Template matching в компьютерном зрении | OTUS

Template matching в компьютерном зрении

Одним из наиболее распространенных методов распознавания объектов в компьютерном зрении является Template matching (поиск по соответствию шаблонам изображений). Этот метод позволяет найти, существует ли на изображении заданный объект и если да, то где именно. Метод используется для распознавания транспортных средств, решения производственных задач, прокладки маршрутов для мобильных робототехнических устройств, а также в медицинских целях.

Существует несколько видов поиска по шаблону.

Простое соответствие

Один из основных методов по нахождению необходимого объекта на изображении. Он представляет собой пошаговое сканирование шаблоном исходного изображения, причем на каждом шаге рассчитывается либо просто измеряется степень соответствия участка изображения существующему шаблону. Когда сканирование заканчивается, на изображении выделяется область, которая соответствует шаблону в большей степени.

Соответствие на основе характерных черт (Feature-based matching)

Этот метод применим, если и изображение, и шаблон включают в себя больше соответствий по характерным чертам (ХЧ) и контрольным точкам, чем по цельному образу. В такой ситуации ХЧ способны включать точки, кривые либо модели поверхности, проверяемые на соответствие шаблону. Цель проверки – обнаружить парные связи между целью (так называемым «референсом») и частью изображения с применением пространственных соотношений либо ХЧ.

Соответствие на основе областей (Area-based matching)

Area-based-методы также называют корреляционными. Они основаны на комбинированном алгоритме обнаружения характерных черт и соответствия шаблону. Данный метод эффективен, если шаблоны не обладают заметными общими ХЧ с изображением, так как сравнение осуществляется на пиксельном уровне. Соответствия определяются по показателям интенсивности изображения и шаблона.

Иногда обнаружение прямого соответствия между изображением и шаблоном невозможно (как на рисунке ниже). Поэтому, в случае обнаружения соответствия применяются как собственное значение (eigenvalue), так и собственное пространство (eigenspace). Вышеуказанные величины включают в себя информацию, нужную для сравнения образов при различных условиях контрастности контуров, освещенности, совпадения по положению объектов.

На примере -- использование Area-based-метода в геодезии:

1-1801-7a5fe8.png

Image Correlation Matching -- корреляция изображений

В этом методе происходит измерение метрик подобия (similarity metric) между шаблоном и исходным изображением. При этом в отличие от метода простого соответствия, шаблон и исходное изображение способны иметь разные интенсивности изображения/уровни шума. В таком случае сравнение осуществляется по метрике подобия на основании корреляций между оригиналом и шаблоном.

Сегодня компьютерное зрение существенно расширяет возможности контроля качества продукции (по факту переводя контроль на новый качественный уровень), причем происходит это непосредственно во время производственного процесса, а не после того, как детали или продукт изготовлены.

Для определения дефектов используется автоматическая визуальная инспекция, посредством которой компьютерное зрение в настоящий момент существенно превосходит ручные методы инспекции по скорости, точности, легкости выполнения и, как итог, по стоимости.

Ниже -- пример контроля точности производства режущих кромок фрезы посредством компьютерного зрения:

2-1801-f6d1e2.png

По материалам https://www.tadviser.ru/.

Не пропустите новые полезные статьи!

Спасибо за подписку!

Мы отправили вам письмо для подтверждения вашего email.
С уважением, OTUS!

Автор
0 комментариев
Для комментирования необходимо авторизоваться