1 / 20

Odpravljanje svetlostnih nehomogenosti in razgradnja slik

Podiplomski študij elektrotehnike Strojni vid : Seminar. Odpravljanje svetlostnih nehomogenosti in razgradnja slik. Uroš Vovk. 4.6.2003, Ljubljana. Pregled. Svetlostna nehomogenost in razgradnja slik Predlagan postopek R ezultati Zaključek. Kvalitativna analiza prizora.

kent
Download Presentation

Odpravljanje svetlostnih nehomogenosti in razgradnja slik

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Podiplomski študij elektrotehnike Strojni vid : Seminar Odpravljanje svetlostnih nehomogenosti in razgradnja slik Uroš Vovk 4.6.2003, Ljubljana

  2. Pregled • Svetlostna nehomogenost in razgradnja slik • Predlagan postopek • Rezultati • Zaključek

  3. Kvalitativna analiza prizora • Predobdelava: izboljšanje kontrasta, odprava šuma, ..., svetlostna nehomogenost • Razgradnja: izločitev iskanih objektov • Analiza objektov: značilnice površine, oblike, barve, teksture ... • Rezultat

  4. Svetlostna nehomogenost Gladka sprememba intenzitete čez celotno sliko.

  5. Svetlostna nehomogenost Gladka sprememba intenzitete čez celotno sliko. • Nepravilnosti pri zajemu slike: • Klasično: neenakomerna osvetlitev, popačenje leč, nelinearnost senzorja... • MR: nehomogenost magnetnega polja in sprejemne antene • položaj opazovanega objekta

  6. Razgradnja (segmentacija) Izločitev iskanih objektov na sliki. • Delitev: • Točkovno osnovani: upragovljanje, ugotavljanje obrisov... • Področno osnovani: rast področij, rojenje in razvrščanje ... • Modelno osnovani: statistični mod., nevronske mreže ...

  7. 2 Zemljevid zgostitve 3 Svetlostna nehom. 1 Prostor značilk 4 Popravek slike Originalna metoda RFC

  8. 2 Zemljevid zgostitve 1 Prostor značilk 4 Popravek slike 3 Nehomogenost in Razgradnja Modificirana metoda RFC

  9. 1 Prostor značilk • Uporabljeni dve značilki: • intenziteta točke • drugi odvod intenzitete (Laplace), razlika orig. slike in njene mediane, razlika orig. in filtrirane slike (Gauss)

  10. 2 Zemljevid zgostitve Vsaka točka prostora značilk se usmeri proti področjuz večjo gostoto verjetnosti. Vektor srednjega pomika (ang. mean shift vector).

  11. 2 Zemljevid zgostitve Zemljevid zgostitve je trinivojska diskretizacija intenzitetne komponente vektorja srednjega pomika.

  12. 3 Ocena svetlostne nehomogenosti in razgradnja Zemljevid zgostitve je transformiran v prostor slike.

  13. 3 Ocena svetlostne nehomogenosti in razgradnja Zemljevid zgostitve je transformiran v prostor slike. Regularizacija želja z Gaussovim filtrom:  = 30 točk  = 1 do 0.3 točke

  14. 4 Popravek trenutne slike Ocena iz prejšnjega koraka je multiplikativno dodana sliki. × = × =

  15. Rezultati Kvalitativna validacija na umetno generirani sliki.

  16. Rezultati Kvantitativna validacija na T1 MR simuliranih volumnih (baza BrainWeb, Montreal). cjv(GM,WM)% Orig M4 RFCRFCRFCRFC maska maska Laplace mediana Gauss T1-norm. 0%51.6 52.1 52.052.252.552.9 T1-norm. 40% 69.3 51.5 51.853.653.553.4

  17. Rezultati Kvantitativna validacija na T1 MR simuliranih volumnih (baza BrainWeb, Montreal). Volumen JGM JWM Laplace mediana Gauss Laplace mediana Gauss T1-norm. 0%0.900.900.900.900.900.91 T1-norm. 40% 0.870.880.890.880.900.91

  18. Rezultati Kvalitativna validacija na slikah sistema za kontrolo kakovosti tablet.

  19. Rezultati Kvalitativna validacija na slikah sistema za kontrolo kakovosti tablet.

  20. Zaključek Metoda odpravlja svetlostne nehomogenosti ter do določene stopnje razgrajuje slike. Omogoča uporabo informacije iz poljubne dodane značilke: lahko tudi model, npr. atlas možgan Ni primerna za slike z močno prekrivajočimi roji prostora značilk

More Related