研討 -- 電腦圖像處理+識別問題

[WenXP]

這個大概可以用multi-resolution或moment等方法. 但對任意數目的群數,就可能需要其他較複雜的segmentation方法.

可以詳細一點介紹一下嗎?

[Wah!!]

http://en.wikipedia.org/wiki/Segmentati ... rocessing)

[WenXP]

http://en.wikipedia.org/wiki/Segmentati ... rocessing)

K-means algorithm 不錯!
不過前題是cluster的數量是人手輸入的.
假如我有10000張圖, 每張圖的cluster數都不同, 那麼K-means algorithm自然不是有效率的方法了...

[Skyobs]

其實我對當中詳細的數學都理解不多. 大致上人看到主題的那張圖,就會粗略把點分成兩群,然後找每一群的中心. 在圖像處理上可以說是先做segmentation, 然後計算centroid. 難就難在怎樣才算是一群. 那圖中算有兩群還是三群?

Histogram-based(或稱projection,可能會用上moment)和multi-scale segmentation是對這類問題比較常用的方法. 算法和算式就要找圖像處理的書.

[WenXP]

如圖. 每個點的坐標都是知道的. 電腦怎樣認得出有多少個群和每個群的中心點所在呢? 換句話說, 怎樣設計一個程式, 當讀入任何類似圖檔, 都能輸出群數和群中心坐標的資料呢?

是英仙座雙星團的恆星分佈?

Or 球狀星團的剖面圖?

中心: 點與點距離最近? 最密集的地區?

假如點係平均分佈, 無最密集的地區, 計算手法會不同嗎?




路過......

( 嗯...... 你近來在研究什麼啊? [推眼鏡] )

可以應用在很多地方啊...
這其實是Computer Vision的課題之一.
你用Google找一下必可找到大量題目和前人嘗試過的解題法.
而我提出的這題, 在網上找不到相關的, 因此在此提出來集思廣益.

用來做甚麼?
譬如說, 我要搜尋出某一天區所有的星團. 我可以把天區分割為10000個小區, 用電腦控制望遠鏡, 自動拍下每一小區. 而我就要從這10000張相片中找星團. 我想知道星團數目和每個星團的中心坐標.

[Skyobs]

那麼就像找深空星體,要有目標物體大小(moment of inertia)和對比差(peak contrast in histogram)的概念. 從低倍開始,逐步按需要轉到高倍.

[WenXP]

其實我對當中詳細的數學都理解不多. 大致上人看到主題的那張圖,就會粗略把點分成兩群,然後找每一群的中心. 在圖像處理上可以說是先做segmentation, 然後計算centroid. 難就難在怎樣才算是一群. 那圖中算有兩群還是三群?

Histogram-based(或稱projection,可能會用上moment)和multi-scale segmentation是對這類問題比較常用的方法. 算法和算式就要找圖像處理的書.

Histogram-based只在分辨色彩強度不同的區域時有用. 在此問題上應該用不上.

multi-scale segmentation, 要利用gassian blur產生不同模糊度的圖, 再為每幅圖量度edge, 再統計哪些edge是在每幅blurred圖上都出現... 這方法在一維圖上或可用得上, 但對二維圖未免太複雜太缺效率了吧? (也許是我想錯了?)

[Skyobs]

Projection是比較簡單易明的字,但圖像處理書中通常是用histogram. 它表達一種統計,物體質點在座標上的統計. 把主題圖所有點往x和y軸投影,就會在x和y軸都看到雙峰(如投影分辨率適當). 從那就可以算出分割兩群的直線. 當然不會永遠這麼幸運,很多時要作不同角度投影. 超過兩群的話就更麻煩.

Multi-scale也不一定是edge-based. 這類圖像可能histogram-based比較合用. 但需要定出segmentation的準則.

[小倫]

首先 講句 sorry ~
因為我唔熟 image processing 同 Signal Processing ~
講錯既話, 請見諒 ~
(我 research interest 係 information security ~ XD)


我只係覺得你尼個 topic 好似 Vector Quantization 差不多咁 ~

我以前上堂見過, 好似同 LBG 有關咁 ~
LBG : Linde–Buzo–Gray algorithm
(basically same as Lloyd-Max algorithm)


上 google search 的 ~
http://ocw.mit.edu/OcwWeb/Electrical-En ... tureNotes/

http://andrew.csie.ncyu.edu.tw/pdf2/11- ... zation.pdf

[Skyobs]

無須先講sorry,知識上的東西在論壇講錯絕對沒有問題. 大家發表意見罷了.

VQ是把眾多局部圖像分類成有限數目的vectors去代表原來(或有類似特徵)的圖像. 單這個方法可能不足夠處理這個命題,因為命題的挑戰是自動劃分區域. 圖像特徵的確對分辨區域有幫助. 不過除了LBG等training方法,也可以直接使用已知的特徵圖像,如球狀星團,漩渦星系,棒漩星系. 問題是怎樣做任意比例和角度的matching(cross-correlation).

[sbod]

可以應用在很多地方啊...
這其實是Computer Vision的課題之一.
你用Google找一下必可找到大量題目和前人嘗試過的解題法.
而我提出的這題, 在網上找不到相關的, 因此在此提出來集思廣益.

用來做甚麼?
譬如說, 我要搜尋出某一天區所有的星團. 我可以把天區分割為10000個小區, 用電腦控制望遠鏡, 自動拍下每一小區. 而我就要從這10000張相片中找星團. 我想知道星團數目和每個星團的中心坐標.

令人想起Terminator 判斷別人身形的一幕......

再off-topic: 現代的天文學家都是用這種手法決定天體的座標?

[Wah!!]

忽然想起, 現時相機的 Face-Detection 都係無限制人樣的大小.

[sbod]

忽然想起, 現時相機的 Face-Detection 都係無限制人樣的大小.

同一技術?

[WenXP]

我猜Face-Detection是用了Pattern recognition技術, 計算cross-correlation. 我想這就是Skyobs提到的Matching技術.
這技術很有趣的. 把先儲存起的"標準人面圖"(兩眼一口... 即三片深色圖塊...)轉換成一支多維向量(vector), 同時把CCD中的影象的一部分也轉成向量. 計算兩支向量間的夾角(名為cross-correlation), 如夾角很小, 即代表兩圖很像. 如果夾角很大, 就找CCD影象的另一些部分去嘗試, 直至找到為止. 如所有部分都試過而又找不到相配對到的, 就等於沒有面孔了.
真正的Face-Detection是否如此, 就不得而知了. 畢竟是商業秘密.

[sbod]

我猜Face-Detection是用了Pattern recognition技術, 計算cross-correlation. 我想這就是Skyobs提到的Matching技術.
這技術很有趣的. 把先儲存起的"標準人面圖"(兩眼一口... 即三片深色圖塊...)轉換成一支多維向量(vector), 同時把CCD中的影象的一部分也轉成向量. 計算兩支向量間的夾角(名為cross-correlation), 如夾角很小, 即代表兩圖很像. 如果夾角很大, 就找CCD影象的另一些部分去嘗試, 直至找到為止. 如所有部分都試過而又找不到相配對到的, 就等於沒有面孔了.

真正的Face-Detection是否如此, 就不得而知了. 畢竟是商業秘密.

其實face detection 好笨, 在白紙上畫個圓 + 雙眼 + 口, 部機一樣會對焦......