Cenzus Transformacija Bernard

7/26/2019 Cenzus Transformacija Bernard

http://slidepdf.com/reader/full/cenzus-transformacija-bernard 1/7

Cenzus transformacija (engl. Census Transform)

1994. godine Zabih i Wood [] opisali su metodu za analizu digitalnih slika

koju su nazvali cenzus transformacija (engl. census transformation). Za svaki

centralni piksel ra!una se binarni string (cenzus potpis) na na!in da se uspore"uje

intenzitet boje piksela sa intenzitetom susjednih piksela. Za svaki susjedni piksel,

odre"uje se je li njegov intenzitet boje manji ili ne od centralnog piskela. Naj!e#$e se

uzima blok od 3x3 susjednih piskela (engl. neighborhood ) sa svojom strukturom

(kernelom) te se na taj na!in mo%e dobiti potpis (binarni vektor) du%ine 8 bitova

odnosno 1 byte ili blok od 5x5 susjednih piksela odnosno 3 byta. Kod cenzus

transformacije !esto se upotrebljava i skalar ranga koji predstavlja ukupan broj

piksela !iji je intenzitet boje manji od intenziteta centralnog piksela.

Slika . Dobivanje binarnog cenzus potpisa; Izvor: Woodfill J., Herzen Von B.: Real-

Time Stereo Vision on the PARTS Reconfigurable Computer IEEE Symposium on

FPGAs for Custom Computing Machines, April 1997.

http://www.woodfill.com/Papers/FCCM1997.pdf

Cenzus transformacija pokazala je odre"ene prednosti u analizi slika. Istra%ivanja

drugih autora koja su slijedila pokazala su da je metoda dosta otporna na promjene u

svjetlini i kontrastu slike #to se pokazalo bitnim u opisanim podru! jima istra%ivanja.

Stein [Stein, F.: Effi_cient computation of optical flow using the census transform. InRasmussen, C.E., Bulthoff, H.H., Giese, M.A., Scholkopf, B., eds.: Pattern



Recognition. Volume 3175 of LNCS. Springer, Berlin (2004) 79-86 ] je tako koristio

cenzus transformaciju u uspore"ivanju zna!ajki slike. Muller et al. [Muller, T.,

Rannacher, J., Rabe, C., Franke, U.: Feature- and depth-supported modifed total

variation optical flow for 3D motion field estimation in real scenes, In: Proc. 24th

IEEE Conference on Computer Vision and Pattern Recognition, Colorado Springs,

IEEE Computer Society Press (2011) 1193-1200 ] kao i Mohamed i Mertsching

[Mohamed, M.A., Mertsching, B.: TV-L1 optical flow estimation with image details

recovering based on modifed census transform. In Bebis, G., Boyle, R., Parvin,

B.,Koracin, D., Charless, F., Wang, S., Choi, M.H., Mantler, S., Schulze, J., Acevedo,

eds: Advances in Visual Computing. Volume 7431 of LNCS. Springer, Berlin (2012)

482-491 ] iskori#tavaju metodu na na!in da koriste zna!ajke slike kako bi otkrili

promjene koje su se dogodile prilikom modifikacija slikom. Ranftl et al. [Ranftl, R.,

Gehrig, S., Pock, T., Bischof, H.: Pushing the limits of stereo usingvariational stereo

estimation. In: IEEE Intelligent Vehicles Symposium, Alcala de Henares, IEEE

Computer Society Press (2012) 401-407 ] pokazali su robusnost metode u uvjetima

promjene osvjetljenja. Froba i Ernst [Froba, B., Ernst, A.: Face detection with the

modified census transform. In: Proc. 6th IEEE International Conference on Automatic

Face and Gesture Recognition, IEEE Computer Society Press (2004) 91-96 ] u svom

radu opisuju cenzus transformaciju u kontekstu detekcije lica osoba. Na Slici .

prikazan je primjer robusnosti metode na razli!itu svjetlinu u prikazivanju lica.

Primjer u drugom redu pokazuje da su lica jednaka bez obzira na razli!itu svjetlinu

primjenom cenzus transformacije.

Slika . Robusnost cenzus transformacije na svjetlinu



Cenzus transformacija, matemati!ki, mo%e se opisati na sljede$i na!in: [Face

Detection with the Modified Census Transform Bernhard Fr¨oba Andreas Ernst] Neka

je sa !!!! definirana okolina piksela ! za koju vrijedi ! !!!!! . Cenzus

transformacija tada generira binarni string koji prikazuje koji piksel u !!!! ima

manji intenzitet od !!!! odnosno vrijednosti centralnog piksela. Ako se pretpostavlja

da su vrijednosti uvijek nula ili pozitivne onda je funkcija usporedbe cenzus

transformacijom !!! ! ! ! !! ! jednaka 1 ako je ! ! ! ! !

