Журнал LinuxFormat - перейти на главную

LXF137:Perl

Материал из Linuxformat
Версия от 11:49, 22 апреля 2014; Mike2014 (обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск
Подписка на печатную версию
Весь 2015 год (12 номеров)
Первое полугодие (6 номеров)
Второе полугодие (6 номеров)
Подписка на электронную версию
Весь 2015 год (12 номеров)
Первое полугодие (6 номеров)
Второе полугодие (6 номеров)
Подшивки старых номеров журнала (печатные версии)
Весь 2014 год (12 номеров)
Первое полугодие (6 номеров)
Второе полугодие (6 номеров)
Рас­по­зна­ва­ние об­ра­зов На­пи­шем про­грам­му, ко­то­рая чи­та­ет но­мер­ные зна­ки ав­то­мо­би­лей

Содержание

Perl: Об­на­ру­жим объ­ек­ты

Часть 4: Реа­ли­за­ция объ­ек­тов в Perl ос­тав­ля­ет же­лать луч­ше­го, но это не зна­чит, что с его по­мо­щью нель­зя на­хо­дить объ­ек­ты на фо­то­гра­фи­ях, счи­та­ет Ми­ха­ил Смир­нов.

Мно­гие прак­ти­че­ские при­ло­жения об­ра­бот­ки и ана­ли­за изо­бра­жений вклю­ча­ют про­це­ду­ру об­на­ру­жения и рас­по­зна­вания объ­ек­тов. В эту сфе­ру по­па­да­ют мно­гие за­да­чи со­вре­мен­но­сти: от ме­ди­цин­ских ис­сле­до­ваний до на­ви­га­ции ав­то­ма­ти­че­ских косми­че­ских стан­ций. В исто­ри­че­ском плане наи­боль­шую из­вест­ность по­лу­чи­ли ме­то­ды сравнения с эта­ло­ном, оцениваю­щие сте­пень кор­ре­ля­ции объ­ек­та об­на­ру­жения и эта­ло­на. В по­следние де­ся­ти­ле­тия ин­тен­сив­но раз­ви­ва­лись ме­то­ды рас­по­зна­вания об­ра­зов, осно­ван­ные на фор­маль­ном (струк­тур­ном или се­ман­ти­че­ском) опи­сании изо­бра­жений. К успе­хам фор­маль­ных опи­саний мож­но отнести при­ло­жения по рас­по­зна­ванию пе­чат­но­го тек­ста, от­пе­чат­ков паль­цев, клас­си­фи­ка­ции хро­мо­сом в био­ме­ди­цин­ских при­ло­жениях и так да­лее. В рас­по­зна­вании об­ра­зов по­лу­чи­ли дальней­шее раз­ви­тие и искусствен­ ные ней­рон­ные се­ти, основ­ное пре­иму­ще­ство ко­то­рых за­клю­ча­ет­ся в на­ли­чии универ­саль­но­го ме­ханиз­ма обу­чения. Вме­сте с тем, в ря­де экстре­маль­ных за­дач об­на­ру­жения ме­тод сравнения с эта­ло­ном оста­ет­ся до­минирую­щим.


