Ανάκτηση Εικόνας βάσει

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Ανάκτηση Εικόνας βάσει"

Transcript

1 Ανάκτηση Εικόνας βάσει Περιεχομένου Εργαστήριο Ηλεκτρονικής (ELLAB) Τμήμα Φυσικής Πανεπιστήμιο Πατρών Θεοχαράτος Χρήστος Web:

2 Περιεχόμενα Εισαγωγή: Η αξία της Πληροφορίας Ανάκτηση η Εικόνας βάσει Περιεχομένου (CBIR) Χρωματικά Συστήματα Μέτρα Ομοιότητας και Σύγκριση Εικόνων Αξιολόγηση CBIR-συστήματος Μέθοδοι Ανάκτησης Εικόνας και MPEG-7 Απεικονίσεις χαμηλής διάστασης 2

3 Εισαγωγή: Η αξία της Πληροφορίας Πρόσβαση σε τεράστια ποσότητα δεδομένων δ (νέων, αθλητικά, πολιτικά, οικονομικά, κοινωνικά, κ.α.): 1-2 exabytes (εκατομμύρια terabytes) νέας ψηφιακής πληροφορίας παράγονται κάθε χρόνο παγκοσμίως 250 ΜΒ για κάθε άνθρωπο εικόνες δημιουργούνται κάθε δευτερόλεπτο στον κόσμο 100 δισεκατομμύρια ώρες οπτικο-ακουστικού υλικού νέα films παράγονται κάθε χρόνο 3

4 Πως αξιοποιούμε την Πληροφορία; Υπάρχει απίστευτος όγκος δεδομένων δ και η πρόσβαση γίνεται περίπλοκη Πως κατανοούμε τα δεδομένα αυτά; Πως η έκθεση στη πληροφορία δεν καθίσταται ανυπόφορη και χρονοβόρα; Πως αποκτούμε πρόσβαση σε αυτή την πληροφορία; Πως την αναλύουμε, τη φιλτράρουμε, την οργανώνουμε προκειμένου να είναι χρήσιμη για εμάς; Η αξία της πληροφορίας βρίσκεται στην αποτελεσματική οργάνωση, στην ευκολία ενοποιημένης κατανεμημένης πρόσβασης από όλους και στην εμπορική αξιοποίηση 4

5 Πληροφοριακοί στόχοι και εφαρμογές Στόχοι Κατανόηση της Πληροφορίας Περιγραφή της Πληροφορίας (φιλική προς τον χρήστη, αλλά και κατανοητή από τον υπολογιστή) Δεικτοδότηση (αυτόματος χαρακτηρισμός) Ανάκτηση βασισμένη στο περιεχόμενο Πεδία Εφαρμογής Ακίνητη (έγχρωμη ή ασπρόμαυρη) εικόνα Εικονοσειρές (video) Ήχος Φυσική Γλώσσα 5

6 Ενδιαφερόμενοι - Εφαρμογές Επιχειρήσεις οπτικοακουστικών εφαρμογών «Θέλω εικόνες με γκολ της Εθνικής» «Θέλω εικόνες με σκηνές δράσης από τον Περσικό» Επιχειρήσεις Πληροφορικής Ανάπτυξη υπηρεσιών (π.χ. αναζήτηση, ηλεκτρονικό εμπόριο κτλ) Οργάνωση πολυμεσικών εγγράφων 6

7 Ενδιαφερόμενοι - Εφαρμογές Εφαρμογές Πολιτισμού Εφαρμογές Περιβάλλοντος Ιατρικές Εφαρμογές 7

8 Ενδιαφερόμενοι - Εφαρμογές Επιχειρησιακές Εφαρμογές Ερευνητικοί / τεχνολογικοί φορείς Εταιρείες που παρέχουν ρχ υπηρεσίες αναζήτησης περιεχομένου π.χ. Portals, ιστοσελίδες εταιρειών, ιστοσελίδες εφημερίδων, πρακτορεία ειδήσεων, βιβλιοθήκες, κτλ. 8

9 Ενδιαφερόμενοι - Εφαρμογές Παγκόσμιος Ιστός Τελικοί Χρήστες: προσωπικό περιεχόμενο «Θέλω φωτογραφίες από το ποδόσφαιρό μας» 9

10 Περιεχόμενα Εισαγωγή: Η αξία της Πληροφορίας Ανάκτηση η Εικόνας βάσει Περιεχομένου (CBIR) Χρωματικά Συστήματα Μέτρα Ομοιότητας και Σύγκριση Εικόνων Αξιολόγηση CBIR-συστήματος Μέθοδοι Ανάκτησης Εικόνας και MPEG-7 Απεικονίσεις χαμηλής διάστασης 10

11 Τι είναι η Ανάκτηση Εικόνας; Σκοπός: Δίνεται κάποιο αίτημα (query) Ανάκτηση όλων των εικόνων που έχουν παρόμοιο περιεχόμενο με το query Μέθοδοι: 1. Βάσει κειμένου 2. Βάσει περιεχομένου 11

12 Πεδία Εφαρμογών Δορυφορικές Φωτογραφίες Φωτογραφία/ Δημοσιογραφία Ιατρικά Αρχεία Ηλεκτρονικό Εμπόριο Γραφικές Τέχνες Εγκληματολογία Διασκέδαση Γεωγραφικά Συστήματα Εγκυκλοπέδιες Πολυμέσων 12

13 Ανάκτηση Εικόνας βάσει Κειμένου (TBIR) + Απλή Υλοποίηση - Άμεση εξάρτηση από αντίληψη + Σημασιολογική περιγραφή + Απαραίτητη σε ορισμένες εφαρμογές - Οπτικός πλούτος, δύσκολος να περιγραφεί από λέξεις - Ανεπάρκεια λέξεων για περιγραφή ομοειδών χαρακτηριστικών - Ογκώδεις βάσεις δεδομένων, λιγότερο πρακτικός ο σχολιασμός των εικόνων 13

14 Ανάκτηση Εικόνας βάσει Κειμένου (TBIR) + Απλή Υλοποίηση - Άμεση εξάρτηση από αντίληψη + Σημασιολογική περιγραφή + Απαραίτητη σε ορισμένες εφαρμογές - Οπτικός πλούτος, δύσκολος να περιγραφεί από λέξεις - Ανεπάρκεια λέξεων για περιγραφή ομοειδών χαρακτηριστικών - Ογκώδεις βάσεις δεδομένων, λιγότερο πρακτικός ο σχολιασμός των εικόνων 14

15 Ανάκτηση Εικόνας βάσει Κειμένου (TBIR) Χρήση κειμένου που συνοδεύει το πολυμεσικό υλικό Captions, Web, video Query-by-subjects Χάρτες, ονόματα πόλεων, δρόμων Ονόματα προσώπων σε έγγραφα ή video Πολυμεσικά έγγραφα Web 15

16 Ανάκτηση Εικόνας βάσει Περιεχομένου (CBIR) Query: να βρεθούν εικόνες που περιέχουν ένα κόκκινο αυτοκίνητο, κορμούς δέντρων, πρασινάδα και συννεφιασμένο ουρανό Εξαγωγή χαμηλού επιπέδου χαρακτηριστικών Χρώμα (color) Σχήμα (shape) Υφή (texture) 16

17 Ανάκτηση Εικόνας βάσει Περιεχομένου (CBIR) Μέθοδος ανάκτησης Εξαγωγή χαρακτηριστικών (feature extraction) Αίτηση (query) Ταίριασμα (matching) Ανάκτηση (retrieval) 17

18 Εξαγωγή Χαρακτηριστικών Εξαγωγή χαρακτηριστικών + Αυτόματη διαδικασίαδ χαμηλού επιπέδου + Μικρό υπολογιστικό κόστος Χρώμα Υφή + Κατάλληλη για πολλές εφαρμογές Σχήμα Ακμές - Χαμηλού επιπέδου Κίνηση - Μη σχετικά αποτελέσματα Τροχιά Χωρικές συσχετίσεις - Απαιτείται «πολυμεσική» είσοδος Χρονικές συσχετίσεις 18

19 Μέθοδοι Queries 1. Query-by-example 2. Query-by-sketch 3. Region-based query 4. Random browsing 19

20 CBIR Συστήματα QBIC (IBM) Virage (Virage Inc.) Photobook (MIT Media Labs) VisualSEEK (Columbia) Netra (UCSB ADL project) MARS (Illinois Univ.) SIMPLIcity (Stanford Univ.) Blobworld (UC Berkeley) PicSOM (Helsinki Univ.) ImageMap, Schema RS, WALRUS, Picasso (σύγκριση χαρακτηριστικών τμηματοποιημένων περιοχών) ImageRover, WebSeer (WWW-search) MPEG-7 20

