Physically-based probabilistic image segmentation
Νικόλας Λαδάς · Gnosis · 2020
Η κατάτμηση εικόνας αποτελεί μια σημαντική διαδικασία στο χώρο της επεξεργασίας εικόνας και περιλαμβάνει τον εντοπισμό αντικειμένων, την παρακολούθηση αντικειμένων και την επεξεργασία εικόνας. Αυτοί οι αλγόριθμοι είναι κρίσιμοι για τη λειτουργεία διαφόρων σημαντικών εφαρμογών όπως τροποποίηση εικόνας, επεξεργασία βίντεο, αυτόματη οδήγηση και εικονική / επαυξημένη πραγματικότητα. Αν και πρόκειται για καλά μελετημένο πεδίο, εξακολουθούν να υφίστανται σημαντικά προβλήματα στην κατάτμηση εικόνας, ειδικά σε περιπτώσεις όπου έχουμε σκιές και χρωματιστό φωτισμό. Αυτή η διατριβή αντιμετωπίζει κάποια από τα προβλήματα αυτά χρησιμοποιώντας γνώση από το πεδίο των Γραφικών όπου ο φωτισμός έχει μελετηθεί σε εκτενές βαθμό. Στη διατριβή αυτή κάνουμε δύο συνεισφορές. Αρχικά, προτείνουμε μια μέθοδο για συλλογή δεδομένων που βασίζεται σε εικόνες ψηλού δυναμικού βάθους με στόχο τη καταγραφή του φωτισμού της σκηνής. Χρησιμοποιώντας τη διαδικασία αυτή αναπτύξαμε μια μέθοδο που εξουδετερώνει τον φωτισμό μιας εικόνας και βοηθά στο να αυξάνεται η επίδοση των αλγορίθμων που εκτελούν παρακολούθηση αντικειμένων. Η δεύτερη συνεισφορά της διατριβής είναι δύο αλγόριθμοι κατάτμησης εικόνας σε τμήματα προσκήνιου και παρασκήνιου. Οι αλγόριθμοι αυτοί χρησιμοποιούν μοντελοποίηση με βάση τη φυσική και έχουν τη δυνατότητα να μοντελοποιούν την εμφάνιση σκιών που πιθανόν να προέρχονται από πολλαπλές χρωματιστές φωτεινές πηγές. Με βάση το μοντέλο αυτό, χρησιμοποιούμε μια μέθοδο πιθανοτήτων για να διαχωρίσουμε αντικείμενα και σκιές σε δύσκολες εικόνες. Οι αλγόριθμοι που αναπτύξαμε είναι υψηλής επίδοσης, εφαρμόσιμοι σε διάφορες εικόνες, και εύρωστοι.