Яр­ким при­ме­ром слу­жат систе­мы на­ви­га­ции и на­ве­дения кры­ла­тых ра­кет по рель­е­фу ме­ст­но­сти. В ка­че­стве эта­ло­нов ис­поль­зу­ют­ся кар­ты ме­ст­но­сти, изо­бра­жения ко­то­рых пред­ва­ри­тель­но за­но­сят­ся в па­мять бор­то­во­го ком­пь­ю­те­ра. В хо­де по­ле­та ви­део­систе­ма ра­ке­ты сканиру­ет ме­ст­ность, а ком­пь­ю­тер оценива­ет кор­ре­ля­цию те­ку­ще­го изо­бра­жения ме­ст­но­сти с на­бо­ром эта­ло­нов и кор­рек­ти­ру­ет по­ло­жение ра­ке­ты в про­стран­стве от­но­си­тель­но рас­чет­ной тра­ек­то­рии по­ле­та. В систе­му на­ве­дения кры­ла­той ра­ке­ты вхо­дит элек­трон­но-оп­ти­че­ская кор­ре­ля­ци­он­ная под­систе­ма, ко­то­рая вы­да­ет ре­зуль­та­ты в ре­аль­ном вре­мени. Циф­ро­вые кар­ти­ны-эта­ло­ны пред­ва­ри­тель­но от­сня­тых рай­онов ме­ст­но­сти по­сле­до­ва­тель­но вво­дят­ся в элек­трон­но-оп­ти­че­ский кор­ре­ля­тор по ме­ре пе­ре­ме­щения ра­ке­ты вдоль тра­ек­то­рии по­ле­та. Бор­то­вой ком­пь­ю­тер оценива­ет ве­ли­чи­ны кор­ре­ля­ции и про­кла­ды­ва­ет курс ра­ке­ты по рель­е­фу ме­ст­но­сти. Нуж­но от­ме­тить, что в со­от­вет­ствии со свой­ства­ми зри­тель­но­го воспри­ятия для улуч­шения ре­зуль­та­тов сравнения при­ме­ня­ет­ся кор­ре­ля­ция по кон­ту­рам рель­е­фа ме­ст­но­сти. На рис. 1 пред­став­лен при­мер фо­то­гра­фи­че­ской кар­ты ме­ст­но­сти и её кон­тур­ное (гра­ди­ент­ное) пред­став­ление. Кон­тур­ное пред­став­ление мо­жет быть по­лу­че­но с по­мо­щью, на­при­мер, диф­фе­рен­ци­аль­но­го опе­ра­то­ра Со­бе­ля или с по­мо­щью вы­со­ко­частот­ной фильт­ра­ции ви­део­дан­ных.

Ра­зу­ме­ет­ся, на дан­ном уро­ке мы по­ста­вим пе­ред со­бой бо­лее скром­ную и ку­да бо­лее мир­ную за­да­чу, а имен­но: реа­ли­зу­ем об­на­ру­жи­тель-кор­ре­ля­тор для про­стых сцен. Для нас бу­дет ва­жен прин­цип по­строения та­ко­го об­на­ру­жи­те­ля на прак­ти­че­ском уровне с по­мо­щью про­грамм­ных средств язы­ка Perl.

Об­на­ру­жение, раз­ли­чение, опознавание

Джон­сон [J. Johnson], ис­сле­дуя влияние ви­део­систем на воспри­ятие во­ен­ных объ­ек­тов, уста­но­вил три основ­ных уров­ня ви­дения, ха­рак­те­ри­зую­щих про­цесс ото­жде­ств­ления изо­бра­жений дан­ных объ­ек­тов: об­на­ру­жение (по­яв­ление объ­ек­та в по­ле зрения), раз­ли­чение (раз­биение на клас­сы: тан­ки, ав­то­мо­би­ли) и опо­зна­вание ти­па объ­ек­та (на­при­мер, на­блю­да­ет­ся танк t-72). На рис. 2 ил­лю­ст­ри­ру­ет­ся кри­те­рий Джон­со­на, где сле­ва по­ка­за­ны пе­рио­ды строч­ной раз­верт­ки те­ле­ви­зи­он­ной систе­мы на­блю­дения, а спра­ва – кон­тур­ное изо­бра­жение ав­то­мо­би­ля. Та­ким об­ра­зом, Джон­сон уста­но­вил, что чис­ло по­лу­пе­рио­дов раз­верт­ки, при­хо­дя­щих­ся на минималь­ный раз­мер объ­ек­та, долж­но быть рав­но 2 (+1/-0.5) для об­на­ру­жения (рис. 2а), 8 (+1.6/-0.4) для клас­си­фи­ка­ции (рис. 2б) и 12.8 (+3.2/-2.8) для опо­зна­вания (рис. 2в).


Сле­до­ва­тель­но, ес­ли мы уста­но­вим, что в изо­бра­жении име­ют­ся тан­ки и ав­то­ма­ши­ны, то мы ре­шим за­да­чу об­на­ру­жения. Ес­ли нам уда­ст­ся от­де­лить изо­бра­жения тан­ков от изо­бра­жений ав­то­мо­би­лей, то мы ре­шим за­да­чу клас­си­фи­ка­ции. И, на­конец, ес­ли мы смо­жем ска­зать, что танк на изо­бра­жении яв­ля­ет­ся россий­ским т-72, а не аме­ри­кан­ским M1A2, мы ре­шим за­да­чу опо­зна­вания ти­па.

