Upload
cs-center
View
271
Download
7
Embed Size (px)
DESCRIPTION
Дескрипторы цвета, текстуры, формы, меры подобия на данных пространствах признаков.
Citation preview
Анализ изображений и видео
Наталья Васильева [email protected] HP Labs Russia
12 октября 2012, Computer Science Center
Лекция 4: Построение признаков и сравнение изображений: глобальные признаки
2 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Вопросы:
1. К исходному изображению применяется усредняющая маска для подавления шума, а затем маска лапласиана для улучшения мелких деталей. Изменится ли результат, если поменять очередность этих операций?
2. С помощью какой операции можно полностью удалить из изображения изолированные темные или светлые небольшие области? Каким должен быть размер маски, если известно, что размер таких областей не превосходит n пикселей?
3. Покажите, что второй проход операции эквализации гистограммы даст точно тот же результат, что и после первого прохода.
4. Совместное использование процедур фильтрации с усилением высоких частот и эквализации гистограммы является эффективным методом повышения резкости и улучшения контраста. Влияет ли порядок на окончательный результат? Почему?
3 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Зачем сравнивать изображения?
• Поиск • Классификация
• indoor/outdoor • landscape/city/forest/desert/…
• Аннотирование • Image parsing
4 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 4
Запрос - образец
Картинка
Эскиз
Результат поиска
сравнение представлений изображений
Коллекция изображений
Поиск изображений Зачем сравнивать изображения?
5 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Классификация, кластеризация Зачем сравнивать изображения?
Обучающее множество: изображения и метки класса
Модель классификатора
Обучение классификатора: сопоставление особенностей изображений меткам классов
Обучение
Тестирование
Тестовое изображение
Сопоставление тестового изображения модели
классификатора
Предсказанные классификатором классы: – open outdoor
6 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Обрнаружение объектов Зачем сравнивать изображения?
7 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Аннотирование Зачем сравнивать изображения?
• Небо, гора, дом, трамвай, пикап, набережная, трава, солнечно, день, дорога,...
8 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Как сравнивать?
• Представить каждое изображение в виде набора признаков • компактность • описательность
• Сравнивать наборы признаков между собой => сравнивать изображения
9 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Признаки изображений
Признаки изображений
Текстовые Визуальные
Аннотации и метаданные: − тэги, аннотации; − дата создания; − геотэги; − названия файла; − параметры съемки
(выдержка, диафрагма, наличие вспышки…).
Признаки, полученные по значениям пикселей: − цветовые; − текстурные; − формы; − пространственного
расположения.
10 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Признаки изображений
Признаки
Глобальные Локальные
Описывают картинку целиком: − средняя яркость; − среднее значение по
красному каналу; − …
Описывают часть картинки: − средняя яркость верхней левой
четверти; − среднее значение по красному
каналу в окрестности центра изображения;
− …
Обычно, признаки вычисляются по всем пикселям изображения
Сегментация, поиск точек интереса, построение признаков по окрестностям точек интереса
11 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Пространства признаков
Вектор признаков – набор числовых параметров, отражающих особенности изображения Пространство признаков – пространство векторов признаков с заданной функцией подобия (расстояния) для их сравнения.
