Microsoft Word - Carte_APDSV_v8
|
|
- Roza Cristea
- 4 ani în urmă
- Vzualizari:
Transcriere
1 6. SEGMENTAREA SPAIAL A CADRELOR VIDEO Scopul acestui capitol este familiarizarea cu informaiile de baz referitoare la segmentarea spaial a cadrelor video în zone omogene, obiecte i regiuni semantice. O imagine digital poate fi reprezentat ca o funcie I x, y, z în care parametrii x i y indic poziia pixelului în imagine iar parametrul z indic tipul imaginii (monocromatic sau color). Pentru imagini monocromatice, z 1, funcia ce caracterizeaz imaginea va fi I x, y i fiecare pixel al imaginii va fi caracterizat de o singur valoare. În cazul imaginilor color, z 1 (de obicei z 3 ), fiecare pixel va fi caracterizat de 3 sau mai multe valori. Segmentarea spaial înseamn gruparea pixelilor alturai în grupuri omogene pe baza caracteristicilor determinate din valorile pixelilor imaginii. Rezultatele segmentrii pot fi utilizate în diferite aplicaii precum recunoaterea feelor; identificarea de obiecte; supraveghere video; prelucrarea imaginilor medicale; recunoatere amprente; localizarea obiectelor în imagini din satelit. Datorit multitudinii de aplicai în care este utilizat i a faptului c nu a fost descoperit nici o metod de segmentare universal, au fost dezvoltate numeroase metode de segmentare cu diferite grade de complexitate i diferite modaliti de grupare a pixelilor. În continuarea acestui capitol sunt prezentate în detaliu elementele principale utilizate în operaiile de segmentare i cele mai importante metode de segmentare spaial cu avantaje i dezavantaje Introducere Segmentarea video spaial reprezint partiionarea unei imagini digitale sau a unui cadru video într-un set de zone omogene disjuncte cu proprietatea c reuniunea tuturor zonelor are ca rezultat întreaga imagine/cadru. Aceste regiuni corespund unor arii percepute ca fiind uniforme.
2 88 Analiza i prelucrarea digital a semnalelor video Scopul segmentrii este de a simplifica i schimba modul de reprezentare a unei imagini într-un mod de reprezentare cu semnificaie pentru utilizatori i într-o form care poate fi mai uor de analizat. Segmentarea video este utilizat de obicei pentru localizarea obiectelor i a limitelor acestora în imagini. Mai precis, segmentarea video este procesul de atribuire a unei etichete fiecrui pixel dintr-o imagine astfel încât pixelii care au aceeai etichet au anumite caracteristici vizuale comune. Operaia de segmentarea a imaginilor are ca rezultat un set de segmente care împreun acoper întreaga imagine sau un set de contururi extrase din imagine, aa cum este cazul deteciei marginilor. Fiecare dintre pixelii unei regiuni sunt similari în raport cu anumite caracteristici sau proprieti, precum culoare, intensitate sau textur. De asemenea, regiunile adiacente sunt diferite în raport cu aceleai caracteristici. Cel mai bun exemplu de segmentare, în care rezultatul este un mod de reprezentare mai simplu, îl constituie cuantizarea valorilor pixelilor dintr-o imagine. De exemplu, dac se lucreaz cu o imagine monocromatic cu valorile intensitii pixelilor reprezentate pe 8 bii, adic între 0 i 255, prin cuantizare pe 4 bii, pixelii care aveau iniial intensitatea într-un anumit interval vor avea aceeai valoare i vor aparine aceleiai regiuni [39]. Operaia de segmentare este necesar atât pentru detectarea obiectelor coninute în imagini sau secvene video, cât i pentru extragerea unor caracteristici sau descriptori de nivel inferior, precum descriptorul culorilor dominante. Majoritatea aplicaiilor care urmresc caracterizarea sau descrierea imaginilor din punct de vedere semantic vor avea inclus o etap de pre-procesare a imaginilor, etap în care segmentare nu va lipsi. Exist numeroase metode de segmentare a imaginilor ca rezultat al faptului c nu s-a gsit o metod general care s asigure rezultate suficient de bune pe toate tipurile de imagini. De aceea s-au dezvoltat foarte multe metode specifice pentru anumite aplicaii Segmentarea imaginilor monocromatice Cele mai simple metode i primele dintre metodele de segmentare sunt cele pentru imaginile cu nivele de gri. Dintre acestea pot fi menionate: segmentarea manual, segmentarea cu detecie de prag, segmentarea pe baza detecie marginilor, segmentarea pe baza texturii, etc Segmentarea manual În cazul segmentrii manuale obiectele video semantice sunt selectate direct de utilizator [40]. Aceast metod permite definirea perfect a limitelor obiectelor, îns necesit un interval de timp relativ mare pentru realizare. Cu toate acestea segmentarea manual este preferat pentru aplicaii specifice, precum produciile de film de calitate ridicat. Este folosit, de asemenea, pentru crearea unor segmentri de referin necesare în vederea evalurii tehnicilor de segmentare automate sau semi-automate.
3 6. Segmentarea spaial a cadrelor video 89 Figura 6.1. Segmentare manual: imaginea original, contururile obinute prin segmentarea manual, imaginea segmentat Segmentarea cu prag Segmentarea cu prag este una dintre cele mai utilizate metode de segmentare a unei imagini datorit simplitii sale [41]. Aceast metod de segmentare spaial a imaginilor reprezint transformarea unui semnal de intrare monocrom f într-un semnal de ieire binar, pentru care pixelii g(i,j,t) sunt clasificai ca aparinând prim-planului dac f(i, j,t ) > T sau aparinând fundalului dac f (i, j,t ) <= T, unde T este pragul de comparaie. Este util pentru imaginile monocrome dac obiectele nu se ating i dac nivelele de gri ale obiectelor sunt distincte de cele ale fundalului. Rezultatele segmentrii cu detecie de prag depind de alegerea valorii de prag. Selectarea corect a pragului este esenial în procesul de segmentare. Dac exist informaii cunoscute a priori selectarea pragului pentru segmentare devine mai simpl. Metoda de selectare a pragului numit p-tile folosete informaia a priori referitoare la raportul p dintre aria ocupat de obiecte i aria ocupat de fundal. Folosind histograma imaginii pragul T este selectat ca astfel încât 1/p din cadru va avea valori mai mici decât T, iar restul va avea valori mai mari decât T. Acest tip de informaie cunoscut a priori nu este îns disponibil în multe situaii. Alte metode de selectare a pragului folosesc analiza formei histogramei cadrului. Dac un cadru este format din obiecte care au nivele de gri apropiate i care difer de nivelul de gri al fundalului, atunci histograma cadrului respectiv va fi bi-tonal. Pragul de comparaie va fi determinat ca minimul dintre maximele locale ale histogramei. Metodele de segmentare cu detecie de prag optime aproximeaz histograma folosind o sum ponderat de dou sau mai multe densiti de probabilitate cu distribuie normal. Pragul este selectat ca valoarea nivelului de gri corespunztor probabilitii minime dintre maximele distribuiei normale. În cazurile practice îns imaginile au pixeli cu valori destul de variate, astfel încât detecia unui minim dintre maxime nu este uor de realizat. Ideal ar fi s existe o metod de selecie a pragului care s nu depind de cunoaterea apriori a imaginii i care s funcioneze i pentru imagini cu zgomot.
4 90 Analiza i prelucrarea digital a semnalelor video a) b) Figura 6.2. Segmentare cu prag determinat prin histograma: a) imaginea original; b) imaginea segmentat. Cea mai simpl modalitate de selecie a valorii de prag este selecia valorii medii sau a valorii mediane, explicaia pentru aceast alegere fiind aceea c dac pixelii obiectelor au valori mai mari decât pixelii fundalului, atunci vor avea valori mai mari i decât valoarea medie. Aceast alegere va conduce la rezultate bune doar pentru imagini fr zgomot i în care atât fundalul, cât i obiectul sunt uniforme din punctul de vedere al culorii pixelilor Compararea obiectelor Compararea este folosit pentru localizarea unor obiecte cunoscute într-un cadru al unei secvene video. Scopul este de a identifica obiectele similare cu un obiect cunoscut sau de a determina apariia unui obiect în cadre video succesive. Algoritmii de comparare localizeaz toate obiectele dintr-un cadru care sunt copii ale obiectului cunoscut i folosesc pentru aceasta un criteriu de comparaie pentru a determina similitudinea dintre obiectul cunoscut i regiuni ale cadrului dat. Cel mai simplu criteriu de comparaie este compararea perfect, caz în care se obin obiecte identice cu obiectul cunoscut. De obicei îns, în secvenele video, obiectele sunt afectate de zgomot, distorsiuni geometrice, ocluzii, etc. De aceea este mai util cutarea regiunilor cu grad maxim de identificare. Cei mai simpli algoritmi de comparare a obiectelor nu permit transformri geometrice, adic obiectul cutat trebuie s aib aceeai dimensiune i aceeai orientare cu obiectul cunoscut. O soluie simpl a acestei probleme este scalarea i rotirea obiectului pentru a obine toate dimensiunile i orientrile posibile. Aceast soluie este îns foarte complex. O alternativ mai eficient o reprezint divizarea obiectului în pri conectate între ele cu legturi elastice. Scopul acestei reprezentri este de a identifica parial regiunile obiectului în locaii care cauzeaz for elastic minim în legturi. Acest concept a fost folosit de Umeki i Mizutani i este cunoscut ca Dynamic Link Matching (DLM). Compararea obiectelor este metoda de segmentare cea mai eficient în cazul în care exist un obiect cunoscut. Dezavantajul acestei metode este consumul mare de timp.