Зна­чи­мость кон­ту­ров

Из ис­сле­до­ваний зри­тель­но­го ана­ли­за­то­ра из­вест­но, что основ­ную ин­фор­ма­цию о зри­тель­ных об­раз­ах несут кон­ту­ры объ­ек­тов и рез­кие пе­ре­па­ды яр­ко­сти на границах по­следних. Про­стей­шей про­це­ду­рой для вы­де­ления кон­ту­ров объ­ек­тов яв­ля­ет­ся вы­чис­ление раз­но­стей зна­чений яр­ко­сти ме­ж­ду со­седними эле­мен­та­ми изо­бра­жения, что пред­став­ля­ет со­бой про­це­ду­ру диф­фе­рен­ци­ро­вания. Чем боль­ше бу­дут эти раз­но­сти, тем сильнее про­явят­ся кон­ту­ры объ­ек­тов в изо­бра­жении. Наи­боль­шим зна­чениям раз­но­стей бу­дут со­от­вет­ство­вать мак­си­му­мы гра­ди­ен­та яр­ко­сти. Эк­ви­ва­лен­том про­стран­ствен­но­му диф­фе­рен­ци­ро­ванию в плоско­сти изо­бра­жения бу­дет при­менение гра­ди­ент­но­го фильт­ра в частот­ной об­ласти. При­ме­ром та­ко­го фильт­ра мо­жет слу­жить фор­му­ла: 

H(u,v) = u2 + v2,

где u, v – про­стран­ствен­ные часто­ты. Дей­ствие дан­но­го фильт­ра как раз и пред­став­ле­но на рис. 1а. Про­грамм­ную реа­ли­за­цию гра­ди­ент­но­го фильт­ра мы рас­смот­рим чуть ниже, со­вме­ст­но с вы­полнением про­це­ду­ры сравнения с эта­ло­ном, ко­то­рая по­лу­чи­ла на­звание со­гла­со­ван­ной фильт­ра­ции.

Со­гла­со­ван­ная фильт­ра­ция

Со­гла­со­ван­ный фильтр был впер­вые ис­поль­зо­ван для об­на­ру­жения сиг­на­лов в ра­дио­ло­ка­ции. В од­ной из пре­ды­ду­щих ста­тей цик­ла (LXF135) мы рас­смот­ре­ли про­це­ду­ру фильт­ра­ции для по­вы­шения ка­че­ства фо­то­изо­бра­жения. Для это­го мы сфор­ми­ро­ва­ли фильтр H(u,v) и ум­но­жи­ли его на спектр фо­то­изо­бра­жения S(u,v). На фор­маль­ном уровне, с по­зи­ции тео­рии линей­ной фильт­ра­ции, как фильтр для по­вы­шения ка­че­ства, так и фильтр для со­гла­со­ван­ной фильт­ра­ции рав­но­цен­ны. Основ­ное от­ли­чие со­гла­со­ван­но­го фильт­ра со­сто­ит в том, что его им­пульс­ная ха­рак­те­ри­сти­ка h(x,y) долж­на быть со­гла­со­ва­на и со­пря­же­на с функ­ци­ей объ­ек­та s(x,y): 

h(x,y) = s(x0-x, y0-y).  (1)

Бу­дем пе­ре­ме­щать от­клик h(x,y) от­но­си­тель­но объ­ек­та и вы­чис­лять кор­ре­ля­цию ме­ж­ду дву­мя эти­ми функ­ция­ми. Оче­вид­но, что мак­си­мум кор­ре­ля­ции бу­дет достиг­нут в мо­мент их со­вме­щения. Та­кая про­це­ду­ра по­лу­чи­ла на­звание сверт­ки двух функ­ций. Функ­ция со­гла­со­ван­но­го фильт­ра рас­счи­ты­ва­ет­ся как пре­об­ра­зо­вание Фу­рье функ­ции от­кли­ка (1): 

H(u,v) = S*(u,v)exp{-j(u·x0 + v·y0)},  (2)

