KÉPJELLEMZŐK TÁVOLSÁGÁN ALAPULÓ DIGITÁLIS KÉPFELISMERŐ MÓDSZER

1. 7. Vajdasági Magyar Tudományos Diákköri Konferencia KÉPJELLEMZŐK TÁVOLSÁGÁN ALAPULÓ DIGITÁLIS KÉPFELISMERŐ MÓDSZER Szerző: GOGOLÁK László V. évfolyam Témavezető: Mgr. LUKITY Tibor egyetemi tanársegéd

2. Bevezető • A digitális képek matematikai ábrázolása • Egy matematikai algoritmus bemutatása amely alkalmazható digitális képek teljes pontosságú felismerésére. • Matematikai algoritmus tesztelése híres képalkotások felismerésére. • Az algoritmus implementálása a Matlab programcsomag környezetére.

3. A digitális kép • A kép színek variációja atérben. • A digitális kép - két dimenzióban elhelyezkedő képpontok (pixelek) halmazaáltal van ábrázolva • Származás • Scannelés ( analóg kép digitalizálása) • Digitálisan létrehozott kép (digitális kamera)

4. Digitális kép ábrázolása • A kép N pixel-sorból és M pixel-oszlopból áll. • Az N és M egész számok határozzák meg a képnagyságát. • Az f(x,y) képfüggvény valamint az x,y koordináták értékei egyaránt diszkrét mennyiségek.

5. Digitális kép ábrázolása • A külömböző matematikaiműveletek elvégzéséhez a pixeleken, szükség van a képek mátrixos ábrázolására.

6. A Digitális kép színrendszerei • RGB (Red, Green, Blue) színrendszer • CMY (Cyan, Magenta, Yellow) színrendszer • HSV (Hue, Saturation, Intensity) • Hue (színárnyalat) – Megmutatja melyik színárnyalat • Saturation (telítettség) – Színárnyalat telítettsége • Intensity (intenzitás) – A szín fényereje

7. A kép histogramja • A hisztogram a kép pixeleinek tónusuk szerinti gyakoriság-eloszlását mutatja

8. A kép H-tagjának hisztogramja

9. A képfelismerés • Előre definiált kép-adatbázis alapján, felismerni, azonosítani egy “ismeretlen” képet. Adatbázis: * “Ismeretlen” kép azonosítása * A sikeres felismeréshez a keresendő képnek szerepelnie kell a kép-adatbázisban !

10. A kép vektor-képjellemző reprezentációja Φ(A) =[ H1, H2, H3, …., H255]T . Φ(A) az A kép vektor reprezentációja, mely akép megfelelő képjellemzőit tartalmazza. Esetünkben a kép H (hue - árnyalat) komponens értékeit tartalmazza, Képfelismerő algoritmusunk 255 színárnyalatot használ.

11. A távolságfüggvény Az A és B képek közötti távolságfüggvény, dΦ definíciója ahol d valós vektortérben értelmezett távolságfüggvény. Esetünkben, A távolságfüggvény megmutatja hogy a két kép mennyiben külömbözik egymástól.

12. Az algoritmus előkészítése • A képadatbázis létrehozása • A felismerésre szánt képek formázása • Az adatbázis képek színkomponenseinek (HSI) feldolgozása és eltárolása • Az adatbázis 20 kép adatait tartalmazza B = {Ai | i=1,2,3…20} A= [ aij] NxM

13. Az algoritmus Legyen X az adott ismeretlen kép. Az X kép megfelelője a bázisban az A*kép, ahol Az ismeretlen kép ahhoz a képhez áll legközelebb amelyikre a távolságfüggvény minimum értékű lesz.

14. Implementálás a MATLAB programcsomagba – ADATBÁZIS s11=imread(‘bazis1.jpg'); Kép beolvaasása hs11=RGB2HSV(s11); RGB-ből HSI-be hs11_255=uint8(round(hs11(:,:,1)*255));Az árnyalatok skalirozása 0 és255 értékek közé H11=imhist(hs11_255);A H komponens histogramja H_val(1,:)= H11'; A képek H komponens histogramjának elmentése egy változóba A beolvasást mind a 20 képre el kell végezni, hogy megkapjuk a teljes kép-adatbázist

15. Implementálás a MATLAB programcsomagba – FELISMERÉS x=imread(s);Az ismeretlen kép beolvaasása HX=RGB2HSV(x); RGB-ből HSI-be HX_255=uint8(round(hx(:,:,1)*255)); Az árnyalatok skalirozása 0 és255 értékek közé Hx=imhist(hx_255); A H komponens histogramja [m n]=size(x); Az ismeretlen kép méretének meghatározása for i=1:20 A távolság függvény számítása raz(i)=sum(abs(H_log(i,:)-Hx')); end [c I]=min(raz); A legkissebb távolságfüggvény érték keresése

16. Az adatbázisban szereplő képek listája. Kísérleti eredmények Az képek felismerése 100 % pontosságú az adatbázis 20 képén tesztelve. Leonardo Da Vinci –Az utolsó vacsora, Mona Lisa, Vinsent Van Gogh– Önarckép, Napraforgók Csontváry Kosztka Tivadar – Keleti Pályaudvar Munkácsy Mihály – Honfoglalás, Poros Út, Majális, Cigánytábor Salvador Dali – Az emlékezet állandósága, Alvás Edvard Munch – A kiáltás Boticelli – Vénusz születése Velazquez – Az udvarhölgyek John Constable – Szénásszekér Jan Van Eyck – Az Arnolfilni házaspár Michelangelo – Ádám születése Még más ismeretlen szerző képei....

17. Befejezés • A kifejlesztette eljárás nagy előnye az egyszerűsége ami a felismerés gyorsaságára nagymértékben kihat. • Az eljárás nem használható minimálisan eltérő képek felismerésére. • Nem tud felismerni olyan képet amelynek képjellemzői hiányosak az adatbázisban • Az eljárás kiegészíthető más képjellemzők bevonásával melyek lehetővé teszik a rosszabb képminőségű képek felismerését is.

18. Szakirodalom • Rafael C. Gonzalez, Richard E. Woods, Digital Image Processing, • Second Edition, Pretince Hall, 2002. • 2) Tibor Lukic, Natasa Sladoje, and Joakim Lindblad, Deterministic • Defuzzication Based on Spectral Projected Gradient Optimization, • Springer-Verlag, LNCS 5096, pp. 476-485, 2008. • 3) Joakim Lindblad, Natasa Sladoje, and Tibor Lukic, Feature Based • Defuzzification in Z2 and Z3 Using a Scale Space Approach, • Springer-Verlag, Volume 4245 of LNCS, pp. 378--389, 2006. • Stoyan Gisbert, Takó Galina, Numerikus Módszerek 1. és 2., • ELTE, Budapest, 1993.