5 6. Segmentarea spaial a cadrelor video Segmentarea bazat pe muchii Segmentarea bazat pe muchii folosete acele muchiile depistate/identificate prin detecia de muchii. Muchiile pot fi combinate în lanuri care corespund marginilor din cadru. Scopul final este gruparea acestora în lanuri de muchii care corespund obiectelor existente în imagine [42]. În cazuri foarte simple identificarea muchiilor prin detecie de prag poate duce la obinerea muchiilor obiectelor fr nici un fel de informaie apriori. Detecia de prag este folosit pentru a elimina muchiile mici rezultate din zgomotul de cuantizare, iregulariti ale luminozitii, etc. De cele mai multe ori pentru secvenele video reale aceast abordare este afectat de sub-segmentare sau supra-segmentare. Se poate aduce o îmbuntire dac se iau în considerare relaiile dintre o muchie i muchiile vecine (de ex.: dac o muchie de valoare mic este poziionat între dou muchii de valori mari, atunci este foarte probabil ca aceea muchie s fie din interiorul unui obiect. Pe de alt parte, dac o muchie nu are alte muchii în apropiere, probabilitatea ca ea s fac parte din marginea unui obiect este mic). În cazurile în care exist informaii apriori referitoare la margini se pot aplica metode generale de detecie, precum: metode bazate pe graf-uri sau programare dinamic. Un graf este o structur format dintr-un set de noduri i valorile ponderate ale arcurilor dintre ele. Problema deteciei de margini este transformat într-o problem de determinare a cii optime între noduri. Scopul acestei metode este identificarea cii optime între punctele cunoscute prin minimizarea unei funcii de cost determinate ca suma ponderilor arcurilor. Programarea dinamic folosete aceeai idee de detecie a cii optime, îns are proprietatea de cutare simultan a cilor pentru cazul în care se cunosc mai multe puncte de start i de stop. Aceast abordare conduce la rezultate mai bune în cazurile în care localizarea nodurilor nu este cunoscut precis. Transformata Hough ofer o soluie bun în detectarea obiectelor în cazul ocluziilor pariale [43]. Aceasta permite identificarea formelor dintr-o imagine prin recunoaterea formelor locale într-un spaiu transformat. Dei a fost definit iniial pentru detecia liniilor drepte i a curbelor folosind ecuaii analitice ale marginilor obiectului, transformata Hough generalizat poate fi utilizat pentru a detecta obiecte chiar i în cazurile în care nu se cunosc expresiile analitice ale marginilor. În concluzie metodele de segmentare bazate pe detecia muchiilor ofer contururi precise ale obiectelor dac exist informaie apriori. Dezavantajul acestor metode cost în sensibilitatea ridicat la zgomot. Datorit necesitii existenei informaiei apriori i faptului c este necesar intervenia utilizatorului pentru iniializare algoritmilor (definirea manual a contururilor aproximative, a unor puncte ale contururilor, etc.), aceste metode pot fi numite metode semi-automate Segmentarea bazat pe regiuni Metodele de segmentare bazate pe regiuni sunt folosite pentru detecia direct a regiunilor ocupate de obiecte. Ideea de baz a acestor metode este împrirea imaginii în zone cu omogenitate maxim i apoi selectarea zonelor care corespund unor obiecte. Criteriul de omogenitate se refer la nivele de gri, culoare, textur, form, informaie semantic, etc.
6 92 Analiza i prelucrarea digital a semnalelor video În general metodele bazate pe regiuni pot fi clasificate în dou mari categorii: region growing ( creterea de regiuni ) i split-and-merge ( împrire i reunire ). În algoritmii de tipul region growing exist unul sau mai muli pixeli de start i prin aplicarea diferitelor strategii sunt create regiuni omogene pornind de la fiecare pixel dat. Mecanismul de baz al tuturor metodelor de tipul region growing este urmtorul: se pornete de la un pixel iniial i se cresc regiunile prin adugare de pixeli pan se parcurge întreaga imagine. Este nevoie de un algoritm de dezvoltare a regiunilor i un criteriu de omogenitate. O regul simpl de dezvoltare consider toi pixelii vecini folosind conectivitate 4 sau conectivitate 8. Alte variante sunt folosirea de blocuri sau ferestre de cutare [44]. În cazul metodelor split-and-merge se pornete de la regiuni neuniforme, se împart aceste regiuni în fragmente uniforme i apoi se aplic diferite strategii de reunire a acestor regiuni pentru a obine obiecte. Structura de tipul quadtree este cea mai utilizat structur în algoritmii split-and-merge datorit simplitii i a eficienei de calcul. Quadtree este un arbore în care fiecare nod are exact patru descendeni. Rdcina arborelui reprezint întreaga imagine i fiecare frunz reprezint o regiune omogen. Împrirea i reunirea regiunilor corespund crerii sau tergerii componentelor arborelui. Reunirea zonelor alturate este permis dac este satisfcut criteriul de omogenitate. Metodele de segmentare bazate pe detecia de regiuni sunt în general utile pentru imaginile cu zgomot în care marginile obiectelor sunt mai greu de detectat. Dar exist cazuri în care datorit selectrii ne optimale a parametrilor algoritmilor se obine sub-segmentare sau supra-segmentare. De aceea este necesar o etap de post-procesare pentru îmbuntirea rezultatelor Segmentarea bazat pe micare Metodele de segmentare bazate pe micare detecteaz regiuni corespunztoare obiectelor aflate în micare precum vehicule sau oameni. O abordare important pentru acest tip de segmentare este detecia modificrilor suferite de imagine [45]. Aceast problem are ca scop identificarea unui set de pixeli corespunztori diferenelor dintre dou cadre ale aceleiai scene. Modificrile nesemnificative, precum cele cauzate de variaii ale luminii, zgomot, etc., trebuie eliminate. Procesul de detecie a modificrilor are trei etape: preprocesare, aplicarea unei reguli de decizie i post-procesare. Unele metode folosesc toate trei etapele simultan, în timp ce altele pot s nu realizeze pre-procesarea sau post-procesarea. Un pas important în etapa de pre-procesare este alinierea perechii de imagini în acelai cadru de coordonate. Acest pas are un rol important în special în cazurile în care camera de captur este în micare. Estimarea micrii camerei este, de obicei, urmat de controlul camerei sau de compensarea micrii globale. În unele cazuri cele dou operaii de estimare/compensare a micrii i detecia modificrilor sunt realizate împreun. Primele încercri de definire a unor metode de detecie a modificrilor invariante la luminozitate foloseau intensitatea normat a imaginilor. Intensitatea pixelilor din cea de-a doua imagine era normat pentru a avea aceeai medie i aceeai variana ca intensitatea pixelilor primei imagini.