21 Περιεχόμενα Εισαγωγή: Η αξία της Πληροφορίας Ανάκτηση η Εικόνας βάσει Περιεχομένου (CBIR) Χρωματικά Συστήματα Μέτρα Ομοιότητας και Σύγκριση Εικόνων Αξιολόγηση CBIR-συστήματος Μέθοδοι Ανάκτησης Εικόνας και MPEG-7 Απεικονίσεις χαμηλής διάστασης 21

22 Χρωματικά Συστήματα Χαρακτηριστικά Αντίληψης Φωτεινότητα (Luminance) Λαμπρότητα (Brightness) Απόχρωση (Hue) Χρωματικότητα (Lightness) Κορεσμός (Saturation) Χρωματικά Συστήματα Συντεταγμένων Γραμμικά και μη-γραμμικά Ομοιόμορφα μ και μη-ομοιόμορφα μ μ Εξαρτώμενα από τη συσκευή λήψης και μετάδοσης Διαισθητικά και μη 22

23 Ο RGB - χώρος Είναι ο πλέον διαδεδομένος χώρος Είναι 3-D με τιμές [0, 255] Μαύρο (0,0,0), Λευκό (255,255,255) Απόχρωση του γκρι για R=G=B Υψηλή συσχέτιση των συνιστωσών Μη-ομοιομορφία Μη-γραμμικός σε σχέση με την ανθρώπινη αντίληψη (η Ευκλείδεια απόσταση μεταξύ 2 σημείων δεν είναι ανάλογη της χρωματικής αντίθεσης που αντιλαμβάνεται ο άνθρωπος) Εξαρτάται από τη συσκευή λήψης και μετάδοσης 23

24 Ο HSV - χώρος Προκύπτει από τον RGB με μη-γραμμμικό (αντιστρεπτό) μετασχηματισμό Τρεις άξονες Hue: 0,...,1, τα χρώματα μεταβάλλονται από κόκκινο (0) σε κίτρινο, πράσινο, κυανό, μπλε, ματζέντα και ξανά κόκκινο (1) Saturation: 0,...,1, από αποχρώσεις του γκρι σε κορεσμένα χρώματα Value: 0,...,1, από μαύρο σε άσπρο Οι συνιστώσες έχουν μεγάλη συσχέτιση με την ανθρώπινη αντίληψη (κατά προσέγγιση γραμμικός) Μη-ομοιομορφία μ Ανεξάρτητος από τις συσκευές λήψης και μετάδοσης Ευκολία στο διαχωρισμό των χρωματικών και αχρωματικών τιμών 24

25 Ο CIE L*a*b* - χώρος Τρεις άξονες, βασίζεται στο ότι κάποια χρώματα είναι ανταγωνιστικά L*: Φωτεινότητα (0: μαύρο, 100: λευκό) a*: Χρωματικότητα, άξονας πράσινου-κόκκινου [-80,+120] b*: Χρωματικότητα, άξονας μπλε-κίτρινου [-80,+120] Γραμμικός σε σχέση με την ανθρώπινη αντίληψη, σχεδόν ομοιόμορφος Μη διαισθητικός χώρος 25

26 Ο CIE L*u*v* - χώρος Τρεις άξονες L*: Φωτεινότητα (0: μαύρο, 100: λευκό) u*: Χρωματικότητα, [-134,+220] v*: Χρωματικότητα, [-140,+122] Μετατροπή από τον RGB μέσω του CIE ΧΥΖ με μη-γραμμικό μετασχηματισμό 26

27 Άλλοι χρωματικοί χώροι Χρησιμοποιούμενοι χρωματικοί χώροι YCrCb χρησιμοποιείται στη ψηφιακή κωδικοποίηση εικόνων (π.χ. JPEG, MPEG), γραμμικός μετασχηματισμός από τον RGB-χώρο Y I Q ή NTSC Ευρωπαϊκό σύστημα τηλεμετάδοσης (NTSC κωδικοποίηση) HSI και HCV συστήματα / παραλλαγές του HSV 27

28 Περιεχόμενα Εισαγωγή: Η αξία της Πληροφορίας Ανάκτηση η Εικόνας βάσει Περιεχομένου (CBIR) Χρωματικά Συστήματα Μέτρα Ομοιότητας και Σύγκριση Εικόνων Αξιολόγηση CBIR-συστήματος Μέθοδοι Ανάκτησης Εικόνας και MPEG-7 Απεικονίσεις χαμηλής διάστασης 28

29 Ομοιότητα Ανομοιότητα Εικόνων Τα χαρακτηριστικά σε κάποιο δεδομένο χώρο μπορούν να θεωρούνται όμοια (similar) αν είναι σε κοντινή εγγύτητα μεταξύ τους και ανόμοια (dissimilar) αν είναι μακριά Μέτρα ομοιότητας (similarity measures, s) Μέτρα ανομοιότητας (dissimilarity measures, d) Συμπληρωματικές έννοιες στο [0,1] s = 1 - d 1 Ανομοιότητα 0 Ομοιότητα 29

30 Ιστόγραμμα Εικόνας Στατιστικά καθορίζει την συνδεμένη (κοινή) πιθανότητα των εντάσεων των τριών χρωματικών συνιστωσών μιας εικόνας και επομένως περιγράφει την ολική κατανομή του χρώματος Ασπρόμαυρες εικόνες: 1-D ιστόγραμμα Έγχρωμες εικόνες: 3-D ιστόγραμμα Κανονικοποιημένο,, αποτελεί τη συνάρτηση ρηη πυκνότητας Χρήσιμο σε συγκεκριμένες τεχνικές ανάλυσης (π.χ. χ βέλτιστη απόδοση σε πολύπλοκα φόντα, παραμορφώσεις αντικειμένων) Ανεξάρτητο της μετάθεσης, της κλίμακας και της περιστροφής των εικόνων,, πολύ εύκολο στην υλοποίηση η Γρήγορη ταχύτητα σύγκρισης και ανάκτησης εικόνων σε συστήματα βάσεων δεδομένων, ιδανικό για υλοποιήσεις πραγματικού χρόνου 30

31 Ιστόγραμμα Εικόνας Έστω H(i) () το ιστόγραμμα μιας εικόνας, όπου i τα bins. Το κανονικοποιημένο ιστόγραμμα Ι ορίζεται ως: h( i) = H ( i ) H( i) Χρήση 3 μονοδιάστατων δά ιστογραμμάτων στον RGB χώρο. Σύγκριση των ιστογραμμάτων μιας εικόνας της βάσης δεδομένων και της query image, χρησιμοποιώντας κάποιο μέτρο (αν)ομοιότητας (π.χ. την Ευκλείδεια απόσταση). i (β) (α) D(α,β)=0,54 (γ) D(α,γ)=0,97 31

32 Μέτρα (αν)ομοιότητας Τα περισσότερα ρ μέτρα (αν)ομοιότητας μ η ςπου χρησιμοποιούνται στην ανάκτηση εικόνας, μετρούν την (αν)ομοιότητα ανάμεσα σε δύο ιστογράμματα Η={h i } και Κ={k j } Bin-By-Bin μέτρα ομοιότητας σύγκριση ζευγών bin με τον ίδιο δείκτη Σύγκριση μεταξύ ιστογραμμάτων με ίσο αριθμό από bins Ευαισθησία στον αριθμό των bins (binning) Cross-Bin μέτρα ομοιότητας σύγκριση μεταξύ μη-αντίστοιχων bin Αντιληπτά πιο κατάλληλα για τη σύγκριση χαρακτηριστικών 32

33 Μέτρα (αν)ομοιότητας Απόσταση Minkowski: Το πιο συνηθισμένο μέτρο αποστάσεων, γνωστό και ως Lp νόρμα p ) p ( H, K = hi k j m d ) 1 p Manhattan Απόσταση ή L1 νόρμα d H, K) 1 ( = h i k j m 2 Ευκλείδεια Απόσταση ή L2 νόρμα d H K = ( h ) 2 (, ) i k j m Chessboard Απόσταση ή L νόρμα d ( H, K ) = max( ) h i k j 33

34 Μέτρα (αν)ομοιότητας Εξίσωση Ιστογραμμάτων (Histogram Intersection) Μετρικό Camberra d ( H, K) = 1 HI m min hi k d CM ( H, K) = h + k m m ( h, k ) k ( ) i j j j i j Απόσταση Kullback-Leibler (Kullback-Leibler Divergence, KL) d KL ( H, K ) = n i= 1 h i log h k i i Απόσταση Jeffrey Divergence (Jeffrey Divergence, JD) d JD n i i ( H, K ) = h log + k log, i= 1 i h m i i k m i m i = h i + k 2 i χ 2 n Στατιστική d ( ) = 2 Statistics, 2 2 H, K (χ χ -test) χ = i 1 ( h m ) i m i i 34

35 Περιεχόμενα Εισαγωγή: Η αξία της Πληροφορίας Ανάκτηση η Εικόνας βάσει Περιεχομένου (CBIR) Χρωματικοί Χώροι Μέτρα Ομοιότητας και Σύγκρισης Αξιολόγηση CBIR-συστήματος Μέθοδοι Ανάκτησης Εικόνας και MPEG-7 Απεικονίσεις χαμηλής διάστασης 35

