- Using Image Segmentation in Content Based Image Retrieval Method
Авторы: Mohamed Ouhda, Khalid El Asnaoui, Mohammed Ouanan, Brahim Aksasse
Перевод названия: Использование сегментации изображений в методах поиска изображений по содержанию
Описание: В статье приводится метод выделения вектора признаков изображения. Методом k-средних производится кластеризация цветов пикселей изображений графической базы данных. В качестве вектора признаков используется вектор, состоящий из первого и второго моментов выборки цветов каждого кластера. Результаты работы проверяются на изображениях трех различных графических баз данных.
- Методы на основе цветовых гистограмм в задачах обработки изображений
Авторы: Парасич А. В., Парасич В. А.
Описание: Cтатья посвящена вопросам применения цветовых гистограмм в задачах обработки изображений. Приводится обзор методов сравнения гистограмм, даётся анализ их преимуществ и недостатков, описаны методы, помогающие в устранении рассмотренных недостатков. Особое внимание уделяется задаче определения сходства изображений на основе сравнения гистограмм.
- Introduction to the Bag of Features Paradigm for Image Classification and Retrieval
Авторы: Stephen O'Hara, Bruce A. Draper
Перевод названия: Введение в парадигму Bag-of-Features для классификации и поиска изображений
Описание: Данная статья описывает метод Bag-of-Features для индексации и поиска графической информации. Приводятся ключевые особенности возможной реализации программной модели, использующей этот метод. Рассматривается литература, в которой используется метод Bag-of-Features.
- Bag-of-Features Image Indexing and Classification in Microsoft SQL Server Relational Database
Авторы: Marcin Korytkowski, Rafał Scherer, Paweł Staszewski, Piotr Woldan
Перевод названия: Индексация и классификация изображений методом Bag-of-Features в реляционной базе данных Microsoft SQL Server
Описание: В статье описывается архитектура реляционной базы данных, прменяемой в решении задачи классификации и поиска графической информации. Приведенные подходы используют особенности функционирования СУБД Microsoft SQL Server для реализации эффективного поиска по индексу, содержащие представления изображений, сгенерированные методом Bag-of-Features.
- A Comparative Analysis of SIFT, SURF, KAZE, AKAZE, ORB, and BRISK
Авторы: Shaharyar Ahmed Khan Tareen, Zahra Saleem
Перевод названия: Сравнительный анализ SIFT, SURF, KAZE, AKAZE, ORB и BRISK
Описание: В статье приводятся краткие описания наиболее распространенных дескрипторов точек изображения. Производится сравнительный анализ качества сопоставления фотографий, полученных из разных точек съемки с использованием каждого из рассматриваемых дескрипторов. Проверяется инвариантность дескрипторов к повороту, изменению масштаба и перспективным искажениям.
- ORB: an efficient alternative to SIFT or SURF
Авторы: Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary Bradski
Перевод названия: ORB: эффективная альтернатива SIFT или SURF
Описание: В статье впервые предлагается алгоритм вычисления бинарного дескриптора ORB, инвариантного к повороту и устойчиваому к шуму в изображении. Дескриптор вычисляется для каждой из ключевых точек изображения (выделенных алгоритмом FAST) методом BRIEF модифицированным для достижения инвариантности к повороту.
- Classification with color and texture: jointly or separately?
Авторы: Topi Mäenpää, Matti Pietikäinen
Перевод названия: Классификация с помощью цвета и тексуры: вместе или по отдельности?
Описание: Статья анализирует два класса параметров изображения: цветовых и текстурных характеристик. Производится эмпирическая оценка качества классификации методами, которые используют совокупность текстурных и цветовых характеристик, а также методами, рассматривающими эти характеристики отдельно. Авторы приходят к выводу, что второй вариант является предпочтительным.
- Image Matching Using SIFT, SURF, BRIEF and ORB: Performance Comparison for Distorted Images
Авторы: Ebrahim Karami, Siva Prasad, and Mohamed Shehata
Перевод названия: Сопоставление изображений с использованием SIFT, SURF, BRIEF и ORB: сравнение производительности для искаженных изображений
Описание: В статье описывается сравнительный анализ устойчивости дескрипторов SIFT, SIFT, BRIEF и ORB к различным искусственно создаваемым трансформациям изображений. Сравнивается количество ключевых точек изображения; время исполнения программной модели, реализующей дескрипторы. Приводятся алгоритмы, наиболее устойчивые к каждому из применяемых видов трансформации.