где S(u,v) – спектр эта­ло­на (1), j – мнимая единица, а знак * обо­зна­ча­ет ком­плекс­ное со­пря­жение. Как мы ви­дим, функ­ция со­гла­со­ван­но­го фильт­ра яв­ля­ет­ся ком­плекс­ной, и по­это­му в про­грамм­ной реа­ли­за­ции мы долж­ны пре­ду­смот­реть пе­ре­мно­жение ком­плекс­ных чи­сел. Ниже пред­став­лен про­грамм­ный код, реа­ли­зую­щий со­гла­со­ван­ную фильт­ра­цию с по­мо­щью гра­ди­ент­но­го со­гла­со­ван­но­го фильт­ра. Вход­ное изо­бра­жение пред­ва­ри­тель­но за­но­сит­ся в дву­мер­ный мас­сив @re. Раз­мер­ность вход­но­го изо­бра­жения рав­на N × N то­чек и оп­ре­де­ля­ет­ся в про­грам­ме па­ра­мет­ром $N, а раз­мер­ность эта­ло­на s(x,y) за­да­ет­ся па­ра­мет­ра­ми $sx по ши­рине и $sy по вы­со­те. 

 for($j=0;$j<$N; $j++){
 for($i=0;$i<$N; $i++){
    $im[$i][$j] = 0;
    $re1[$i][$j] = 0;
    $im1[$i][$j] = 0;
 }}
 &d2cdft( \@re,\@im,\$N,\$PI );
 for($j=0;$j<$sy; $j++){
 for($i=0;$i<$sx; $i++){
    $re1[$i][$j] = $s[$i][$j];
 }}
 &d2cdft( \@re1,\@im1,\$N,\$PI );
 $N2 = int($N/2);
 for($j=0;$j<$N; $j++){
    $u = $j;
    if($j > $N2) { $u = $j - $N;}
    for($i=0;$i<$N; $i++){
       $v = $i;
       if($i > $N2) { $v = $i - $N;}
       $gr = ($u**2 + $v**2)/$N;
       $Ure = $gr*( $re[$i][$j]*$re1[$i][$j] + $im[$i][$j]*$im1[$i][$j] );
       $im = $gr*( $im[$i][$j]*$re1[$i][$j] - $re[$i][$j]*$im1[$i][$j] );
       $re[$i][$j] = $Ure;
       $im[$i][$j] = $im;
 }}

По­сле пре­об­ра­зо­вания Фу­рье вход­но­го изо­бра­жения @re эле­мен­ты мас­си­ва $re[$i][$j] и $im[$i][$j] бу­дут пред­став­лять со­бой ве­ще­ствен­ную и мнимую части спек­тра ис­ход­но­го изо­бра­жения. Пре­об­ра­зо­вание Фу­рье осу­ще­ств­ля­ет­ся с по­мо­щью под­про­грам­мы d2cdft() бы­ст­ро­го пре­об­ра­зо­вания Фу­рье, опи­сание ко­то­рой бы­ло да­но в пре­ды­ду­щих стать­ях цик­ла (LXF135).

Ком­плекс­ные эле­мен­ты мас­си­вов $re1[$i][$j] и $im1[$i][$j] со­гла­со­ван­но­го фильт­ра так­же по­лу­че­ны с по­мо­щью под­про­грам­мы d2cdft(), ко­то­рая при­ме­ня­ет­ся к функ­ции эта­ло­на. Пе­ре­мно­жение эле­мен­тов мас­си­ва спек­тра ис­ход­но­го изо­бра­жения и эле­мен­тов со­гла­со­ван­но­го фильт­ра осу­ще­ств­ля­ет­ся по пра­ви­лу ум­но­жения двух ком­плекс­ных чи­сел. Ре­зуль­тат пе­ре­мно­жения ком­плекс­ных чи­сел ум­но­жа­ет­ся на зна­чения функ­ции гра­ди­ент­но­го фильт­ра $gr, вы­чис­ляе­мой в ка­ж­дой точ­ке спек­тра как сум­мы квад­ра­тов про­стран­ствен­ных частот (транс­фор­мант) $u и $v.

