ДонНТУ   Портал магистров

Шеремет Николай Николаевич

Факультет компьютерных наук и технологий

Кафедра программного обеспечения интелектуальных систем

Специальность «Программное обеспечение систем»

Исследование и разработка адаптивного метода активных контуров для выделения объектов в видеопотоке

Научный руководитель: к.ф.–м.н., доц. Ручкин Константин Анатольевич

Резюме Биография Реферат Библиотека Ссылки Отчет о поиске Индивидуальный раздел

Реферат по теме выпускной работы

Содержание

• Введение
• 1.1 Актуальность темы
• 1.2 Цель и задачи исследования
• 1.3 Научная новизна
• 1.4 Практическая значимость
• 2 Современное состояние проблемы
• 3 Анализ и описание классического алгоритма активных контуров
• 3.1 Классическое представление метода активных контуров
• 3.2 Применимость метода активных контуров
• Выводы
• Список источников

Введение

В наше время, современные науки и технологии развиваются все более и более стремительно. С каждым днем все больше людей присоединяются к этому развитию, и все меньше остаются далекими от этого. Сегодня, практически невозможно найти человека, у которого не было того или иного электронного устройства, будь то телефон или персональный компьютер, или же – который не пользовался различным программным обеспечением или интернетом.

В связи с увеличением количества электронных устройств, растет и количество информации, которая этими устройствами обрабатывается, передается и хранится. Так как информации в современном мире в разы больше, чем может обработать человек за свою жизнь, то эта информация должна быть систематизирована, для того, что бы ее поиск занимал меньше времени и результаты поиска соответствовали запросам.

Большая часть информации уже является систематизированной и общедоступной. В поиске такой информации помогает глобальная сеть интернет и развитые поисковые системы. Но основная часть этой информации является текстовой, и ее систематизация не является затруднительной. В то же время, большая часть несистематизированной информации хранится в звуковом формате, в изображениях и видео файлах. Если бы объемы такого вида информации были не так велики, то ее можно было бы обрабатывать вручную, описывая то, что в этих файлах находится, но в силу объема информации – ручная обработка малорезультативна.

Даже не смотря на затруднения с обработкой аудио, видео и файлов изображения, в современной сфере информационных технологий существует множество автоматизированных систем по систематизации подобной информации. Такие системы достаточно качественно обрабатывают файлы изображения и аудио файлы, полагаясь на очень большие вычислительные мощности и тяжелые вычислительные алгоритмы. Но даже такие системы, все еще плохо обрабатывают видеоинформацию, особенно, если этот видео поток является непрерывным и обработка должна производиться в реальном времени.

В данной работе рассматривается метод активных контуров, как метод, с помощью которого можно выделять контура объектов на изображениях и в видеопотоке. После получения контуров объектов, они может быть классифицирован и файлы систематизированы по информации в них. Данный метод способен с большой точностью получать контур объекта на изображении, а так же хорошо справляется с обработкой видеопотока, в силу того, что он работает с видеоинформацией как с последовательностью изображений, а не анализирует кадры как отдельные изображения. Так же рассмотрены различные модификации данного метода и их особенности.

1.1 Актуальность темы

Проблемы задачи автоматизированной обработки данных стали более острыми, когда человечество перешло в век информационных технологий, а скорость и качество обработки накопленной информации перестало соответствовать количеству получаемой информации. На начальных этапах хватало различных простейших алгоритмов распознавания, так как объем распознавания был мал, в силу низкого качества исходного материала. Но, с ростом качества получаемых изображений, увеличились и объемы информации для обработки, что привело за собой появление новых методов распознавания, которые опирались на различные новые технологии и более новые алгоритмы.

Один из таких алгоритмов был предложен в 1988 году Михаэлем Касом, Эндрю Виткиным и Деметрием Терзопулосом [3]. Идеей предложенного алгоритма является постепенная подгонка исходной замкнутой кривой к контуру объекта так, что бы наилучшим образом соответствовать границе объекта.

По началу, данный метод использовался в основном для обнаружения лиц на изображении, при этом использовалась одна из первых модификаций [2], называющаяся методом активных моделей. Но, со временем, метод начал использоваться в различных областях, в частности, в медицине для анализа рентгеновский и прочих снимков, а так же начали появляться различные модификации метода, основанные на различных особенностях областей, в которых они применялись, и компенсации недостатков алгоритма. Одним из фактов, которые повлияли на развитие метода, стало то, что вычислительные мощности ЭВМ возросли в несколько раз, и метод можно стало применять не только к плоскому изображению, а так же к видеопотокам и объемным образам.

