slide1
Download
Skip this Video
Download Presentation
Fůze rozmazaných snímků ( Li, Manjunath, Mitra)

Loading in 2 Seconds...

play fullscreen
1 / 22

Fůze rozmazaných snímků ( Li, Manjunath, Mitra) - PowerPoint PPT Presentation


  • 85 Views
  • Uploaded on

kombinace „nejlepších“ dat. volba „nejlepších“ - pomocí DWT, levý Mallat strom. absolutní hodnota koeficientů - amplituda wavelet. velké abs. hodnoty - významné ostré změny jasu. volba max | koeficienty |. sesazení zvolených. zpětná rekonstrukce pomocí IDWT.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Fůze rozmazaných snímků ( Li, Manjunath, Mitra)' - tilly


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1
kombinace „nejlepších“ dat

volba „nejlepších“ - pomocí DWT, levý Mallat strom

absolutní hodnota koeficientů - amplituda wavelet

velké abs. hodnoty - významné ostré změny jasu

volba max | koeficienty |

sesazení zvolených

zpětná rekonstrukce pomocí IDWT

Fůze rozmazaných snímků (Li, Manjunath, Mitra)

slide2
max

DWT

IDWT

maximum přes okolí 3x3, 5x5

pokud „jiné“ - nahrazení, pokud „stejné“ - průměr

konzistence - okolí z obr. A, jeden z obr. B -> změna

Fůze rozmazaných snímků (Li, Manjunath, Mitra)

slide3
Fúze dat

Remote sensing: kombinace detailů z panchromatického (PAN)

obrazu s vysokým prostorovým rozlišením s

infomací o barvě z obrazu multispektrálního (MS) s nízkým p.r.

Proč MS není s vysokým rozlišením – příchozí energie do senzoru

- množství nasbíraných dat

IHS fúze pro MS: RGB -> IHS, I nahrazeno PAN obrazem, zpětná IHS

PCA fúze MS dekoreluje, 1 komponent nahrazen PAN, zpětná PCA

wavelety

Problémy s barvou – staré satelity relativně OK

- nové problém s PAN (větší rozsah – jiná barva)

slide4
Fúze dat s různým rozlišením

TM vysoké frekvenční rozlišení (barevné) TM3, TM4, TM7

SPOT-PAN vysoké prostorové rozlišení

TM - Landsat Thematic Mapper, SPOT - Satellite Pour I' Observation de la Terre

FWT(SPOT-PAN) AVG(SPOT-PAN), DH(SPOT-PAN), DV(SPOT-PAN), DD(SPOT-PAN)

10m

20m

  • registrace (TM) na AVG(SPOT-PAN)
  • IFWT(R(TM), DH(SPOT-PAN), DV(SPOT-PAN), DD(SPOT-PAN) )
slide6
Reprezentace

- křivky a jejich DWT rozvoj

- textury (biologická motivace)

- waveletová transformace

frekvence a lokalizace

-   (koef2) … energie

- energie v rozdílu

kanálů R, G, B

tj. korelace mezi kanály

ve stejném směru

- rozptyl, střední hodnota

slide7
Reprezentace - Gabor wavelety

- Gauss modulovaný komplexní sin funkcí

- dilatace a rotace

- nastavení měřítka a orientace pro detekci objektů

- textury - střední hodnota a rozptyl absolutní hodnoty koef.

slide10
Registrace snímků

- škálovací funkce - impulsní odezva LPF

- wavelety

- amplituda WT

- pro dané wavelety proporční k velikosti gradientu

slide11
Registrace snímků

- LH a HL, řídící bod tam kde M větší než práh

- STD a E M pro danou hloubku,  ovlivňuje počet

pro jemné úrovně vyšší hodnoty

- v LL na daných místech výpočet korelačních koeficientů

wc plocha

slide12
Registrace snímků

- postupně z hloubky, v každém kroku provést

odhadnutou transformaci

- je možno v hloubce začít full-search přes prostor

parametrů, pak na vyšších úrovních omezit oblast

vyhledávání

- je možno použít bloky místo detekovaných maxim

slide13
Detekce hran

obdoba Cannyho detektoru hran

  • - absolutní hodnota
  • lokální maxima ve směru maximální změny
  • originál Canny Maar
slide14
Detekce hran

- multiscale verze - vyhlazování low-pass filtrem

- nejčastěji Gauss

- (x,y)

slide15
Detekce hran

při použití konvoluce

2 wavelety - odpovídají vektoru gradientu vyhlazeného

obrázku

slide16
Detekce hran

velikost gradientu

směr gradientu

hrany - 1D lokální maxima M ve směru A

posun obrázku - posun maxim

- nemění se hodnoty maxim

- koeficienty WT se můžou měnit

slide17
Detekce hran - analýza
  • multiscale informace o hranách, z jednotlivých úrovní
  • analýza vztahů mezi jednotlivými úrovněmi
  • mizení koeficientů do hloubky závisí na lokální
  • hladkosti signálu
slide18
Detekce hran - analýza
  • diferencovatelnost - Lipschitzovské koeficienty
  • čím větší , tím víc diferencovatelná funkce
  • v nespojitosti  = 0
  • nutná podmínka pro f aby byla někde L. s je existence
  • C > 0
  • - podle vývoje velikosti w.koef. - odhad hladkosti obr.f.

Funkce funiformně Lipschitzovská s  (0 << 1)

na intervalu [a,b] právě tehdy, když existuje

konstanta K taková že pro libovolné (x0, x1) z [a,b] platí

slide19
Detekce hran - analýza
  • pro detekci hran – odhady přes úrovně co šum a co hrana
  • není L. – pokles koeficientů
  • je L. – nárůst koeficientů
  • není L. – pravděpodobně šum a detaily
  • použít hlubší úroveň když rychlý pokles
  • použít vyšší úroveň když pomalý pokles -
          • přesnost umístění hran
slide20
Watermarking
  • neviditelný podpis v obraze, důkaz původu
  • - =
  • vypadat náhodně, neviditelně
  • detekovatelná korelací
  • stabilní vůči změnám (šum, komprese, výřez)
slide21
Watermarking
  • robustní – vodoznak na významných místech versus
          • viditelnost
  • METODA: DWT – detailní koeficienty > práh
  • na ně přidat vodoznak IDWT
  • KONTROLA: DWT test, detailní koeficienty > práh2 > práh
  • korelace, porovnat s mírou podobnosti
slide22
Watermarking
  • jen významné koeficienty změněny
  • množství změn adaptováno na obrázek
  • druhý práh větší z důvodů robustnosti (šum, komprese)
ad