„Számítógépes látórendszerek - Ellenőrző kérdések: Képillesztés” változatai közötti eltérés

A VIK Wikiből
19. sor: 19. sor:
<math>I_xu+I_yv=-I_t</math>
<math>I_xu+I_yv=-I_t</math>


== Mutassa be a Lucas-Kanade algoritmust és annak célját! Milyen módszereket ismer a gyors mozgások követésére optikai áramlás segítségével? ==
== Mutassa be a Lucas-Kanade algoritmust és annak célját! <br/>Milyen módszereket ismer a gyors mozgások követésére optikai áramlás segítségével? ==
 
Az optikai áramlás algoritmusánál feltételeztük, hogy az egymáshoz közeli pixelek azonos objektumhoz tartoznak, ezért együtt mozognak. Ne a pixelt nézzük, hanem a környezetét! Több pont együttes kezelése esetén az alulhatározott egyenletből túlhatározott lesz (Lucas-Kanade módszer).
 
A környezet elmozdulásának négyzetes hibáját minimalizáljuk. Parciális derivált = 0 helyen optimum.
 
<math>H \vec{u} = b \to \vec{u} = H^{-1} b</math>
 
Az Lucas-Kanade egyenlet megoldható, ha Az H sajátértékei nem túl kicsik (vagy nullák) és a H sajátértékeinek aránya nem túl nagy (H jól kondicionált).
 
Egyéb módszerek a gyors mozgások követésére:
*Iteratív Lucas-Kanade algoritmus.
*Optical Flow piramis.


== Mit nevezünk sarokszerű képrészletnek? Ismertesse a Harris operátor elvét és lépéseit! ==
== Mit nevezünk sarokszerű képrészletnek? Ismertesse a Harris operátor elvét és lépéseit! ==

A lap 2015. április 15., 23:25-kori változata


Ismertesse az optikai áramlás (optical flow) algoritmus célját, alapelvét és feltételezéseit!
Írja fel az intenzitás áramlás egyenletet!
Milyen problémái vannak az algoritmusnak?

Az intenzitásalapú képillesztés alapelve, az hogyha találunk a két képen két ugyanolyan színű területet, akkor ezek egymással megfeleltethetők (ez azonban csak erős feltételezés). Lehetséges módszer az optikai áramlás algoritmus, amikor is pontpárokat két, különböző időben készült felvételen keressük és a mozgást próbáljuk leírni. Az adott pixelt a következő képen az előző pozíciójának közelében keressük. Gradiensképzést alkalmazunk.

Feltételezések:

  • Az egyes objektumok intenzitása időben állandó.
  • A két képkocka közti elmozdulás kicsi.
  • Az egymáshoz közel eső pixelek hasonlóan mozognak.

Az optikai áramlás nem működik:

  • Homogén intenzitású területen.
  • Túl nagy mozgás esetén.
  • Apertúra probléma.

Az intenzitás áramlás egyenlete:

Mutassa be a Lucas-Kanade algoritmust és annak célját!
Milyen módszereket ismer a gyors mozgások követésére optikai áramlás segítségével?

Az optikai áramlás algoritmusánál feltételeztük, hogy az egymáshoz közeli pixelek azonos objektumhoz tartoznak, ezért együtt mozognak. Ne a pixelt nézzük, hanem a környezetét! Több pont együttes kezelése esetén az alulhatározott egyenletből túlhatározott lesz (Lucas-Kanade módszer).

A környezet elmozdulásának négyzetes hibáját minimalizáljuk. Parciális derivált = 0 helyen optimum.

Az Lucas-Kanade egyenlet megoldható, ha Az H sajátértékei nem túl kicsik (vagy nullák) és a H sajátértékeinek aránya nem túl nagy (H jól kondicionált).

Egyéb módszerek a gyors mozgások követésére:

  • Iteratív Lucas-Kanade algoritmus.
  • Optical Flow piramis.

Mit nevezünk sarokszerű képrészletnek? Ismertesse a Harris operátor elvét és lépéseit!

Milyen képtranszformációkat ismer? Ezek közül melyekre invariáns a Harris operátor?

Ismertesse a SIFT eljárás képrészletdetektáló részét! Hogyan érjük el a skála invarianciát és a szubpixeles pontosságot?

Mutassa be a SIFT algoritmus leíró generáló részét! Hogyan érjük el a forgatás invarianciát?