1 / 14

Sustav za segmentaciju slika prometnih znakova na temelju boje

Sustav za segmentaciju slika prometnih znakova na temelju boje. Autor: Toni Benussi Mentor: prof. dr. sc. Zoran Kalafatić. Segmentacija slike. Zadaća: dijeljenje slike na segmente Segment – dio slike koji sadrži piksele koji koji se mogu grupirati na temelju nekog zajedničkog svojstva Cilj:

danton
Download Presentation

Sustav za segmentaciju slika prometnih znakova na temelju boje

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Sustav za segmentaciju slika prometnih znakova na temelju boje Autor: Toni Benussi Mentor: prof. dr. sc. Zoran Kalafatić

  2. Segmentacija slike • Zadaća: dijeljenje slike na segmente • Segment – dio slike koji sadrži piksele koji koji se mogu grupirati na temelju nekog zajedničkog svojstva • Cilj: • 1) Pojednostavljenje slike • 2) Dobivanje dodatnih informacija o sadržaju slike • 3) Izdvajanje bitnih dijelova slike za daljnju obradu

  3. Primjena segmentacije na temelju boje kod prometnih znakova • Zašto segmentirati slike prometnih znakova na temelju boje? • Boja je jedna od temeljnih karakteristika prometnih znakova koja ih čini prepoznatljivima i uočljivima za ljude → boja može pomoći u detekciji i raspoznavanju prometnih znakova pomoću računala • Problem: boje na slikama prometnih znakova se jako razlikuju ovisno o uvjetima u kojima je slika napravljena

  4. Algoritam K srednjih vrijednosti • Ideja: skup od n pojava ili uzoraka podijeliti na K grupa • Problem: Kako odabrati broj grupa i početne srednje vrijednosti? → → →

  5. Izbor početnih srednjih vrijednosti • Izrada histograma boja na slici (korisno i kasnije tokom segmentacije) • Prva srednja vrijednost = najzastupljenija boja na slici (u histogramu) • Svaka sljedeća srednja vrijednosti je boja koja ima najveću minimalnu udaljenost od svih postojećih srednjih vrijednosti • Kraj postupka: Kada je sljedeća minimalna udaljenost manja od definiranog praga

  6. Izbor početnih srednjih vrijednosti - primjer 6 4 2 9 1 7 5 8 3

  7. Računanje udaljenosti u RGB prostoru boja • Korišten RGB prostor boja dimenzija 64x64x64 • Računanje udaljenosti: • Određivanje grupe kojoj pripada piksel: • Segmentacija u prostoru slike ili u prostoru boje?

  8. Performanse segmentacije u prostoru slike

  9. Performanse segmentacije u prostoru boja

  10. Histogrami i primjena kod detekcije znakova • Histogrami udjela svake boje na slikama znakova i pozadine • Detekcija = uspoređivanje boja na slici sa bojama u histogramu znakova i histogramu pozadina:

  11. Razmazivanje histograma i maske • “razmazivanje” – svaka vrijednost u histogramu se računa kao prosjek svoje 3x3x3 okoline u RGB prostoru: • Maske (okrugla i trokutasta) za uklanjanje pozadina znakova

  12. Rezultati testiranja na okruglim znakovima 93,64% 90.83% • Mali skup za učenje → razmazivanje utječe pozitivno 76.83% 68,74% 5,56% 5,53% 8,59% 7,72%

  13. Rezultati testiranja na trokutastim znakovima 97,42% 97,19% 95,56% • Veća površina pozadine na slikama sa trokutima → maska jako smanjuje broj lažnih detekcija 12,60% 12,20% 6,40%

  14. Zaključak • Potvrđena pretpostavka da boja može biti važan kriterij u detekciji prometnih znakova • Ipak segmentacija prespora za samostalnu detekciju, a i broj lažnih detekcija je prevelik • Moguća primjena kao dodatna provjera rezultata detekcije dobivenih drugim algoritmom (posebno ako taj algoritam ne uzima u obzir boju prilikom detekcije)

More Related