36 Βάση Δεδομένων (Corel) D = 10 x 5 = 50 database images Q = 2x 5= 10 query images 36

37 Ανάκτηση Εύρεση Εικόνων 37

38 Αξιολόγηση Ανάκτησης T # εικόνων ανάκτησης, ορίζει την επιλεγμένη λίστα R # σωστών αποτελεσμάτων S # εικόνων που απαρτίζουν μια κατηγορία Ακρίβεια (precision): ποσοστό σωστών απαντήσεων στο σύνολο των απαντήσεων Precision = R T Ανάκληση (recall): ποσοστό σωστών σ απαντήσεων α στο σύνολο των όμοιων εικόνων Recall = R S 38 Precisi on WW-test Histogram Intersection Recall

39 Περιεχόμενα Εισαγωγή: Η αξία της Πληροφορίας Ανάκτηση η Εικόνας βάσει Περιεχομένου (CBIR) Χρωματικοί Χώροι Μέτρα Ομοιότητας και Σύγκρισης Αξιολόγηση CBIR-συστήματος Μέθοδοι Ανάκτησης Εικόνας και MPEG-7 Απεικονίσεις χαμηλής διάστασης 39

40 Ανάκτηση με βάση το Χρώμα Μειονέκτημα της ολικής χρωματικής υπογραφής: δε λαμβάνεται υπόψη η τοπική συσχέτιση των χρωμάτων Επίλυση προβλήματος: Τμηματοποίηση Χωρισμός της εικόνας σε μπλοκ Τμηματοποίηση σε ομοιογενείς περιοχές 40

41 Ανάκτηση με βάση το Χρώμα Εξαγωγή χρωματικής υπογραφής, πρωτότυπων διανυσμάτων: Ο Αλγόριθμος Neural Gas Είναι αλγόριθμος αυτό-οργανούμενου νευρωνικού δικτύου (SONN) για διανυσματική κβάντιση (VQ). Τα διανύσματα εισόδου Χ(t) της κατανομής P(X) οδηγούν το βήμα σύγκλισης για την προσαρμογή των βαρών των νευρωνίων {A j } j=1:k : ( f ( X( t) { A } )) X( t) ( Aj ), j = 1, K, k, t = 1, K max Δ Aj = ε hλ j i, i= 1 : k, t 41

42 Ανάκτηση με βάση το Χρώμα Εξαγωγή χρωματικής υπογραφής, πρωτότυπων διανυσμάτων: Ο Αλγόριθμος Neural Gas 42

43 Ανάκτηση με βάση την Υφή Είναι μια ιδιότητα που εκφράζει τη χωρική διάταξη των επιπέδων φωτεινότητας των pixel σε μια περιοχή της εικόνας. Είναι ένα μέτρο της τραχύτητας, της ομαλότητας και της κανονικότητας. Αναφέρεται στη επανάληψη ενός δομικού στοιχείου υφής, του texel. Το texel αποτελείται από αρκετά pixel, των οποίων η διάταξη μπορεί να είναι περιοδική ή τυχαία. Μια περιοχή σε μια εικόνα έχει σταθερή υφή εάν στην περιοχή αυτή τα μέλη μιας ομάδας τοπικών στατιστικών χαρακτηριστικών ή άλλων τοπικών ιδιοτήτων της εικόνας παραμένουν σταθερά, μεταβάλλονται αργά, ή είναι κατά προσέγγιση περιοδικά. Γενικά, η υφή είναι μια έννοια στενά συνδεδεμένη με την περιοδικότητα 43

44 Ανάκτηση με βάση την Υφή Χωρίζουμε την εικόνα σε τετράγωνες περιοχές (blocks). Υπολογίζουμε το ιστόγραμμα για κάθε block. Για κάθε ιστόγραμμα PI(k), k=1,,n επίπεδα, I=1,,M ιστογράμματα, υπολογίζουμε τις 4 πρώτες κεντρικές ροπές: Μέση τιμή Μεταβλητότητα η Κλίση Κύρτωση Απλή μέθοδος Όχι ιδιαίτερα αποτελεσματική για ανάλυση πληροφορίας, γιατί δεν συνυπολογίζει τη χωροταξική διάταξη των pixel κάθε block. 44

45 Ανάκτηση με βάση την Υφή Διακριτός Μετασχηματισμός Συνημιτόνου (Discrete Cosine Transform, DCT) Μετασχηματίζουμε από τον RGB στον YCrCbCb χώρο. Χωρίζουμε την εικόνα σε NxN block fi,j και υπολογίζουμε τον 2-D μετασχηματισμό DCT. F ( 2i + 1) v( 2 j + 1) N 1N 1 2 u π cos π u, v = C( u) C( v) fi, j cos N i= 0 j= 0 2N 2N, 1 2 για k = 0 c ( k ) = 1 αλλιώς start Z2 Z4 Z6 Z1 Z3 (0,1) (0,0) (1,0) (1,1) (2,0) (0,2) Z8 Z10 Επιλογή χαρακτηριστικών χρώματος F 0,0 = 1 1 N N N 1 i= 0 j= 0 f i, j Επιλογή χαρακτηριστικών υφής Z5 Z7 Z12 V k Z Z = M Z 2 F0, F + + = 0,2 F1,1 F M 2 F N 1, N 1 = F 2 1 F1, ,0 k (7,7) Z14 1 N 1, N 1 Z9 Z11 Z13 45

46 Ανάκτηση με βάση την Υφή Διακριτός Μετασχηματισμός Συνημιτόνου (Discrete Cosine Transform, DCT) Color Image Y - frame (a) Cr - frame (b) Cb - frame Από τα Cr- και Cb- κανάλια επιλέγουμε την DC-συνιστώσα και τις M=9 πρώτες AC, δηλ. {V k, k=3}. (c) 46 (d)

47 Ανάκτηση με βάση την Υφή Διακριτός Μετασχηματισμός Κυματιδίου (Discrete Wavelet Transform, DWT) Βασίζεται στην ανάλυση υποζωνών: το διαχωρισμό του σήματος σε υποζώνες συχνοτήτων που αντιστοιχούν σε διαφορετικά τμήματα του φάσματος. Για κάθε pixel, υπολογίζεται σε κάθε υποζώνη η τυπική απόκλιση σ σε μια γειτονιά w του pixel. 47

48 Ανάκτηση με βάση το Σχήμα Στη περίπτωση απουσίας χρωματικής πληροφορίας ή παρουσίας εικόνων με παρόμοιο χρωματικό περιεχόμενο, είναι απαραίτητο να χρησιμοποιηθούν σχηματικά χαρακτηριστικά. Επιπλέον, στην περίπτωση που δεν ενδιαφέρει το χρωματικό περιεχόμενο μιας εικόνας αλλά συγκεκριμένο σχήμα, πρέπει η βάση δεδομένων να περιέχει χαρακτηριστικά σχήματος. Σχηματικά χαρακτηριστικά χρησιμοποιούνται κυρίως σε βάσεις δεδομένων που περιέχουν trademarks και logos. 48

49 Ανάκτηση με βάση το Σχήμα Shape Description Boundary Based Methods - Corner Points -Chain Codes - Shape Number - Perimeter -Area - Fourier Descriptors - UNL Fourier Geometric Region Based Methods Spatial Domain Structural - Primitives - Rules -2D Strings Transform Domain -Hough Transform - Walsh Transform - Wavelet Transform Partial (No Occlusion) - Contour Segments - Breakpoints Complete (No Occlusion) Area, Holes, Euler Number, Moments Invariant, Zernike Moments, Symmetry y 49

50 Το Πρότυπο MPEG-7 Multimedia Content Description Interface: Πρότυπο για την περιγραφή πολυμεσικού υλικού. Πεδία εφαρμογής: Αποτελεσματικότητα και διευκόλυνση ανάκτησης, φιλτραρίσματος, πλοήγησης και αναζήτησης σε μεγάλες πολύμεσικές συλλογές Χαρακτηριστικά: Το MPEG-7 ορίζει μόνο τον τρόπο με τον οποίο περιγράφονται τα πολυμεσικά δεδομένα και όχι τις μεθόδους ανάλυσης που προηγούνται. Οπτικοακουστικά δεδομένα που μπορούν να έχουν MPEG-7 περιγραφές είναι: Ακίνητες εικόνες Γραφικά 3Δ μοντέλα Ήχος ή Ομιλία Βίντεο Πληροφορία σύνθεσης (σενάριο) των πιο πάνω σε μια πολυμεσική παρουσίαση Τα κύρια στοιχεία του προτύπου είναι: Εργαλεία περιγραφής: Περιγραφείς (Descriptors, D) και Σχήματα περιγραφών (Description Schemes, DS). Μια γλώσσα ορισμού περιγραφών (Description Definition Language, DDL). Εργαλεία Συστημάτων για την δυαδική κωδικοποιημένη η αναπαράσταση των περιγραφών- ργρ στιγμιότυπων για την περαιτέρω αποθήκευση, μετάδοση, διαχείριση και προστασία τους. 50