Что­бы по­лу­чить ре­зуль­ти­рую­щие кор­ре­ля­ци­он­ные от­кли­ки, необ­хо­ди­мо вы­полнить об­рат­ное пре­об­ра­зо­вание Фу­рье с по­мо­щью под­про­грам­мы d2cdfti() в со­от­вет­ствии с про­грамм­ным ко­дом: 


 &d2cdfti( \@re,\@im,\$N,\$PI );
 $max = 0;
 for($j=0;$j<$N; $j++){
 for($i=0;$i<$N; $i++){
      if( $re[$i][$j] > $max){ $max = abs($re[$i][$j]);}
 }}
 for($j=0;$j<$N; $j++){
 for($i=0;$i<$N; $i++){
      $out[$i][$j] = abs(255*($re[$i][$j]/$max));
 }}

Дву­мер­ные мас­си­вы @re и @im, на вхо­де под­про­грам­мы d2cdfti(), яв­ля­ют­ся ре­зуль­та­том ум­но­жения спек­тра вход­но­го изо­бра­жения на со­гла­со­ван­ный фильтр, как это бы­ло по­ка­за­но в пре­ды­ду­щем фраг­мен­те ко­да. На вы­хо­де под­про­грам­мы d2cdfti() дву­мер­ный мас­сив @re бу­дет пред­став­лять со­бой ре­зуль­тат кор­ре­ля­ции эта­ло­на с вход­ным изо­бра­жением. Вы­ход­ное кор­ре­ля­ци­он­ное по­ле запи­сы­ва­ет­ся в мас­сив @out, эле­мен­ты ко­то­ро­го $out[$i][$j] нор­ми­ру­ют­ся к мак­си­маль­но­му зна­чению $max и пред­став­ля­ют­ся в ви­де чи­сел от 0 до 255. В ка­че­стве при­ме­ра рас­смот­рим об­на­ру­жение сим­во­лов на но­мер­ных зна­ках ав­то­мо­би­лей. На рис. 3 пред­став­ле­но ис­ход­ное изо­бра­жение и ре­зуль­та­ты об­на­ру­жения циф­ры 3 на но­мер­ном зна­ке ав­то­ма­ши­ны с по­мо­щью со­гла­со­ван­ной гра­ди­ент­ной фильт­ра­ции, про­грамм­ную реа­ли­за­цию ко­то­рой мы рас­смот­ре­ли. Эта­ло­ном для об­на­ру­жения слу­жит дво­ич­ное изо­бра­жение циф­ры 3.

Раз­мер­ность ис­ход­но­го изо­бра­жения на рис. 3а со­став­ля­ет 1024 × 1024 от­сче­тов. Раз­мер­ность эта­ло­на рав­на sx=19 от­сче­там по ши­рине и sy=40 от­сче­там по вы­со­те. От­ме­тим, что пи­ки мак­си­му­мов кор­ре­ля­ции бу­дут сме­ще­ны от­но­си­тель­но объ­ек­тов на по­ло­ви­ну раз­ме­ров эта­ло­на, то есть на ве­ли­чи­ну sx/2 по ши­рине и sy/2 по вы­со­те.

Сде­ла­ем ак­цент на од­ном важ­ном мо­мен­те со­гла­со­ван­ной фильт­ра­ции. Фильтр (2) яв­ля­ет­ся про­стран­ствен­но-ин­ва­ри­ант­ным, или, ина­че го­во­ря, его дей­ствие спра­вед­ли­во для все­го вход­но­го изо­бра­жения. Это вы­те­ка­ет из фор­му­лы (1) для сверт­ки, в ко­то­рой опе­ра­ция сверт­ки вход­но­го изо­бра­жения s(x,y) с от­кли­ком h(x,y) осу­ще­ств­ля­ет­ся по всей плоско­сти при пе­ре­ме­щении эта­ло­на вдоль осей x0‑x и y0‑y. По этой при­чине со­гла­со­ван­ный фильтр обес­пе­чит об­на­ру­жение сра­зу несколь­ких (мно­же­ства) объ­ек­тов, рас­по­ло­жен­ных про­из­воль­ным об­ра­зом во вход­ном изо­бра­жении.

Во­дя­ные зна­ки

Про­бле­ма со­блю­дения ав­тор­ских прав при раз­ме­щении фо­то­гра­фий в се­ти Ин­тернет или за­да­ча по­иска изо­бра­жений с по­мо­щью по­иско­вых систем так или ина­че тре­бу­ют со­постав­ления мно­же­ства фо­то­изо­бра­жений с эта­ло­ном или опи­санием изо­бра­жения. В этом слу­чае, со­гла­со­ван­ная фильт­ра­ция мо­жет рас­смат­ри­вать­ся как один из ин­ст­ру­мен­тов ре­шения по­доб­ных за­дач.

