Зертханалық жұмыс №5 Тақырыбы: Бейнені ажырату алгоритмдерін зерделеу. Қабылдаған
жүктеу/скачать 20,62 Kb.
|
Лаб 5 Big data
|
Қарағанды техникалық университеті АЕЖ кафедрасы Зертханалық жұмыс №5 Тақырыбы: Бейнені ажырату алгоритмдерін зерделеу. Қабылдаған: Сайманова З.Б. (фамилия, инициалы) Тапсырған:ст. гр. ИСМ-21-1 Әсемжар.А.Т. (фамилия, инициалы) Қарағанды - 2022 Бейнені ажырату алгоритмдерін зерделеу Тұлғаны сәйкестендіру процесі оны суретте табу және дерекқордағы эталондармен салыстыру болып табылады. Бетті анықтау мен анықтаудың қиындығы-бұл әлсіз контрастты объект. Беттер өте күрделі өрнекке ие және көбінесе бір-бірінен тек қол жетпейтін бөлшектермен ерекшеленеді, сондықтан жарықтандыруда, камераның көру бұрышында айырмашылық болған кезде адамға да, компьютерге де кескіндерді сәйкестендіру мүмкін емес, сыртқы түрінің өзгеруін айтпағанда,және бұл адамның миы компьютерлерге қарағанда әлдеқайда үлкен, жарық пен көру бұрышының өзгеруін өтеу мүмкіндігі. Сәйкестендіруге дейінгі бетті автоматты түрде анықтау оның кескінінде көзге, ерінге, мұрынға, мұрын-ерін қатпарына тән жарықтығы өзгеретін аймақтарды анықтау арқылы құрылады. Сонымен қатар, детективтің соңғы кезеңінде аймақтардың бір-біріне қатысты орналасуы ескеріледі, өйткені адамның бет-әлпеті белгілі бір пропорцияларға ие болуы керек. Беттің негізгі бөліктерінің жиынтығы, сондай-ақ олардың орналасуы мен пропорциялары белгілі болғандықтан, анықтау алгоритмдеріне нәтиженің осы шамаларға сәйкестігін тексеру қосылады, бұл бет бөліктерінің орналасуы мен пропорциялары адамға тән емес нәтижелерді қоспауға мүмкіндік береді. Сәйкестендіру процесінің математикалық моделі осы мәндерді анықтамалық мәндермен салыстыру мақсатында белгілер жиынтығын анықтауға және оларды тұлғаның бейнесінен алуға негізделген. Сәйкестендіру процесінде қолданылатын көптеген I тұлғалар бар. I жиын жеке сәйкестендіру объектілері үшін R тұлғаларының жиынтығы болып табылатын жеке қиылыспайтын ішкі жиындардан тұрады. Әрбір осындай Ішкі жиын B белгілі бір тұлғаны білдіретін жеке класс болып табылады. Әлі идентификацияланбаған С тұлғаларының барлық суреттері N ішкі жиынына, Ал N өз кезегінде I жиынына жатады, бұл ретте N B ішкі жиындарының ешқайсысымен қиылыспайды. Әрбір тұлға үшін С ішкі жиыннан N және бет Р ішкі жиыннан B белгілер жиынтығы бар Р (¥)={р1, р2, р3... RN}, олар А={A1, A2, A3 белгілерінің кейбір ақырлы жиынының элементтері болып табылады... беттерді сәйкестендіруде қолданылатын AP}. әр белгі-бұл бірнеше параметр: бұл белгіні басқалардан ажыратуға мүмкіндік беретін атау және оның мәні / мәні. Белгінің мәні ол үшін рұқсат етілген шектерде болуы керек, ал әрқайсысы үшін мәндердің шектері әр түрлі болуы мүмкін. Сәйкестендіру процесінде Р(О) белгілерінің мәндерінің {Р (¥), Р(¥1) белгілер мәндерінің жиынынан алынған шектерге жетуін тексеру жүргізіледі.R (¥K)} әрбір нақты үшін B. Егер Р(О) белгілерінің мәндері осы