51 Το Πρότυπο MPEG-7 Extraction application Στοχεύει στην εξαγωγή μιας περιγραφής (χαρακτηριστικών) για το πολυμεσικό υλικό, για τον σκοπό της αναζήτησης Προτυποποιημένοι είναι οι Περιγραφείς (Descriptors) Το πρότυπο δεν ορίζει πως θα εξαχθεί αυτή η περιγραφή (αλλά το Reference Software περιλαμβάνει μια υλοποίηση της διαδικασίας) Search and retrieval application Χρησιμοποιεί την περιγραφή του πολυμεσικού υλικού για αναζήτηση ομοιότητας (similarity search Query by Example) Η συνάρτηση υπολογισμού της ομοιότητας δεν είναι προτυποποιημένη, αλλά μια πιθανή υλοποίησή της για κάθε descriptor περιλαμβάνεται στο Reference Software 51

52 Το Πρότυπο MPEG-7 MPEG-7 Visual Descriptors Χρώμα Dominant Color Descriptor (DCD) Scalable Color Descriptor (SCD) Color Layout Descriptor (CLD) GoF/GoP Color Descriptor (GoF/GoP CD) Υφή Texture Browsing Descriptor (TBD) Homogenous Texture Descriptor (HTD) Edge Histogram Descriptor (EHD) Θέση κίνηση Spatial 2D Coordinates Descriptor (S-2D-CD) Motion Trajectory Descriptor (MTD) Parametric Motion Descriptor (PMD) Σχήμα Region-based Shape Descriptor (RSD) Contour-based Shape Descriptor (CSD) 52

53 Το Πρότυπο MPEG-7 Dominant Color Descriptor (DCD): Περιγράφει τα Ν πλέον κυρίαρχα χρώματα σε μια εικόνα (frame) ήπεριοχή Πολύ συμπαγής περιγραφή Χρήσιμη για αναζήτηση και ανάκτηση με βάση την ομοιότητα σε μεγάλες βάσεις οπτικού υλικού Ορίζεται ως: όπου ci είναι το i κυρίαρχο χρώμα, i=1,,n, Ν όχι μεγαλύτερο του 8, pi είναι το ποσοστό του, vi είναι η μεταβλητότητα των χρωμάτων που αντιστοιχούνται στο ci, s είναι ένα μέτρο της συνεκτικότητας της περιοχής που καταλαμβάνεται από ιχνοστοιχεία αυτών των χρωμάτων Μπορεί να υπολογιστεί με τον γενικευμένο αλγόριθμο Lloyd (generalized Lloyd algorithm), που ελαχιστοποιεί: όπου ci κέντρο του Ci, x(n) το διάνυσμα χρώματος ενός pixel, w(n) το βάρος του pixel 53

54 Το Πρότυπο MPEG-7 Scalable Color Descriptor (SCD): Ιστόγραμμα στον χρωματικό χώρο HSV Ομοιόμορφη κβάντιση του HSV σε 256 διαστήματα: Η σε 16 επίπεδα S σε 4 επίπεδα V σε 4 επίπεδα Kωδικοποίηση δ ί με μετασχηματισμό Haar Βέλτιστη απόδοση χωρίς κωδικοποίηση Αξιολόγηση ομοιότητας μεταξύ SCDs με χρήση L1 metric (άθροισμα απολύτων τιμών αντίστοιχων συντελεστών) Χρήσιμο για αναζήτηση και ανάκτηση με βάση την ομοιότητα σε μεγάλες βάσεις οπτικού υλικού 54

55 Το Πρότυπο MPEG-7 Color Layout Descriptor (CLD): Περιγράφει την χωρική κατανομή του χρώματος σε μια εικόνα (frame) ή περιοχή Χρήσιμο για αναζήτηση με βάση σκίτσο που δημιουργεί ο χρήστης, φιλτράρισμα περιεχομένου, κ.α. Εξάγεται ως: Η είσοδος χωρίζεται σε 64 (8x8) blocks Η μέση τιμή του χρώματος υπολογίζεται για κάθε block Το αποτέλεσμα, ένας πίνακας 8x8, υφίσταται Διακριτό Μετασχηματισμό συνημίτονου (DCT) Λίγοι συντελεστές DCT χαμηλών συχνοτήτων επιλέγονται και, αφού υποστούν κβάντιση, αποτελούν τον Color Layout Descriptor 55

56 Το Πρότυπο MPEG-7 Texture Browsing Descriptor (TBD): Περιγράφει την υφή της εικόνας / περιοχής με βάση τρία χαρακτηριστικά αυτής: Κανονικότητα (regularity), παίρνει τιμές 0,,3, με το 0 να αντιστοιχεί σε τυχαία υφή και το 3 σε περιοδική υφή Κατευθυντικότητα (directionality), παίρνει τιμές 0,,6, με το 0 να αντιστοιχεί σε υφή χωρίς κυρίαρχη κατευθυντικότητα, 1,,6 αντιστοιχούν σε τιμές μοίρες Τραχύτητα (coarseness) παίρνει τιμές 0,,3, με το 0 να αντιστοιχεί σε λεπτόκοκκη υφή Επιτρέπει την συνύπαρξη μέχρι δυο τιμών κατευθυντικότητας και τραχύτητας (μια υφή μπορεί να έχει περισσότερες από μια κυρίαρχες κατευθύνσεις και αντίστοιχες τραχύτητες) Πολύ συμπαγής περιγραφή (απαιτεί όχι περισσότερα από 12 bits) Υπολογίζεται με εφαρμογή συστοιχίας ζωνοπερατών φίλτρων Ο descriptor αυτός είναι χρήσιμος για έξυπνη περιήγηση (browsing) σε συλλογές οπτικού περιεχομένου 56

57 Το Πρότυπο MPEG-7 Homogeneous Texture Descriptor (HTD): Περιέχει ποσοτική περιγραφή της υφής για εφαρμογές ταυτοποίησης ομοιότητας (similarity-based matching) Υπολογίζεται ως: Η εικόνα/περιοχή φιλτράρεται από συστοιχία 30 φίλτρων Gabor (διατηρούν την υφή συγκεκριμένης κατεύθυνσης και κλίμακας), που καλύπτουν 5 διαφορετικές κλίμακες 6 διαφορετικές διευθύνσεις (ανά 30 μοίρες) Υπολογίζονται οι δυο πρώτες κεντρικές ροπές της εξόδου κάθε φίλτρου (αποτελούν μέτρο της ενέργειας στην συγκεκριμένη υποζώνη) Ορίζεται ως TD=[fDC, fsd, e1, e2,, e30, d1, d2,, d30], όπου fdc, fsd, είναι η μέση τιμή και τυπική απόκλιση για το σύνολο των υποζωνών 57

58 Το Πρότυπο MPEG-7 Edge Histogram Descriptor (EHD): Καταγράφει την χωρική κατανομή των ακμών Μπορεί να περιγράψει αποτελεσματικά και μη ομοιογενείς υφές Υπολογίζεται ως: Η εικόνα/περιοχή χωρίζεται σε 16 υποπεριοχές Kάθε υποπεριοχή χωρίζεται σε περαιτέρω blocks Σε κάθε block εφαρμόζονται 5 τελεστές εντοπισμού ακμών: 4 κατευθυντικοί και ένας μη κατευθυντικός Τα blocks για τα οποία η έξοδοι των τελεστών ξεπερνούν κάποια όρια συμμετέχουν στον υπολογισμό του ιστογράμματος κάθε υποπεριοχής Συνολικά υπολογίζονται 80 τιμές (16 υποπεριοχές x 5 τελεστές) Α) Κατακόρυφη Ακμή Β) Οριζόντια Ακμή Γ) Ακμή 45 μοιρών Δ) Ακμή 135 μοιρών Ε) Μη-κατευθυντική ακμή 58

59 Το Πρότυπο MPEG-7 Region-based Shape Descriptor (RSD): Εκφράζει την κατανομή των pixel μέσα σε μια δισδιάστατη περιοχή Μπορεί να περιγράψει σύνθετα αντικείμενα, αποτελούμενα από μη συνδεδεμένες περιοχές Βασίζεται σε 2D Angular Radial Tranformation Αποτελείται από 35 συντελεστές 59

