Апробация алгоритма обнаружения объекта на цифровом изображении

Авторы: Левинский А.Т., Родионов И.Д., Агальцев С.В., Тимофеев Д.В.
Опубликовано в выпуске: #5(22)/2018
DOI: 10.18698/2541-8009-2018-5-310
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации, статистика
Ключевые слова: алгоритм, обнаружение, объект, цифровое изображение, коэффициент, обработка изображений, фрагмент, ядра, дескриптор
Опубликовано: 07.05.2018

Предметом изучения является алгоритм обнаружения, а также исследование и модернизация алгоритма обнаружения нескольких объектов на цифровом изображении. Поставленная цель достигается благодаря применению масштабирования к исследуемому изображению с помощью нахождения точек максимума, в которых изображение имеет наивысшее сходство с эталонным изображением. Проведена работа по улучшению алгоритма распознавания объектов на изображении. Добавлена возможность дополнительно задавать в программе размеры изображений, коэффициент сходства между изображениями и коэффициент масштабирования.

Литература

[1] Гонсалес Р., Вудс Р. Цифровая обработка изображений. Москва, Техносфера, 2005, 1072 с.

[2] Seo H.J., Milanfar P. Training-free, generic object detection using locally adaptive regression kernels. Transactions on Pattern Analysis & Machine Intelligence, 2010, vol. 32, no. 9, pp. 1688–1704.

[3] OpenCV шаг за шагом. Введение. URL: http://robocraft.ru/blog/computervision/264.html (дата обращения 20.09.2017).

[4] Takeda H., Farsiu S., Milanfar P. Kernel regression for image processing and reconstruction. Transactions on Image Processing, 2007, vol. 16, no. 2, pp. 349–366.

[5] Shechtman E., Irani M. Matching local self-similarities across images and videos. Conference on Computer Vision and Pattern Recognition, 2007, pp. 1–8.

[6] Kervrann C., Bourlanger J. Optimal spatial adaptation for patch-based image denoising. Transactions on Image Processing, 2006, vol. 15, no. 10, pp. 2866–2878.

[7] Buades A., Coll B., Morel J.M. Nonlocal image and movie denoising. International Journal of Computer Vision, 2008, vol. 76, no. 2, pp. 123–139.

[8] Devernay F. A non-maxima suppression method for edge detection with sub-pixel accuracy. INRIA, 1995, 15 p.

[9] Ke Y., Suthanakar R. PCA-SIFT: a more distinctive representation for local image descriptors. Computer Vision and Pattern Recognition, 2004, vol. 2, pp. 506–513.

[10] Bay H., Ess A., Tuytelaars T., Gool L.V. Speeded-up robust features (SURF). Computer Vision and Image Understanding, 2008, vol. 110, no. 3, pp. 346–359.

[11] Левинский А.Т., Родионов И.Д., Агальцев С.С. Обнаружение объекта на цифровом изображении. Политехнический молодежный журнал, 2018, № 1. URL: http://ptsj.ru/catalog/icec/sacip/228.html.

[12] Левинский А.Т., Селюто Н.М., Родионов И.Д. Отслеживание и оценка скорости движения объекта в видеопотоке. Политехнический молодежный журнал, 2017, № 12. URL: http://ptsj.ru/catalog/icec/sacip/209.html.