Как я эффективно сегментные 2D изображения в регионах / сгустки аналогичных значений?

голоса
2

Как я сегмент 2D-изображение в сгустки подобных значений эффективны? Данный вход представляет собой массив из целого числа, который включает в себя цветовой тон для не-серых пикселей и яркости серых пикселей.

Я пишу виртуальный мобильный робот с использованием Java, и я с помощью сегментации для анализа карты , а также изображения с камеры. Это хорошо известная проблема в Computer Vision , но когда это на производительность робота имеет значение , поэтому я хотел несколько входов. Алгоритм, что имеет значение, так что вы можете разместить код на любом языке.

Задан 10/12/2008 в 09:13
источник пользователем
На других языках...                            


5 ответов

голоса
3

Я бы декодирую, в colourspace и числе пикселей, использует метод видения (вероятно, meanshift) и высококлассный результат.

Это хорошо, потому что понижающие также повышает устойчивость к шумам, и делает его более вероятно, что вы получите значимые сегменты.

Вы можете использовать заливку, чтобы сгладить края потом, если вам нужна гладкость.

Еще некоторые мысли (в ответ на ваш комментарий).

1) Вы смешаться, как вы субдискретизацией? у [I] = (х [2i] + х [2i + 1]) / 2 Это должно устранить шум.

2) Как быстро вы хотите быть?

3) Вы пробовали динамический meanshift? (Также Google для динамического х для всех алгоритмов х)

Ответил 10/12/2008 в 09:53
источник пользователем

голоса
2

Не уверен , что, если она слишком эффективна, но вы можете попробовать использовать нейронную сеть Кохонена (или, самоорганизующиеся карты, SOM) в группу аналогичных значений, где каждый пиксель содержит оригинальный цвет и положение , и только цвет используются для Kohohen группировка.

Вы должны прочитать, прежде чем осуществить это, хотя, как мое знание сети Кохонена заходит так далеко, что она используется для группировки данных - так что я не знаю, что производительность / параметры жизнеспособности для вашего сценария.

Есть также Хопфилд сеть . Они могут быть подогнаны в группировку из того, что я прочитал.

Ответил 10/12/2008 в 11:33
источник пользователем

голоса
0

Альтернатива половодья заполнения является подключаемом-компонента алгоритма. Так,

  1. Дешево классифицировать пиксели. например, разделить пикселей в цветовом пространстве.
  2. Выполните куб.см, чтобы найти сгустки
  3. Сохраните сгустки значительных размеров

Такой подход широко используется в ранних подходах зрения. Например , в основополагающей работе « Blobworld: Система для Региона-индексирования изображений и поиска ».

Ответил 18/02/2009 в 10:52
источник пользователем

голоса
0

Проверьте Повязки (eyepatch.stanford.edu). Это должно помочь вам во время фазы исследования, обеспечивая разнообразие возможных фильтров для сегментации.

Ответил 14/12/2008 в 18:29
источник пользователем

голоса
0

То, что я есть сейчас:

  1. Сделать буфер одного и того же размера, что и входное изображение, инициализируются UNSEGMENTED.
  2. Для каждого пикселя в изображении , где соответствующее значение буфера не UNSEGMENTED, наводнения буфера , используя значение пикселя.

    а. Проверка границы затопления осуществляется путем проверки , если пиксель находится в пределах EPSILON( в настоящее время установлен на 10) значения инициирующей пикселя.

    б. Наводнение алгоритм заполнения .

Возможные проблемы:

проверка Границы 2.a., называется много раз в алгоритме заливки. Я мог бы превратить его в поиск, если я мог предвычислять границу, используя обнаружение края, но это может добавить больше времени, чем текущая проверка.

private boolean isValuesCloseEnough(int a_lhs, int a_rhs) {
    return Math.abs(a_lhs - a_rhs) <= EPSILON;
}

Возможные Enhancement:

Вместо того , чтобы проверять каждый пиксель UNSEGMENTED, я мог бы случайно выбрать несколько пунктов. Если вы ждете около 10 сгустков, выбирая случайные точки в том порядке , может быть достаточно. Минусом является то , что вы могли бы пропустить полезную , но небольшой сгусток.

Ответил 10/12/2008 в 09:29
источник пользователем

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more