ИССЛЕДОВАНИЕ ВОЗМОЖНОСТИ БИЛАТЕРАЛЬНОЙ ФИЛЬТРАЦИИ ДЛЯ РЕШЕНИЯ ЗАДАЧ РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ И DEPTH IMAGE BASED RENDERING (DIBR)

Борискин Д.В., Зори С.А.
ГОУ ВПО «Донецкий национальный технический университет» (г.Донецк)
e-mail: shark9797@mail.ru, sa.zori1968@gmail.com

Борискин Д.В., Зори С.А. Исследование возможности билатеральной фильтрации для решения задач распознавание объектов на изображениях и Depth Image Based Rendering. Статья посвящена вопросу исследования возможностей билатеральной фильтрации для использования при решении задач распознавания изображений. Дано описано понятие билатеральной фильтрации, пример её использования. Показано что, решение задач DIBR основаны на эффективном анализе и построении карт глубины, который в свою очередь использует на одном из этапов процедуру билатеральной фильтрации, отличающихся высокой вычислительной сложностью. Таким образом, изучение возможностей эффективной реализации билатеральной фильтрации позволит существенно повысить эффективность DIBR и процедур распознавания изображений.

Ключевые слова: распознавание образов, DIBR, билатеральная фильтрация, Гаусс- фильтр, глубина изображения, RGB, эффективность.

Введение

Компьютерная обработка и распознавание объектов на изображениях одно из интенсивно развиваемых отраслей современной компьютеризации. Распознавание 3D объектов по 2D изображениям является одной из важнейших задач анализа сцен и компьютерного зрения в последнее время.

Актуальность работы: в данное время при обработке изображений используются множество фильтров, включая билатеральный. Но для того, чтобы решить задачи по распознаванию объектов на изображениях, нужно подключать дополнительные модули программных систем, что очень затратно в условиях ограниченного времени и вычислительных мощностей. Использование билатерального фильтра для данного спектра задач является обоснованным с точки зрения производительности без необходимости использования дополнительных средств и технологий, т.к. это базовый фильтр, который входит в стандартный функциональный набор ПО по обработке изображений.

Цель работы

Цель работы: исследование и анализ функциональных возможностей билатерального фильтра для распознавания объектов на изображениях.

Билатеральный фильтр

Билатеральный фильтр - это фильтр нелинейного сглаживания изображения с сохранением его границ. Данный фильтр всегда используется при обработке изображений в компьютерной графике.

Математические основы билатеральной фильтрации

Билатеральное фильтрование - это фильтрование с использованием нелинейной техники [1]. Оно расширяет сглаживание Гаусса, что позволяет увеличивать показатели фильтра за счёт соответствующей ему относительной интенсивностью пикселя, который находится в центре изображения. Наглядно это видно в математических формулах, приведённых ниже. Предположим, что функция \( f(x,y) \) – исходная, которая отображает яркость изображения, в зависимости от координат \( x,y \) и будет равна яркости текущего изображения в данном пикселе. После этого для любого пикселя на оси, в области размера n, где a0 - центр области, r(a) – коэффициент рангового фильтра, который определяется по формуле (1):

\[r(a_i) = e^{\frac{(f(a_i) - f(a_0))^2}{2\sigma^2}},\]

(1)

График функции коэффициента рангового фильтра изображён на рисунке 1.

Рисунок 1 – График функции коэффициента рангового фильтра.

Аналогичным образом задаётся коэффициент g(a), который определяется близостью к центральному пикселю по формуле (2):

\[g(x,y) = e^{-\frac{x^2 - y^2}{2t^2}},\]

(2)

где t - масштабный коэффициент, график функции которой изображён на рисунке 2.

Рисунок 2 – График функции коэффициента g.

Для центрального пикселя, который находится в пределах (а0) его новая величина h(a0) рассчитывается по формуле (3):

\[h(a_0) = k^{-1} \sum_{n=0}^{-1} f(a_i) * g(a_i) * r(a_i),\]

(3)

где, k - константа нормализации увеличения интенсивности которая высчитывается по формуле(4):

\[k = \sum_{n=0}^{-1} g(a_i) * r(a_i).\]

(4)

График функции константы нормализации изображён на рисунке 3.

Рисунок 3 – График функции константы нормализации.

