1 / 48

Υπολογιστική Όραση

Υπολογιστική Όραση. ΤΜΗΥΠ ΕΡΓΑΣΤΗΡΙΟ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ. Υπολογιστική Όραση Παραμετρικές Τεχνικές. Area-based (direct) τεχνικές Αντιστοίχιση βασισμένη στην ένταση φωτεινότητας όλων των εικονοστοιχείων της ROI Απευθείας αναζήτηση παραμετρικού μοντέλου

pabla
Download Presentation

Υπολογιστική Όραση

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. Υπολογιστική Όραση ΤΜΗΥΠ ΕΡΓΑΣΤΗΡΙΟ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ

  2. ΥπολογιστικήΌραση Παραμετρικές Τεχνικές • Area-based (direct) τεχνικές • Αντιστοίχιση βασισμένη στην ένταση φωτεινότητας όλωντων εικονοστοιχείων της ROI • Απευθείας αναζήτηση παραμετρικού μοντέλου • Featured-based τεχνικές • Αντιστοίχιση βασισμένη σε επιλεγμένα χαρακτηριστικά (γωνίες, ακμές) της ROI • Χρήση τελεστή αναγνώρισης χαρακτηριστικών • Αντιστοίχιση κοινών χαρακτηριστικών • Χρήση παραμετρικού μοντέλου για τη συνολική αντιστοίχιση δοθείσης της αντιστοίχισης χαρακτηριστικών Παραμετρικό μοντέλο Αντιστοίχιση Αντιστοίχιση Παραμετρικόμοντέλο

  3. ΥπολογιστικήΌραση Area-based παραμετρικέςτεχνικές Παράδειγμα • Ορισμός παραμετρικού μοντέλου • Βάσει της φύσης και των απαι-τήσεων του προβλήματος • Ορισμός συνάρτησης κόστους • Βελτιστοποίηση συνάρτησης κόστους • Υπολογισμός των παραμέτρων που βελτιστοποιούν τη συνάρτηση κό-στους

  4. ΥπολογιστικήΌραση Τεχνικές Βελτιστοποίησης • Μέθοδοι πλήρους αναζήτησης (full search) • Αναλυτική αναζήτηση των Ν παραμέτρων στον Ν-Δ χώρο • (-) Υψηλό υπολογιστικό κόστος • (-) Πεπερασμένη ακρίβεια • (+) Αντιστάθμιση μεγάλων μετατοπίσεων • Μέθοδοι βασισμένες στην κλίση της έντασης των εικόνων (gradient-based) • (+) Μεγαλύτερη ακρίβεια (θεωρητικά ίση με το eps της μηχανής) • (+) Μικρό υπολογιστικό κόστος • (+) Δυνατότητα χρήσης επαναληπτικού σχήματος • εγκλωβισμός • (-) Αδυναμία διαχείρισης μεγάλων μετατοπίσεων • Χρήση πυραμιδικού σχήματος • Υβριδικές μέθοδοι

  5. ΥπολογιστικήΌραση Γενικό πρόβλημα Ευθυγράμμισης εικόνων • Ορισμός παραμετρικού μοντέλουW(x;p) • x=[x,y]t, p=[p1,p2,…,pn]t • Ορισμός μέτρου ομοιότητας μεταξύ: • εικόναςαναφοράς IR(reference image) και γεωμετρικά παραμορφωμένηςεικόναςIW (warped image) • Αντιστάθμιση φωτομετρικών παραμορφώσεων

  6. ΥπολογιστικήΌραση Αντιστάθμιση φωτομετρικών παραμορφώσεων (contrast-brightness) Lucas – Kanade ‘81 Επαναληπτικός αλγόριθμος Fuh – Maragos ‘91 Αξαντλητική Αναζήτηση ECC ‘08 Επαναληπτικός αλγόριθμος

  7. ΥπολογιστικήΌραση Σχέση μεταξύ αλγορίθμων • Ελαχιστοποίηση ως προς τις φωτομετρικές παραμορφώσεις(separable variables) • LK: • FM: Μόνη περίπτωση ισοδυναμίας: Κανένα από τα δύο προβλήματα δεν είναι ισοδύναμο με το

  8. ΥπολογιστικήΌραση Αλγόριθμος ECC – Βασική ιδέα • Κανόνας ενημέρωσης: • Προσέγγιση • η Ιακωβιανή μήτρα του ως προς τις παραμέτρους • Ακολουθία υποδεέστερων μη γραμμικών προβλημάτων βελτιστοποίησης

