La prises dans ce cas – un modèle

 

La reconnaissance de formes

Correspondance de modèle

We Will Write a Custom Essay Specifically
For You For Only $13.90/page!


order now

Preparé par

https://www.plagscan.com/analyse-de-plagiat/2014

1.                
INTRODUCTION

La correspondance de
modèles est une technique de vision par ordinateur utilisée pour trouver une
sous-image d’une image cible qui correspond à une image de modèle. Cette
technique est largement utilisée dans les champs de détection
d’objets tels que le suivi des véhicules, la robotique, l’ imagerie
médicale et de la fabrication.

Le point crucial est
d’adopter une «mesure» appropriée pour quantifier la similitude ou
l’appariement. Cependant, cette méthode nécessite également un coût de
calcul important puisque le processus d’appariement implique le déplacement de
l’image de modèle vers toutes les positions possibles dans une image cible plus
grande et le calcul d’un indice numérique indiquant à quel point le modèle
correspond à l’image dans cette position. Ce problème est donc considéré
comme un problème d’optimisation.

Dans un premier
temps raisonnable à l’ approche d’ une telle tâche consiste
à définir une mesure ou d’ un coût de mesurer
la «distance» ou la «similitude» entre les motifs (connus) de référence et le
(inconnu) motif d’essai, afin d’effectuer l’opération correspondante connue
comme matrice correspondant.

2.                
Types de correspondance
de modèles

La correspondance de
modèles a été effectuée au niveau des pixels et également au niveau supérieur.

A.              
Pixel Level Template Matching:

Les modèles de pixels
sont disponibles en quatre types:

a.                
Nombre de modèles: modèle
est la même taille que l’image d’entrée. Il n’y a pas
d’invariance de rotation ou de traduction.

b.                
Modèles partiels: Template
est libre de l’arrière – plan. Plusieurs
correspondances sont permises. Les matches partiels peuvent aussi être
autorisés. Des précautions doivent être prises dans ce cas – un modèle F pourrait
facilement correspondre à un E.

c.                
 Piece modèles: Modèles
qui correspondent à une caractéristique d’une figure. Ces modèles cassent
un motif dans ses segments composant ainsi, par exemple, “A” peut
être décomposé en “/”, “” et “-“. L’ordre
dans lequel les modèles sont comparés à la scène est important: les modèles les
plus importants doivent être essayés en premier, puisqu’ils contiennent le plus
d’informations et peuvent englober des modèles plus petits.

d.               
Modèles flexibles: Ces
modèles peuvent gérer les étirements, désorientation et d’ autres
déviations possibles. Un bon prototype d’un objet connu est d’ abord
obtenu et représenté paramétriquement.

B.                
Correspondance de modèle de haut niveau

Un problème avec pixel
est que bien que relativement bon marché et simple à mettre en œuvre; Rotation
et la traduction est un problème, aussi les images sont rarement parfait
souffrant de flou, étiré et d’autres distorsions et poivré avec le bruit.

Méthodes modèle
d’appariement de haut niveau

 fonctionnent sur
une image qui a généralement été segmenté en régions d’intérêt. Les régions
peuvent être décrits en termes de superficie, intensité moyenne, le taux
de variation de l’ intensité, la courbure et aussi
comparé – plus grand que, à côté de, au- dessus, la distance
entre les deux.

Les modèles sont
décrits dans les relations entre régions. Les règles de production et d’ autres
représentations linguistiques ont été utilisées.Également des méthodes
statistiques (relaxation des techniques basées) ont été appliquées pour
effectuer la mise en correspondance.

Matching
base Feature-: Caractéristique de base Matching

b.                
Lorsque l’image du
modèle a des caractéristiques fortes, une approche basée sur
les caractéristiques peut être considérée; l’approche peut se révéler
plus utile si le match à l’image de recherche pourrait être transformée en quelque sorte. Étant
donnéque cette approche ne tient pas compte de la totalité de
l’image de modèle, il peut être plus efficace lorsque vous travaillez
informatiquement avec des images de la source de plus grande résolution.

Matching basée sur des modèles: 

b.                
Pour les modèles sans
caractéristiques fortes, ou lorsque la majeure partie de l’image de
modèle constitue l’image correspondante, une approche basée sur
un modèle peut être efficace. Basé sur un modèle template
matching peut potentiellement nécessiter l’ échantillonnage d’un
grand nombre de points, il est possible de réduire le nombre de points
d’échantillonnage en réduisant la r??solution des images de recherche et de modèle
par le même facteur et effectuer l’opération sur la résultante Downsized images
( Multi-résolution, ou pyramide, traitement d’image).

