Тензор обобщенной структуры - Википедия - Generalized structure tensor

При анализе изображений тензор обобщенной структуры (GST) является расширением декартовой структурный тензор к криволинейные координаты.^[1] Он в основном используется для обнаружения и представления параметров «направления» кривых, точно так же, как тензор декартовой структуры обнаруживает и представляет направление в декартовых координатах. Наиболее изучены семейства кривых, порожденные парами локально ортогональных функций.

Это широко известный метод в приложениях обработки изображений и видео, включая компьютерное зрение, например биометрическую идентификацию по отпечаткам пальцев,^[2] и исследования срезов тканей человека.^[3]^[4]

GST в 2D и локально ортогональных базисах

Пусть термин изображение представляет функцию ${ Displaystyle е ( xi (x, y), eta (x, y))}$ куда ${ displaystyle x, y}$ являются действительными переменными и ${ displaystyle xi, eta}$ , и ${ displaystyle f}$ , являются функциями с действительными значениями. GST представляет направление, в котором изображение ${ displaystyle f}$ может подвергаться бесконечно малому переносу с минимальной ошибкой (методом наименьших квадратов) вдоль «линий», удовлетворяющих следующим условиям:

1. «Линии» - обычные линии в базисе криволинейных координат. ${ displaystyle xi, eta}$

{ Displaystyle соз ( тета) хи (х, у) + грех ( тета) эта (х, у) = { текст {константа}}}

которые представляют собой кривые в декартовых координатах, как показано уравнением выше. Погрешность измеряется в ${ displaystyle L ^ {2}}$ смысл и минимальность ошибки относится, таким образом, к L2 норма.

2. Функции ${ Displaystyle xi (x, y), eta (x, y)}$ составляют гармоническую пару, т.е. выполняют Уравнения Коши – Римана,

{ displaystyle { begin {align} & { frac { partial xi} { partial x}} = - { frac { partial eta} { partial y}}, [4pt] & { frac { partial xi} { partial y}} = { frac { partial eta} { partial x}}. end {align}}}

Соответственно, такие криволинейные координаты ${ displaystyle xi, eta}$ локально ортогональны.

Тогда GST состоит из

{ displaystyle GST = ( lambda _ {max} - lambda _ {min}) int w ( xi, eta) left [{ begin {array} {c} { frac { partial f} { partial xi}} { frac { partial f} { partial eta}} end {array}} right] [{ frac { partial f} { partial xi} }, { frac { partial f} { partial eta}}] d xi d eta + lambda _ {min} I}

куда ${ displaystyle 0 leq lambda _ {min} leq lambda _ {max}}$ - ошибки (бесконечно малые) перевода в лучшую сторону (обозначаемую углом ${ displaystyle theta}$ ) и худшее направление (обозначено ${ displaystyle theta + pi / 2}$ ). Функция ${ Displaystyle вес ( xi, eta)}$ - оконная функция, определяющая «внешний масштаб», в котором обнаружение ${ displaystyle theta}$ будет выполнено, что может быть опущено, если оно уже включено в ${ displaystyle f}$ или если ${ displaystyle f}$ - это полное изображение (а не локальное). Матрица ${ displaystyle I}$ - единичная матрица. Используя цепное правило, можно показать, что приведенное выше интегрирование может быть реализовано как свертки в декартовых координатах, применяемые к тензору обычной структуры, когда ${ displaystyle xi, eta}$ пара действительной и мнимой частей аналитической функции ${ displaystyle g (z)}$ ,

{ displaystyle { begin {array} {c} xi (x, y) = Re g (z) eta (x, y) = Im g (z) end {array}} }

куда ${ displaystyle z = x + iy}$ .^[5] Примеры аналитических функций включают: ${ Displaystyle г (Z) = журнал Z = журнал (х + iy)}$ , а также мономы ${ Displaystyle г (г) = г ^ {п} = (х + гу) ^ {п}}$ , ${ Displaystyle г (г) = г ^ {п / 2} = (х + гу) ^ {п / 2}}$ , куда ${ displaystyle n}$ - произвольное положительное или отрицательное целое число. Мономы ${ Displaystyle г (г) = г ^ {п}}$ также упоминаются как Гармонические функции в области компьютерного зрения и обработки изображений.

Таким образом, декартово Структурный тензор является частным случаем GST, где ${ Displaystyle xi = x}$ , и ${ displaystyle eta = y}$ , т.е. гармоническая функция просто ${ Displaystyle г (г) = г = (х + iy)}$ . Таким образом, выбирая гармоническую функцию ${ displaystyle g}$ , можно обнаружить все кривые, которые являются линейными комбинациями его действительной и мнимой частей, путем свертки только на (прямоугольных) сетках изображений, даже если ${ displaystyle xi, eta}$ не декартовы. Кроме того, вычисления свертки могут выполняться с использованием сложных фильтров, применяемых к сложной версии тензора структуры. Таким образом, реализации GST часто выполнялись с использованием сложной версии структурного тензора, а не с использованием тензора (1,1).

Комплексная версия GST

Поскольку существует сложная версия обычного [Структурного тензора], существует также комплексная версия GST.