  9. ΥπολογιστικήΌραση Υπολογισμός βέλτιστης λύσης ΘΕΩΡΗΜΑ • Η συνάρτηση μεγιστοποιείται για • Αν τότε το είναι ολικό μέγιστο για • όπου • Αν τότε το είναι το άκρο ενός διαστήματος και • το μπορεί να πάρει οποιαδήποτε τιμή ικανοποιεί τους • περιορισμούς

  10. ΥπολογιστικήΌραση Υπολογισμός βέλτιστης λύσης ΛΗΜΜΑ Μια ικανή συνθήκη για να ισχύουν οι περιορισμοί είναι: όπου ,

  11. ΥπολογιστικήΌραση Βήματα Αλγορίθμου FA-ECC • Αρχικοποίηση p0 • j=1 • Επαναληπτική διαδικασία • Υπολόγισε την εικόνα Iw(W(x;pj-1)) • Υπολόγισε την Ιακωβιανή μήτρα G(pj-1) • Υπολόγισε τη βέλτιστη λύση Δpjσύμφωνα με το θεώρημα και το λήμμα • Ενημέρωσε τις παραμέτρους pj=pj-1+Δpj • Αν ||Δpj||>ε, τότε j++ και πήγαινε στο 1. Διαφορετικά σταμάτα.

  12. ΥπολογιστικήΌραση Αντίστροφο πρόβλημα – Σύνθεση μετασχηματισμών • Αντίστροφο πρόβλημα [Hager-Belhumeur ’98] • Υπολόγισε πως πρέπει να μετασχηματίσεις την IRγια να αντιστοιχιστεί με την IW • Εφάρμοσε τον αντίστροφο μετασχηματισμό στην IW • Σύνθεση μετασχηματισμών [Shum-Szeliski ’00] • Κανόνας ενημέρωσης • W(x;pj)=W(x;pj-1)oW(x;Δpj) H Hessian μήτρατης βέλτιστης λύσηςγίνεται ανεξάρτητητων παραμέτρων H Ιακωβιανή του μετασχηματισμούγίνεται ανεξάρτητητων παραμέτρων

  13. ΥπολογιστικήΌραση Βήματα Αλγορίθμου IC-ECC • Αρχικοποίηση p0 • j=1 • Υπολόγισε την Ιακωβιανή μήτρα Gr(pj-1) και τον αντίστροφο (GrTGr)-1 • Επαναληπτική διαδικασία • Υπολόγισε την εικόνα Iw(W(x;pj-1) • Υπολόγισε τη βέλτιστη λύση Δpjσύμφωνα με το θεώρημα και το λήμμα • Ενημέρωσε τo μοντέλο W(x;pj)=W(x;pj-1)oW(x;Δpj)-1 • Αν ||Δpj||>ε, τότε j++ και πήγαινε στο 1. Διαφορετικά σταμάτα.

  14. ΥπολογιστικήΌραση Επαναληπτικοί Αλγόριθμοι-Σύγκριση

  15. ΥπολογιστικήΌραση Πειραματική Διαδικασία • Μετασχηματισμός Συγγένειας • Γραμμικός • Ιακωβιανή • Ανεξάρτητη από τις παραμέτρους • Μετασχηματισμός Προβολής • Μη-γραμμικός • P≠0 • Ιακωβιανή • Συνάρτηση των παραμέτρων

  16. ΥπολογιστικήΌραση Πειραματική Διαδικασία • Δημιουργία εικόνων προς αντιστοίχιση (Simon-Baker ’04) • Θεώρηση συστήματος συντεταγμένων • Επιλογή 4(3) κανονικών σημείων • Προσθήκη θορύβου Ν(0,σp2)στις συντεταγμένες • Ανάκτηση του μετασχηματισμού προβολής (συγγένειας) pr • Μετασχηματισμός συντεταγμένων και παρεμβολή της αρχικής εικόνας για τη δημιουργία εικόνας αναφοράς • Αρχικοποίση p0=0και εκκίνηση διαδικασίας αντιστοίχισης IR Iw

  17. ΥπολογιστικήΌραση Πειραματική αξιολόγηση αλγορίθμων • Σφάλμα αντιστοίχισης • C: σύνολο κανονικών σημείων • Κριτήριο σύγκλισης: • Μέτρα αξιολόγησης αλγορίθμων • Μέση τετραγωνική απόσταση MSD (μέση τιμή σφάλματος αντιστοίχισης) ως συνάρτηση του αριθμού επαναλήψεων • Πιθανότητα σύγκλισης (PoC) ως συνάρτηση της απόκλισης σp