·                   
 

·                   
 

·                   
Pyramide d’images

Pyramide d’ images est une série d’images, chaque image
étant un résultat de sous – échantillonnage (mise à l’ échelle
vers le bas, par un facteur de deux dans ce cas) de l’élément
précédent.

·                   
Traitement des
pyramides

·                   
A chaque niveau de la
pyramide, nous aurons besoin de l’ image sous – échantillonnée de manière
appropriée du modèle de référence, à savoir à la fois l’ image
d’entrée pyramide et image de modèle pyramide (traitement Pyramid) doit
être calculé.

Correspondance basée sur les niveaux de gris

Bien que dans certaines des applications l’orientation des objets soit
uniforme et fixe (comme nous l’avons vu dans l’exemple de prise), il arrive
souvent que les objets à détecter apparaissent tournés. Dans les algorithmes
d’appariement de modèles de la recherche de la pyramide
classique est adaptée pour permettre multi-angle correspondant, à savoir l’ identification
des instances tournées du modèle.

Ce résultat est
obtenu en calculant non seulement une pyramide d’images de modèle, mais
un ensemble de pyramides – une pour chaque rotation possible du gabarit. Pendant
la recherche de pyramide sur l’image d’entrée de l’algorithme
identifie les paires (position de modèle, l’ orientation du
modèle) plutôt que des positions individuelles de modèle. De même
le schéma original, à chaque niveau de la recherche de l’algorithme
vérifie uniquement les (position, orientation) paires qui ont obtenu
bien au niveau précédent (c. -à- semblait correspondre le modèle à
l’image de résolution inférieure).

La technique de la pyramide
correspondant avec la recherche multi-angle constitue la
méthode Template Matching base-Grayscale.

Correspondance basée sur les frontières

Edge-Based Matching améliore la correspondance basée sur les niveaux de
gris précédemment discuté en utilisant une observation cruciale – que la forme
de tout objet est définie principalement par la forme de ses bords. Par
conséquent, au lieu de faire correspondre le modèle entier, nous pourrions
extraire ses bords et ne correspondre qu’aux pixels proches, évitant ainsi des
calculs inutiles. Dans les applications courantes de la
vitesse-up réalisé est généralement importante.

3.                
Mesures de concordance
de modèles

Mesure de la correspondance
entre deux images est considérée comme une métrique qui indique le degré
de ressemblance ou de dissemblanceentre eux. Sauf
indication expresse contraire, cette métrique peut être croissante ou
décroissante avec un degré de similarité. Lorsque la métrique est
spécifiquement indiquée comme étant une mesure d’inadéquation, c’est une
quantité qui augmente avec le degré de dissimilarité.

1.                
Mesures de concordance
(similitude)

2.                 
MESURES BASÉES SUR DES
TECHNIQUES DE RECHERCHE OPTIMALES

Représentation: représenter
le modèle par une séquence de vecteurs de mesure.

Modèle:

Modèle d’essai:

·                   
Former une grille avec I points
(modèle) dans des points horizontaux et J (test) à la verticale

·                   
Chaque point (i, j) de
la grille de mesure la distance entre r (i) et t (j)

·                   
Chemin: Un chemin à travers
la grille, à partir d’ un nœud initial 
(i 0, j 0) pour une dernière (i f, j f), est
un ensemble ordonné de noeuds 
(i 0, j 0), (i 1, j 1), (i 2, j 2) … (i k, j k) … (f i, j f)

·                   
 Chaque chemin est
associé à un coût

Où K est le
nombre de noeuds à travers le chemin d’ accès

Le chemin optimal
(bleu) est construit en recherchant parmi tous les chemins autorisés. La
correspondance de nœuds optimale, entre les modèles de test et de référence,
est décomposée en reculant le chemin optimal.

2.                
Distance euclidienne

Soit I une image de niveaux de gris et g être
un modèle de taille n X m gris-valeur. Dans cette
formule (r, c) désigne le coin supérieur gauche de la matrice g.

3.                
La distance d’édition

Offres avec des motifs
qui se composent d’ensembles de symboles commandés. Par
exemple, si ces symboles sont des lettres, les motifs sont des mots d’un texte
écrit. Ces problèmes se posent dans le montage automatique et des applications
de récupération de texte. D’autres exemples de chaînes de symboles
se produisent dans la reconnaissance des formes structurelles. Une
fois que les symboles d’un motif (test) ont été identifiés, par exemple, via un
dispositif de lecture, la tâche est de reconnaître le motif, en recherchant la
meilleure correspondance avec un ensemble de motifs de référence.

? symbole
identifié à tort (par exemple, “befuty” au lieu
de “beauté”)

? erreur
d’insertion (par exemple, “bearuty”)

? erreur de
suppression (par exemple, “beuty”)

La similitude entre
deux modèles est basée sur le «coût» associé à la conversion d’un modèle à
l’autre. Si les motifs sont de même longueur, alors le coût est
directement lié au nombre de symboles qui doivent être modifiés dans l’un
d’entre eux de sorte que l’autre modèle résulte.