…
…
Image A Image B
yA1 … yA
2 yAM
xA1 … xA
2 xAN
zA1 … zA
2 zAK
yB1 … yB
2 yBM
xB1 … xB
2 xBN
zB1 … zB
2 zBK
yA1 … yA
2 yAM
xA1 … xA
2 xAN
zA1 … zA
2 zAK
yB1 … yB
2 yBM
xB1 … xB
2 xBN
zB1 … zB
2 zBK
Similarity measure
Similarity measure
Similarity measure
yA1 … yA
M xA1 … xA
N zA1 … zA
K Similarity measure
yA1 … yA
M xA1 … xA
N zA1 … zA
K
12 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Комбинирование признаков …
…
Image A Image B
yA1 … yA
2 yAM
xA1 … xA
2 xAN
zA1 … zA
2 zAK
yB1 … yB
2 yBM
xB1 … xB
2 xBN
zB1 … zB
2 zBK
Similarity measure
Similarity measure
Similarity measure
d1
d2
d3
…
∑=i
ii dcD
13 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Поиск по содержанию(content retrieval)
Признаки текстуры(texture features)
Признаки формы(shape features)
Пространственные признаки(spatial layout)
Признаки цвета(color features)
Признаки по содержанию
Признаки текстуры(texture features)
Признаки формы(shape features)
Пространственные признаки(spatial layout)
Признаки цвета(color features)
14 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Цвет
h2 hNh1
F(I) = (h1I, h2
I, …, hNI)
Метрики: L1, L2, L∞, χ2, EMD (earth mover's distance), …
F(I) = (E1I,E2
I,E3I,
σ1I,σ2
I,σ3I,
s1I,s2
I,s3I)
Мат. ожидание, дисперсия, 3-ий момент: для каждого цветового канала
Метрики: ~L1
Stricker M., Orengo M. Similarity of Color Images. Proceedings of the SPIE Conference, vol. 2420, p. 381-392, 1995
Признаки цвета(color features)
Гистограммы Статистическая модель
15 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Популярные функции расстояния для гистограмм
( )∑=
−=K
mjiji mhmhhh
1)(),(min1),histint(
∑= +
−=
K
m ji
jiji mhmh
mhmhhh
1
22
)()()]()([
21),(χ
− Пересечение гистограмм (Histogram intersection) − Гистограммы должны быть нормализованы − Эквивалента L1
− Chi-squared Histogram matching distance
16 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Квантование пространства при построении гистограмм
− Схема квантования влияет на размер вектора признаков − Если метрика не учитывает подобие цветов:
• Много промежутков – расстояние между близкими по цвету может быть большим
• Мало промежутков – расстояние между далекими по цвету может быть маленьким
17 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Квантование в случае многомерных признаков
18 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Квантование пространства при помощи кластеризации
− Построение кластеров по признакам обучающего множества − Определение центров кластеров − Для пикселя тестового изображения – принадлежность промежутку
квантования по ближайшему центру
19 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 19
Выбор схемы квантования цветового пространства
Пространства и схемы квантования, участвовавшие в экспериментах
• Равномерное квантование с граничными
условиями пространств семейства HSV
Проверка существования пороговых значений шага квантования, таких что выбор меньших шагов не приводит к повышению качества результатов поиска
• Равномерное квантование
20 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Slide credit: James Hays
21 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Цветовые гистограммы – недостатки
1. Не учитывается подобие цветов:
d(H1, H2) > d(H1, H3)
Niblack W., Barber R., et al. The QBIC project: Querying images by content using color, texture and shape. In IS&T/SPIE International Symposium on Electronic Imaging: Science & Technology, Conference 1908, Storage and Retrieval for Image and Video Databases, Feb. 1993
Кумулятивные гистограммы
THHAHHHHd )()(),( 212121 −⋅⋅−=
А – матрица с коэффициентами «подобия» цветов
22 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Цветовые гистограммы – недостатки
2. Не учитывается пространственное расположение цветов:
HA= HB = HC
A B C
23 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Slide credit: James Hays
24 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Пространственное расположение цветов
Stricker M., Dimai A. Spectral Covariance and Fuzzy Regions for Image Indexing. Machine Vision and Applications, vol. 10., p. 66-73, 1997
Разбиение изображения на фиксированные блоки
«Нечеткие области»
Сегментация
25 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. 25
Цветовая гистограмма с информацией о пространственном расположении цветов
Niiiiii yxpccIHistSP ..)},,(|{)( 1===
N – число цветовых диапазонов, Pi – доля пикселей i-го диапазона, (xi, yi) – нормированные координаты центра масс
пикселей i-го диапазона.
Вектор признаков
Функция подобия
5010 .,. == βα
26 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Эффективность поиска по цветовым гистограммам
Добавление граничных условий позволило повысить показатели точности и полноты для схем с небольшим числом цветовых диапазонов (выигрыш в точности до 10%).
При равномерном квантовании оптимально использование порядка 500 цветовых диапазонов.
При равномерном квантовании с граничными условиями близкие по точности и полноте результаты при 41 диапазоне.
• Превосходство признаков HistSP вкупе с функцией DHistSP над классическими гистограммами с манхеттенской метрикой
ImageDB-1000: 1000 изображений, 100 запросов
27 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Гистограммы или моменты? (1)
Stricker M., Orengo M. Similarity of Color Images. ... (3000 изображений)
28 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Гистограммы или моменты? (2)
ColorHist
ColorMoment
Полнота Точность
56,77 %
55,98 %
23,02 %
25,06 %
База Corel Photo Set (285 изображений)
29 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Признаки по содержанию
Признаки текстуры(texture features)
Признаки формы(shape features)
Пространственные признаки(spatial layout)
Признаки цвета(color features)
30 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Текстура
Гладкая Грубая Периодичная
31 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Текстура
Voronoi tesselation featuresStructural methods
General statistics parametersHaralick’s co-occurrence matricesTamura features
Текстурные признаки(texture features)
Статистические
Геометрические
PWTTWTDCT, DST, DHT Complex waveletsGabor filters ICA filters
Спектральные
Markov random fieldsFractals
Модельные
Матрицы смежности – Haralik’s co-occurrence matrices Признаки Tamura – Tamura features (Tamura image)
32 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Матрицы смежности
Grey Level Co-occurrence Matrices (GLCM):
∑∑= =
=∆+∆+=
=N
p
M
q иначеjyqxpIiqpIесли
jiC1 1 ,0
),(,),(,1),(
Матрица частот пар пикселей определенной яркости, расположенных на изображении определенным образом относительно друг друга.