Таким образом, исследования в данной области с целью изучения данного метода, его применимости и поиска способов его оптимизации и модификации являются очень актуальными.

1.2 Цель и задачи исследования

Объектом исследования является задача автоматизированного выделения различных объектов на изображении, а в частности в видеопотоке.

Предметом исследования – выделение границ объектов на изображении при помощи метода активных контуров и его модификации, особенности модификаций и способы оптимизации алгоритма.

Целью выпускной работы магистра является исследование существующих модификаций метода активных контуров и модификация данного метода для выделения объектов в видеопотоке.

В процессе работы необходимо решить следующие задачи:

1. исследование метода активных контуров;
2. рассмотрение различных модификаций этого метода для обнаружения различных типов объектов;
3. разработка метода, позволяющего выделять различные объекты на изображении и его оптимизация для работы в видеопотоке;
4. программная реализация разработанного метода.

1.3 Научная новизна

Научной новизной в данной работе является разработка оптимизированного метода распознавания объектов в видеопотоке, основанного на методе активных контуров, его практическая реализация и анализ качества работы.

1.4 Практическая значимость

Результаты данной работы могут использоваться при изучении метода активных контуров для поиска объектов на изображении, так как в работе детально описаны основы метода и его различные модификации. Так же предлагается модификация алгоритма для выделения различных объектов в видеопотоке, что может повысить популярность и частоту использования метода, так как данная область обнаружения образов еще не до конца исследована и до сих пор развивается.

2 Современное состояние проблемы

Задачей, поставленной в данном разделе, является анализ и изучение метода активных моделей и его существующих модификаций. Для этого были изучены различные информационные источники, в которых описаны способы выделения объектов на изображении при помощи метода активных контуров и его модификаций.

В источнике [3] приводится классическое описание работы метода активных контуров. Приводятся основные формулы, описывающие параметры энергии, которые выражают контур. Так же приводится описание работы данного метода при обработке стерео-изображений и в случае обработки последовательности изображений, на которых находится один и тот же искомый объект.

В источнике [5] предлагается использовать грубое выделение объекта на изображении прямоугольным контуром, при этом основываясь, при выделение этого объекта, на метод активных контуров. Данная модификация метода предлагается для использования в системах выделения объектов на изображении, для которых не важна точность детализации контура объекта, а важно определение позиции и примерных размеров объекта. Такими системами могут выступать системы контроля трафика или любые другие системы трекинга объектов.

В источнике [4] содержится описание работы алгоритма метода активных контуров для выделения дефектов на изображении, полученном при помощи микроскопа. Особенностью алгоритма выделения в данной работе является то, что требуется выделить дефекты, не выделяя сами объекты изображения.

В источнике [8] приводится описание работы метода активных контуров для выделения дефектов дороги. Так как дефекты редко являются подобными друг другу по параметрам контуров, то авторы приводят доводу в сторону того, что бы делать упор работы метода в сторону большего влияния внешней энергии и уменьшения влияния внутренней. Следствием такой модификации алгоритма является большая адаптивность метода к различиям дефектов.

В источнике [9] описывается работа метода активных контуров при выделении дефектов металлических отливок. Авторы предлагают модифицировать метод путем добавления дополнительных энергий контура, которые основываются на удаленности точек контура от центра выделенной фигуры и на средней яркости выделенного объекта. Данные модификации позволяют избежать нечеткостей которые появляются из–за особенностей прикладной задачи, в которой применяется данный метод выделения объектов на изображении.

В источнике [12] описывается модификация метода активных контуров, в которой используется сразу несколько контуров, на момент начала выделения. Особенностью модификации является то, что изначально изображение покрыто множеством начальных контуров, которые в процессе оконтуривания объектов могут сливаться в один. Это позволяет выделить все объекты на изображении, обходя проблему начального приближения к объекту.

В источнике [1] приводится описание модификации метода активных контуров, в которой предлагается реализация возможности разрывать один контур на несколько. Данная модификация дает возможность разделить один контур на большее количество контуров, в случае если происходит выделения нескольких объектов, которые не прилегают друг к другу.

В источнике [2]описывается один из самых популярных способов модификации классического алгоритма активных контуров, который называется методом активных моделей. Особенностью такой модификации является то, что внутренняя сила контура выражена стремлением деформации точек контура к заранее известным позициям (изначальному шаблону приближения). Изначально такой метод выделения объектов изображения был предложен для выделения лиц.

В источниках [6] и [7] описано использование метода активных моделей [2] с внесением небольших модификаций. Так в [6] было предложено использовать обученные классификаторы и использовать это в системах безопасности. А в [7] предлагается выбирать шаблон приближения из базы шаблонов, что позволит более точно выделять объект в случае его сильных искажений.