7 6. Segmentarea spaial a cadrelor video 93 Regula de decizie a algoritmilor de detecie a modificrilor imaginilor este procesul prin care se decide dac un pixel s-a modificat sau nu. Se poate aplica pentru fiecare pixel în parte sau pentru blocuri de pixeli. A doua abordare este mai robust la zgomot. Cea mai simpl regul de decizie este diferenierea: se determin matricea diferen dintre cele dou imagini, apoi prin compararea matricei diferen cu o valoare de prag se determin masca de modificare binar. Pentru secvenele video color se folosete distana euclidian dintre pixeli. Exist i alte abordri pentru segmentarea pe baza micrii. Segmentarea pe baza fluxului optic este o alt metod de segmentare pe baza micrii i folosete caracteristicile vectorilor de flux în timp pentru a detecta obiecte aflate în micare. Exist i metode bazate pe abordri probabilistice. Segmentarea pe baza micrii este utilizat pentru detecia automat a obiectelor aflate în micare din secvenele video. Cele mai utilizate sunt metodele care folosesc detecia modificrilor deoarece sunt rapide i adecvate pentru aplicaiile în timp real. Dezavantajul acestor metode îl constituie sensibilitatea la variaia luminanei i la zgomot. Dintre toate metodele de segmentare prezentate au fost alese pentru studiu metodele de segmentare bazate pe regiuni. Acestea sunt prezentate în detaliu în continuarea acestui capitol Segmentarea imaginilor color Metodele simple de segmentare definite pentru imaginile cu nivele de gri au fost extinse i pentru imaginile color. Rezultatele depind i în acest caz de particularitile imaginilor i de aplicaiile în care este folosit segmentarea. Figura 6.3. Exemple de segmentare cu detecie de prag: imaginea original, imaginea segmentat cu valoarea medie, imaginea segmentat cu valoarea median
8 94 Analiza i prelucrarea digital a semnalelor video Un caz particular al segmentrii este segmentarea video bazat pe obiecte. Aceasta este util pentru caracterizarea imaginilor din punct de vedere semantic. Scopul segmentrii video bazat pe obiecte este acela de a împri o imagine sau un cadru al unei secvene video în seciuni care au o legtur strâns cu obiecte sau zone din lumea real. Cele mai utilizate tehnici de segmentare video sunt: segmentarea manual, compararea, segmentarea cu detecie de prag, segmentarea bazat pe detecia de muchii, segmentarea bazat pe detecia de regiuni i segmentarea bazat pe micare Spaii de culoare Spaiul de culoare RGB (Red = rou, Green = verde, Blue = albastru) este un model de culori, în care luminile albastre, roii i verzi sunt amestecate în diferite moduri pentru a produce toat gama de culori [46]. Principalul scop al spaiului de culoare RGB este de a reprezenta imagini pe sistemele electronice, cum ar fi televizoarele i computerele, dei a fost folosit i în fotografie. Înainte de era electronic, modelul RGB era mai puin cunoscut, el fiind folosit în principal în biologie pentru percepia uman a culorilor. RGB este o palet de culori dependent de dispozitive: dou monitoare diferite pot reprezenta o anumit valoare RGB diferit, deoarece rspunsul elementului chimic ce provoac culoarea difer de la productor la productor sau chiar la acelai dispozitiv, odat cu trecerea timpului. Astfel o valoare RGB nu definete aceeai culoare pe toate dispozitivele fr un management eficient al culorilor. Dispozitivele de intrare tipice RGB sunt camere de filmat, scanerele i aparatele de fotografiat, iar cele de ieire sunt televizoarele (CRT, LCD, plasme, etc.), monitoare, ecranele telefoanelor mobile, proiectoarele video, displayurile cu LED-uri multicolore. Spaiul de culoare HSV (Hue, Saturation, Value) a fost creat ca un spaiu de culoare perceptual în anul 1978 [47]. Similar spaiului de culoare RGB, modelul HSV este constituit din 3 componente: Hue reprezint nuana (tipul culorii) i are valori între 0 i 360. Saturation reprezint saturaia sau puritatea culorii. Exprim cât de mult alb conine culoarea respectiv i are valori între 0 i 1. Pentru valori mici ale saturaiei culoarea este mai tears, adic are în componen mai mult alb. Value reprezint luminozitatea culorii sau cât de mult negru conine culoarea respectiv. Are valori între 0 i 1. Noiunea de spaiu de culoare perceptual se refer la faptul c spre deosebire de modelul RGB în care culorile sunt combinaii a celor 3 culori primare (rou, verde, albastru), modelul HSV conine trei componente care definesc culorile într-un mod similar cu modul de percepie al culorilor de ctre sistemul vizual uman. Modelul de culoare HSV este reprezentat grafic ca un con. H variaz de la 0 la 360, indicând unghiul, exprimat în grade, din jurul cercului de culoare unde valoarea Hue este localizat. S i V variaz de la 0 la 1, cu 0 fiind cantitatea cea mai mic iar 1 fiind cantitatea
9 6. Segmentarea spaial a cadrelor video 95 Figura 6.4. Reprezentare spaiu de culoare HSV. cea mai mare, a saturaiei sau a luminozitii. Orice valoare H din afara intervalului [0, 360] poate fi încadrat în acest interval printr-o divizare modulo 360 a lui H (de exemplu, -30 este echivalent cu 330, iar 480 este echivalent cu 120). Trecerea de la modelul RGB la modelul HSV se realizeaz printr-o transformare neliniar [48]. G B 0 60, dac RMAX MAX MIN B R H 2 60, dac G MAX MAX MIN R G 4 60, dac BMAX MAX MIN MAX MIN S (6.2) MAX V MAX (6.3) MAX reprezint valoarea maxim dintre cele trei componente ale culorii R, G i B; MIN reprezint valoarea minim. Pe baza relaiilor de transformare de la RGB la HSV se pot face urmtoarele observaii: Dac MAX MIN componenta de nuan (H) este nedefinit deoarece componenta de saturaie (S) este 0 i culorile vor fi monocromatice. Dac MAX 0 componenta de saturaie (S) este nedefinit deoarece în acest caz componenta de valoare (V) este 0 i culoarea este negru pur. Spaiul de culoare HMMD (Hue, Max, Min, Diff) este cel mai nou spaiu de culoare i este utilizat pentru anumii descriptori de culoare MPEG-7. Modelul de culoare HMMD este format din 5 parametri [49]: Hue nuana, are aceeai semnificaie ca pentru modelul HSV; Max maximul dintre cele trei componente R, G i B; (6.1)
10 96 Analiza i prelucrarea digital a semnalelor video Min minimul dintre cele trei componente R, G i B; Diff diferena dintre Max i Min; Sum suma dintre Max i Min. Primele trei componente au aceeai semnificaie ca pentru modelul HSV. Componenta Diff exprim cât gri conine o culoare i cât este de apropiat de o culoare pur. Componenta Sum exprim intensitatea luminoas a culorii. Pentru a caracteriza o culoare folosind modelul HMMD este nevoie doar de primele trei componente, celelalte pot fi determinate în funcie de acestea. Spaiul de culoare HMMD este reprezentat grafic ca un con dublu [50]. Trecerea de la RGB la HMMD se realizeaz de asemenea printr-o transformare neliniar [51]. Hue SUM MAX MIN (6.4) DIFF MAX MIN (6.5) G B MAX MIN dac R MAX G B G B MAX MIN dac R MAX G B 2BR MAX MIN60 4BR MAX MIN60 dac G MAX dac G MAX 60 ^ ^ 0 (6.6) Figura 6.5. a) Spaiul de culoare HMMD; b) Seciune a modelului spaiului de culoare HMMD