60 Το Πρότυπο MPEG-7 Contour-based Shape Descriptor (CSD): Εκφράζει τo σχήμα του περιγράμματος δισδιάστατης δ περιοχής Μπορεί να διακρίνει μεταξύ σχημάτων που έχουν παρόμοιες κατανομές pixel στο χώρο αλλά διαφορές στο περίγραμμα Υποστηρίζει αναζήτηση για σχήματα με σημασιολογική ομοιότητα, ακόμα και αν η κλάση τους παρουσιάζει σημαντική μεταβλητότητα Πολύ αποτελεσματικός στον χειρισμό παραμορφώσεων λόγω πολύπλοκων κινήσεων του αντικειμένου ή της κάμερας μρ Βασίζεται στo μετασχηματισμό curvature scale-space Εφαρμόζει χαμηλοπερατό φίλτρο στο περίγραμμα για να το εξομαλύνει Δημιουργεί «CSS εικόνα» που καταγράφει κοίλα και κυρτά τμήματα του περιγράμματος (κορυφές), έ και μετά από πόσες διαδοχικές δ εφαρμογές του χαμηλοπερατού φίλτρου εξαλείφονται τα κοίλα τμήματα του Αποτελείται από: Εκκεντρότητα (eccentricity) για αρχικό και φιλτραρισμένο περίγραμμα Κυκλικότητα (circularity) για αρχικό και φιλτραρισμένο περίγραμμα Το πλήθος των κορυφών στην CSS εικόνα Το ύψος της υψηλότερης κορυφής Τη θέση των υπόλοιπων κορυφών 60

61 Περιεχόμενα Εισαγωγή: Η αξία της Πληροφορίας Ανάκτηση η Εικόνας βάσει Περιεχομένου (CBIR) Χρωματικοί Χώροι Μέτρα Ομοιότητας και Σύγκρισης Αξιολόγηση CBIR-συστήματος Μέθοδοι Ανάκτησης Εικόνας και MPEG-7 Απεικονίσεις χαμηλής διάστασης 61

62 Απεικονίσεις Χαμηλής Διάστασης Hπαρουσίαση μιας λίστας ανακτημένων εικόνων δεν είναι ικανοποιητική. Ζητάμε μια γενική άποψη των ανακτημένων εικόνων Οι επιστρεφόμενες εικόνες θα πρέπει να απεικονίζονται, όχι μόνο κατά σειρά απόστασής τους από της αιτούμενη εικόνα, αλλά επίσης να τακτοποιούνται σε σχέση με τις αμοιβαίες αποστάσεις τους. Το βασικό μειονέκτημα της 1-D οπτικοποίησης είναι ότι οι εικόνες κατατάσσονται ως προς την ομοιότητά τους με την αιτούμενη εικόνα. 62

63 Ελάττωση Διαστάσεων Περισσότερα χαρακτηριστικά περισσότερη πληροφορία μεγαλύτερη ακρίβεια. Όγκος χαρακτηριστικών δυσκολία στο χειρισμό. Λύση εκκίνηση η με όσο το δυνατόν παρισσότερα ρ χρήσιμα χαρακτηριστικά, και έπειτα ελάττωση του αριθμού. π.χ. Εικόνα 64x64 = 4096 features Δύο μέθοδοι για ελάττωση των χαρακτηριστικών. Feature selection επιλογή προεξέχοντων χαρακτηριστικών με κάποιο κριτήριο Feature extraction εύρεση ενός μειωμένου σετ μέσω κάποιου μετασχηματισμού Η οπτικοποίηση δεδομένων (data visualization) και η ερευνητική ανάλυση δεδομένων (exploratory data analysis) χρησιμοποιούν μεθόδους ελάττωσης διαστάσεων. συνήθως ελάττωση σε 2D ή 3D 63

64 Multidimensional Scaling (MDS) Κίνητρο: να εκμεταλλευθεί την ικανότητα της αναγνώρισης προτύπων π.χ., Να καθορίζει καταστάσεις σε μία κατανομή και να αναγνωρίζει τάσεις σε δεδομένα όταν παρουσιάζονται ως ένα σύνολο σημείων Ορισμός: για πίνακα απόστασης ενός συνόλου προτύπων, διαμορφώνουμε σημεία σε χώρο χαμηλής διάστασης (συνήθως 2D) ως εικόνες έτσι ώστε οι μεταξύ τους αποστάσεις προσεγγίζουν όσο το δυνατόν περισσότερο τις αρχικές ανομοιότητες μεταξύ τους. Αποτέλεσμα: μια 2D προβολή των αντικειμένων, όπου είναι εμφανείς οι γειτονικές συσχετίσεις / τάσεις για ομαδοποίηση. 64

65 Multidimensional Scaling (MDS) Κατηγορίες: Metric vs. Nonmetric MDS Metric MDS: εφαρμόζεται για ανάλυση ιδιοδιανυσμάτων και έχει αναλυτική επίλυση Nonmetric MDS: ο αλγόριθμος είναι επαναληπτικός (από τη φύση του) και υπολογιστικά πολύπλοκος, λ αλλά συνήθως πιο αποτελεσματικός από τον μετρικό. Τα στοιχεία σε πιθανώς μη- Ευκλείδειο χώρο Τα σημεία δεδομένων σε Ευκλείδειο χώρο χαμηλής διάστασης 65

66 Metric (κλασσικό) MDS Θεωρούμε Ν p-διαστάσεων δεδομένα: = = = = p p p p data p N x x x x x x x x x x x x x p x x x p x x x X.....,,...,,.....,,...,,. )] ( (2)..., (1), [ )] ( (2)..., (1), [. x x ] [ Np N N Np N N N N N x x x x x x p x x x...,,.....,,.. )] ( (2)..., (1), [.. x N Υ λ ίζ ί ά D δ δ έ Υπολογίζουμε τον πίνακα αποστάσεων D των δεδομένων = = ) (3 0 2) (3 (3 1) ) (2, (2,3) 0 (2,1) ) (1, (1,3) (1,2) 0 D L L L L L L N N D D D D D D D D D N d d d N d d d N d d d = = 0 0 0,3) (,2) (,1) ( ) (3, 0 (3,2) (3,1) D [N x p] L M M M M M L M M M M M N N N N D D D D D D N d N d N d N d d d (i) Negation: A[NxN] = - D[NxN] (i) Negation: A[NxN] D[NxN] (ii) Centering: Bij = Aij -Ai. A.j + A.. (iii) Eigenanalysis of B: Υπολογίζονται οι πρώτες r χαρακτηριστικές ρίζες l1, l2, lr και ί δ ύ 66 τα αντίστοιχα διανύσματα v1[nx1], v2,., vr

67 Metric (κλασσικό) MDS (iv) Normalization of vi : προκύπτει ο [N x r] πίνακας V[Nxr]=[v1 v2.. vr ] (v) Έξοδος: η i-th γραμμή του πίνακα παριέχει τις συντεταγμένες του i-th σημείου στο νέο χώρο r-διαστάσεων (r = 1, 2 ή 3) : V [Nx r] = Χ data [Nxr] χ. =.. χ χ1 1 2 N χ 11, χ12..., χ1 r χ11, χ12..., χ r χ21, χ22..., χ2r χ21, χ22..., χ2r.. = =.... χ N1, χn 2..., χnr χn1, χn 2..., χ (iv) Η κανονικοποιημένη συνολική διαφορά, ως μέτρο ακρίβειας της διαδικασίας Nr Stress = i< j D ij Δ ij i< j D ij όπου Δ είναι ο πίνακας με τις αποστάσεις μεταξύ των σημείων Δij = (χi - χj) L2 χώρο. στο νέο 67

68 Απεικονίσεις Χαμηλής Διάστασης Ευφυής Διαχείριση Βάσεων Δεδομένων Ομαδοποίηση παρόμοιων κατηγοριών 68

Αναζήτηση και ερωτήσεις (visual queries) με βάση την εικόνα: πρόσφατες τεχνολογίες και χρήσεις

Αναζήτηση και ερωτήσεις (visual queries) με βάση την εικόνα: πρόσφατες τεχνολογίες και χρήσεις ΕΛΛΗΝΙΚΟ ΑΝΟΙΧΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΓΡΑΦΙΚΕΣ ΤΕΧΝΕΣ & ΠΟΛΥΜΕΣΑ ΣΕΜΙΝΑΡΙΑΚΗ ΠΑΡΟΥΣΙΑΣΗ 2015 ΥΠΕΥΘΥΝΟΣ ΚΑΘ: ΣΤΥΛΙΑΡΑΣ ΓΕΩΡΓΙΟΣ Αναζήτηση και ερωτήσεις (visual queries) με βάση την εικόνα: πρόσφατες τεχνολογίες

Διαβάστε περισσότερα

MPEG7 Multimedia Content Description Interface

MPEG7 Multimedia Content Description Interface MPEG7 Multimedia Content Description Interface Σ. Φωτόπουλος ΠΑΝΕΠ. ΠΑΤΡΩΝ Τµ. ΦΥΣΙΚΗΣ ΠΜΣ ΗΕΠ σ.1 Αναφέρεται σε «βάσεις» εικόνων,video και ήχου Σ. Φωτόπουλος ΠΑΝΕΠ. ΠΑΤΡΩΝ Τµ. ΦΥΣΙΚΗΣ ΠΜΣ ΗΕΠ σ.2 Πως