После проведения анализа современной литературы, можно прийти к выводу, что сейчас, для выделения объектов на изображении методом активных контуров, используются модификации данного метода, целью которых являются универсальность выделения объекта на изображении и возможность его классификации. А так же то, что метод активных контуров становится все более популярным, с чем и связано постоянное появление различных новых модификаций в работе алгоритма данного метода.

3 Анализ и описание классического алгоритма активных контуров

Основой метода активных контуров является то, что контур еще до момента оконтуривания искомого объекта имеет некую начальную форму и, в связи с различными влияющими на него условиями, изменяет свою форму, оконтуривая объект, – деформируется (Рисунок 1).

В этой модели, задача поиска границ объекта формулируется как изменение позиций точек контура к новым, в которых функционал E – энергия – достигает минимума. Поведение активного контура (Рисунок 1) и его свойства полностью определяются его функционалом Е(енергией). Энергия контура зависит от его формы, размера контура и его положении на изображении. Она записывается в виде сумм двух функций: внутренней энергии и внешней энергий (формула 1.1).

Где a і b – весовые коэффициенты, Eint – внутренняя энергия для точки, а Eext – внешняя энергия.

Внутренняя энергия – энергия ломаности контура. Данный параметр отвечает за регулирование формой контура. Внутренняя энергия минимизирует ломаность контура.

Внешняя энергия отвечает за несоответствие контура изображению. Внешний контур стремится минимизировать разницу контура и границы объекта который оконтуривается, и чем меньше разница – тем меньше значение внешней энергии.

3.1 Классическое представление метода активных контуров

Как уже описывалось выше, основная концепция этого контурного метода заключается в нахождении новой позиции для каждой точки контура, путем выявления позиции с минимумом суммы двух энергий, которые влияют на контур: внешней и внутренней, среди матрицы энергий для каждой точки. Внешняя отвечает за изменение формы контура, а внутренняя за уменьшение изломанности линии контура.

Для получения новой позиции для точки – рассчитываются матрицы энергий (Рисунок 2). После расчета они поэлементно добавляются и среди них ищется позиция с минимальным значением.

Для описания классического алгоритма, пусть контур будет обозначаться как V:

Где {v_1,…,v_N} – это точки этого контура, а N – количество этих точек. Каждая точка – это пиксель изображения, имеющая координаты х и у:

Тогда, для каждой точки контура, будет решаться функция поиска минимума энергии, для суммы энергий тех сил, действующих на контур. Энергией, в данном случае называется функционал, выполняющий преобразование пикселей входного изображения и других параметров в поле сил и считается по формуле 2.1 и состоит из расчетов внутренней энергии и внешней.

Внутренняя энергия – энергия ответственна за сохранение формы контура. Она состоит из двух частей: энергии непрерывности и энергии расширения, и определена формулой:

Где c и d – весовые коэффициенты, Econ – энергия непрерывности, а Ebal – энергия расширения.

Энергия непрерывности (Рисунок 3) отвечает за сохранение последовательности точек в контуре (отсутствие пересечений в линии контура). В случае, если контур незамкнутый – это энергия направляет его к деформации в прямую, для случаев с замкнутыми контурами – направление идет в круг. Для каждой точки контура, эта энергия рассчитывается относительно отклонения позиции точки относительно соседних точек:

Где p_jk (v_i ) – позиция точки соответственно элемента матрицы, γ – коэффициент сглаживания, а l(V) – общая гладкость контура.

Энергия расширения обеспечивает расширение или сжатие контура, обеспечивает общее изменение площади покрытия контура. Матрица энергий расширения, для точек контура, рассчитывается относительно отклонения от вектора нормали к точке:

Где n_i – вектор нормали к точке v_i.

Внешняя энергия – энергия отвечающая за движение точек контура к перепадам яркости изображения. Она состоит из двух энергий: энергии изображения и энергии градиента, и определяется формулой:

Где m и g – весовые коэффициенты, Emag – энергия изображения, а Egrad – энергия градиента.

Энергия изображения отвечает за движение точек контура к позициям, с высокими значениями интенсивности изображения, и определена формулой:

От энергии градиента, зависит движение точек к местам с максимальным перепадом яркости изображения, как это отражено в формуле:

После расчета общей энергии, точка занимает позицию, в которой находится минимум энергии среди массиваE_jk (v_i):

Это основные принципы расчета энергий контура. В большом количестве модификаций, добавляются дополнительные силы, которые влияют на контур, и изменяются коэффициенты влияния сил на смену контура.