Наи­бо­лее по­пу­ляр­ные по­иско­вые систе­мы в на­стоя­щее вре­мя пре­достав­ля­ют воз­мож­ность по­иска изо­бра­жений на осно­ве их тек­сто­во­го опи­сания, со­дер­жа­ще­го­ся в тэ­гах ко­да HTML-до­ку­мен­та. Со­от­вет­ствен­но, сте­пень ре­ле­вант­но­сти по­иско­вым за­про­сам мо­жет не со­от­вет­ство­вать изо­бра­жениям, пре­достав­ляе­мым в вы­да­че ре­зуль­та­тов по­иска. Поль­зо­ва­те­лям при­хо­дит­ся про­смат­ри­вать мно­же­ство страниц, что­бы най­ти тре­буе­мое изо­бра­жение.

Бо­лее про­дви­ну­тые (но менее из­вест­ные) ре­сур­сы пред­ла­га­ют сер­ви­сы, ис­поль­зую­щие ме­то­ды рас­по­зна­вания об­ра­зов, на­прав­лен­ные на клас­си­фи­ка­цию объ­ек­тов в изо­бра­жении. Од­на­ко по­иск циф­ро­вых фо­то­гра­фий по объ­ек­там, при­сут­ствую­щим в сним­ках, по­ка да­лёк от удов­ле­тво­ри­тель­но­го ре­шения, ес­ли в ка­че­стве оп­ти­му­ма взять наш зри­тель­ный ана­ли­за­тор. И ви­ной это­му не столь­ко ал­го­рит­мы рас­по­зна­вания, сколь­ко слож­ность са­мой про­бле­мы ма­шин­но­го рас­по­зна­вания об­ра­зов.

Одним из ком­про­мис­сов в ре­шении за­да­чи по­иска фо­то­гра­фий в се­ти Ин­тернет мо­жет по­слу­жить спо­соб клас­си­фи­ка­ции изо­бра­жений с ис­поль­зо­ванием ви­ди­мых во­дя­ных зна­ков. Нанесение их на изо­бра­жение уже сей­час при­ме­ня­ет­ся во мно­гих ре­сур­сах ми­ро­вой се­ти. Как пра­ви­ло, ви­ди­мой мет­кой слу­жит ад­рес сай­та в се­ти Ин­тернет, ло­го­тип ре­сур­са или неко­то­рая от­вле­чен­ная мет­ка ти­па зна­ка ©. При­ме­ром нанесения про­зрач­ных ме­ток мо­гут слу­жить кар­ты по­иско­вой систе­мы Google, в ото­бра­жае­мое по­ле ко­то­рых встраи­ва­ют­ся во­дя­ные зна­ки с про­зрач­ной осно­вой. По­про­бу­ем и мы реа­ли­зо­вать по­доб­ный под­ход. При этом сна­ча­ла встро­им ви­ди­мые во­дя­ные зна­ки в про­из­воль­ное изо­бра­жение, а за­тем по­пы­та­ем­ся об­на­ру­жить их с по­мо­щью про­грам­мы, при­ве­ден­ной вы­ше. Про­грамм­ный код для встраи­вания сим­во­ла © в фо­то­изо­бра­жение бу­дет та­ким: 


 $op = .075;
 $dh0 = 64;
 $dw0 = 64;
 $dh = 128;
 $dw = 128;
 $L = $N/128;
 for($h=0;$h<$L; $h++){
    $m = $h*$dh + $dh0;
    for($w=0;$w<$L; $w++){
       $n = $w*$dw + $dw0;
       for($j=0;$j<$sy;$j++){
          for($i=0;$i<$sx;$i++){
             $sum = $re[$i+$n][$j+$m] + $op*$re1[$i][$j];
             if($sum > 255){ $sum = 255;}
              $re[$i+$n][$j+$m]=$sum;
          }}
 }}