- Content Based Image Retrieval Systems using SIFT: A Survey
Авторы: Kimaya S. Meshram, Ajay M. Agarkar
Перевод названия: Поиск изображений по содержанию с использованием SIFT: обзор
Описание: В статье описывается алгоритм вычисления дескриптора SIFT в контексте его применения для решения задачи поиска изображений по содержимому. Описывается общая архитектура системы поиска. Производится оценка выходных данных алгоритма на различных тестовых изображениях: приводится время, затрачиваемое на выполнения каждого шага алгоритма; количество выделенных дескрипторов.
- Demonstration of an Open Source Framework for Qualitative Evaluation of CBIR Systems
Авторы: Gomez P., Mohedano E., McGuinness K., Giró-i-Nieto X., O'Connor N.
Перевод названия: Демонстрация программной системы с открытым исходным кодом для качественной оценки CBIR-систем
Описание: Статья затрагивает сложности оценки качества работы систем поиска изображений по содержанию. Приводится описание программной системы, которая использует метод экспертных оценок и не опирается на искуственные трансформации изображений.
- Image Preprocessing for CBIR System
Автор: Tatiana Jaworska
Перевод названия: Предварительная обработка изображений для CBIR-системы
Описание: Статья демонстрирует использование сегментации изображения на основании цветов пикселей в цветовом пространстве RGB как этап предварительной обработки системы поиска изображений по содержанию. Кроме этого предлагается новый метод идентификации текстур, основанный на вейвлет-преобразовании.
- Content-Based Image Retrieval using SURF and Colour Moments
Авторы: K. Velmurugan, Lt. Dr. S. Santhosh Baboo
Перевод названия: Поиск изображений по содержанию используя SUFT и моменты цвета
Описание: В статье описывается метод поиска изображений по содержанию, объединяющий подходы на основании дескрипторов ключевых точек SURF и классический подход, использующий цветовые характеристрики пикселей изображения. Для сравнения изображений применяется поиск в k-мерных деревьях. Приводится алгоритм ранжирования изображений в поисковой выдаче.
- Large-scale Landmark Retrieval/Recognition under a Noisy and Diverse Dataset
Авторы: Kohei Ozaki, Shuhei Yokoo
Перевод названия: Широкомасштабный поиск и распознавание географических объектов в разнообразном и шумном наборе данных
Описание: В этой работе описывается результат прменения комбинации нескольких моделей сверточной нейронной сети для решения задачи поиска и распознавания изображений в базе данных Google-Landmarks-v2
. Описанный в статье метод поиска позволил комманде авторов занять первое место в совревновании Google Landmark Retrieval 2019
, проводимом Google и посвященном решению задачи поиска в графической базе данных.
- Image Segmentation Algorithms Overview
Авторы: Song Yuheng, Yan Hao
Перевод названия: Обзор алгоритмов сегментации изображений
Описание: В статье приводится описание существующих принципов работы алгоритмов сегментации растровой графической информации. Описываются методы, основанные на росте областей, на выделении границ изображенных объектов, на кластеризации, на использовании сверточных нейронных сетей.
- The watershed concept and its use in segmentation : a brief history
Автор: Fernand Meyer
Перевод названия: Концепция водораздела и ее исползование в решении задачи сегментации: краткая история
Описание: Работа описывает возможные приложения а также историю применения метода водораздела (watershed) в контексте решения задачи сегментации растровых изображений.
- Regions Adjacency Graph Applied to Color Image Segmentation
Авторы: Alain Trémeau, Philippe Colantoni
Перевод названия: Граф смежных областей в применении к сегментации цветных изображений
Описание: В работе описывается алгоритм сегментации изображений, использующий две различные структуры данных: граф смежных областей (Region adjacency graph, RAG) и реберный граф с целью улучшения процесса сегментации. Использование этих структур демонстрируется в методах, основанных на принципе водораздела и на росте областей.
- Interactive Graph Cuts for Optimal Boundary & Region Segmentation of Objects in N-D Images
Авторы: Yuri Y. Boykov, Marie-Pierre Jolly
Перевод названия: Интерактивное разбиение графа с целью нахождения опитимальной сегментации объектов по границам и областям в n-мерных изображениях
Описание: В статье описывается алгоритм интерактивной сегментации изображений произвольной размерности. Предлагаемый подход представляет изображение как взвешенный граф, который разбивается на два подграфа, соответствующих пикселям фона и обекта переднего плана. В статье приводятся примеры работы алгоитма на тестовых наборах данных.