  18. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  19. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  20. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  21. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  22. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  23. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  24. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  25. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  26. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  27. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Απουσία θορύβου • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  28. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  29. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  30. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  31. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  32. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός συγγένειας • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  33. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  34. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  35. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  36. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  37. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Μετασχηματισμός προβολής • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 5000 υλοποιήσεις • 15 επαναλήψεις • Σύγκριση αλγορίθμων • Γρηγορότερη σύγκλιση • Μεγαλύτερη πιθανότητα σύγκλισης

  38. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 500 υλοποιήσεις • 15 επαναλήψεις • Παραμόρφωση συγγένειας • Υπερ-μοντελοποίηση • Πλεονεκτήματα ECC • Καλύτερη συμπεριφορά σε περιπτώσεις υπερ-μοντελοποίησης • Γρηγορότερη και πιθανότερη σύγκλιση

  39. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 500 υλοποιήσεις • 15 επαναλήψεις • Παραμόρφωση συγγένειας • Υπερ-μοντελοποίηση • Πλεονεκτήματα ECC • Καλύτερη συμπεριφορά σε περιπτώσεις υπερ-μοντελοποίησης • Γρηγορότερη και πιθανότερη σύγκλιση

  40. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 500 υλοποιήσεις • 15 επαναλήψεις • Παραμόρφωση συγγένειας • Υπερ-μοντελοποίηση • Πλεονεκτήματα ECC • Καλύτερη συμπεριφορά σε περιπτώσεις υπερ-μοντελοποίησης • Γρηγορότερη και πιθανότερη σύγκλιση

  41. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 500 υλοποιήσεις • 15 επαναλήψεις • Παραμόρφωση συγγένειας • Υπερ-μοντελοποίηση • Πλεονεκτήματα ECC • Καλύτερη συμπεριφορά σε περιπτώσεις υπερ-μοντελοποίησης • Γρηγορότερη και πιθανότερη σύγκλιση

  42. ΥπολογιστικήΌραση Αποτελέσματα προσομοίωσης • Χαρακτηριστικά • Προσθετικός θόρυβος Ν(0,σi2) • (σi=8 gray levels) • 500 υλοποιήσεις • 15 επαναλήψεις • Παραμόρφωση συγγένειας • Υπερ-μοντελοποίηση • Πλεονεκτήματα ECC • Καλύτερη συμπεριφορά σε περιπτώσεις υπερ-μοντελοποίησης • Γρηγορότερη και πιθανότερη σύγκλιση

  43. ΥπολογιστικήΌραση Φωτομετρικές Παραμορφώσεις-Προσομοίωση • Μετασχηματισμός προβολής • Φωτομετρική παραμόρφωση: • Γραμμική (γ=1) • Μη – γραμμική • Προσθήκη θορύβου Ν(0,σi2)

  44. γ=1, σi=12, α1=0,75 • ΥπολογιστικήΌραση Φωτομετρικές Παραμορφώσεις-Προσομοίωση Παραμόρφωση εικόνας αναφοράς Παραμόρφωση εικόνας μετασχηματισμού

  45. γ=0.9, σi=12, α1=0,75 • ΥπολογιστικήΌραση Φωτομετρικές Παραμορφώσεις-Προσομοίωση Παραμόρφωση εικόνας αναφοράς Παραμόρφωση εικόνας μετασχηματισμού

  46. Solid: γ=1, σi=8, α1=1 • ΥπολογιστικήΌραση Φωτομετρικές Παραμορφώσεις-Προσομοίωση Dashed:γ=1, σi=12, α1=1.5 Παραμόρφωση εικόνας αναφοράς Παραμόρφωση εικόνας μετασχηματισμού

  47. Solid: γ=0.9, σi=8, α1=1 • ΥπολογιστικήΌραση Φωτομετρικές Παραμορφώσεις-Προσομοίωση Dashed:γ=0.9, σi=12, α1=1.5 Παραμόρφωση εικόνας αναφοράς Παραμόρφωση εικόνας μετασχηματισμού

  48. ΥπολογιστικήΌραση Συμπεράσματα • Σύγκριση FA-ECC και FA-LK • Μεγαλύτερη πιθανότητα σύγκλισης • Σύγκλιση σε χαμηλότερο επίπεδο • Αρκετά μεγαλύτερη ακρίβεια • Ίδιο υπολογιστικό κόστος • Καλύτερη συμπεριφορά σε περιπτώσεις υπερ-μοντελοποίησης • Ποιο ανθεκτικός σε μη γραμμικές φωτομετρικές παραμορφώσεις • Σύγκριση IC-ECC και SIC • Σχετικά παρόμοια ακρίβεια λύσης και πιθανότητα σύγκλισης • Σχετικά μικρότερο υπολογιστικό κόστος • Δεν απαιτείται η εκτίμηση φωτομετρικών παραμέτρων • Παρόμοια ευαισθησία στο θόρυβο

More Related