зображення показує машину, будівлю, особу чи дерево), (див. приклади на Рис. 1.2). Звідси випливає, що категоризація є методом для класифікації, що відповідає семантичному значенню зображення.

Рис.1.2. Категоризація оточення: типові картинки (а) будівлі, (б) вулиці/машини, (в) ліс/поле.

· Відновлення зображення: на основі запиту зображення, що показує певний об'єкт, зображення бази даних або Інтернет шукаються для того, щоб виявити всі зображення, що показують один і той же об'єкт або аналогічні об'єкти одного і того ж об'єктного класу.

Дата добавления: 2014-01-06