„Számítógépes látórendszerek - Ellenőrző kérdések: Szegmentálás” változatai közötti eltérés
A VIK Wikiből
| 3. sor: | 3. sor: | ||
=== Szegmentálás === | === Szegmentálás === | ||
Azonos tulajdonságú pixelek homogén régiókba történő csoportosítása. | Azonos tulajdonságú pixelek homogén régiókba történő csoportosítása. | ||
[http://www.inf.u-szeged.hu/~kato/teaching/segmentation/01_segmentation.pdf Forrás] | |||
=== Szükséges/Felhasználás === | === Szükséges/Felhasználás === | ||
*Felületleírás | *Felületleírás | ||
A lap 2015. április 15., 23:01-kori változata
Mit jelent a szegmentálás? Mikor van rá szükség? Mik a főbb nehézségei?
Mit jelent a szegmentálás során az idő-konzisztencia?
A Szegmentálás paraméterterében milyen összetevőket alkalmazhatunk?
Szegmentálás
Azonos tulajdonságú pixelek homogén régiókba történő csoportosítása. Forrás
Szükséges/Felhasználás
- Felületleírás
- Sztereó látás (élek megfeleltetése => 3Drekonstrukció)
- Alakfelismerés
- Képi adatbázis indexelése, keresés
Nehézségek
- színhasonlóság
- mozgás (elmosódott élek)
- defókuszáltság
- hasonló textúrák
Sorolja fel a fontosabb szegmentálási módszereket. Pár szóban mutassa be őket.
- Küszöbözés, hisztogram alapú
- Éldetektálás alapú
- Klaszterezés: színcsatornák, térbeli eloszlás, időbeli eloszlás
- Régiónövelés
- Tömörítés-alapú módszerek
- Paraméteres megoldások, görbeillesztés
- Modell alapú
- Tanuló rendszerek
Ismertesse a K-Means és a Mean Shift algoritmusokat. Milyen előnyeik és hátrányaik vannak? Mikor használjuk őket?
Milyen régiónövelő eljárásokat ismerünk. Pár szóban mutassa be őket.
Kiinduláskor a pixelek egyenként külön halmazokat alkotnak. Összehasonlítjuk őket a szomszédaikkal, hasonlóság esetén összevonjuk a halmazokat [?]. Hasonlóság lehet:
- Kiválasztott (szín)csatornák
- Defókuszáltság
- Mélység (Mélységi képen)
SRM (Statisztikus régiónövelés)
[TODO]
Split & Merge
[TODO]
