Содержание
- 2. Что такое морфология? СПОСОБЫ - эвристики, эксперименты НАУКА МЕТОДЫ - математические модели - формализованные критерии -
- 3. Что такое морфология? Термин: Морфология – (1) «наука о форме»; (2) методы анализа изображений, основанные на
- 4. Формальная морфология ϑ Λ M ⊆ ϑ ε δ ϕεδ = δε множество образов множество описаний
- 5. Сегментация + Реконструкция множество образов множество описаний Искусственный изоморфизм Естественный гомоморфизм 568=5×102+6×101+8×10 40=1×25+1×23 28=22 × 71
- 6. Пример 1. Морфологический анализ Пытьева Сравнение по форме, выделение отличий ─ = ─ = Алгоритм сравнения
- 7. Морфологический анализ Пытьева A1 A2 A3 A4 Индикаторная функция множества Ai Значение яркости(интенсивности) пикселя с координатами
- 8. Морфологический анализ Пытьева Проекция изображения на форму Изображение , определенное на поле Х Форма изображения V(f)
- 9. Морфологический анализ Пытьева α = arccos ku, β = arccos km Нормированный коэфициент корреляции Морфологический коэффициент
- 10. Морфологический анализ Пытьева
- 11. Пример 2. Математическая морфология Серра Обработка с учетом формы, выделение деталей MIN эрозия MAX дилатация MIN
- 12. Математическая морфология Серра B BT T Структурирующий элемент Исходный образ Трансляция Opening (открытие) Closing (закрытие) XoB
- 13. Математическая морфология Серра Трансляция A по z: Az = {y| a∈A, y=a=z}. Сложение Минковского (дилатация): A⊕B
- 14. Математическая морфология Серра ММ-операторы: ММ-проекторы: Эрозия (сжатие) Дилатация (расширение) ММ-открытие ММ-закрытие ММ-фильтрация Учет формы путем выбора
- 15. Математическая морфология Серра
- 16. Пример 3. Бинарная морфология на базе скелетов A Фигурой называется связная замкнутая область плоскости, ограниченная конечным
- 17. Бинарная морфология на базе скелетов
- 18. ПРОЕКТИВНОСТЬ
- 19. Проекторы как распознающие операторы (М. Павель) Структурный фильтр: процедура преобразования образа к виду, соответствующему заданному классу
- 20. Сравнение форм по сложности (Пытьев) M1 M2 M3 M3 ⊆ M2 ⊆ M1 Морфологическая сложность: Если
- 21. Морфологический спектр (Maragos) r ∂ || A o D(r) || / ∂r монотонное убывание сложности
- 22. Вложенные классы форм и идея морфологического спектра ⊕ ⊕ ⊕ ⊕ r
- 23. PSX(r,B) = - ∂S(X◦rB)/∂r, r≥0, (1) PSX(-r,B) = ∂S(X●rB)/∂r, r>0, (2) где S(X◦B) – площадь открытия
- 24. Построение морфологического спектра в непрерывной бинарной морфологии Дискретно-непрерывный морфологический спектр и пиковые составляющие формы фигуры (Визильтер,
- 25. Дискретно-непрерывный морфологический спектр силуэтов животных с реальных изображений (Визильтер, Сидякин, 2010)
- 26. МОДУЛЬНОСТЬ (комбинирование процедур)
- 27. Альтернативные модульные морфологии Идея: Построение различных модульных морфологических операторов путем комбинирования разных операторов сегментации с разными
- 28. Селективные морфологии (a) (b) (c) (a) (b) (a) (a) Открытие MM (a) (a) O(Object)= ∅, if
- 29. Селективные морфологии Im E(Im) O(Im) Im-O(Im) Полутоновое MM-открытие
- 30. Селективные морфологии Полутоновое SM-открытие Im E(Im) SO(Im) Im-SO(Im)
- 31. Селективные морфологии Im D(Im) C(Im) Im-C(Im) Полутоновое MM-закрытие
- 32. Селективные морфологии Im D(Im) SC(Im) Im-SC(Im) Полутоновое SM-закрытие
- 33. Селективные морфологии Полутоновое MM-открытие Im E(Im) O(Im) Im-O(Im)
- 34. Селективные морфологии Полутоновое SM-открытие Im E(Im) SO(Im) Im-SO(Im)
- 35. Селективные морфологии Полутоновое MM-закрытие Im D(Im) C(Im) Im-C(Im)
- 36. Селективные морфологии Полутоновое SM-закрытие Im D(Im) SC(Im) Im-SC(Im)
- 37. Селективные морфологии Im E1D(Im) SO1D(Im) Im-SO1D(Im) Контурная селективная морфология (на базе оператора удаления заданного числа концевых
- 38. МОРФОЛОГИЧЕСКИЙ АНАЛИЗ НА БАЗЕ КРИТЕРИЕВ (сегментация с регуляризацией)
- 39. Критерии в классических морфологиях Морфология Пытьева: Pr(A,M(B)) = argminC∈M(B) || A - C || Морфология Серра:
- 40. Критериальная морфология: Модель: M(λ): Λ→[0,1] ⇔ M(L):ϑ→[0,1] Критерий соответствия: K(E,λ): ϑ×Λ→[0,1] ⇔ K(E,L): ϑ×ϑ→[0,1] Критериальный морфологический
- 41. Морфологическое решение задач анализа данных: 1. Фильтрация ϕФ(E)=δ(λ): 2. Сегментация εФ(E)=λ: Ф(E,λ)=K(E,δ(λ))×M(λ)→max(λ∈Λ) 3. Распознавание cФ(E)=H: Ф(E,λ,H)=K(E,δ(λ))×M(λ,H)×M(H)→max(λ∈Λ,H∈Θ)
- 42. Нечеткие модели: [0,1] Максимум достоверности: Ф(A,L)=K(A,L)×M(L)→max(L∈Ω) Вероятностные модели: [0,1] Максимум апостериорной вероятности ψ(A)=L: P(A,L)=P(A/L)×P(L)→max(L∈Ω). Четкие или
- 43. Регуляризация Ф(A,L) = J(A,L) → min(L∈F(x)) x f(x)
- 44. Регуляризация Ф(A,L) = J(A,L) → min(L∈F(x)) x f(x)
- 45. Регуляризация Ф(A,L)=J(A,L)+α×Q(L)→min(L∈F(x)) x f(x)
- 46. Регуляризация ⇒ сегментация с потерями Ф(A,L)=J(A,L)+α×Q(L)→min(L∈F(x)) x f(x)
- 47. Проективная сегментация без потерь Морфология Пытьева «форма» Пытьева Морфология Серра морфологический скелет Минимальное число областей Минимальное
- 48. Критериальные проективные морфологии Пусть имеется множество образов Ω, на котором определена операция сложения (‘+’), задающая на
- 49. Стандартный критерий штрафа Ф(A,B)= J(A,B) + χ(A,B) + α×Q(B) где J(A,B) – критерий соответствия проекции и
- 50. Достаточные условия построения проективных операторов Ф(A,B)= J(A,B) + χ(A,B) + α×Q(B) Критериальные проективные морфологии
- 52. Скачать презентацию