11 6. Segmentarea spaial a cadrelor video Segmentarea bazat pe regiuni Metodele de segmentare video bazat pe regiuni se împart în dou mari categorii: metode de tip region growing i metode de tip split and merge. Mecanismul aflat la baza tuturor algoritmilor de tipul region growing implic alegerea unor pixeli de start i formarea de regiuni în jurul acestor pixeli pân când toi pixelii imaginii aparin unei regiuni. Formarea de regiuni se face pe baza unui criteriu de omogenitate care este verificat dup fiecare pas al algoritmului. Cele mai simple criterii de omogenitate folosesc media nivelelor de gri ale regiunii, proprietile culorilor regiunii sau proprietile texturii. Deoarece unul din scopurile tezei este extragerea descriptorilor video MPEG-7, compararea imaginilor pe baza acestora i caracterizarea semantic a imaginilor, a fost ales ca i criteriu de omogenitate culoarea. Un algoritm simplu, dar eficient, de obinere a regiunilor prin metode de tip region growing consider ca pixel de start primul pixel al imaginii care nu aparine nici uneia dintre regiunile obinute pân la momentul respectiv. Pentru obinerea primei regiuni se alege ca pixel de start primul pixel al imaginii (pixelul din stânga-sus). Apoi, urmtorul pas este compararea celor 8 pixeli vecini folosind un criteriu de omogenitate. A fost menionat c se va folosi ca i criteriu de omogenitate informaia de culoare, astfel c acesta va fi dat de diferena dintre componentele de culoare ale pixelului curent i cele ale pixelului de start. Un pixel va aparine regiunii curente dac aceast diferena nu va depi valoarea unui prag. Valoarea pragului de comparaie controleaz gradul de segmentare al imaginii [52]. Astfel c, dac se alege o valoare de prag prea mic se obine supra-segmentare, adic se vor obine un numr de regiuni omogen foarte mare, iar dac valoarea de prag este prea mare se obine subsegmentare i în acest caz, dei numrul de regiuni va fi mic, acestea nu vor fi foarte omogene. Exist diverse modaliti de calcul a diferenelor de culoare dintre pixeli. Cea mai utilizat metric de determinare a distanei dintre doi vectori este metrica Minkowsky [53]. Aceast metric este definit astfel: p este dimensiunea vectorilor; x i este elementul numrul i al vectorului x. În cazul imaginilor aceast metric este definit astfel: i i i 1 p p p dm x, y xi yi, (6.7) i a 2 2 b 3 3 c d d i, j C C C C C C, (6.8) M i j i j i j C, C, C reprezint componentele de culoare ale pixelului i ; C, C, C componentele de culoare are pixelului j ; j j j
12 98 Analiza i prelucrarea digital a semnalelor video abcd,,, sunt puteri. Componentele de culoare depind de spaiul de culoare în care este reprezentat imaginea. În lucrare este studiat algoritmul de segmentare de tipul region growing folosind metrica Minkowsky pentru dou spaii de culoare: RGB (Red, Gree, Blue) i HSV (Hue, Saturation, Value) [54]. În cazul celor dou spaii de culoare distana Minkowsky dintre doi pixeli va avea expresiile urmtoare: iar criteriile de omogenitate vor fi: 1 a b c d, d i j R R G G B B (6.9) RGB M i j i j i j 1 a b c d HSV d i, j H H S S V V, (6.10) M i j i j i j RGB d i, j T (6.11) M RGB HSV d i, j T, (6.12) M unde T RGB i T HSV reprezint valorile de prag pentru spaiile de culori RGB i HSV. Acest lucru înseamn c un pixel va aparine unei regiuni dac valoarea distanei dintre pixelul respectiv i pixelul de start este mai mic decât valoarea de prag. Avantajul acestei metrici este acela c, alegând corespunztor valorile parametrilor abc,,, se poate atribui o pondere mai mare uneia sau unora dintre componentele de culoare. Valoarea parametrului d este aleas astfel încât s se poat compara rezultatele obinute pentru diferitele valori ale celorlali parametri. Parametrul d se va determina în funcie de ceilali parametri astfel [55]: abc d (6.13) 3 O alt metric utilizat în cazul segmentrii imaginilor color este metrica Canberra. Aceast metric se utilizeaz numai în cazul datelor cu valori pozitive i este definit astfel: d Can x, y HSV x y p i i (6.14) i1 xi yi Ca i în cazul metricii Minkowsky se poate particulariza metrica Canberra pentru imagini color i se obine: d Can i, j C C C C C C C C C C C C i j i j i j i j i j i j (6.15) iar în cazul celor dou spaii de culoare alese, RGB i HSV, expresiile distanei Canberra dintre pixelii i i j vor fi:
13 6. Segmentarea spaial a cadrelor video 99 d d RGB Can HSV Can i, j i, j Ri Rj Gi Gj Bi Bj R R G G B B i j i j i j Hi H j Si Sj Vi Vj H H S S V V i j i j i j (6.16) (6.17) O a treia metric aleas este metrica Cilindric [56]. Aceast metric calculeaz distana dintre proieciile pixelilor pe un plan cromatic. Este definit doar pentru spaiul de culori HSV astfel: unde HSV d i, j d d, (6.18) Cil V C dv Vi Vj (6.19) cos 2 d S S S S (6.20) C i j i j H H (6.21) i Valoarea d C reprezint distana dintre doi vectori bidimensionali corespunztori proieciilor pixelilor i i j în planul cromatic HS. De aceea d C folosete ambele componente de culoare Algoritmul de segmentare video de tipul region growing Segmentarea video de tipul region growing implic obinerea de regiuni omogene al imaginilor sau ale cadrelor video. Omogenitatea poate fi definit în funcie de diferite caracteristici ale imaginilor, precum culoare, textura, micare, etc. În implementarea realizat în Matlab este aleas ca trstur de comparaie culoarea pixelilor. Imaginile sunt citite din fiiere de tip JPG, BMP sau TIFF i sunt reprezentate în spaiul de culori RGB. Deoarece algoritmii studiai sunt definii pentru imagini reprezentate în spaiul HSV, se va realiza o conversie a imaginii în acest spaiu. Spaiul HSV este un spaiu de culori mai apropiat de modul de percepie al imaginilor de ctre sistemul vizual uman. Algoritmul de segmentare folosit parcurge aceiai pai indiferent de metrica utilizat. Aceti pai sunt: 1. Se alege un pixel de start ca fiind primul pixel al imaginii care nu aparine nici uneia dintre regiunile gsite pân acum. Parcurgerea imaginii se face de la stânga la dreapta i de sus în jos. Pentru prima regiune se alege ca pixel de start primul pixel al imaginii. 2. Se compar blocuri de 2x2 cu pixelul de start folosind un criteriu de omogenitate definit de distana dintre culorile a doi pixeli. Acest criteriu este ca distana dintre doi pixeli s fie mai mic decât o valoare de prag. Atât distana cât i valoarea pragului depind de metrica aleas. Aceste valori vor fi prezentate pentru fiecare metric în parte. j
14 100 Analiza i prelucrarea digital a semnalelor video 3. Dac un pixel îndeplinete criteriul de omogenitate atunci în matricea regiunii se va salva valoarea acestuia în poziia corespunztoare. Dac un pixel nu îndeplinete criteriul de omogenitate atunci se va scrie valoarea 0 în matricea regiunii. Atunci când un pixel îndeplinete criteriul de omogenitate în imaginea iniial valoarea lui va fi setat la 0, dup ce este salvat în matricea regiunii. 4. Se trece la urmtorul bloc i se repet paii 2 i 3 pân se parcurge întreaga imagine. Dup parcurgerea întregii imagini se vor obine una sau mai multe regiuni omogene. Pentru fiecare regiune se face o medie a valorilor culorilor pixelilor pentru a obine o singura valoare a culorii, valoare care poate fi folosit ca culoare dominant. 5. Se alege un nou pixel de start i se repet paii 2, 3 i Algoritmul se oprete atunci când toi pixelii imaginii au fost inclui într-una dintre regiunile gsite. Acest lucru se întâmpl atunci când în imaginea original nu mai este nici un pixel diferit de 0. Algoritmul de segmentare este aplicat unui set de 90 de imagini împrite în 6 categorii. Împrirea este realizat în funcie de coninutul imaginii i sunt obinute urmtoarele categorii: Apus, Elefant, Flori, Muni, Plaj, i epci. Au fost alese aceste imagini pentru c sunt destul de diferite din punctul de vedere al coninutului, culorilor dominante, numrului de regiuni sesizabile,.a.m.d. Singura trstur comun a tuturor imaginilor este dimensiunea. În fiecare caz de segmentare se determin numrul de regiuni totale ale imaginii, timpul de simulare, eroarea medie ptratic dintre imaginea original i imaginea segmentat, precum i diferena maxim dintre imaginea original i imaginea segmentat. Pe baza simulrilor s-au comparat rezultatele obinute folosind cei trei algoritmi i cele mai importante concluzii sunt: Din punctul de vedere al spaiului de culori segmentarea de tipul region-growing are performane mai bune în cazul spaiului de culori HSV. Din punctul de vedere al numrului de regiuni detectate cea mai eficient este metrica Minkowsky, urmat de metrica Cilindric i apoi de metrica Canberra. Pe baza valorii medii a timpilor obinui pentru fiecare metric cea mai bun este metrica Minkowsky, apoi metrica Canberra i apoi metrica Cilindric. Din punctul de vedere al erorii medii ptratice dintre imaginea original i imaginea segmentat tot pentru metrica Minkowsky se obin cele mai mici erori. Pentru metrica Cilindric se obin valori comparabile cu metrica Canberra. Din punctul de vedere al diferenei maxime dintre imaginea original i imaginea segmentat este evident c metrica Minkowsky are valorile cele mai mici. Celelalte dou metrici au valori apropiate. Niciuna dintre metrici nu conduce la rezultate bune pentru orice imagine. Procentual, pentru setul de imagini folosit, metrica Minkowsky are rezultatele cele mai bune i de aceea este utilizat în continuare. Chiar dac aceast metric are rezultatele cele mai bune, din punctul de vedere al numrului de regiuni detectate nu este foarte util.