3.2 Применимость метода активных контуров

Метод активных контуров является эффективным методом выделения объектов на изображении. Не смотря на высокую вычислительную сложность (при необходимости детального выделения контура объекта) в классическом варианте представления алгоритма, использование данного метода широко распространено и многие модификации алгоритма позволяют избежать больших объемов вычислений, которые требуются для получения контура объекта.

Таким образом, алгоритм метод активных контуров может эффективно применяться для выделения контуров различных объектов на изображений. В связи с тем, что контур всегда является замкнутым – это позволяет упростить его последующий анализ и дает возможность классификации объекта на основе полученного контура. А то, что можно управлять выделением контура при помощи контроля параметров внутренней и внешней энергий контура – есть возможность приспосабливать данный метод к выделению объектов с заранее известными параметрами.

Выводы

В работе был проанализирован метод активных контуров, который применяется для выделения объектов на изображении. В ходе анализа данного метода, так же был проведен анализ различной литературы, в которой описаны различные модификации метода и причины, с которыми они связаны.

Анализ источников привел к выводу, что классический вариант метода активных контуров развивается сейчас в двух направлениях: алгоритмы которые основываются на корректировке параметров энергии и больше всего сходны с классическим представлением данного метода, и алгоритмы которые развиваются по пути метода активных моделей.

Так же можно заметить то, что идет тенденция в развитии работы метода в каких–либо узких направлениях выделения объектов, когда заранее известны параметры искомого контура. Это свидетельствует о том, что пока еще нет какого либо универсального метода выделения, который бы не требовал начальной информации о искомом объекте.

Таким образом, метод активных контуров, при должной оптимизации и модификации, может применяться для выделения любых объектов на изображении или последовательности изображений.

Список источников

1. Choi W.P., Lam K.M., Siu W.C. An adaptive active contour model for highly irregular boundaries //Pattern Recognition. – 2001. – Т. 34. – №. 2. – С. 323-331.
2. Активные модели внешнего вида [Электронный ресурс]. – Режим доступа :http://habrahabr.ru/post/155759/.
3. Kass M., Witkin A., Terzopoulos D. Snakes: Active contour models //International journal of computer vision. – 1988. – Т. 1. – №. 4. – С. 321-331.
4. Бедзір А.О., Лютак І.З. Автоматичне знаходження контурів дефектів шляхом аналізу зображень, отриманих ультразвуковими методами контролю//Методи та приклади контролю якості. – 2009. – №. 22. – С. 28-32.
5. Филатов В.Н., Смирнов В.М. Формирование адаптивного строба в видеосистемах наблюдения //Информационно-управляющие системы. – 2006. – №. 3.
6. ГРЕЧУХИН И.А., КАРКИЩЕНКО А.Н. СТАТИСТИЧЕСКОЕ РАСПОЗНАВАНИЕ ЛИЦ ПО ГЕОМЕТРИИ ХАРАКТЕРНЫХ ТОЧЕК ДЛЯ СИСТЕМ ТРАНСПОРТНОЙ БЕЗОПАСНОСТИ //Управление большими системами: сборник трудов. – 2012. – №. 38.
7. Бакина И., Местецкий Л., Цискаридзе А. Метод активного скелета в задаче распознавания формы изображений //Труды. – Т. 19. – С. 279-283.
8. Судаков С. и др. Алгоритмы детектирования разметки и дефектов дорожного покрытия //Труды конференции GraphiCon. – 2008.
9. Петров В.О., Привалов О.О. Модификация алгоритма активных контуров для решения задачи интерактивной сегментации растровых изображений дефектов металлических отливок //Научный журнал" Современные проблемы науки и образования. – 2008. – №. 6. – С. 32-41.
10. Каркищенко А.Н. и др. Статистическое распознавание лиц по геометрии характерных точек для систем транспортной безопасности //М.: ИПУ РАН. – 2012. – С. 78-90.
11. Запрягаев С.А. Программная оболочка для поиска примитивов на изображении / С.А. Запрягаев, А.И. Сорокин // Вестник ВГУ, серия: системный анализ и информационные технологии. – Воронеж, 2008. – № 2. – С. 37-47.
12. A simple introduction of active contour with out ages [Электронный ресурс]. – Режим доступа:https://sites.google.com/site/rexstribeofimageprocessing/chan-vese-active-contours/wubiaotitiezi

Важное замечание

При написании данного реферата магистерская работа еще не завершена. Предположительная дата завершения – декабрь 2015 г. Полный текст работы, а также материалы по теме могут быть получены у автора или его руководителя после указанной даты.