- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Методы обработки графических изображений презентация
Содержание
- 1. Методы обработки графических изображений
- 2. Распознавание человека по изображению лица Плюсы:
- 3. Основные классы решаемых задач поиск в
- 4. Проблемы при распознавании: Изменения масштаба Изменение условий
- 5. Алгоритмические особенности методов распознавания Способы сравнения изображений
- 6. Способы сравнения изображения Разделение исходного пространства признаков
- 7. Слева – кластеризация, справа – разделяющие
- 8. Использование обучающего набора примеров По характеру
- 9. Учёт свойств изображения в методах распознавания Цветовая
- 10. Методы распознавания человека по изображению лица
- 11. Метод главных компонент применяется для сжатия информации
- 12. а) выровненное изображение лица, б) реконструкция по 85-и главным компонентам, в) JPEG-реконструкция (530 байт)
- 13. Метод главных компонент Основное преимущество применения
- 14. Скрытые Марковские модели Схема Марковской модели, пример последовательности наблюдений O и последовательности состояний S
- 15. Псевдодвумерная скрытая Марковская модель
- 16. Спасибо за внимание
Распознавание человека по изображению лица Плюсы: не требуется специальное или дорогостоящее оборудование; не нужен физический контакт с устройствами. Минусы: система не обеспечивает 100%-ой надёжности идентификации
Слайд 2Распознавание человека по изображению лица
Плюсы:
не требуется специальное или дорогостоящее
оборудование;
не
нужен физический контакт с устройствами.
Минусы:
система не обеспечивает
100%-ой надёжности
идентификации
Слайд 3Основные классы решаемых задач
поиск в больших базах данных;
контроль доступа;
контроль фотографий
в документах.
Ошибкой первого рода называется
ситуация, когда объект заданного класса не
распознаётся (пропускается) системой.
Ошибка второго рода происходит, когда
объект заданного класса принимается за
объект другого класса.
Ошибкой первого рода называется
ситуация, когда объект заданного класса не
распознаётся (пропускается) системой.
Ошибка второго рода происходит, когда
объект заданного класса принимается за
объект другого класса.
Слайд 4Проблемы при распознавании:
Изменения масштаба
Изменение условий освещения
Изменения ориентации изображения
Сдвиг изображения
Изменения ракурса объекта
Внутриклассовые
различия
Помехи на изображении
Помехи на изображении
Слайд 5Алгоритмические особенности методов распознавания
Способы сравнения изображений
Использование обучающего набора примеров
Полнота использования информации
изображения
Аналитические и эмпирические методы
Использование обобщенной модели объекта
Использование последовательности кадров
Возможность реконструкции входного изображения
Обнаружение лица человека на изображении
Определение ракурса лица на изображении
Определение характеристик личности
Потребность в предобработке изображений
Аналитические и эмпирические методы
Использование обобщенной модели объекта
Использование последовательности кадров
Возможность реконструкции входного изображения
Обнаружение лица человека на изображении
Определение ракурса лица на изображении
Определение характеристик личности
Потребность в предобработке изображений
Слайд 6Способы сравнения изображения
Разделение исходного пространства признаков на области;
Выделение ключевых областей на
изображении и их сравнение;
Анализ искажения изображений.
Анализ искажения изображений.
Слайд 7 Слева – кластеризация, справа –
разделяющие поверхности в пространстве
признаков
Пример искажения
решётки
исходного изображения
исходного изображения
Слайд 8Использование обучающего набора примеров
По характеру использования обучающего
набора методы распознавания
лиц можно
разделить на два класса:
в первом классе в процессе
настройки не используют обучающие
примеры;
во втором классе методы, для извлечения
признаков, используют анализ обучающей
выборки.
разделить на два класса:
в первом классе в процессе
настройки не используют обучающие
примеры;
во втором классе методы, для извлечения
признаков, используют анализ обучающей
выборки.
Слайд 9Учёт свойств изображения в методах распознавания
Цветовая информация
Восстановление трёхмерной формы объекта на
изображении
Учёт двумерности изображения
Учёт локальной связности и локальных деформаций изображения
Учёт глобальных вариаций изображения
Способы устранения избыточности изображения
Преобразования исходного изображения
Учёт двумерности изображения
Учёт локальной связности и локальных деформаций изображения
Учёт глобальных вариаций изображения
Способы устранения избыточности изображения
Преобразования исходного изображения
Слайд 11Метод главных компонент
применяется для сжатия информации без
существенных потерь информативности.
Метод главных
компонент в применении к
изображениям лиц так же называют
методом собственных лиц.
изображениям лиц так же называют
методом собственных лиц.
Слайд 12а) выровненное изображение лица, б) реконструкция по 85-и главным компонентам, в)
JPEG-реконструкция (530 байт)
Слайд 13Метод главных компонент
Основное преимущество применения
анализа главных компонент – это хранение
и поиск изображений в больших базах
данных, реконструкция изображений.
Основной недостаток – высокие
требования к условиям съёмки изображений.
Слайд 14Скрытые Марковские модели
Схема Марковской модели, пример последовательности наблюдений O и последовательности
состояний S