Introducere
Platformă de e-learning și curriculă e-content pentru învățământul superior tehnic AEACD 17. Segmentarea imaginilor: Region-based segmentation. Graph Theory In Image Segmentation Region-based segmentation
Mai multProcesarea Imaginilor Laborator 3: Histograma nivelurilor de intensitate 1 3. Histograma nivelurilor de intensitate 3.1. Introducere În această lucrar
Procesarea Imaginilor Laborator 3: Histograma nivelurilor de intensitate 1 3. Histograma nivelurilor de intensitate 3.1. Introducere În această lucrare se vor prezenta conceptul de histogramă a nivelurilor
Mai multOPERATII DE PRELUCRAREA IMAGINILOR 1
OPERATII DE PRELUCRAREA IMAGINILOR Prelucrarea imaginilor 2 Tipuri de operatii de prelucrare Clasificare dupa numarul de pixeli din imaginea initiala folositi pentru calculul valorii unui pixel din imaginea
Mai multSistem de supraveghere video inteligent cu localizarea automata a evenimentelor de interes SCOUTER, cod proiect PN-II-IN-DPST , contract nr
-Rezumat- ETAPA II: Algoritmi de procesare si analiza a continutului video - Raport stiintific si tehnic - 1. Introducere In ultimele doua decenii volumul de date achizitionat a cunoscut o rata exponentiala
Mai multMicrosoft Word - 2 Filtre neliniare.doc
20 Capitolul 2 - Filtre neliniare 21 CAPITOLUL 2 FILTRE NELINIARE 2-1. PRELIMINARII Răspunsul la impuls determină capacitatea filtrului de a elimina zgomotul de impulsuri. Un filtru cu răspunsul la impuls
Mai multCuantizare Vectoriala.doc
4. Metoda de quadro în compresie fractala optimizata rata-distorsiune În cele ce urmeaza descriem o metoda de quadro bazata pe optimizarea criteriului ratadistorsiune în compresia fractala a imaginilor.
Mai multSlide 1
Analiza și Prelucrarea Digitală a Semnalelor Video Conf. dr. ing. Radu Ovidiu Preda radu@comm.pub.ro Ș.l. dr. ing. Cristina Oprea cristina@comm.pub.ro Site disciplină: www.comm.pub.ro/preda/apdsv Analiza
Mai multSlide 1
Gruparea (si clasificarea) fuzzy a datelor Introducere Aspecte teoretice generale Gruparea tranșantă Metode fuzzy FCM SC Utilizarea metodelor fuzzy în matlab. Exemplificare Introducere (1) Obiectivul grupării
Mai multMicrosoft Word - L63 FPGA.doc
Programarea hardware-ului reconfigurabil cu modulul LabVIEW 7 FPGA conf. Tom SAVU U.P.B. C.T.A.N.M. Odat cu lansarea noii versiuni LabVIEW 7 Express a mediului su de programare grafic, National Instruments
Mai multMicrosoft Word - Prelegere 1 - Bratu C. - Microcontrolerul.doc
ARHITECTURA UNOR MICROCONTROLERE DIN CATEGORIA PIC. TEHNICI DE ADRESARE A MEMORIEI. STRATEGII DE INTRARE-IEIRE 1. Microcontroler contra Microprocesor Microprocesorul, este unitatea central de prelucrare
Mai multSlide 1
SCTR -SZOKE ENIKO - Curs 4 continuare curs 3 3. Componentele hard ale unui sistem de calcul in timp real 3.1 Unitatea centrala de calcul 3.1.1 Moduri de adresare 3.1.2 Clase de arhitecturi ale unitatii
Mai multLucrarea 7 Filtrarea imaginilor BREVIAR TEORETIC Filtrarea imaginilor se înscrie în clasa operaţiilor de îmbunătăţire, principalul scop al acesteia fi
Lucrarea 7 Filtrarea imaginilor BREVIAR TEORETIC Filtrarea imaginilor se înscrie în clasa operaţiilor de îmbunătăţire, principalul scop al acesteia fiind eliminarea zgomotului suprapus unei imagini. Filtrarea
Mai multMicrosoft Word - PI-L7r.doc
Procesarea Imaginilor - Laborator 7: OperaŃii morfologice pe imagini binare 1 7. OperaŃii morfologice pe imagini binare 7.1. Introducere OperaŃiile morfologice pe imagini afectează forma sau structura
Mai multC10: Teoria clasică a împrăștierii Considerăm un potențial infinit în interiorul unui domeniu sferic de rază a și o particulă incidentă (Figura 1) la
C10: Teoria clasică a împrăștierii Considerăm un potențial infinit în interiorul unui domeniu sferic de rază a și o particulă incidentă (Figura 1) la distanta b de centrul sferei. Alegem un sistem de coordonate
Mai multSisteme de m`surare Sisteme de m`surare Transpointer PX 10 Aplica]ii n Determin` punctul de ie[ire al unui burghiu sau transfer` punctul de început al
Sisteme de m`surare Transpointer PX 10 n Determin` punctul de ie[ire al unui burghiu sau transfer` punctul de început al unei viitoare g`uri str`punse prin plan[eu sau perete pe cealalt` fa]` a acestora.
Mai multLucrul în mediul Excel 1.1. Componentele ferestrei Excel CAPITOLUL 1 LUCRUL ÎN MEDIUL EXCEL Fereastra Excel figura are numeroase elemente comune
Lucrul în mediul Excel 1.1. Componentele ferestrei Excel CAPITOLUL 1 LUCRUL ÎN MEDIUL EXCEL Fereastra Excel figura 1.1.- are numeroase elemente comune cu ferestrele Windows: o bar[ de meniuri - de unde
Mai multGrafuri neorinetate Aplicatii 1 Care este numărul maxim de componente conexe pe care le poate avea un graf neorientat cu 20 noduri şi 12 muchii? a. 6
Grafuri neorinetate Aplicatii 1 Care este numărul maxim de componente conexe pe care le poate avea un graf neorientat cu 20 noduri şi 12 muchii? a. 6 b. 12 c. 10 d. 15 2 Câte grafuri neorientate, distincte,
Mai multMicrosoft Word - L_TI_4_C2_Tehnici_de_Analiza_a_Imaginilor_Brad_Remus.doc
FIŞA DISCIPLINEI Valabilă an universitar: 017-018 1. Date despre program Instituţia de învăţământ superior Facultatea Departament Domeniul de studiu Ciclul de studii Specializarea Universitatea Lucian
Mai multMicrosoft PowerPoint - Curs_SDA_9_RO_2019_v2.pptx
SDA (PC2) Curs 9 Liste / Grafuri / Arbori Iulian Năstac Lista dublu înlănțuită Recapitulare Într-o astfel de listă fiecare nod conţine doi pointeri: unul spre nodul următor şi unul spre nodul precedent.