- SLIC Superpixels Compared to State-of-the-Art Superpixel Methods
Авторы: Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua, Sabine Süsstrunk
Перевод названия: Суперпиксели SLIC в сравнении с современными методами извлечения суперпикселей
Описание: В статье рассматриваются существующие алгоритмы выделения суперпикселей — методы сегментации, разбивающие изображения на области схожего размера. Предлагается новый итеративный алгоритм SLIC, разбивающий изображение на k областей. Производится сравнение этого алгорима с существующими по критерию точности выделенния границ областей, по эффективности использования памяти и времени вычисления.
- Comparing image segmentation algorithms for Content Based Image Retrieval Systems
Авторы: Rami Albatal, Philippe Mulhem, Tat-Jun Chin
Перевод названия: Сравнение алгоритмов сегментации изображений для систем поиска изображений по содержанию
Описание: В статье описывается метод сравнения различных алгоритмов сегментации изображений, использующихся как шаг предварительный обработки информации в системе поиска в графиеческой базе данных. Предлагаемый метод использует критерии качества, применяемые к системам поиска информации. Метод применяется на алгоритмах, использующих регулярную сетку а также алгоритмах ориентированных на разбиение графа. Приводятся результаты сравнения.
- Facade Segmentation in the Wild
Авторы: John Femiani, Wamiq Reyaz Para, Niloy Mitra, Peter Wonka
Перевод названия: Сегментация фасадов в дикой природе
Описание: Эта работа рассматривает задачу сегментацию изображений конкретной предметной области — фотографий зданий. Рассматриваются трудности, с которыми сталкиваются разроботчики методов сегментации, предлагается метод устранения искажений на панорамных снимках зданий. Предлагаются методы сегментации, использующие нейронные сети различных архитектур. Оценивается качество сегментации на реальных данных.
- Morphological Segmentation of Building Façade Images
Авторы: Jorge Hernandez, Beatriz Marcotegui
Перевод названия: Морфологическая сегментация изображений фасадов зданий
Описание: В статье описывается алгоритм сегментации изображений фасадов. Описывается этап коррекции перспективных искажений путем определения точки схода с помощью преобразлвания Хафа, и фрагментации фасада путем поиска экстремумов проекции горизонтальных и вертикальных градиентов цветов пикселей изображения. Также приводится алгоритм выделения неба на изображении как этапа в процессе сегментации.
- Поиск изображений на основе содержания
Описание: Постановка проблемы поиска изображения по содержанию. Демонстрируется принцип функционирования CBIR-системы на примере QBIC.
- Построение признаков и сравнение изображений: глобальные признаки. Лекции от Яндекса
Описание: Видеозаписи лекций Натальи Васильевой — старшего научного сотрудника HP Labs, посвещенные основам функционирования систем поиска изображений по содержимому. Рассматриваются вопросы выделения глобальных признаков изображений, их использования для сравнения графических файлов.
- Построение признаков и сравнение изображений: локальные признаки. Лекции от Яндекса
Описание: Видеозаписи лекций, посвещенных использованию локальных признаков изображений. Рассматривается причины использования локальных и глобальных дескрипторов. Описывается детектор Харриса, дескриптор SIFT.
- Руководство по использованию OpenCV для языка прогаммирования Python
Описание: Приводятся описания многих алгоритмов компьютерного зрения, поддерживающиеся библиотекой OpenCV. При этом перечисляются и объясняются шаги работы алгоритмов, приводятся библиографические ссылки на публикации, посвященные описываемым методам и алгоритмам.
- Документация библиотеки scikit-image
Описание: Приводися краткие описания алгоримтов компьютерного зрения, указываются библиографические ссылки на связанные публикации. Документация содержит исходный код функций, реализующих поддерживаемые алгоритмы.
- Обзор алгоритмов сегментации
Описание: Обзорная статья, посвещенная задаче сегментации изображений. Описываются распространенные методы: сегментация по водоразделам, алгоритм MeanShift, алгоритм заливки, алгоритм GrabCut. Приводятся примеры использования алгоритмов на языке C++ с использованием библиотеки OpenCV.
- Colour metric
Перевод названия: Цветовая метрика
Описание: Рассматриваются различные подходы к вычислению расстояний в различных цветовых пространствах: RGB, YUV, CIE L*u*v*.
