Архив публикаций

Тезисы

XVII-ая конференция

Симметрии дифференциальных уравнений в задачах компьютерного зрения

Вражнов Д.А., Шаповалов А.В.¹, Николаев В.В.¹

ООО Томсклаб, Россия, 634055, г. Томск, пр. Академический 8/8, офис 403 Тел.: (3822) 701197, e-mail: vrazhnov@tomsklabs.com

¹Томский Государственный университет, физический ф-т, каф. Теоретической физики, Россия, 634050, г. Томск, пр. Ленина 36, Тел.: (3822) 529843, e-mail: shpv@phys.tsu.ru

1  стр. (принято к публикации)

Разработки алгоритмов компьютерного зрения для IT- приложений (например систем видеонаблюдения) с необходимостью приводят к задаче распознавания объектов на статическом кадре. Для решения этой задачи необходимо построить векторы-признаки, или feature vectors (FV), характеризующие особые области (области интереса, контентно-значимые области, etc.) на изображении. К векторам-признакам предъявляется определенный набор требований, обусловленный задачами последующей обработки и анализа информации, заключенной в изображении. Например, в методе SIFT в качестве точек интереса берутся характерные особенности функции изображения (яркости, цвета RGB, и др.) на кадре. Для построения масштабно инвариантных FV строилось расслоение исходного изображения, каждый слой которого получался сверткой (фильтрацией) исходного изображения с функцией Грина уравнения диффузии, в котором роль эволюционной переменной выполняет масштабный параметр фильтрации (дисперсия гауссова фильтра)[1]. Векторы-признаки, обладающие свойством масштабной инвариантности, строились исходя из указанного расслоения.

В данной работе используется вывод о том, что достигнутая в рассматриваемом подходе масштабная инвариантность получаемых векторов-признаков, обусловлена свойствами симметрии уравнения диффузии, часть из которых (в данном случае масштабная инвариантность) наследуется функцией Грина этого уравнения, взятая в качестве основы для метода фильтрации исходного изображения. В качестве примера фильтр строится на основе решений уравнения диффузии с симметриями и оператором эволюции. Предлагаемый подход обобщает известные методы обнаружения ключевых точек.

Работа выполнена при частичной финансовой поддержке программы "Бизнес Старт" (госконтракт № 6445р/9087), АВЦП ФАО Минобрнауки РФ (проект № 2.1.1/3436.

Литература.

1. Lindeberg T. Feature detection with automatic scale selection // International Journal of Computer Vision, vol. 30, num. 2, 1998, pp. 79-116

• открыть в PDF формате