{ displaystyle { begin {array} {c} kappa _ {20} = ( lambda _ {1} - lambda _ {2}) exp (i2 theta) & = & w * (h * f) ^ {2} каппа _ {11} = lambda _ {1} + lambda _ {2} & = & | w | * | h * f | ^ {2} end {array}} }

который идентичен своему кузену с той разницей, что ${ displaystyle w}$ представляет собой сложный фильтр. Напомним, что обычный структурный тензор ${ displaystyle w}$ представляет собой реальный фильтр, обычно определяемый выборкой и масштабированием по Гауссу, чтобы очертить окрестности, также известный как внешний масштаб. Эта простота является причиной того, почему реализации GST преимущественно использовали сложную версию, указанную выше. Для семей кривых ${ displaystyle xi, eta}$ определяется аналитическими функциями ${ displaystyle g}$ , можно показать, что, ^[1] функция, определяющая окрестность, является комплексной,

{ displaystyle w = (x pm iy) ^ {n} exp (- (x ^ {2} + y ^ {2}) / (2 sigma ^ {2})) propto (D_ {x} pm iD_ {y}) ^ {n} exp (- (x ^ {2} + y ^ {2}) / (2 sigma ^ {2}))}

,

так называемая производная симметрии от гауссиана. Таким образом, изменение ориентации искомого шаблона непосредственно включается в функцию определения окрестности, и обнаружение происходит в пространстве (обычного) структурного тензора.

Базовая концепция его использования в обработке изображений и компьютерном зрении

Эффективное обнаружение ${ displaystyle theta}$ в изображениях возможна обработка изображений для пары ${ displaystyle xi}$ , ${ displaystyle eta}$ . Сложные свертки (или соответствующие матричные операции) и точечные нелинейные отображения являются основными вычислительными элементами реализаций GST. Оценка общей ошибки наименьших квадратов ${ displaystyle 2 theta}$ затем получается вместе с двумя ошибками, ${ displaystyle lambda _ {max}}$ и ${ displaystyle lambda _ {min}}$ . По аналогии с декартовым Структурный тензор, расчетный угол представлен в виде двойного угла, т. е. ${ displaystyle 2 theta}$ доставляется расчетами и может использоваться как элемент формы, тогда как ${ displaystyle lambda _ {max} - lambda _ {min}}$ отдельно или в сочетании с ${ displaystyle lambda _ {max} + lambda _ {min}}$ может использоваться в качестве меры качества (уверенности, уверенности) для оценки угла.

Логарифмические спирали, включая круги, могут быть обнаружены, например, с помощью (сложных) сверток и нелинейных отображений.^[1] Спирали могут быть в серых (оцененных) изображениях или в двоичном изображении, то есть местоположения краевых элементов соответствующих шаблонов, таких как контуры кругов или спиралей, не должны быть известны или отмечены иным образом.

Обобщенный структурный тензор можно использовать как альтернативу Преобразование Хафа в обработка изображений и компьютерное зрение для обнаружения паттернов, локальные ориентации которых можно моделировать, например, точек соединения. Основные отличия заключаются в следующем:

Допускается как отрицательное, так и сложное голосование;
С помощью одного шаблона можно обнаружить несколько шаблонов, принадлежащих к одному семейству;
Бинаризация изображения не требуется.

Физико-математическая интерпретация

Криволинейные координаты GST могут объяснить физические процессы, применяемые к изображениям. Хорошо известная пара процессов - это вращение и масштабирование. Они связаны с преобразованием координат ${ displaystyle xi = log ({ sqrt {x ^ {2} + y ^ {2}}})}$ и ${ Displaystyle eta = tan ^ {- 1} (х, у)}$ .

Если изображение ${ displaystyle f}$ состоит из изокривых, которые можно объяснить только с помощью $ xi $, т.е. его изокривы состоят из окружностей ${ Displaystyle е ( xi, eta) = г ( xi)}$ , куда ${ displaystyle g}$ - любая вещественнозначная дифференцируемая функция, определенная на 1D, изображение инвариантно к поворотам (вокруг начала координат).

Аналогично моделируется операция масштабирования (включая уменьшение масштаба). Если изображение имеет изокривые, похожие на «звезду» или велосипедные спицы, т.е. ${ Displaystyle е ( xi, eta) = г ( eta)}$ для некоторой дифференцируемой одномерной функции ${ displaystyle g}$ тогда изображение ${ displaystyle f}$ инвариантен к масштабированию (относительно начала координат).

В сочетании,

${ Displaystyle е ( хи, эта) = г ( соз ( тета) журнал ({ sqrt {х ^ {2} + у ^ {2}}}) + грех ( тета) загар ^ {- 1} (х, у))}$

инвариантен к определенной величине вращения в сочетании с масштабированием, где величина уточняется параметром ${ displaystyle theta}$ .

Аналогично, декартово структурный тензор это тоже представление перевода. Здесь физический процесс заключается в обычном переводе некоторой суммы вдоль ${ displaystyle x}$ в сочетании с переводом вместе ${ displaystyle y}$ ,

{ Displaystyle соз ( тета) х + грех ( тета) у = { текст {константа}}}

где сумма указывается параметром ${ displaystyle theta}$ . Очевидно ${ displaystyle theta}$ здесь представляет направление линии.

Как правило, оценочная ${ displaystyle theta}$ представляет направление (в ${ displaystyle xi, eta}$ координаты), вдоль которых бесконечно малые трансляции оставляют изображение инвариантным, практически наименьшим вариантом. Таким образом, с каждой базисной парой криволинейных координат существует пара бесконечно малых трансляторов, линейная комбинация которых представляет собой Дифференциальный оператор. Последние относятся к Алгебра Ли.

Разное

«Изображение» в контексте GST может означать как обычное изображение, так и его окрестность (локальное изображение), в зависимости от контекста. Например, фотография - это изображение, как и любое соседство с ней.

Тензор обобщенной структуры - Википедия - Generalized structure tensor

Содержание

GST в 2D и локально ортогональных базисах

Комплексная версия GST

Базовая концепция его использования в обработке изображений и компьютерном зрении

Физико-математическая интерпретация

Разное

Смотрите также

Рекомендации