! i ako! predstavlja

operaciju povezivanja (ulan!avanja). Cenzus transformacija se tada definira:

Bitno je naglasiti da !!!! nije koeficijet intenziteta ili sli!nosti nego svi bitovi imaju

isti zna!aj. !!!! u ovom slu!aju vi#e predstavlja indeks strukture kernela primjenjen

na!!!! sa centrom postavljenim na nulu. Tada svi pikseli u susjedstvu predstavljaju

cenzus usporedbe sa centralnim pikselom ovisno o njihovoj lokaciji #to je u

odre"enim situacijama predstavljalo problem zbog nemogu$nosti boljeg opisivanja

kernela i ra!unanja svih mogu$ih kombinacija.

Treba se napomenuti i to da se iste godine (skoro u isto vrijeme objavljena)

pojavila vrlo sli!na metoda cenzus transformaciji koju su Ojala et al. [ ] nazvali LPB

(engl. local binary patterns) koja je vektore piksela opisivala pomo$u binarnih

brojeva i kasnije za njihovu usporedbu koristila dobivene histograme blokova slika.

Te dvije metode razlikuju se i po redosljedu dobivenih binarnih stringova.

Kao i metoda cenzus transformacije LBP je upotrebljavana u podru! jima

detekcije lica [], prepoznavanja lica [], pronala%enja slika [], detekcije kretnji [], i

prepoznavanja polo%aja ruke [].

The local binary pattern (LBP) texture operator [19–21], has been highly successful

for various computer vision problems

but it has not been used for describing interest regions so far.



Slika . LPB metoda

[Local Binary Patterns for Still Images]

Iz LPB metode razvijaju se i razli!ite pobolj#ane verzije metode (ILBP, LTP,

TPLBP, FPLBP i dr.) od kojih je zna!ajnija RILBP metoda (engl. rotation invariant

LBP ) kojoj je zna!ajka robusnost na modifikacije rotacijom. Primjer je dan na Slici .

Izvor: knjiga Computer Vision

Kasnije Calonder et al. [ ] razvijaju sli!nu metodu za opisivanje to!aka

zna!ajki koju su nazvali BRIEF (engl. ).



Modificirana cenzus transformacija (engl. Modified Census Transform)

Metoda koju su Zabih i Woodfill [Ramin Zabih and John Woodfill. A non-

parametric approach to visual correspondence. IEEE Transactions on Pattern Analysis

and Machine Intelligence, 1996. ] nazvali modificiranom cenzus transformacijom

(engl. Modified Census trasform (MCT)) poku#ala je unaprijediti metodu cenzus

transformacije. Metoda koristi usporedbu intenziteta svakog piksela unutar 3x3 bloka

na na!in da ih uspore"uje sa prosje!nom vrijedno#$u intenziteta svih piksela iz

strukture kernela te na temelju usporedbe je li intenzitet piksela manji od prosje!nog

intenziteta (!!!!!

ili ne, generira binarni vektor. Binarni vektor mo%e se izra!unati za

svaki piksel unutar bloka uklju!uju$i i centralni piksel #to daje 9-bitni cenzus potpis

(Slika .).

Slika. Generiranje binarnog vektora MCT metodom [Hand Posture Classification and

Recognition using the Modified CensusTransform]



Modificirana cenzus transformacija (!!!!), matemati!ki, mo%e se opisati na

sljede$i na!in: Neka je sa !!!!! definirana okolina piksela ! za koju vrijedi

!!! !! ! ! !. Prosje!na vrijednost intenziteta definira se kao !!!!.Tada je

modificirana cenzus transformacija!

!!

! jednaka: [Froba i Ernst]

Kako je prikazano na Slici ., ishod metode modificirane cenzus transformacije

mo%e ovisiti o mogu$im uzorcima bloka 3x3 piksela odnosno njihovim varijacijama

(29

-1) #to ukupno !ini 511 mogu$ih uzoraka za razliku od metode cenzus

transformacije kojom je mogu$e generirati samo 28 odnosno 256 uzoraka zbog

izostavljanja centralnog piksela. Uzorak omogu$uje bolje prepoznavanje linija,

rubova ili kutova u slici. Takvim pristupom mogu$e je generirati unikatne cenzus

potpise. Istra%ivanja su pokazala pobolj#anja u prepoznavanju nekih objekata na slici

u odnosu na metodu cenzus transformacije (Slika .) Slika . ispod prikazuje da se

metodom cenzus transformacije !!!! ne mo%e prepoznati linija u drugom retku bloka,

#to nije prepreka metodi modificirane cenzus transformacije

!!!

!.

Slika . MCT za 25 od 511 mogu$ih kombinacija uzoraka za 3x3 kernel [Froba i Ernst]



Slika . Primjer usporedbe CT i MCT metode [Face Detection with the Modified

Census Transform]

Izvor: autor

!" $ %&'(")'*"+,("),*"-. !/ $ %&'(/)'*/+,(/),*/-.

!0 $ %&'(0)'*0+,(0),*0-.

!!!"!

!!"#!!"!!"!!!"#!!"!!"!!!"#!!"!!"!!!"#!!"!!"!!!"#!!"!!"!!!"#!!"!!"!!!"#!!"!!"!!!"#!!"!!"!

centralni piksel (biometrijska to!ka (x,y))

K1

K2

K3

Documents

Cenzus Transformacija Bernard