Сучасні інформаційні технології\1. Комп`ютерна інженерія

К.т.н. Маслій Р. В., Гамлінський О. Л.

Вінницький національний технічний університет, Україна

Застосування локальних тернарних шаблонів для класифікації зображень

Локальний бінарний шаблон (ЛБШ) представляє собою опис околу пікселя зображення у двійковій формі. Оператор ЛБШ, що застосовується до пікселя зображення використовує вісім пікселів околу, приймаючи центральний піксель у якості порогу. Пікселі, які мають значення більші, ніж центральний піксель (чи дорівнюють йому), приймають значення «1», ті, які, менше центрального, приймають значення «0». Таким чином утворюється восьмирозрядний бінарний код, який описує окіл пікселя [1].

Відома проблема ЛБШ це його чутливість до шумів у ділянках зображення з близьким рівнем інтенсивності. З метою покращення ЛБШ у роботі [2] була запропонована трирівнева схема кодування локальної ділянки зображення, яка дозволила отримати високі рівні класифікації зображень при зменшенні чутливості до впливу шумів в порівнянні з ЛБШ. Запропонований у роботі [2] локальний тернарний шаблон (ЛТШ) представляє собою дескриптор, який отримує тернарний код з ділянки зображення.

Для отримання тернарного коду необхідно задати поріг шуму t, який буде застосовуватися до центрального пікселя. В результаті застосування ЛТШ буде отримано «1», якщо значення пікселя околу більше ніж центральний піксель з урахуванням порогу, відповідно «-1» у випадку, якщо значення пікселя околу буде меншим, і «0», у випадку якщо значення пікселя буде в діапазоні [-t, t] від центрального пікселя. Приклад роботи ЛТШ оператора представлено на рисунку 1.

Рисунок 1 – Приклад роботи ЛТШ оператора

Ознака ЛТШ обчислюється наступним чином:

LTP_P,R=

де – півтонове значення пікселя околу;

– півтонове значення центрального пікселя;

P – кількість пікселів околу;

,

– порогова функція LTP_P,R;

– значення ознаки;

– поріг.

Розмірність гістограми ЛТШ досить велика: для LTP_8,2 - = 6561 стовпчиків. Для зменшення розмірності гістограми ЛТШ код, як правило, ділять на позитивний та негативний ЛБШ коди, як показано на рисунку 2. Недоліком такого підходу є втрата інформації в процесі поділу, крім того гістограми позитивних та негативних ЛТШ досить корельовані між собою, тому вони, як правило, несуть зайву інформацію [2].

Рисунок 2– Поділ ЛТШ на позитивний та негативний ЛБШ-коди

Після оброблення всього зображення з допомогою ЛТШ отримаємо дві гістограми позитивних та негативних кодів ЛБШ, які об’єднаємо в одну гістограму ЛТШ.

Для класифікації зображень пропонується використати метод випадкових лісів [3]. Вхідними даними для побудови випадкового ліса будуть гістограми ЛТШ, кожну з яких використаємо у якості вектора ознак зображення. Такий вектор ознак буде містити 512 стовпчиків (по 256 стовпчиків з позитивної та негативної гістограми ЛБШ).

Литература:

1. Маслій Р.В. Використання локальних бінарних шаблонів для розпізнаваня облич на напівтонових зображеннях / Маслій Р.В. // Наукові праці ВНТУ, 2008. – Т. 4. – C. 6.

2. Tan X. Enhanced local texture feature sets for face recognition under difficult lighting conditions / Tan X., Triggs B. // IEEE Trans. Image Process., 2010. – 19(6). – pp. 1635–1650.

3. Маслій Р.В. Застосування випадкових лісів для класифікації даних / Р.В. Маслій, О.Ю. Філіпчук // Veda a technologie: krok do budoucnosti–2014. – 2014. Praha. – Dfl. 30. – C. 24-27.