컴퓨터 비전 및 인공 지능. 요즘의 패턴 인식은 사람들에게 특히 잘 알려져 있습니다. 저는 학생이고 패턴이 일치하는지 확인하기 위해 패턴과 일치해야하는 패턴 인식에 대한 연구를하고 있습니다. 그리고 나는 타원 탐지를 위해 Hough Algorithm을 사용하고 있습니다. 문제는 패턴 일치를위한 Hough 알고리즘에 어떤 것이 맞을까요? 그리고 그것의 과정은 무엇입니까. 나는 모든 사람들의 긍정적 인 반응을 기대하고 있습니다. 감사합니다패턴 인식에 적합한 알고리즘
호프 변형은 투표를 사용하는 역함수 이미지 변환입니다.
즉, 패턴이 원이면 이미지의 중심을 찾습니다. 이것은 이미지 투표 및 반전을 사용하여 수행됩니다.
반원은 입니다. 반어 적으로는 다른 서클입니다. 픽셀의 강도가 높으면 일부 원 (또는 적어도 가설)의 일부일 가능성이 큽니다. 이제 모든 원의 픽셀이 원의 중간 점이 될 가능성이 있기 때문에 표가 인 모든 픽셀에 대해 투표를 의미합니다.
모두 우리가 찾고있는 원의 픽셀이 이미지의 일부이므로 실제 중간 점은 2 ~ 3의 잠재적 중점이 될 수있는 일부 픽셀보다 더 많은 투표를 받게됩니다. 픽셀. 충분한 투표 수를 가진 픽셀은 "실제"원 중점으로 간주됩니다.
사전 처리 단계로, 예를 들어 (Canny) 엣지 감지를 사용하여 이미지를 조작하여 원의 표면 만 강조 표시해야합니다. 이러한 변환은 많은 경우 응용 프로그램에 따라 다릅니다.
주요 아이디어는 고려하는 것입니다, 변환 호우에
이미지 변환 후 이미지에 다른 이미지와 동일한 패턴이 있는지 어떻게 결정합니까? –
해프 변환 후 이미지에 거친 강도 수준의 하나 이상의 픽셀이 포함 된 경우 ... –
저에 대해 더 자세히 설명해 주시겠습니까? 덕분에 –
을 당신은 모든 종류의 이미지에 동일한 변환을 수행 할 수 있지만 (이미지가 대칭이기 때문에, 등) 일부 이미지들은 최적화 할 수 있습니다 (x1, y1), (x2, y2) 등과 같은 이산 이미지 포인트가 아닌 모양의 특성 대신 그 매개 변수의 측면에서 기울기 매개 변수 m 및 절편 매개 변수 b를 사용하여 (그러나 수직선 때문에 우리는이 형식을 사용하지 않습니다. intstead는 매개 변수, b 및 angle-> detail (http://www.tpub.com/math2/6.htm) 참조)을 사용하여 작성된 선 방정식을 선호합니다. 이제는 이미지의 각 줄을 고유 한 매개 변수로 나타낼 수 있습니다. (자세한 내용은 http://www.ai.sri.com/pubs/files/tn036-duda71.pdf 참조).
그러나 일부 수정을 통해 허프 변환은 분석 방정식 (예 : 선, 원 등)으로 설명 된 개체를 검색하는 데 사용될 수 있습니다. 대신, 모델로 설명 된 임의의 객체를 탐지하는 데에도 사용할 수 있습니다. 이를 일반화 된 Hough Transform 또는 GHT라고합니다. (자세한 내용은 참조 : http://www.cs.utexas.edu/~dana/HoughT.pdf)
왜 이것을 정규식으로 표시합니까? –
사이트에서이를 태그하도록 제안했습니다. 나는 그것을 제거해야합니까? –
사이트에서 사용하는 태그를 추측하기 위해 * 기계 학습 *을 사용합니다. 귀하의 질문에 그러나, 다르게 뭔가를 묻는다면 당신은 태그를 다시 작성해야합니다. 이것은 지금 행해진 다. –