Mai multPAS cap. 2: Reprezentări rare p. 1/35 Prelucrarea avansată a semnalelor Capitolul 2: Reprezentări rare Bogdan Dumitrescu Facultatea de Automatică şi C
PAS cap. 2: Reprezentări rare p. 1/35 Prelucrarea avansată a semnalelor Capitolul 2: Reprezentări rare Bogdan Dumitrescu Facultatea de Automatică şi Calculatoare Universitatea Politehnica Bucureşti PAS
Mai multORDIN nr. 13 din 21 februarie 2008 pentru aprobarea Normei sanitare veterinare privind cerin ele minime pentru înregistrarea de informa ii cu ocazia i
ORDIN nr. 13 din 21 februarie 2008 pentru aprobarea Normei sanitare veterinare privind cerinele minime pentru înregistrarea de informaii cu ocazia inspeciilor în exploataiile în care animalele sunt inute
Mai mult26
MODELE STATISTICE UTILIZATE ÎN ANALIZA CORELAT A CIFREI DE AFACERI ASIST. UNIV. DRD. MIHAELA GRUIESCU Universitatea Constantin Brâncui Târgu-Jiu Facultatea de tiine Economice The business, important indicator
Mai multAlgebra si Geometri pentru Computer Science
Natura este scrisă în limbaj matematic. Galileo Galilei 5 Aplicatii liniare Grafica vectoriala In grafica pe calculator, grafica vectoriala este un procedeu prin care imaginile sunt construite cu ajutorul
Mai multMicrosoft Word - 4Adrian Vizitiu.doc
57 Summary. In the article we present, we drow the reader s attention on the possibility that mediated inferences could become means of making categorical sentences representing new data in the chain of
Mai multMicrosoft Word - TIC5
CAPACITATEA CANALELOR DE COMUNICAŢIE CAPITOLUL 5 CAPACITATEA CANALELOR DE COMUNICAŢIE În Capitolul 3, am văzut că putem utiliza codarea sursă pentru a reduce redundanţa inerentă a unei surse de informaţie
Mai multG.I.S. Curs 3
G.I.S. Curs 3 Geogafia Mediului 1.04.2014 Dr. Constantin Nistor Formatul de date vectorial Datele vectoriale descriu lumea sub forma unui spaţiu populat de linii în variate aspecte şi feluri: puncte, linii,
Mai multCURBE BÉZIER În CAGD se utilizează adesea curbele polinomiale, adică acele curbe definite de o parametrizare polinomială: C : [a, b] R 3 C(t) = (x(t),
CURE ÉZIER În CAGD se utilizează adesea curbele polinomiale, adică acele curbe definite de o parametrizare polinomială: C : [a, b] R 3 C(t) = (x(t), y(t), z(t)) cu x, y, z polinoame de grad n. Maximul
Mai multRealizarea fizică a dispozitivelor optoeletronice
Curs 3 2012/2013 Capitolul 2 n 1 0 0 377 T 0 2 1 f 1 c0 2,9979010 0 0 2 0 c 0 f 8 m s n r 0 n T 2 1 f c0 c n c 0 0 n f ITU G.692 "the allowed channel frequencies are based on a 50 GHz grid with the reference
Mai multMicrosoft Word Curs PE - Gaze naturale.doc
GAZE NATURALE În contextul reformelor radicale din domeniul structural i instituional care au caracterizat economia romaneasc dup 1989 i care au avut drept scop descentralizarea serviciilor în vederea
Mai multINDICATORI AI REPARTIŢIEI DE FRECVENŢĂ
STATISTICA DESCRIPTIVĂ observarea Obiective: organizarea sintetizarea descrierea datelor Analiza descriptivă a datelor Analiza statistică descriptivă reperezintă un tip de analiză ce servește la descrierea,
Mai multUnelte ce se regasesc in Viewer (CD, Stick) Uneltele de baza Uneltele de baza includ cele mai comune unelte folosite in modulele OnDemand 3D App. Unel
Unelte ce se regasesc in Viewer (CD, Stick) Uneltele de baza Uneltele de baza includ cele mai comune unelte folosite in modulele OnDemand 3D App. Unele unelte sunt folosite in comun pentru toate modulele.
Mai multAnaliză de flux de date 29 octombrie 2012
Analiză de flux de date 29 octombrie 2012 Analiză statică: definiţie O analiză a codului sursă (fără a executa programul), cu scopul de a determina proprietăţi ale programului sursă. (in principal corectitudinea,
Mai multMicrosoft Word - Curs_09.doc
Capitolul 7. Proiectarea conceptuală Scop: reprezentarea cerinţelor informale ale aplicaţiei în termenii descrierii complete şi formale dar independent de criteriul folosit pentru reprezentare în sistemul
Mai multTABEL CONTRIBUTII A3-2
CONTRIBUABILI BAZA DE CALCUL CASS CALCUL I PLATA CASS CAPITOLUL III Contributia de asigurari sociale de sanatate privind persoanele care realizeaza alte venituri, precum si persoanele care nu realizeaza
Mai multImage processing
METODE INTELIGENTE DE REZOLVARE A PROBLEMELOR REALE Laura Dioşan Tema 4 Procesarea imaginilor De ce? Îmbunătăţirea calităţii imaginilor Reducerea zgomotolui şi a altor defecte Evidenţierea anumitor zone
Mai multMicrosoft Word - Lab1a.doc
Sisteme de numeraţie şi coduri numerice 1.1. Sisteme de numeraţie 1.2. Conversii generale între sisteme de numeraţie 1.3. Reprezentarea numerelor binare negative 1.4. Coduri numerice 1.5. Aplicaţii In
Mai mult7. Alinierea robustă a densităţilor de puncte 3D Măsurarea distanţei dintre diferite forme geometrice 3D Estimarea rotaţiei şi a translaţiei optime în
7. Alinierea robustă a densităţilor de puncte 3D Măsurarea distanţei dintre diferite forme geometrice 3D Estimarea rotaţiei şi a translaţiei optime între nori de puncte Prezentarea generală a algoritmului
Mai multI
METODA VECTORIALĂ ÎN GEOMETRIE prof. Andrei - Octavian Dobre Această metodă poate fi descrisă după cum urmează: Fiind dată o problemă de geometrie, după explicitarea şi reprezentarea grafică a configuraţiei
Mai multTransmisia datelor multimedia in retele de calculatoare <Titlu Lucrare>
UNIVERSITY POLITEHNICA of BUCHAREST DEPARTMENT OF COMPUTER SCIENCE Analiza şi extragerea automată a conţinutului documentelor Paper-Based Augmented Reality Căţoiu Laurenţiu-Cătălin catoiulaurentiu@yahoo.com
Mai multMicrosoft Word - FLIR - camere portabile de securitate si supraveghere.doc
Securitate si supraveghere - gama de camere portabile termale FLIR BHS HS/ TS PS BHS-XR 35, 65, 100mm BHS-X 35, 65, 100mm HS-307 (TS-32r), HS-324 (TS-32), TS-24 PS-32, PS24 2450m 1450m 450m Seria BHS Caracteristici
Mai multFIŞA DISCIPLINEI 1. Date despre program 1.1 Instituţia de învăţământ superior Universitatea Babeş-Bolyai Cluj-Napoca 1.2 Facultatea Facultatea de Mate
FIŞA DISCIPLINEI 1. Date despre program 1.1 Instituţia de învăţământ superior Universitatea Babeş-Bolyai Cluj-Napoca 1.2 Facultatea Facultatea de Matematică şi Informatică 1.3 Departamentul Informatică
Mai multMicrosoft Word - Sinteza_EtapaIII_Contract 69_IDEI_final_.doc
Universitatea Politehnica din Bucuresti Facultatea de Automatica si Calculatoare Sistem autonom, auto instruibil de comanda adaptiva robot - CNC integrat in arhitectura orientata pe servicii pentru reproducerea
Mai multMicrosoft Word - Secretul motivarii celorlalti -raport special GRATUIT.doc
Raport special Formula strategic în doi pai prin care poi s îi motivezi chiar i pe cei ce nu vor s fie motivai - cu detalii complete i vocabilarul specific- de Andy Szekely Bine te-am gsit! Sunt Andy Szekely
Mai multLogică și structuri discrete Limbaje regulate și automate Marius Minea marius/curs/lsd/ 24 noiembrie 2014
Logică și structuri discrete Limbaje regulate și automate Marius Minea marius@cs.upt.ro http://www.cs.upt.ro/ marius/curs/lsd/ 24 noiembrie 2014 Un exemplu: automatul de cafea acțiuni (utilizator): introdu
Mai multCapitole Speciale de Informatică Curs 4: Calculul scorurilor în un sistem complet de extragere a informaţiilor 18 octombrie 2018 Reamintim că în cursu
Capitole Speciale de Informatică Curs 4: Calculul scorurilor în un sistem complet de extragere a informaţiilor 18 octombrie 2018 Reamintim că în cursul precedent am prezentat modelul de spaţiu vectorial
Mai multMicrosoft Word - SNTEZA_raport_SOMAJ.doc
CURTEA DE CONTURI A ROMÂNIEI - Secia de Control Financiar Ulterior - Divizia V Auditul performanei i al sistemelor informatice; combaterea fenomenelor de corupie, fraud, economie subteran, splarea banilor
Mai multStrategie modernizare APL maureni
ROMÂNIA JUDEUL CARA SEVERIN COMUNA MURENI Tel. 0255/526001 ; 0372908380 ; Fax.0255/526001 ; E-mail: primaria_maureni@yahoo.com; Web: primariamaureni.eu AVIZAT, PRIMAR Traian Puca STRATEGIA DE MODERNIZARE
Mai multMicrosoft Word - S_c63.doc