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση 12 η. Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση 12 η. Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση 12 η Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων Εισαγωγή (1) Το χρώμα είναι ένας πολύ σημαντικός παράγοντας περιγραφής, που συχνά απλουστεύει κατά

Διαβάστε περισσότερα

Βάσεις εδοµένων & Πολυµέσα

Βάσεις εδοµένων & Πολυµέσα Βάσεις εδοµένων & Πολυµέσα Κουρέλης Στάθης Παρουσίαση πρακτικού µέρους 4ης εργασίας Καθηγητής: κ. Στυλιαράς Γ. Αθήνα - Απρίλιος 2009 Εισαγωγή Οι Βάσεις εδοµένων Πολυµέσων παρέχουν χαρακτηριστικά που επιτρέπουν

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ 1.1 ΕΙΣΑΓΩΓΗ 1.1 1.2 ΤΙ ΕΙΝΑΙ ΜΙΑ ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ 1.2 1.3 ΠΛΗΘΟΣ BITS ΜΙΑΣ ΕΙΚΟΝΑΣ 1.4 1.4 ΕΥΚΡΙΝΕΙΑ ΕΙΚΟΝΑΣ 1.5 1.5 ΕΠΙΠΕ Α BITS ΜΙΑΣ ΕΙΚΟΝΑΣ 1.8 1.6 Η ΦΥΣΗ ΤΟΥ ΧΡΩΜΑΤΟΣ

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ Ψηφιακή Επεξεργασία Εικόνας ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση (Segmentation)

Διαβάστε περισσότερα

Επεξεργασία Χαρτογραφικής Εικόνας

Επεξεργασία Χαρτογραφικής Εικόνας Επεξεργασία Χαρτογραφικής Εικόνας Διδάσκων: Αναγνωστόπουλος Χρήστος Κώδικες μετρήσεων αντικειμένων σε εικόνα Χρωματικά μοντέλα: Munsell, HSB/HSV, CIE-LAB Κώδικες μετρήσεων αντικειμένων σε εικόνες Η βασική

Διαβάστε περισσότερα

Μέθοδοι Αναπαράστασης Περιοχών

Μέθοδοι Αναπαράστασης Περιοχών KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Μέθοδοι Αναπαράστασης Περιοχών ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 11 η : θεωρία Χρώματος & Επεξεργασία Έγχρωμων Εικόνων

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 11 η : θεωρία Χρώματος & Επεξεργασία Έγχρωμων Εικόνων Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 11 η : θεωρία Χρώματος & Επεξεργασία Έγχρωμων Εικόνων Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή

Διαβάστε περισσότερα

Group (JPEG) το 1992.

Group (JPEG) το 1992. Μέθοδοι Συμπίεσης Εικόνας Πρωτόκολλο JPEG Συμπίεση Εικόνας: Μείωση αποθηκευτικού χώρου Ευκολία στη μεταφορά αρχείων Δημιουργήθηκε από την ομάδα Joint Photographic Experts Group (JPEG) το 1992. Ονομάστηκε

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 7 Ανάκτηση Εικόνας βάσει Περιεχομένου (Content-based Image Retrieval)

ΑΣΚΗΣΗ 7 Ανάκτηση Εικόνας βάσει Περιεχομένου (Content-based Image Retrieval) ΑΣΚΗΣΗ 7 Ανάκτηση Εικόνας βάσει Περιεχομένου Content-base Iage Retreval Σκοπός της άσκησης αυτής είναι η ανάκτηση εικόνας μέσα από μια βάση δεδομένων χρησιμοποιώντας χαρακτηριστικά χαμηλού επιπέδου με

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνων

Ψηφιακή Επεξεργασία Εικόνων ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Εικόνων Ενότητα # 19: Επεξεργασία έγχρωμων εικόνων Καθηγητής Γιώργος Τζιρίτας Τμήμα Επιστήμης Υπολογιστών Επεξεργασία έγχρωμων εικόνων Τρία πρωτεύοντα

Διαβάστε περισσότερα

Projects Στα Ειδικά Θέµατα Επεξεργασίας Σήµατος και Εικόνας

Projects Στα Ειδικά Θέµατα Επεξεργασίας Σήµατος και Εικόνας Projects Στα Ειδικά Θέµατα Επεξεργασίας Σήµατος και Εικόνας Τα projects θα γίνουν απο δύο άτοµα Για τα projects 1-4 υπεύθυνος είναι ο κ. Αναστασόπουλος Για τα 5-11 ο κ. Φωτόπουλος Για τα 12-15 οι κ. Φωτόπουλος

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στην κατάτμηση εικόνας Τεχνικές

Διαβάστε περισσότερα

Ειδικές Επιστηµονικές Εργασίες

Ειδικές Επιστηµονικές Εργασίες Ειδικές Επιστηµονικές Εργασίες 2005-2006 1. Ανίχνευση προσώπων από ακολουθίες video και παρακολούθηση (face detection & tracking) Η ανίχνευση προσώπου (face detection) αποτελεί το 1 ο βήµα σε ένα αυτόµατο

Διαβάστε περισσότερα

Προχωρημένες Εργασίες

Προχωρημένες Εργασίες Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τεχνολογία και Ανάλυση Εικόνων και Βίντεο Προχωρημένες Εργασίες Χειμερινό Εξάμηνο 2007-2008 1. Εισαγωγή Σε σχέση με τις

Διαβάστε περισσότερα

Εργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence)

Εργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence) Εργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence) http://www.intelligence.tuc.gr Τμήμα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Το εργαστήριο Ένα από τα 3 εργαστήρια του

Διαβάστε περισσότερα

Συµπίεση Εικόνας: Το πρότυπο JPEG

Συµπίεση Εικόνας: Το πρότυπο JPEG ΒΕΣ : Συµπίεση και Μετάδοση Πολυµέσων ΒΕΣ Συµπίεση και Μετάδοση Πολυµέσων Συµπίεση Εικόνας: Το πρότυπο JPEG ΒΕΣ : Συµπίεση και Μετάδοση Πολυµέσων Εισαγωγή Σχεδιάστηκε από την οµάδα Joint Photographic Experts

Διαβάστε περισσότερα

Συστήματα. βάση την εικόνα. Συγγραφέας: Κουταλά Ματίνα Καθηγητής: Στυλιαράς Γιώργος ΓΤΠ61 ΠΛΗΡΟΦΟΡΙΚΗ-ΠΟΛΥΜΕΣΑ ΕΑΠ

Συστήματα. βάση την εικόνα. Συγγραφέας: Κουταλά Ματίνα Καθηγητής: Στυλιαράς Γιώργος ΓΤΠ61 ΠΛΗΡΟΦΟΡΙΚΗ-ΠΟΛΥΜΕΣΑ ΕΑΠ Συστήματα αναζήτησης με βάση την εικόνα Συγγραφέας: Κουταλά Ματίνα Καθηγητής: Στυλιαράς Γιώργος ΓΤΠ61 ΠΛΗΡΟΦΟΡΙΚΗ-ΠΟΛΥΜΕΣΑ ΕΑΠ 2012-13 1 εικόνα = 1000 λέξεις Εισαγωγή Τα συστήματα αναζήτησης εικόνων, έχουν

Διαβάστε περισσότερα

Σύγκριση Μεθόδων Ανάκτησης Εικόνας Βασισµένης στο Περιεχοµένο µε Παράλληλη Υλοποίηση σε Java

Σύγκριση Μεθόδων Ανάκτησης Εικόνας Βασισµένης στο Περιεχοµένο µε Παράλληλη Υλοποίηση σε Java Πανεπιστήµιο Μακεδονίας Π.Μ.Σ Εφαρµοσµένης Πληροφορικής Σύγκριση Μεθόδων Ανάκτησης Εικόνας Βασισµένης στο Περιεχοµένο µε Παράλληλη Υλοποίηση σε Java ιπλωµατική εργασία Καραφωτιάς Γιώργος 11/20 Αναζήτηση

Διαβάστε περισσότερα

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση Χειμερινό Εξάμηνο 2013-2014 Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση 5 η Παρουσίαση : Ψηφιακή Επεξεργασία Εικόνας Διδάσκων: Γιάννης Ντόκας Σύνθεση Χρωμάτων Αφαιρετική Παραγωγή Χρώματος Χρωματικά

Διαβάστε περισσότερα

ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ

ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.) ΣΕΡΡΩΝ Τμήμα ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ

Διαβάστε περισσότερα

Συστήματα Πολυμέσων. Ενότητα 7: Συμπίεση Εικόνας κατά JPEG. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Συστήματα Πολυμέσων. Ενότητα 7: Συμπίεση Εικόνας κατά JPEG. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 7: Συμπίεση Εικόνας κατά JPEG Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative

Διαβάστε περισσότερα

ΒΕΣ 04: Συµπίεση και Μετάδοση Πολυµέσων. Περιεχόµενα. Βιβλιογραφία. Συµπίεση εικόνων: Το πρότυπο JPEG. Εισαγωγή. Ευθύς µετασχηµατισµός DCT

