Sustav za segmentaciju slika prometnih znakova na temelju boje

1. Sustav za segmentaciju slika prometnih znakova na temelju boje Autor: Toni Benussi Mentor: prof. dr. sc. Zoran Kalafatić

2. Segmentacija slike • Zadaća: dijeljenje slike na segmente • Segment – dio slike koji sadrži piksele koji koji se mogu grupirati na temelju nekog zajedničkog svojstva • Cilj: • 1) Pojednostavljenje slike • 2) Dobivanje dodatnih informacija o sadržaju slike • 3) Izdvajanje bitnih dijelova slike za daljnju obradu

3. Primjena segmentacije na temelju boje kod prometnih znakova • Zašto segmentirati slike prometnih znakova na temelju boje? • Boja je jedna od temeljnih karakteristika prometnih znakova koja ih čini prepoznatljivima i uočljivima za ljude → boja može pomoći u detekciji i raspoznavanju prometnih znakova pomoću računala • Problem: boje na slikama prometnih znakova se jako razlikuju ovisno o uvjetima u kojima je slika napravljena

4. Algoritam K srednjih vrijednosti • Ideja: skup od n pojava ili uzoraka podijeliti na K grupa • Problem: Kako odabrati broj grupa i početne srednje vrijednosti? → → →

5. Izbor početnih srednjih vrijednosti • Izrada histograma boja na slici (korisno i kasnije tokom segmentacije) • Prva srednja vrijednost = najzastupljenija boja na slici (u histogramu) • Svaka sljedeća srednja vrijednosti je boja koja ima najveću minimalnu udaljenost od svih postojećih srednjih vrijednosti • Kraj postupka: Kada je sljedeća minimalna udaljenost manja od definiranog praga

6. Izbor početnih srednjih vrijednosti - primjer 6 4 2 9 1 7 5 8 3

7. Računanje udaljenosti u RGB prostoru boja • Korišten RGB prostor boja dimenzija 64x64x64 • Računanje udaljenosti: • Određivanje grupe kojoj pripada piksel: • Segmentacija u prostoru slike ili u prostoru boje?

8. Performanse segmentacije u prostoru slike

9. Performanse segmentacije u prostoru boja

10. Histogrami i primjena kod detekcije znakova • Histogrami udjela svake boje na slikama znakova i pozadine • Detekcija = uspoređivanje boja na slici sa bojama u histogramu znakova i histogramu pozadina:

11. Razmazivanje histograma i maske • “razmazivanje” – svaka vrijednost u histogramu se računa kao prosjek svoje 3x3x3 okoline u RGB prostoru: • Maske (okrugla i trokutasta) za uklanjanje pozadina znakova

12. Rezultati testiranja na okruglim znakovima 93,64% 90.83% • Mali skup za učenje → razmazivanje utječe pozitivno 76.83% 68,74% 5,56% 5,53% 8,59% 7,72%

13. Rezultati testiranja na trokutastim znakovima 97,42% 97,19% 95,56% • Veća površina pozadine na slikama sa trokutima → maska jako smanjuje broj lažnih detekcija 12,60% 12,20% 6,40%

14. Zaključak • Potvrđena pretpostavka da boja može biti važan kriterij u detekciji prometnih znakova • Ipak segmentacija prespora za samostalnu detekciju, a i broj lažnih detekcija je prevelik • Moguća primjena kao dodatna provjera rezultata detekcije dobivenih drugim algoritmom (posebno ako taj algoritam ne uzima u obzir boju prilikom detekcije)