216 6.3.2 Senzori de proximitate optici Senzorii de proximitate optici în construcţia roboţilor industriali pot fi utilizaţi ca senzori de securitate sau pentru sesizarea unor obiecte (sau a apropierii
Mai mult4. Detectarea cantelor Calculul gradientului într-o imagine Detectorul de cante Canny Transformata Hough În această lucrare vor fi studiate metode de
4. Detectarea cantelor Calculul gradientului într-o imagine Detectorul de cante Canny Transformata Hough În această lucrare vor fi studiate metode de detectare a cantelor prin evaluarea gradientului intensității
Mai multAnaliză statică Analiza fluxului de date 23 octombrie 2014
Analiză statică Analiza fluxului de date 23 octombrie 2014 Analiză statică: definiție O analiză a codului sursă (fără a executa programul), cu scopul de a determina proprietăți ale programului sursă. (in
Mai multE_d_Informatica_sp_MI_2015_bar_02_LRO
Examenul de bacalaureat naţional 2015 Proba E. d) Informatică Varianta 2 Filiera teoretică, profilul real, specializările: matematică-informatică matematică-informatică intensiv informatică Toate subiectele
Mai multMETODE NUMERICE ÎN INGINERIE
METODE NUMERICE ÎN INGINERIE REZOLVAREA NUMERICĂ A SISTEMELOR DE ECUATII LINIARE Aspecte generale (1) (2) (3) (4) (5) Unicitatea soluţiei Un sistem de ecuaţii liniare are o soluţie unică numai dacă matricea
Mai multNr: 52 Data: RAfORT RE ivmrjlre Privind: BUNURI MOBILE Beneficiar!: S.C. SHOW ACT S.R.L. din Drobeta Tr Severin Executant: Evaluator autori
Nr: 52 Data: 26.09.2014 RAfORT RE ivmrjlre Privind: BUNURI MOBILE Beneficiar!: S.C. SHOW ACT S.R.L. din Drobeta Tr Severin Executant: Evaluator autorizat ing. VICTOR MIHAIL CUGUT din Drobeta Tr Severin
Mai multProcesarea de imagini folosind programarea paralela. Implementari Java. Continut laborator: 1. Obiectivul lucrarii. 2. Notiuni teoretice: 3. Cerinte l
Procesarea de imagini folosind programarea paralela. Implementari Java. Continut laborator: 1. Obiectivul lucrarii. 2. Notiuni teoretice: 3. Cerinte laborator. 4. Tema. 1. Obiectivul lucrarii. Lucrarea
Mai multMicrosoft Word - fisa-Prelucrarea-Digitala_Imaginilor-RO-Anca-Ignat-2018
FIŞA DISCIPLINEI 1. Date despre program 1.1 Instituţia de învăţământ superior Universitatea Alexandru Ioan Cuza din Iaşi 1.2 Facultatea Facultatea de Informatică 1.3 Departamentul Informatică 1.4 Domeniul
Mai multFIŞA DISCIPLINEI 1. Date despre program 1.1 Instituţia de învăţământ superior Universitatea Babeş-Bolyai Cluj-Napoca 1.2 Facultatea Facultatea de Mate
FIŞA DISCIPLINEI 1. Date despre program 1.1 Instituţia de învăţământ superior Universitatea Babeş-Bolyai Cluj-Napoca 1.2 Facultatea Facultatea de Matematică şi Informatică 1.3 Departamentul Informatică
Mai multMicrosoft Word - Tema 06 - Convertoare analog-numerice.doc
Convertoare analog-numerice (ADC) Convertoarele analog-numerice sunt circuite electronice (în variantă integrată sau hibridă) care, printr-un algoritm intrinsec de funcţionare, asociază valorilor tensiunii
Mai multS.C. SEEKTRON S.R.L. Fişă de prezentare a produsului EYECAR B1 EYECAR B1 Observer Black Box Dispozitiv inteligent pentru înregistrarea evenimentelor r
EYECAR B1 Observer Black Box Dispozitiv inteligent pentru înregistrarea evenimentelor rutiere EyeCar B1 este un dispozitiv digital de înregistrare video, destinat siguranţei conducătorului auto în timpul
Mai mult1
4.3. Amplificatoare de semnal mic Amplificatoarele de semnal mic (ASM) au semnalul amplificat mic în raport cu tensiunile de c.c. de polarizare a tranzistoarelor. Tranzistoarele funcţionează într-o zonă
Mai multSlide 1
Arhitectura Sistemelor de Calcul Curs 8 Universitatea Politehnica Bucuresti Facultatea de Automatica si Calculatoare cs.pub.ro curs.cs.pub.ro Structura SIMD Cuprins Probleme de Comunicatii intre Procesoarele
Mai multMicrosoft Word - Capitolul_07
Viziunea computerizată în exemple şi aplicaţii practice Filtrarea în domeniul frecvenţă Introducere Filtrele de frecvenţă modifică valorile pixelului în funcţie de periodicitate şi distribuţia spaţială
Mai mult1. Găsiți k numerele cele mai apropiate într-un şir nesortat Dându-se un şir nesortat și două numere x și k, găsiți k cele mai apropiate valori de x.
1. Găsiți k numerele cele mai apropiate într-un şir nesortat Dându-se un şir nesortat și două numere x și k, găsiți k cele mai apropiate valori de x. Date de intrare: arr [] = {10, 2, 14, 4, 7, 6}, x =
Mai multSenzor pentru nivelul optim de azot al plantei
Senzor pentru nivelul optim de azot al plantei INFORMAţII DESPRE RECOLTE. Cu cât cunoașteţi mai mult, cu atât aveţi nevoie de mai puţin: CropXplorer AGXTEND utilizează un senzor optic de măsurare pentru
Mai multMicrosoft Word - Algoritmi genetici.docx
1.1 Generalităţi Algoritmii genetici fac parte din categoria algoritmilor de calcul evoluționist și sunt inspirați de teoria lui Darwin asupra evoluției. Idea calculului evoluționist a fost introdusă în
Mai multProiectoare Home Cinema Bucuraţi-vă de imagini spectaculoase
Proiectoare Home Cinema Bucuraţi-vă de imagini spectaculoase Luaţi parte activ la inovaţie Recunoscut ca cel mai important producător de proiectoare la nivel mondial de 15 ani 1, Epson lansează o nouă
Mai multMicrosoft Word - Micronix_Plus_termografie_2012.doc
www.termoviziune.ro FLIR i3, FLIR i5, FLIR i7 Camere de termoviziune pentru aproape orice aplicatie Gama LowCOST Măsurare / FuncŃii de măsură şi analiză FLIR i3 FLIR i5 FLIR i7 Domeniu de temperatură -20...
Mai multMicrosoft PowerPoint - curs5-DPT-2010V97 [Compatibility Mode]
Diagnoza sistemelor tehnice Curs 5: Metode de detectare a defectelor bazate pe modele de semnal / Metode de detectare a defectelor / Teste statistice de detectare a modificarilor 3/ Testarea caracterului
Mai multcarteInvataturaEd_2.0_lectia5.pdf
Lect ia3 Diagrame Veitch-Karnaugh 5.1 Noţiuni teoretice Diagramele Veich-Karnaugh (V-K) sunt o modalitate de reprezentare grafică a funcţiilor logice. Pentru o funct ie de N variabile, diagrama corespunz
Mai multDorel LUCHIAN Gabriel POPA Adrian ZANOSCHI Gheorghe IUREA algebră geometrie clasa a VIII-a ediţia a V-a, revizuită mate 2000 standard EDITURA PARALELA
Dorel LUCHIAN Gabriel POPA Adrian ZANOSCHI Gheorghe IUREA algebră geometrie clasa a VIII-a ediţia a V-a, revizuită mate 000 standard 3 10 PP Algebră Capitolul I. NUMERE REALE Competenţe specifice: Determinarea
Mai multDispozitive BENDER pentru monitorizarea rezistenţei de izolaţie Pornind de la necesitatea unui sistem de alimentare cu energie electrică cât mai sigur
Dispozitive BENDER pentru monitorizarea rezistenţei de izolaţie Pornind de la necesitatea unui sistem de alimentare cu energie electrică cât mai sigur, tot mai multe ţări aleg să utilizeze sistemele IT
Mai multFișă tehnică Servomotoare axiale RV 01 Servomotoarele axiale RV 01 sunt potrivite pentru a controla acțiunea robineților cu 2 sau 3 porturi pentru apl
Fișă tehnică Servomotoare axiale RV 01 Servomotoarele axiale RV 01 sunt potrivite pentru a controla acțiunea robineților cu 2 sau 3 porturi pentru aplicații de încălzire și răcire. Servomotoarele RV 01
Mai multMicrosoft Word - Lucrarea_10_t.doc
Lucrarea 0 Sinteza Dispozitivelor de Înmulţire în Radix Superior Lucrarea urmăreşte o abordare practică, din punctul de vedere al designerului hardware, a problematicii sintezei dispozitivelor hardware
Mai mult(Microsoft Word - MOGAN, GH. Proiectarea sistemelor mecanice ale produselor \205)
UNIVERSITATEA TRANSILVANIA DIN BRAOV Catedra Design de Produs *i Robotic) Simpozionul naional cu participare internaional PRoiectarea ASIstat de Calculator P R A S I C ' 02 Vol. III Design de Produs 7-8
Mai multSSC-Impartire
Adunarea Înmulțirea Numere și operații în virgulă mobilă 1 Împărțirea cu refacerea restului parțial Împărțirea fără refacerea restului parțial 2 Primul operand: deîmpărțit (X) Al doilea operand: împărțitor
Mai multView PDF
Sticla?i radia?ia solar? Sticla?i radia?ia solar? Compozi?ia radia?iei solare Radia?ia solar? care ajunge la p?mânt este compus? din cca. 3% ultraviolete (UV), 55% infraro?ii (IR)?i 42% lumin? vizibil?.