ΒΕΣ 04: Συµπίεση και Μετάδοση Πολυµέσων. Περιεχόµενα. Βιβλιογραφία. Συµπίεση εικόνων: Το πρότυπο JPEG. Εισαγωγή. Ευθύς µετασχηµατισµός DCT ΒΕΣ : Συµπίεση και Μετάδοση Πολυµέσων Συµπίεση εικόνων: Το πρότυπο JPEG Περιεχόµενα Εισαγωγή Ο µετασχηµατισµός DCT Το πρότυπο JPEG Προετοιµασία εικόνας / µπλοκ Ευθύς µετασχηµατισµός DCT Κβαντισµός Κωδικοποίηση

Διαβάστε περισσότερα

Περιεχόµενα. ΕΠΛ 422: Συστήµατα Πολυµέσων. Βιβλιογραφία. Εισαγωγή. Συµπίεση εικόνων: Το πρότυπο JPEG. Εισαγωγή. Ευθύς µετασχηµατισµός DCT

Περιεχόµενα. ΕΠΛ 422: Συστήµατα Πολυµέσων. Βιβλιογραφία. Εισαγωγή. Συµπίεση εικόνων: Το πρότυπο JPEG. Εισαγωγή. Ευθύς µετασχηµατισµός DCT Περιεχόµενα ΕΠΛ : Συστήµατα Πολυµέσων Συµπίεση εικόνων: Το πρότυπο JPEG Εισαγωγή Ο µετασχηµατισµός DCT Το πρότυπο JPEG Προετοιµασία εικόνας / µπλοκ Ευθύς µετασχηµατισµός DCT Κβαντισµός Κωδικοποίηση ηµιουργία

Διαβάστε περισσότερα

ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ. Κωδικοποίηση εικόνας

ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ. Κωδικοποίηση εικόνας ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ 2 Κωδικοποίηση εικόνας Ακολουθία από ψηφιοποιημένα καρέ (frames) που έχουν συλληφθεί σε συγκεκριμένο ρυθμό frame rate (π.χ. 10fps,

Διαβάστε περισσότερα

Η χρήση του χρώµατος στη χαρτογραφία και στα ΣΓΠ

Η χρήση του χρώµατος στη χαρτογραφία και στα ΣΓΠ Η χρήση του χρώµατος στη χαρτογραφία και στα ΣΓΠ Συµβατική χρήση χρωµάτων στους τοπογραφικούς χάρτες 1/31 Μαύρο: Γκρι: Κόκκινο, πορτοκαλί, κίτρινο: Μπλε: Σκούρο µπλε: Ανοιχτό µπλε: βασικές τοπογραφικές

Διαβάστε περισσότερα

DIP_06 Συμπίεση εικόνας - JPEG. ΤΕΙ Κρήτης

DIP_06 Συμπίεση εικόνας - JPEG. ΤΕΙ Κρήτης DIP_06 Συμπίεση εικόνας - JPEG ΤΕΙ Κρήτης Συμπίεση εικόνας Το μέγεθος μιας εικόνας είναι πολύ μεγάλο π.χ. Εικόνα μεγέθους Α4 δημιουργημένη από ένα σαρωτή με 300 pixels ανά ίντσα και με χρήση του RGB μοντέλου

Διαβάστε περισσότερα

Εφαρμογές Πληροφορικής

Εφαρμογές Πληροφορικής Εφαρμογές Πληροφορικής Κεφάλαιο 11 Πολυμέσα ΜΕΡΟΣ Α 1. Υπερκείμενο Ποιός είναι ο κόμβος, ποιός ο σύνδεσμος και ποιά η θερμή λέξη; 1 2. Υπερμέσα Χαρακτηριστικά Κόμβος (Node) Αποτελεί τη βάση πληροφοριών

Διαβάστε περισσότερα

Τεράστιες ανάγκες σε αποθηκευτικό χώρο

Τεράστιες ανάγκες σε αποθηκευτικό χώρο ΣΥΜΠΙΕΣΗ Τεράστιες ανάγκες σε αποθηκευτικό χώρο Παράδειγμα: CD-ROM έχει χωρητικότητα 650MB, χωρά 75 λεπτά ασυμπίεστου στερεοφωνικού ήχου, αλλά 30 sec ασυμπίεστου βίντεο. Μαγνητικοί δίσκοι χωρητικότητας

Διαβάστε περισσότερα

Μάθημα 9 ο. Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

Μάθημα 9 ο. Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1 Μάθημα 9 ο Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ Εισαγωγή () Η κατάτμηση έχει ως στόχο να υποδιαιρέσει την εικόνα σε συνιστώσες περιοχές και αντικείμενα. Μία περιοχή αναμένεται να έχει ομοιογενή χαρακτηριστικά

Διαβάστε περισσότερα

DIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης

DIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης DIP_05 Τμηματοποίηση εικόνας ΤΕΙ Κρήτης ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Τμηματοποίηση εικόνας είναι η διαδικασία με την οποία διαχωρίζεται μία εικόνα σε κατάλληλες περιοχές ή αντικείμενα. Για την τμηματοποίηση

Διαβάστε περισσότερα

Συμπίεση Πολυμεσικών Δεδομένων

Συμπίεση Πολυμεσικών Δεδομένων Συμπίεση Πολυμεσικών Δεδομένων Εισαγωγή στο πρόβλημα και επιλεγμένες εφαρμογές Παράδειγμα 2: Συμπίεση Εικόνας ΔΠΜΣ ΜΥΑ, Ιούνιος 2011 Εισαγωγή (1) Οι τεχνικές συμπίεσης βασίζονται στην απόρριψη της πλεονάζουσας

Διαβάστε περισσότερα

Συστήματα Πολυμέσων. Ενότητα 8: Συμπίεση Εικόνας κατά JPEG Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Συστήματα Πολυμέσων. Ενότητα 8: Συμπίεση Εικόνας κατά JPEG Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 8: Συμπίεση Εικόνας κατά JPEG 2000 Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.

Διαβάστε περισσότερα

Μάθημα 10 ο. Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1

Μάθημα 10 ο. Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1 Μάθημα 10 ο Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Η περιγραφή μίας περιοχής μπορεί να γίνει: Με βάση τα εξωτερικά χαρακτηριστικά (ακμές, όρια). Αυτή η περιγραφή προτιμάται όταν μας ενδιαφέρουν

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στις τεχνικές βελτίωσης εικόνας

Διαβάστε περισσότερα

Gemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών

Gemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Gemini,, Applications Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Εαρινό Εξάμηνο 2011-2012 Table of contents 1 Table of contents 1 2 Table of contents 1 2 3 Table of contents

Διαβάστε περισσότερα

Εικόνα. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 05-1

Εικόνα. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 05-1 Εικόνα Εισαγωγή Ψηφιακή αναπαράσταση Κωδικοποίηση των χρωμάτων Συσκευές εισόδου και εξόδου Βάθος χρώματος και ανάλυση Συμβολική αναπαράσταση Μετάδοση εικόνας Σύνθεση εικόνας Ανάλυση εικόνας Τεχνολογία

Διαβάστε περισσότερα

DIP_01 Εισαγωγή στην ψηφιακή εικόνα. ΤΕΙ Κρήτης

DIP_01 Εισαγωγή στην ψηφιακή εικόνα. ΤΕΙ Κρήτης DIP_01 Εισαγωγή στην ψηφιακή εικόνα ΤΕΙ Κρήτης Πληροφορίες Μαθήματος ιαλέξεις Πέμπτη 12:15 15:00 Αιθουσα Γ7 ιδάσκων:. Κοσμόπουλος Γραφείο: Κ23-0-15 (ισόγειο( κλειστού γυμναστηρίου) Ωρες γραφείου Τε 16:00

Διαβάστε περισσότερα

Ακαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

Ακαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ, ΤΜΗΜΑ Ι ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΨΣ 50: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ακαδηµαϊκό Έτος 005 006, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Η εξέταση

Διαβάστε περισσότερα

«Τεχνικές επεξεργασίας για βελτιστοποίηση υπερηχογραφικών εικόνων και εξαγωγή χαρακτηριστικών, με χρήση του Matlab.»

«Τεχνικές επεξεργασίας για βελτιστοποίηση υπερηχογραφικών εικόνων και εξαγωγή χαρακτηριστικών, με χρήση του Matlab.» ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Τμήμα Εφαρμοσμένης Πληροφορικής, Πρόγραμμα Μεταπτυχιακών Σπουδών Ειδίκευσης Συστήματα Υπολογιστών «Τεχνικές επεξεργασίας για βελτιστοποίηση

Διαβάστε περισσότερα

χωρίςναδηµιουργείταιαίσθησηαπώλειαςτηςποιότηταςτηςανακατασκευασµένηςεικόνας.

