„Számítógépes látórendszerek - Ellenőrző kérdések: Szegmentálás” változatai közötti eltérés

A VIK Wikiből
Ugrás a navigációhoz Ugrás a kereséshez
3. sor: 3. sor:
 
=== Szegmentálás ===
 
=== Szegmentálás ===
 
Azonos tulajdonságú pixelek homogén régiókba történő csoportosítása.
 
Azonos tulajdonságú pixelek homogén régiókba történő csoportosítása.
 +
[http://www.inf.u-szeged.hu/~kato/teaching/segmentation/01_segmentation.pdf Forrás]
 +
 
=== Szükséges/Felhasználás ===
 
=== Szükséges/Felhasználás ===
 
*Felületleírás
 
*Felületleírás

A lap 2015. április 15., 22:01-kori változata

← Vissza az előző oldalra – Számítógépes látórendszerek

Mit jelent a szegmentálás? Mikor van rá szükség? Mik a főbb nehézségei?
Mit jelent a szegmentálás során az idő-konzisztencia?
A Szegmentálás paraméterterében milyen összetevőket alkalmazhatunk?

Szegmentálás

Azonos tulajdonságú pixelek homogén régiókba történő csoportosítása. Forrás

Szükséges/Felhasználás

  • Felületleírás
  • Sztereó látás (élek megfeleltetése => 3Drekonstrukció)
  • Alakfelismerés
  • Képi adatbázis indexelése, keresés

Nehézségek

  • színhasonlóság
  • mozgás (elmosódott élek)
  • defókuszáltság
  • hasonló textúrák

Sorolja fel a fontosabb szegmentálási módszereket. Pár szóban mutassa be őket.

  • Küszöbözés, hisztogram alapú
  • Éldetektálás alapú
  • Klaszterezés: színcsatornák, térbeli eloszlás, időbeli eloszlás
  • Régiónövelés
  • Tömörítés-alapú módszerek
  • Paraméteres megoldások, görbeillesztés
  • Modell alapú
  • Tanuló rendszerek

Ismertesse a K-Means és a Mean Shift algoritmusokat. Milyen előnyeik és hátrányaik vannak? Mikor használjuk őket?

Milyen régiónövelő eljárásokat ismerünk. Pár szóban mutassa be őket.

Kiinduláskor a pixelek egyenként külön halmazokat alkotnak. Összehasonlítjuk őket a szomszédaikkal, hasonlóság esetén összevonjuk a halmazokat [?]. Hasonlóság lehet:

  • Kiválasztott (szín)csatornák
  • Defókuszáltság
  • Mélység (Mélységi képen)

SRM (Statisztikus régiónövelés)

[TODO]

Split & Merge

[TODO]