Вход­ное и вы­ход­ное изо­бра­жения по­ме­ща­ют­ся в дву­мер­ный мас­сив @re. Па­ра­метр $op оп­ре­де­ля­ет непро­зрач­ность во­дя­но­го зна­ка от­но­си­тель­но ис­ход­но­го фо­то­изо­бра­жения и ра­вен в дан­ном слу­чае 7,5 %. Па­ра­мет­ры $dh0 и $dw0 да­ют на­чаль­ные сме­щения (от­сту­пы) по вы­со­те и ши­рине фо­то­изо­бра­жения, со­от­вет­ствен­но. Зна­чения па­ра­мет­ров $dh и $dw за­да­ют шаг встраи­вания во­дя­ных зна­ков по вы­со­те и ши­рине сним­ка. Па­ра­метр $L оп­ре­де­ля­ет чис­ло встраи­вае­мых ме­ток как по вы­со­те, так и по ши­рине фо­то­изо­бра­жения. С по­мо­щью па­ра­мет­ров $sy и $sx за­да­ют­ся раз­ме­ры встраи­вае­мо­го зна­ка ©, а так же раз­ме­ры эта­ло­на © на эта­пе об­на­ру­жения. Зна­чение 255 слу­жит ог­раничи­те­лем на слу­чай воз­мож­но­го пре­вы­шения зна­чения яр­ко­сти. На рис. 4 пред­став­лен ре­зуль­тат встраи­вания про­зрач­но­го зна­ка ©. Во­дя­ные зна­ки рав­но­мер­но раз­ме­ще­ны по по­лю изо­бра­жения, об­ра­зуя мат­ри­цу, имею­щую во­семь ря­дов и во­семь столб­цов.


На рис. 5 пред­став­ле­ны ре­зуль­та­ты об­на­ру­жения иско­мых сим­во­лов ©. В ка­че­стве эта­ло­на ис­поль­зо­ва­лось дво­ич­ное изо­бра­жение зна­ка ©.

Ана­лиз по­лу­чен­ных ре­зуль­та­тов по­зво­ля­ет нам сде­лать вы­вод, что при про­зрач­но­сти во­дя­ных зна­ков, рав­ной 92,5 %, ошиб­ки об­на­ру­жения (ошиб­ки I ро­да) от­сут­ству­ют, а так­же от­сут­ству­ют ошиб­ки лож­но­го об­на­ру­жения, то есть II ро­да. Ес­ли мы бу­дет уве­ли­чи­вать про­зрач­ность во­дя­ных зна­ков, тем са­мым умень­шая их ви­ди­мость, то неми­нуе­мо поя­вят­ся ошиб­ки лож­но­го об­на­ру­жения, а за­тем и ошиб­ки I ро­да. Уро­вень возник­но­вения оши­бок за­ви­сит от кон­крет­но­го вход­но­го изо­бра­жения. Для фо­то­изо­бра­жения на рис. 4 ошиб­ки II ро­да на­чи­на­ют по­яв­лять­ся при ве­ли­чине про­зрач­но­сти во­дя­ных зна­ков, рав­ной 95 %, а ошиб­ки I ро­да – при 97 %.

В нашей ста­тье мы про­де­мон­ст­ри­ро­ва­ли воз­мож­но­сти Perl по ре­шению при­клад­ных за­дач об­на­ру­жения объ­ек­тов. От­ме­тим, что циф­ро­вые ме­то­ды в це­лом не обес­пе­чи­ва­ют вы­со­кой ско­ро­сти рас­че­та кор­ре­ля­ции дву­мер­ных мас­си­вов из-за боль­шого объ­е­ма вы­чис­лений. И чем боль­ше раз­мер вход­ных изо­бра­жений, тем ниже эта ско­рость. Имен­но по­это­му в систе­мах на­ви­га­ции крыла­тых ра­кет при­ме­ня­ют­ся оп­ти­че­ские кор­ре­ля­то­ры, упо­мя­нутые в начале. Но гиб­кость и опе­ра­тив­ность про­грам­ми­ро­ва­ния на Perl, в со­че­та­нии с мощью ма­те­ма­ти­че­ских мо­ду­лей Perl, позволяют соз­давать высокоэф­фек­тив­ные ал­го­рит­мы об­ра­бот­ки ви­део­дан­ных.

Источник — «http://wiki.linuxformat.ru/wiki/index.php?title=LXF137:Perl&oldid=15056»
Персональные инструменты
купить
подписаться
Яндекс.Метрика