Нейросетевой поиск особых точек для системы технического зрения…
5
зует ядра 3 × 3, с которыми сворачивают исходное изображение для вы-
числения изображения, где каждая точка содержит приближенные про-
изводные по
x
и по
.
y
Пусть
I
— исходное изображение, а
,
x
G
y
G
—
два изображения, где каждая точка содержит приближенные производ-
ные по
x
и по
.
y
Вычисляют их следующим образом:
1 0 1
1 2 1
2 0 2 * ,
0 0 0 * ;
1 0 1
1 2 1
x
y
G
I G
I
где «*» обозначает двумерную операцию свертки [3].
Результатом является сжатое изображение стереопары с выделен-
ной границей. Пусть области исходного изображения, покрытые гра-
ницами, являются кандидатами на принадлежность к особым точкам.
Распознавание изображений объектов наиболее сложный процесс,
поскольку подразумевает значительный перебор областей в изображе-
нии. Зачастую качество распознавания зависит от эффективности мно-
жества процессов, начиная от процесса ввода изображения и заканчивая
формированием признаков объекта. Поэтому имеет смысл ограничить
области интереса в изображениях большого размера. В качестве обла-
стей, используемых для сравнения кадров, были выбраны точки с
наибольшим перепадом градиента яркости. Наиболее ярким примером
особых точек являются углы на изображении сцены. Их определяли ме-
тодом сравнения с эталоном. Все граничные точки сопоставляли с эта-
лонами для нахождения максимально похожего.
Поиск угловых точек можно реализовать в рамках различных под-
ходов с учетом размеров найденных областей и их ориентации. Приме-
ром может служить детектор углов Хариса [4], который построен на
исследовании монотонности областей изображения. Однако, поскольку
вся система формируется с ориентацией на нейросетевое решение за-
дачи, для ускорения и упрощения поиска было предложено использо-
вать нейросеть Хопфилда и сети радиальных нейронов. При обучении
обеих сетей использовали образцы углов, прямых краев и монотонных
областей, повернутых под различными углами. Примеры образцов
приведены на рис. 2, где показаны 5 из 55 принятых для обработки
эталонов. Каждый эталон представлен бинарной матрицей размером
16 × 16 пикселов.
Рис. 2.
Примеры шаблонов целевых областей