),( yx ∆∆ – параметр сдвига, задающий взаимное расположение пикселей;
I(p,q) – уровень яркости пикселя изображения, расположенного в точке (p, q).
33 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Матрицы смежности: пример
)0,1(),( =∆∆ yx
34 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Матрицы смежности: характеристики
∑∑=i j
jiCEnergy ),(2
∑∑−=i j
jiCjiCEntropy ),(log),( 2
∑∑ −=i j
jiCjiContrast ),()( 2
∑∑ −+=
i j jijiCMomentDifferenceInverse 2)(1),(
Статистические параметры, вычисленные по матрицам:
- минимален, когда все элементы равны
- мера хаотичности, максимален, когда все элементы равны
- мал, когда большие элементы вблизи главной диагонали
- мал, когда большие элементы далеки от главной диагонали
35 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Признаки Tamura
Характеристики, существенные для зрительного восприятия:
Зернистость (coarseness)
Контрастность (contrast)
Направленность (directionality)
Линейность (line-likeness)
Регулярность (regularity)
Грубость (roughness)
Coarseness-coNtrast-Directionality – точки в трехмерном пространстве CND
Tamura image:
Евклидово расстояние в 3D (QBIC)
3D гистограмма (Mars)
Признаки:
36 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Текстура: спектральные
Voronoi tesselation featuresStructural methods
General statistics parametersHaralick’s co-occurrence matricesTamura features
Текстурные признаки(texture features)
Статистические
Геометрические
PWTTWTDCT, DST, DHT Complex waveletsGabor filters ICA filters
Спектральные
Markov random fieldsFractals
Модельные
Вейвлет-признаки, фильтры Габора Фильтры ICA
37 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Вейвлет-признаки
)()( ,,
xxf kjkj
kψα∑=
Вейвлет-анализ – разложение сигнала по специальному базису:
)()(,,
)2(22
2/,
RLxkj
kxjjkj
∈Ζ∈
−=
ϕ
ϕψ
38 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Вейвлет-функция Хаара:
Масштабирующая функция Хаара:
39 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Вейвлет-признаки
Набор базисных функций – банк фильтров
Фильтр 1 Фильтр 2
Фильтр N
Изображение
Энергия 1 Энергия 2
Энергия N
вектор признаков
40 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Фильтры Габора
Масштабирующая функция: функция Габора
+
+−
= jWxyxyxg
yxyx
πσσσπσ
221exp
21),( 2
2
2
2
),cossin(
),sincos(
1,-S0,1,...,minteger,,,1),,(),(
Θ+Θ−=′
Θ+Θ=′
==>′′=
−
−
−
yxayyxax
nmayxgayxg
m
m
mmn
Набор фильтров:
Kn /π=Θ)1/(1)/( −−= S
lh UUa
К – общее число направлений, S – число масштабов, Uh, Ul – максимум и минимум рассматриваемых частот.
41 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Фильтры ICA
H. Borgne, A. Guerin-Dugue, A. Antoniadis. Representation of images for classification with independent features. Pattern Recognition Letters, vol. 25, p. 141-154, 2004
I1
I2
…
N фильтров
dist(I1,I2) = KLH(H1i , H2i) Σ i=1
N
Фильтры получены при помощи анализа независимых компонент
42 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Сравнение текстурных признаков
P. Howarth, S. Rüger. Robust texture features for still image retrieval. In Proc. IEE Vis. Image Signal Processing, vol. 152, No. 6, December 2006
В контексте задачи поиска
43 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Сравнение текстурных признаков (2)
Snitkowska, E. Kasprzak, W. Independent Component Analysis of Textures in Angiography Images. Computational Imaging and Vision, vol. 32, pages 367-372, 2006.
