sustav za segmentaciju slika prometnih znakova na temelju boje
DESCRIPTION
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: - PowerPoint PPT PresentationTRANSCRIPT
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: • 1) Pojednostavljenje slike• 2) Dobivanje dodatnih informacija o sadržaju
slike • 3) Izdvajanje bitnih dijelova slike za daljnju
obradu
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
Algoritam K srednjih vrijednosti
Ideja: skup od n pojava ili uzoraka podijeliti na K grupa
Problem: Kako odabrati broj grupa i
početne srednje vrijednosti?
→ → →
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
Izbor početnih srednjih vrijednosti - primjer
1
2
3
4
5
7
6
8
9
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?
2 2 2, ( ) ( ) ( )a b a b a b a bd R R G G B B
, ,: , 1..j nj i i sred i sredS pixel d d n k
Performanse segmentacije u prostoru slike
Performanse segmentacije u prostoru boja
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:
2( ) ( )k k
k
znakovi udioSlika segment udioStatistikaZnakova segment
2( ) ( )k k
k
pozadine udioSlika segment udioStatistikaPozadine segment
, znakovi< pozadine, inače
truejeZnakfalse
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
1 1 1
1 1 1
1( , , ) ( , , )
i i i
i i i
R G B
i i ir R r G r B
udio R G B udio r g bn
Rezultati testiranja na okruglim znakovima
Mali skup za učenje → razmazivanje utječe pozitivno
5,53% 8,59%5,56% 7,72%
68,74%
76.83%
93,64% 90.83%
Rezultati testiranja na trokutastim znakovima
Veća površina pozadine na slikama sa trokutima → maska jako smanjuje broj lažnih detekcija
12,60%
6,40%
12,20%
95,56% 97,19% 97,42%
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)