шектерге түссе, с тұлғасының бейнесі I жиынтығының B сыныптарының біріне жатады деп айтуға болады. Сізге қажет нәрсені таба алмайсыз ба? Әдебиеттерді таңдау қызметін қолданып көріңіз. Сипатталған сәйкестендіру моделін пайдалану жасанды нейрондық желіні (ИНС) қолдануды ескере отырып жүзеге асырылуы тиіс. Бұл тәсілдің ерекшелігі-ins-ті оқыту үшін оқу үлгісін жасау керек, онда B ішкі жиындарының әрқайсысы үшін R тұлғаларының жиынтығы болады. Әр адамның Р-нің Белгілі бір B сыныбына жатуы "мұғалімге"белгілі. Оқыту кезінде кескінді және күтілетін шығыс мәнін сипаттайтын мәндердің векторы ins - ке кіруге беріледі-үлгінің белгілі бір B класына жатуы. Оқыту процесінде нейрондық желі кіріс векторынан белгілерді алады және оларды әртүрлі қабаттардағы нейрондар арасындағы кездейсоқ орнатылған байланыс салмақтарына көбейтеді [1]. Р (¥) белгілері оқу процесінде кіріс векторынан алынады. Нәтижесінде бірінші жасырын қабат кіріс белгілерінің төмен деңгейлі кеңістігін бөледі, екінші қабат абстракцияның жоғары деңгейінің белгілер кеңістігін анықтайды және т. б. [4]. Осыдан кейін алынған ре салыстырылады- нәтижелер күтілетін нәтижемен және сәйкес келмеген жағдайда таразыларды түзету жүргізіледі. Оқытудың дұрыстығын тексеру үшін G бет кескіндерінің сынақ үлгісін қалыптастыру қажет, олардың әрқайсысы "мұғалімнің" бағалауы бойынша белгілі бір l сыныбына тиесілі болуы керек. Табысты ins кіру жаттығуларының нәтижесінде сыныптардың біріне қатыстылығы алдын ала белгісіз үлгілерді беруге болады. Адамның бейнесін өңдеу келесі әрекеттер арқылы жүзеге асырылады: 1) кескінді масштабтау-жақын көршінің әдісі; 2) кескіннің түсін өзгерту; 3) гистограмманы туралау. Масштабтау бастапқы кескіннің пиксель мәндерін көршілес ұқсас мәндерді біріктіре отырып, бастапқы кескіннің бос өлшеміне ауыстыру арқылы жүзеге асырылады, егер бастапқы кескін қажетті өлшемнен үлкен болса. Жақын көрші әдісімен интерполяция кезінде функцияның ең жақын белгілі мәні аралық мән ретінде таңдалады, бұл әдіс үлкен ресурстарды қажет етпейтін интерполяцияның қарапайым әдісі болып табылады. Кескіннің түссізденуі RGB әр түсті компонентін келесі формула (1)бойынша тиісті коэффициентке көбейту арқылы жүзеге асырылады: Pcoior=R^0,30+G •0,59+3^0,11, (1) мұндағы Pcolor-түсі өзгерген пиксельдің түсі, R-пиксельдің қызыл компоненті, G-пиксельдің Жасыл компоненті, 3 - пиксельдің көк компоненті. Гистограмманы туралау барлық жарықтық деңгейлерінің бірдей жиілікте болуын қамтамасыз ету үшін жасалады, ал гистограмма біркелкі таралу Заңына сәйкес келеді. Сонымен, N X M пиксел ажыратымдылығы бар кескін үшін пиксель жарықтығының кванттау деңгейлерінің саны (БИН саны) J. содан кейін әр жарықтық деңгейіне арналған пикселдердің орташа саны (2)формула бойынша есептелуі керек: M X N navg=—J—- (2) Негізгі математика екі үлестірімді салыстыруда жатыр. X, y-суреттердегі пиксель қарқындылығының өзгеруін сипаттайтын кездейсоқ шамалар