Mai multMatematici aplicate științelor biologie Lab05 MV
LP05 - PREZENTAREA DATELOR STATISTICE (1) Obiective: I. Prezentarea datelor prin tabele - Întocmirea tabelului de evidenţă primară Acest tabel conţine valori de observaţie distincte x i ale caracterului
Mai multMicrosoft Word - Laboratorul 3.doc
Laboratorul 3 Implementarea interfetelor cu mediul exterior Obiective Acest laborator isi propune sa prezinte modul de realizare a unor interfete cu mediul exterior astfel incat sa se poata trimite date
Mai multCOMENTARII FAZA JUDEŢEANĂ, 9 MARTIE 2013 Abstract. Personal comments on some of the problems presented at the District Round of the National Mathemati
COMENTARII FAZA JUDEŢEANĂ, 9 MARTIE 2013 Abstract. Personal comments on some of the problems presented at the District Round of the National Mathematics Olympiad 2013. Data: 12 martie 2013. Autor: Dan
Mai multLUCRAREA 8 PROGRAMAREA NELINIARĂ ÎN REZOLVAREA PROBLEMELOR DIN ENERGETICĂ. METODE DE ORDINUL Aspecte generale Programarea neliniară are o foart
LUCRAREA 8 PROGRAMAREA NELINIARĂ ÎN REZOLVAREA PROBLEMELOR DIN ENERGETICĂ. METODE DE ORDINUL 0 8.. Aspecte generale Programarea neliniară are o foarte mare importanţă în rezolvarea problemelor de optimizări,
Mai multPowerPoint Presentation
Sistem de Automatizare si Telemetrie Eficient energetic pentru managementul ResurseloR in Agricultura de precizie SA-TERRA BEIA Consult International, www.beia.ro, Bucharest, Romania george@beia.ro Arhitectura
Mai multProcesarea Imaginilor - Laborator 1: Introducere în utilizarea bibliotecii OpenCV 1 1. Introducere în utilizarea bibliotecii OpenCV 1.1. Introducere S
Procesarea Imaginilor - Laborator 1: Introducere în utilizarea bibliotecii OpenCV 1 1. Introducere în utilizarea bibliotecii OpenCV 1.1. Introducere Scopul acestei lucrări de laborator este de a familiariza
Mai multManual de utilizare Aplicatie Proiector I. Pornire/Oprire proiectie Pentru a porni/opri proiectia aveti 3 posibilitati: 1) Pentru pornirea proiectiei
Manual de utilizare Aplicatie Proiector I. Pornire/Oprire proiectie Pentru a porni/opri proiectia aveti 3 posibilitati: 1) Pentru pornirea proiectiei tineti apasat 2 secunde pe pictograma din ecranul principal,
Mai multMicrosoft Word - C05_Traductoare de deplasare de tip transformator
Traductoare de deplasare de tip transformator Traductoare parametrice. Principiul de funcţionare: Modificarea inductivităţii mutuale a unor bobine cu întrefier variabil sau constant. Ecuaţia care exprimă
Mai multNoțiuni matematice de bază
Sistem cartezian definitie. Coordonate carteziene Sistem cartezian definiţie Un sistem cartezian de coordonate (coordonatele carteziene) reprezintă un sistem de coordonate plane ce permit determinarea
Mai multMicrosoft Word - HG CO
HOTRÂRE Nr. 250 din 8 mai 1992 *** Republicat privind concediul de odihna i alte concedii ale salariailor din administraia publica, din regiile autonome cu specific deosebit i din unitile bugetare EMITENT:
Mai multBazele spectroscopiei si laserilor
Cursul 7 Spectroscopia laser selectivă Benzile de absorbție și emisie caracteristice ionilor optic activi în cristale sunt afectate de așa-numita lărgire neomogenă. Existența unor câmpuri cristaline specifice,
Mai multSC AUTO TRANS MAN SRL depersonalizata
}!!"#$! %"$&#'$!" "$&#'$!" Str.Gheorghe Lazr, nr. 9B Tel : +0256499334 Fax : +0256499332 e-mail : info.adm @dgfptm.ro D E C I Z I A NR. 1804/685/31.07.2014 privind soluionarea contestaiei formulat de SC
Mai multPachete de lecţii disponibile pentru platforma AeL
Pachete de lecţii disponibile pentru platforma AeL -disciplina Matematică- Nr. crt Nume pachet clasa Nr. momente Nr.Recomandat de ore 1 Corpuri geometrice V 6 1 2 Fracţii V 14 5 3 Măsurarea lungimilor.
Mai multMicrosoft Word - Cap09_AutoorganizareSiEmergentaInSistemeleAdaptiveComplexe_grile.doc
Grile 1. Care este proprietatea universală în sistemele vii, organizaţii şi sisteme economice şi sociale, cărora le conferă calitatea de a manifesta caracteristici şi comportamente cu totul noi, care nu
Mai multPROGRAMA CONCURSULUI NAŢIONAL
ANUL ŞCOLAR 2011-2012 CLASA a IX-a În programa de concurs pentru clasa a IX-a sunt incluse conţinuturile programelor din clasele anterioare şi din etapele anterioare. 1. Mulţimi şi elemente de logică matematică.
Mai multBrandbook Regulile de utilizare a stilului corporativ
Brandbook Regulile de utilizare a stilului corporativ Introducere Despre proiect Logo Egali Regulile utilizării logoului Spectrul culorilor Utilizarea logoului Elemente decorative Palitra de culori Caracterele
Mai multTestare manuala: situatia in care o persoana initiaza fiecare test, interactioneaza cu el si interpreteaza, analizeaza si raporteaza rezultatele. Test
Testare manuala: situatia in care o persoana initiaza fiecare test, interactioneaza cu el si interpreteaza, analizeaza si raporteaza rezultatele. Testare automata: exista un mecanism pentru executia fara
Mai mult2.1.Tipul tablou unidimensional
7. Grafuri 7.1. Grafuri neorientate - Teste grilă 1. V_88_I_5. Care este numărul minim de noduri pe care îl poate conţine un graf neorientat cu 50 de muchii, şi în care 15 noduri sunt izolate? a. 25 b.
Mai multMicrosoft Word - Fisa DRS - ROMANA.docx
DRS-1100 PRO Dispozitiv inteligent pentru înregistrarea evenimentelor rutiere DRS-1100 PRO este un echipament inteligent destinat înregistrării video a traseului parcurs de autovehiculul pe care este montat.
Mai multMicrosoft Word - DCE - lucrarea 5.doc
LUCRAREA 5 TRANZISTORUL CU EFECT DE CÂMP CU POARTĂ JONCŢIUNE 5.1. Prezentare teoretică Tranzistorul cu efect de câmp cu poartă joncţiune este un dispozitiv electronic cu patru electrozi (D-dreană, S-sursă,
Mai multSlide 1
STRUCTURI DE DATE Arbori B Sisteme de Gestiune a Bazelor de Date Relaţionale (SGBDR): operatie importanta regasirea rapida a datelor indecsi. Indexul: colecţie de perechi
Mai multHOTLINE Tipul de joc: Joc de tip slot video Câștigul jucătorului: 96.13%/96.70%/97.04% Hotline, cea mai recentă oferă de la NetEnt, nu numai că conine
HOTLINE Tipul de joc: Joc de tip slot video Câștigul jucătorului: 96.13%/96.70%/97.04% Hotline, cea mai recentă oferă de la NetEnt, nu numai că conine bine cunoscutele elemente clasice cum ar fi substituii
Mai multSubiectul 1
Subiectul 1 În fişierul Numere.txt pe prima linie este memorat un număr natural n (n
Mai multMicrosoft Word - HSM - Instructiuni de instalare.doc
HSM 6 720 604 683 (00.07) Cuprins Cuprins Instruciuni de siguran 3 Explicaii simboluri 3 1 Date referitoare la accesorii 4 1.1 Aplicaie 4 1.2 Volum de livrare 4 1.3 Date tehnice 4 1.4 Accesorii 5 1.5 Exemple
Mai mult