Поиск объектов на изображении с использованием морфлетных описаний
Визильтер Ю.В., Горбацевич В.С., Вишняков Б.В., Сидякин С.В.

Государственный научно исследовательский институт авиационных систем (ГосНИИАС), Москва, Россия

Аннотация:
В работе предлагается оригинальный метод поиска объектов на основе деревьев морфлетов. Метод позволяет устойчиво обнаруживать объекты различной природы на изображении и не требует предварительного обучения. При этом, помимо выделения объемлющего прямоугольника, одновременно с обнаружением происходит предварительная сегментация, которая в дальнейшем может использоваться при распознавании. Другой важной особенностью предлагаемого подхода является отсутствие необходимости использования скользящего окна, а также пирамиды признаков для выделения разномасштабных объектов.

Ключевые слова:
математическая морфология, морфология Пытьева, обнаружение объектов, морфлеты.

Цитирование:
Визильтер, Ю.В. Поиск объектов на изображении с использованием морфлетных описаний / Ю.В. Визильтер, В.С. Горбацевич, Б.В. Вишняков, С.В. Сидякин // Компьютерная оптика. – 2017. – Т. 41, № 3. – С. 406-411. – DOI: 10.18287/2412-6179-2017-41-3-406-411.

Литература:

  1. Joseph, R. You only look once: Unified, real-time object detection / J. Redmon, S. Divvala, R. Girshick, A. Farhadi // Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR). – 2016. – P. 779-788. – DOI: 10.1109/CVPR.2016.91.
  2. Визильтер, Ю.В. Морфлеты: новый класс древовидных морфологических описаний формы изображений / Ю.В. Визильтер, В.С. Горбацевич, С.Ю. Желтов, А.Ю. Рубис, А.В. Воротников // Компьютерная оптика. − 2015. – Т. 39, № 1 – С. 101-108. – DOI: 10.18287/0134-2452-2015-39-1-101-108.
  3. Пытьев, Ю.П. Методы морфологического анализа изображений / Ю.П. Пытьев, А.И. Чуличков; – М.: Физматлит, 2010. – 336 с. – ISBN: 978-5-9221-1225-3.
  4. The PASCAL Visual Object Classes Challenge 2007 [Электронный ресурс]. – URL: http://host.robots.ox.ac.uk/pas­cal/VOC/voc2007/ (дата обращения 30.11.2016).
  5. Otsu, N. A threshold selection method from gray-level histograms / N. Otsu // IEEE Transactions on Systems, Man, and Cybernetics. – 1979. – Vol. 9, Issue 1. – P. 66-69. – DOI: 10.1109/TSMC.1979.4310076.
  6. Dalal, N. Histogram of oriented gradients for human detection / N. Dalal, B. Triggs // Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2005). – 2005. – Vol. 1(1). – P. 886-893. – DOI: 10.1109/CVPR.2005.177.
  7. Hou, X. Saliency detection: A spectral residual approach / X. Hou, L. Zhang // Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR '07). – 2007. – 8 p. – DOI: 10.1109/CVPR.2007.383267.
  8. Felzenszwalb, P.F. Efficient graph-based image segmentation / P.F. Felzenszwalb, D.P. Huttenlocher // International Journal of Computer Vision. – 2004. – Vol. 59(2). – P. 167-181. – DOI: 10.1023/B:VISI.0000022288.19776.77.
  9. Alexe, B. Measuring the objectness of image windows / B. Alexe, T. Deselaers, V. Ferrari // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2012. – Vol. 34(11). – P. 2189-2202. – DOI: 10.1109/TPAMI.2012.28.
  10. The KITTI Vision Benchmark Suite [Электронный ресурс]. – URL: >http://www.cvlibs.net/datasets/kitti/ (дата обращения 30.11.2016).


© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20