болсын, wx(x) - бастапқы кескіндегі қарқындылықтың таралу тығыздығы, wy (y) - қажетті таралу тығыздығы. Қажетті тығыздықты алуға мүмкіндік беретін y=f(x) таралу тығыздығының түрленуін табу керек (3): ~ 'Min — U-u max Құлақ Құлақ (3) О, әйтпесе F(x) және F(y) арқылы кездейсоқ шамалардың таралуының интегралды заңдарын белгілеңіз x иу. Ықтималдық эквиваленттік шарттан Fx(x) = Fy(y) шығады. Анықтама бойынша бөлудің интегралды Заңын жазып, (4) формуласын аламыз. Fx(x) = Fy(y) = Z . wy(y)dy = -^f-. (4) Утт J Утах-Утт Осы жерден біз келесі формуланы аламыз (5): y = (ymax ~ ymin)Fx(?x) " ymin- (5) Әрі қарай, Fx(x) таралуының интегралды Заңын қалай бағалау керектігін анықтау қажет. Мұны істеу үшін алдымен бастапқы кескіннің гистограммасын құру керек, содан кейін алынған гистограмманы қалыпқа келтіру керек, әр бидің шамасын n X M пикселдерінің жалпы санына бөлу керек . Осылайша, интегралды үлестіру функциясының мәні келесі түрдің қосындысы ретінде ұсынылуы мүмкін (6): Fx4x)= YXj=0w*x(j). (6) Құрылған бағалауды жаңа қарқындылық мәндерін есептеу үшін пайдалануға болады. Гистограммалардың аталған түрлендірулерін бүкіл кескінге ғана емес, оның жеке бөліктеріне де қолдануға болады. Гистограмманы туралауды кескіннің жеке бөліктеріне дәйекті түрде қолданған кезде адаптивті туралау әдісі туралы айтуға болады. Бұл әдіс контрастты шектеулі адаптивті гистограмманы туралау (Contrast Limited Adaptive Histogram Equalization CLAHE) деп аталады [2]. Гистограмманы жеке бөліктерге туралауды қолданумен қатар, бұл әдіс контрастты күшейтуді шектейді, бұл Контрасттың белгілі бір шекараларында шуды күшейту мәселесінен арылуға көмектеседі. Адаптивті гистограмманы туралау алгоритмі бес сатыда жұмыс істейді: 1. Бастапқы суреттегі сканерлеу терезесінің аймағын бөлектеу (8 биттік бір арна). Үш арналы RGB-ден бір арналы кескінді Формула 1-ге түрлендіру. 2. Сканерлеу терезесінде h гистограммасын есептеу. 3. Гистограмманы қалыпқа келтіру қарқындылықтың өзгеруінің барлық ауқымын емес, оның ең Ақпараттық бөлігін ғана созуды қамтамасыз етеді. Ақпараттық бөлік гистограмма (қарқындылық) шыңдарының жиынтығын білдіреді, олар аймақта басқаларға қарағанда жиі кездеседі. Сирек кездесетін қарқындылыққа сәйкес келетін биналар қалыпқа келтіру процесінде жойылады. Қалыпқа келтіру гистограмманың әр бинінің шамасын пикселдердің жалпы санына бөлу арқылы жүзеге асырылады. 4. Интегралды гистограмманы құру: = £0 ds t( x,y) = N(sr c (x,y)). (7) Бұл алгоритм суреттің барлық пикселдері үшін қайталанады, бұл сканерлеу кезінде тым қараңғы жерлерді жеңілдетуге және тым ашық түстерді қараңғылауға мүмкіндік береді-әр түрлі аймақтарда айтарлықтай айырмашылықтар болған жағдайда да жарықтығын теңестіріңіз. Жақтаудағы тікке қатысты бет қисаюының әсерін азайту үшін кескінді белгілі бір есептелген бұрышқа айналдыру алгоритмін қолдану мағынасы бар. Ол үшін сізге қажет: жүктеу/скачать 20,62 Kb. Достарыңызбен бөлісу:
|