Глубина изображения как основа DIBR

Глубина изображения на основе рендеринга (DIBR) [2] - это процесс синтеза виртуальных видов сцены из захваченных цветных изображений или видео со связанной информацией о глубине. Глубина изображения основывается на глубине цвета изображения [3].

Глубина цвета изображения определяется количеством бит на один пиксель, которое может отображаться на экране монитора. Все данные хранятся в битах. Есть изображения, которые известны как «Базовый цвет», где каждый пиксель определяется значением каналов RGB или CMYK [4]. Пример задания цветов канала RGB изображён на рисунке 4.

Рисунок 4 – Примеры цветовых диапазонов.

Изображения, которые использующие CMYK, тоже являются истинным цветом.

Решение задач DIBR основаны на эффективном анализе и построении карт глубины, который в свою очередь использует на одном из этапов процедуру билатеральной фильтрации, отличающихся высокими вычислительной сложностью и временными затратами. Билатеральный фильтр служит методом предобработки изображения, т.к. распознавание образов затруднено благодаря наличию искажений и шумов на изображениях, а в DIBR - для подавления шумов на картах глубины [5].

Таким образом, изучение возможностей эффективной и параллельной реализации билатеральной фильтрации позволит существенно повысить эффективность DIBR и других процедур распознавания и обработки изображений.

Заключение

В статье описаны возможности билатеральной фильтрации, дано описание алгоритма фильтрации на математическом языке. Показано что, решение задач DIBR основаны на эффективном анализе и построении карт глубины, который в свою очередь использует на одном из этапов процедуру билатеральной фильтрации, отличающихся высокой вычислительной сложностью. Таким образом, изучение возможностей эффективной и параллельной реализации билатеральной фильтрации позволит существенно повысить эффективность DIBR и других процедур распознавания и обработки изображений.

Литература

1 Билатеральные фильтры кратко [Электронный ресурс] – Режим доступа: http://old.unick-soft.ru/Articles.cgi?id=11 – Заглавление с экрана.

2 An overview of free view point Depth-Image-Based Rendering (DIBR) [Электронный ресурс] – Режим доступа: http://www.apsipa.org/proceedings_2010/pdf/APSIPA197.pdf – Заглавление с экрана.

3 Глубина цвета изображения. [Электронный ресурс] – Режим доступа: https://en.wikipedia.org/wiki/Color_depth – Заглавление с экрана.

4 Глубина цвета [Электронный ресурс] – Режим доступа: http://fb.ru/article/87913/kompyuternaya-grafika-glubina-tsveta – Заглавление с экрана.

5 Directional Joint Bilateral Filter for Depth Images [Электронный ресурс] – Режим доступа: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4168506/ – Заглавление с экрана.

Борискин Д.В., Зори С.А. Исследование возможности параллельной реализации билатеральной фильтрации для решения задач распознавание объектов на изображениях и Depth Image Based Rendering. Статья посвящена вопросу исследования возможностей билатеральной фильтрации. Дано описано понятие билатеральной фильтрации, пример её использования, а также использования глубины изображения для решения задач DIBR. Показано что, решение задач DIBR основаны на эффективном анализе и построении карт глубины, который в свою очередь использует на одном из этапов процедуру билатеральной фильтрации, отличающихся высокой вычислительной сложностью, таким образом изучение возможностей эффективной и параллельной реализации билатеральной фильтрации позволит существенно повысить эффективность DIBR и других процедур распознавания и обработки изображений.

Ключевые слова: распознавание образов, DIBR, билатеральная фильтрация, Гаусс, глубина изображения, RGB, эффективность.

Boriskin D.V., Zori S.A. Investigation of the possibility of parallel implementation of bilateral filtering for solving problems of object recognition in images and Depth Image Based Rendering. The article is devoted to the study of bilateral filtration capabilities. The article describes the concept of bilateral filtering, an example of its use, as well as the use of image depth for solving DIBR problems. It is shown that the solution of DIBR problems is based on effective analysis and construction of depth maps, which in turn uses bilateral filtering at one of the stages, which are distinguished by high computational complexity, thus studying the possibilities of effective and parallel implementation of bilateral filtering will significantly increase the efficiency of DIBR and others recognition and image processing procedures.

Keywords: pattern recognition, DIBR, bilateral filtering, Gauss, image depth, RGB, efficiency.