La Modifier distance
entre deux modèles de chaîne A et B, noté D (A, B), est
défini comme étant le nombre total minimum de modifications
C,insertions I , Et les suppressions R requis pour
modifier le schéma A en modèle B,

Où j fonctionne
sur toutes les variations possibles des symboles, afin de
convertir un B.

Calcul de la distance
d’édition avec (a) une insertion, (b) un changement, (c) une suppression, et
(d) une égalité.

·                   
Prédécesseurs et coûts
admissibles

1. transitions
diagonales:

2. horizontales et
verticales transitions:

4.                
MESURES BASÉES SUR LES
CORRÉLATIONS

La tâche principale est de trouver si un motif spécifique de
référence connu réside dans un bloc donné de données. Ces
problèmes se posent dansdes problèmes tels que la détection de la cible, la vision
robotique, le codage vidéo. Il y a deux étapes de base dans une
telle procédure:

·                   
Etape 1: Déplacez
le motif de référence à toutes les positions possibles dans le bloc
de données. Pour chaque position, calculer la«similarité» entre le motif
de référence et la partie respective du bloc de données.

·                   
Étape 2: Calculer
la meilleure valeur correspondante.

3.2 Mesures
d’incompatibilité (dissimilarité)

Ces mesures de correspondance sont basées sur les différences pixel par
pixel intensité entre les deux images f et g.

1.                
Racine carrée distance
moyenne (RMS): La mesure de distance de RMS est une mesure commune de
décalage entre les deux images numériques. Il est donné par:

2.                 
Somme des différences absolues (SAD): 

3.                
comparer les intensités
des pixels pour traiter les problèmes de traduction
sur les images, en utilisant un modèle
correspondant.

Un pixel dans l’image de recherche de coordonnées (x s, y s) a une intensité I s (x s, y s) et
un pixel dans la matrice de coordonnées (x t, y t) a l’ intensité I t (x t, y t). Ainsi , la différence absolue dans les intensités des
pixels est définie comme

Diff (x s, y s, x t, y t) = | I s (x s, y s) –
I t (x t, y t) | .

4.                
Problèmes liés à
l’appariement des modèles

1.                
Le modèle représente
l’objet comme nous le prévoyons dans l’image

2.                
L’objet peut en effet
être mis à l’échelle ou tourné

3.                
Cette technique
nécessite un modèle distinct pour chaque échelle et orientation

4.                
L’adaptation des
modèles devient donc trop coûteuse, surtout pour les grands modèles

5.                
Sensible à:

-bruit

-occlusions

5.                
Applications de
correspondance de modèles:

1.                
Correspondance de
modèles avec divers niveaux moyens de pyramide faciale.

2.                
Reconstruction 3D.

3.                
Détection de mouvement.

4.                
Reconnaissance d’objet.

5.                
Panorama
reconstruction.

Référence:

1.                
Gscox 1995. “Correspondance de
gabarit et les mesures de correspondance dans le traitement d’image”, 12 Juillet. Cap université.

2.                
Https://www.adaptivevision.com/pl/dane_techniczne/dokumentacja/3.2/machine_vision_guide/TemplateMatching.html

3.                
Http://numerics.mathdotnet.com/docs/Distance.html

4.                
  Http://www-cs-students.stanford.edu/~pdoyle/quail/notes/pdoyle/vision.html#Template
Matching

5.                
Http://en.wikipedia.org/wiki/Template_matching

6.                
Http://www.lira.dist.unige.it/teaching/SINA/slides-current/interest-points.pdf

7.                
OpenCV 2.4.5.0 documentation.htm

8.                
Jain. D, Tolga. H
et Meiyappan. S, “Détection de visage en utilisant
Template Matching», EE 368 – Traitement de l’ image
numérique, Printemps 2002-2003.

 Reconnaissance
des Motifs – TM Page 

 

Améliorer la précision de la correspondance  modifier 

Des
améliorations peuvent être apportées à la méthode d’appariement en utilisant
plus d’un modèle (eigenspaces), ces autres modèles peuvent avoir différentes échelles
et rotations.
Il est
également possible d’améliorer la précision de la méthode d’appariement en
hybrider les approches basées sur les caractéristiques et les modèles. 15 Naturellement,
ceci exige que les images de recherche et de modèle ont des dispositifs qui
sont assez évidents pour soutenir l’appariement de caractéristique.
https://translate.google.com/translate?hl=fr=_t=en=fr=http://en.wikipedia.org/wiki/Template_matching