Фильтры Габора v. s. фильтры ICA
Эксперименты по классификации изображений:
Коллекция ангиографических снимков
Фильтры ICA лучше на 13%
Коллекция текстур Brodatz
Фильтры ICA лучше на 4%
44 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Признаки по содержанию
Признаки текстуры(texture features)
Признаки формы(shape features)
Пространственные признаки(spatial layout)
Признаки цвета(color features)
45 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Форма объектов
ПериметрЭксцентриситетКривизнаНаправление осей
Признаки формы(shape features)
Дескрипторы границ(boundary-based methods)
Centroid DistanceComplex CoordinatesCurvature signatureTurning Angle
Дескрипторы областей(region-based methods)
Геометрические Сигнатуры
Fourier Descriptors UNL-FourierNFDWavelet Descriptors
B-Splines
Представление сигнатур
ПлощадьКомпактностьЧисло Эйлера
Геометрические
Moment invariantsZernike momentsPseudo Zernike moments
Grid method
Глобальные
TriangulationMedial Axis Transform(Skeleton Transform)
ДекомпозицияЦепные коды
Прочие
Спектральные дескрипторы (spectral
descriptors)
46 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Требования к признакам формы
Инвариантность к параллельному переносу
Инвариантность к изменению масштаба
Инвариантность к повороту
Устойчивость к незначительным изменениям формы
Простота вычисления
Простота сравнения
47 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Форма объектов: границы
Fourier Descriptors NFD...
Признаки формы(shape features)
Дескрипторы границ(boundary-based methods) Дескрипторы областей
(region-based methods)
ГеометрическиеСигнатуры
Представление сигнатур
ГеометрическиеГлобальные
ДекомпозицияЦепные коды
Прочие
Цепные коды (Chain Codes) Дескрипторы Фурье (Fourier Descriptors)
48 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Цепные коды
А: 03001033332322121111 Б: 70016665533222
Нумерация направлений для 4-связного и 8-связного цепных кодов:
Пример:
0 0
0 0
22
22
3 1 3
3
3
3
31
1
1
1
1 0 01 6
6
6
5
53
3
2
2
2 7
a) б) в)
А Б
Инвариантность к выбору начальной точки: минимальный код
Инвариатность к повороту: разности цифр кода
70016665533222 -> 00166655332227
00166655332227 -> 01500706070051
49 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Дескрипторы Фурье
1. Вычисление сигнатуры (2D -> 1D): Расстояние от центроида до границы Комплексные координаты: z(t) = x(t) + iy(t) ...
2. Вычисление коэффициентов Фурье (s(t) – сигнатура):
∑−
=
−=1
0
/2)(1 N
t
Nntjn ets
Nu π
0
1
0
2
0
1 ,...,,u
uuu
uu N−
3. Нормализация (NFD – Normalized Fourier Descriptors):
21
0
2)(∑
=
−=cN
n
nJ
nI ffd
4. Сравнение:
50 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Форма объектов: области
Признаки формы(shape features)
Дескрипторы границ(boundary-based methods) Дескрипторы областей
(region-based methods)
Геометрические
Сигнатуры
Представление сигнатур
Геометрические
Moment invariantsZernike momentsPseudo Zernike moments
Grid method
Глобальные
ДекомпозицияПрочие
Грид-метод (Grid-method) Инвариантные моменты (Moment invariants)
51 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Грид-метод
А: 001111000 011111111 111111111 111111111 111110111 0111000011
Б: 001100000 011100000 111100000 111101111 111111110 001111000
А
Б
Инвариантность:
Нормализация по главной оси:
направление; размер; позиционирование на гриде.
52 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Инвариантные моменты
∫∫= dxdyyxfyxm qppq ),(
Момент порядка (p+q) двумерной непрерывной функций:
Центральные моменты для f(x,y) – дискретного изображения:
00
01
00
10 ,),,()()(mmy
mmxyxfyyxx
x y
qppq ==−−=∑∑µ
С использованием нормированных центральных моментов был выведен набор из 7 инвариантных к параллельному переносу, повороту и изменению масштаба моментов.
Вектор признаков:
53 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Сравнение признаков формы
Mehtre B. M., Kankanhalli M. S., Lee W. F. Shape measures for content based image retrieval: a comparison. Inf. Processing and Management, vol. 33, No. 3, pages 319-337, 1997.
54 © Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.
Заключение
Большой выбор различных способов представления изображений Цвет: гистограммы или статистическая модель? Текстура: фильтры Габора, фильтры ICA Форма: дескрипторы Фурье, инвариантные моменты
При сравнении изображений часто необходимо комбинировать различные признаки