1 / 11

ROBUSTNA PORAVNAVA SLIK

Laboratorij za slikovne tehnologije Fakulteta za elektrotehniko, Ljubljana. ROBUSTNA PORAVNAVA SLIK. Tomaž Vrtovec (tomaz.vrtovec@fe.uni-lj.si). 05/05/2003. ROBUSTNE METODE NEROBUSTNE METODE. a 2 2. Soglasje naključnih vzorcev RANSAC (RANdom SAmple Consensus).

zohar
Download Presentation

ROBUSTNA PORAVNAVA 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. Laboratorij za slikovne tehnologije Fakulteta za elektrotehniko, Ljubljana ROBUSTNA PORAVNAVA SLIK Tomaž Vrtovec (tomaz.vrtovec@fe.uni-lj.si) 05/05/2003

  2. ROBUSTNE METODE NEROBUSTNE METODE a22 Soglasje naključnih vzorcev RANSAC (RANdom SAmple Consensus) Metoda najmanjših kvadratov LS (Least Squares) velikih napak ni: y = 1.0x – 0.4 prisotnost velikih napak: y = -1.5 + 88.3

  3. RANSAC OPIS POSTOPKA 1. Iz množice vseh podatkovnih točk Anaključno izberemopodmnožico S1, ki je sestavljena iz p točk. Iz teh točk jemogoče določiti model M1in njegove parametre. neugoden RANSAC model ugoden RANSAC model y = -17.7x – 749.3 y = -0.03x + 5.1 #A = 50 p = 2#S1 = 2 #A = 50 p = 2#S2 = 2

  4. RANSAC 2. Določimo podmnožico točk S1* množice A, ki ležijo v predpisani meji odstopanja od modela M1. Podmnožica S1* se imenuje množica soglasja. neugoden RANSAC model ugoden RANSAC model meja odstopanja: 15.7povprečna oddaljenost: 16.7 soglasje: #S1* = 54% meja odstopanja: 141.6povprečna oddaljenost: 55.1 soglasje: #S2* = 94%

  5. RANSAC 3. Če je velikost množice soglasja večja od predpisanevrednosti t, potem je to ugoden model. V nasprotnemprimeru je model neugoden in se ponovijo koraki 1...3. 4. Če je model ugoden, potem se iz množice soglasja zgradi nov model M*. V primeru, da po določenem številu poskušanj ni najden ugoden model, se zgradi model z največjo množico soglasja. y = -1.0x – 0.1

  6. RANSAC PARAMETRI POSTOPKA 1. Meja odstopanja podatkovne točke od modela Mi. Meja je določena eksperimentalno ali kot npr. standardna deviacija odstopanja podatkov od modela. 2. Število poskušanj k naključnega izbiranja podmnožic Si. Število je določeno na osnovi pričakovane vrednosti E(k) = w-p (w je verjetnost, da se katerakoli točka nahaja v predpisani meji odstopanja od modela). S poskušanjem se preneha, ko ta vrednost preseže nekaj standardnih deviacij : k = E(k) + mSD(k); m = 1,2,... 3. Predpisana vrednost t, ki odloča o ugodnosti modela Mi. Vrednost t je ocena števila podatkovnih točk, ki ne predstavljajo napak. Zagotavljati mora tudi, da množica soglasij Si* vsebuje zadostno število točk za gradnjo novega modela Mi*. Za primer: 1. Meja odstopanja: neugoden model SD = 15.7; ugoden model SD = 141.6 2. Število poskušanj: w = 80%; k = 0.8-2 + 2(1-0.82)1/2(0.8-2) = 3 3. Predpisana vrednost t = 90%.

  7. Želeni vektorji premika točk v prostoru. Model M podmnožice vektorjev S ter meja odstopanja od modela. Vektorji množice soglasja S* ter model M* na osnovi te množice. ROBUSTNA TOGA PORAVNAVA SLIK medsebojna informacija Vezana verjetnost (skupni histogram) Porazdelitev podobnosti Podobnost v vsaki točki Podobnost v +1 točki Premik (sila F) Podobnost v -1 točki Izločanje napačnih premikov se opravi z RANSAC postopkom:

  8. SLIKE V PORAVNAVI RRR Ciljna slika poravnave A1. Izvorna slika poravnave B je za (tx, ty, tz) = (-6,-6,-6) mm premaknjena slika A1. Slike: (50 x 50 x 50) sl. el. = = 125000 sl. el. Ciljna slika poravnave A2 (vsebuje motilni element).

  9. RRR REZULTATI PORAVNAVE Slika B -> Slika A1 (slika brez motilnega elementa)

  10. RRR Slika B -> Slika A2 (slika z motilnim elementom)

  11. LITERATURA [1] Fischler, M. A., Bolles, R.C.: Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography; Graphics and Image Processing, Foley, J.D. (ur.), Communications of the ACM, June 1981, Volume 24, No. 6., pp. 381-395 [2] Rogelj, P., Kovačič S.: Rigid multi-modality registration of medical images using point similarity measures; Computer Vision – CVWW'03, Drbohlav, O. (ur.), Valtice, Czech Republic, February 3-6 2003

More Related