Αυτόματη αναγνώριση αντικειμένων εικόνας.

Abstract

Στην παρούσα εργασία παρουσιάζεται μια εφαρμογή αναγνώρισης αντικειμένων σε εικόνες, χρησιμοποιώντας την τεχνική των προεξεχόντων οπτικών σημείων βασισμένα σε γράφους (Graph Based Visual Saliency, GBVS) και τον μετασχηματισμό κλιμακωτά – αναλλοίωτων χαρακτηριστικών (Scale-Invariant Feature Transform , SIFT), στοχεύει στην απλή κατηγοριοποίηση εικόνων γνωστών τουριστικών μνημείων στη γεωγραφική περιοχή του Ηρακλείου Κρήτης. Βασική ιδέα της εφαρμογής θεωρείται η προεπεξεργασία των αρχικών εικόνων, χρησιμοποιώντας τις Προεξοχές προκειμένου να ελαχιστοποιηθεί ο χρόνος που απαιτείται για την μέθοδο κατηγοριοποίησης των εικόνων που θα παρουσιαστεί σε αυτή την εργασία. Για την επίτευξη αυτού του στόχου, το σύστημα αρχικά χρησιμοποιεί τον αλγόριθμο ανίχνευσης προεξοχών βασισμένο σε γράφους, στις αρχικές εικόνων των περιοχών που ερευνούμε (μνημεία). Στη συνέχεια ο αλγόριθμος του μετασχηματισμού κλιμακωτά – αναλλοίωτων χαρακτηριστικών χρησιμοποιείται σε δυο στάδια της εφαρμογής, Αρχικά για την εξαγωγή περιγραφέων της εικόνας, και στη συνέχεια για τον υπολογισμό των αντιστοιχιών μεταξύ δυο εικόνων που αντιπροσωπεύονται από τους εξαγόμενους περιγραφείς τους. Η εφαρμογή στη συνέχεια είναι σε θέση να κατηγοριοποιήσει αυτές τις εικόνες, εξοικονομώντας αρκετό χρόνο ώστε η εφαρμογή να θεωρείται πραγματικού χρόνου.

This paper presents an automated object recognition application in images, using Graph Based Visual Saliency (GBVS) and Scale-Invariant Feature Transform (SIFT), aiming at simple image classification of well-known touristic monuments in the geographic area of Heraklion, Crete. The basic idea of the application is the preprocessing of the originally taken images using Saliency in order to minimize the time needed for the classification method, which is proposed in this paper. To this goal, the system initially uses Graph Based Visual Saliency algorithm on original images taken from various points of interest (monuments). Then, SIFT algorithm is used in two stages of the process. Initially for extracting descriptors and then for calculating matches between two images which are represented by these descriptors. The application is then able to classify these images, saving enough time to be referred as real-time application.