χωρίςναδηµιουργείταιαίσθησηαπώλειαςτηςποιότηταςτηςανακατασκευασµένηςεικόνας. Το πρότυπο JPEG για κωδικοποίησηση εικόνας Το JPEG, που υιοθετήθηκε από την Joint Photographic Experts Group, είναι ένα πρότυπο που χρησιµοποιείταιευρέωςγιατησυµπίεσηακίνητωνεικόνων, µε µέσο λόγο συµπίεσης

Διαβάστε περισσότερα

Ηχρήση του χρώµατος στους χάρτες

Ηχρήση του χρώµατος στους χάρτες Ηχρήση του χρώµατος στους χάρτες Συµβατική χρήση χρωµάτων σε θεµατικούς χάρτες και «ασυµβατότητες» Γεωλογικοί χάρτες: Χάρτες γήινου ανάγλυφου: Χάρτες χρήσεων γης: Χάρτες πυκνότητας πληθυσµού: Χάρτες βροχόπτωσης:

Διαβάστε περισσότερα

ΑΝΑΚΤΗΣΗ ΕΙΚΟΝΑΣ ΑΠΌ ΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ

ΑΝΑΚΤΗΣΗ ΕΙΚΟΝΑΣ ΑΠΌ ΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ Τμήμα Διδακτικής της Τεχνολογίας και Ψηφιακών Συστημάτων ΑΝΑΚΤΗΣΗ ΕΙΚΟΝΑΣ ΑΠΌ ΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ Μεταπτυχιακή Διπλωματική Εργασία Οκτώβριος 2006 Σελίδα-1- Αφιερώνεται στους γονείς

Διαβάστε περισσότερα

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία

Διαβάστε περισσότερα

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab ΑΣΚΗΣΗ 8 Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab 1. Περιγραφή του προτύπου DICOM Η ψηφιακή επεξεργασία ιατρικής εικόνας ξεκίνησε παράλληλα με την ανάπτυξη ενός προτύπου για τη μεταφορά

Διαβάστε περισσότερα

3. ΤΕΧΝΙΚΕΣ ΣΥΜΠΙΕΣΗΣ ΠΟΛΥΜΕΣΩΝ

3. ΤΕΧΝΙΚΕΣ ΣΥΜΠΙΕΣΗΣ ΠΟΛΥΜΕΣΩΝ 3. ΤΕΧΝΙΚΕΣ ΣΥΜΠΙΕΣΗΣ ΠΟΛΥΜΕΣΩΝ ΑΝΑΓΚΗ ΣΥΜΠΙΕΣΗΣ ΔΕΔΟΜΕΝΩΝ Local Multimedia Π.χ. Μία ταινία 90 min απαιτεί 120 GB, και τα σημερινά μέσα αποθήκευσης < 25 GB. Άρα σήμερα είναι αδύνατη η αποθήκευση και η

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Intensity Transformations Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Image Enhancement: είναι

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας Ψηφιακή Επεξεργασία Εικόνας Τι είναι η ψηφιακή εικόνα 1/67 Το μοντέλο της εικόνας ΜίαεικόναπαριστάνεταιαπόέναπίνακαU που κάθε στοιχείο του u(i,j) ονομάζεται εικονοστοιχείο pixel (picture element). Η ανάλυση

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ

ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ Αντικείμενο: Κατανόηση και αναπαράσταση των βασικών σημάτων δύο διαστάσεων και απεικόνισης αυτών σε εικόνα. Δημιουργία και επεξεργασία των διαφόρων

Διαβάστε περισσότερα

Οπτική Μοντελοποίηση Ανθρώπινου Προσώπου με Εφαρμογές σε Αναγνώριση

Οπτική Μοντελοποίηση Ανθρώπινου Προσώπου με Εφαρμογές σε Αναγνώριση Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Τομέας Σημάτων Ελέγχου και Ρομποτικής Οπτική Μοντελοποίηση Ανθρώπινου Προσώπου με Εφαρμογές σε Αναγνώριση Επιβλέπων: καθ. Πέτρος Μαραγκός Ορισμός

Διαβάστε περισσότερα

Ελένη Αντωνίου, A.M Δεκέμβριος Συστήματα Αναζήτησης σε Πολυμεσικό Υλικό

Ελένη Αντωνίου, A.M Δεκέμβριος Συστήματα Αναζήτησης σε Πολυμεσικό Υλικό Ελένη Αντωνίου, A.M 71911 Δεκέμβριος 2013 Συστήματα Αναζήτησης σε Πολυμεσικό Υλικό Περιεχόμενα Ορισμοί Σημασία πολυμεσικού περιεχομένου - Προκλήσεις Συστήματα ανάκτησης εικόνας (βάσει κειμένου ή περιεχομένου)

Διαβάστε περισσότερα

Συστήµατα και Αλγόριθµοι Πολυµέσων

Συστήµατα και Αλγόριθµοι Πολυµέσων Συστήµατα και Αλγόριθµοι Πολυµέσων Ιωάννης Χαρ. Κατσαβουνίδης Οµιλία #5: Αρχές Επεξεργασίας Σηµάτων Πολυµέσων 7 Νοεµβρίου 2005 Επανάληψη Θεωρία Πληροφορίας Εντροπία: H ( P) i= 0 Κωδικοποίηση Huffman 3

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά

ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Αντικείμενο: Εξαγωγή ιστογράμματος εικόνας, απλοί μετασχηματισμοί με αυτό, ισοστάθμιση ιστογράμματος. Εφαρμογή βασικών παραθύρων με την βοήθεια του ΜΑΤLAB

Διαβάστε περισσότερα

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας Ενότητα 10: Εισαγωγή στην επεξεργασία εικόνας Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons

Διαβάστε περισσότερα

Κεφάλαιο 8. Οπτικοποίηση Απαλοιφή

Κεφάλαιο 8. Οπτικοποίηση Απαλοιφή Κεφάλαιο 8. Οπτικοποίηση Απαλοιφή Oι οπτικές επιδράσεις, που μπορεί να προκαλέσει μια εικόνα στους χρήστες, αποτελούν ένα από τα σπουδαιότερα αποτελέσματα των λειτουργιών γραφικών με Η/Υ. Τον όρο της οπτικοποίησης

Διαβάστε περισσότερα

ΑΝΑΚΛΗΣΗ ΕΓΧΡΩΜΩΝ ΕΙΚΟΝΩΝ ΜΕ ΧΡΗΣΗ ΠΕΡΙΓΡΑΦΕΩΝ ΧΡΩΜΑΤΟΣ ΤΟΥ MPEG 7

ΑΝΑΚΛΗΣΗ ΕΓΧΡΩΜΩΝ ΕΙΚΟΝΩΝ ΜΕ ΧΡΗΣΗ ΠΕΡΙΓΡΑΦΕΩΝ ΧΡΩΜΑΤΟΣ ΤΟΥ MPEG 7 Τ Ε Χ Ν Ο Λ Ο Γ Ι Κ Ο Ε Κ Π Α Ι Δ Ε Υ Τ Ι Κ Ο Ι Δ Ρ Υ Μ Α Σ Ε Ρ Ρ Ω Ν Σ Χ Ο Λ Η Τ Ε Χ Ν Ο Λ Ο Γ Ι Κ Ω Ν Ε Φ Α Ρ Μ Ο Γ Ω Ν Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ & Ε Π Ι Κ Ο Ι Ν Ω Ν Ι Ω Ν ΑΝΑΚΛΗΣΗ ΕΓΧΡΩΜΩΝ ΕΙΚΟΝΩΝ

Διαβάστε περισσότερα

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Ιωάννης Φαρασλής Τηλ : 24210-74466,

Διαβάστε περισσότερα

Βασικές έννοιες. Αναλογικό Βίντεο. Ψηφιακό Βίντεο. Κινούμενα γραφικά (animation)( Πλαίσιο (frame, καρέ) Ρυθμός πλαισίων (frame rate)

Βασικές έννοιες. Αναλογικό Βίντεο. Ψηφιακό Βίντεο. Κινούμενα γραφικά (animation)( Πλαίσιο (frame, καρέ) Ρυθμός πλαισίων (frame rate) 8. Video & ΠΟΛΥΜΕΣΑ Βασικές έννοιες Πλαίσιο (frame, καρέ) Ρυθμός πλαισίων (frame rate) Αναλογικό Βίντεο Τύποι αναλογικού σήματος Κωδικοποίηση αναλογικού βίντεο Ψηφιακό Βίντεο Σύλληψη, ψηφιοποίηση, δειγματοληψία

Διαβάστε περισσότερα

Παρουσίαση Νο. 5 Βελτίωση εικόνας

Παρουσίαση Νο. 5 Βελτίωση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση Νο. 5 Βελτίωση εικόνας Εισαγωγή Η βελτίωση γίνεται σε υποκειμενική βάση Η απόδοση εξαρτάται από την εφαρμογή Οι τεχνικές είναι συνήθως ad hoc Τονίζει

Διαβάστε περισσότερα

2. ΨΗΦΙΟΠΟΙΗΣΗ ΠΛΗΡΟΦΟΡΙΑΣ

2. ΨΗΦΙΟΠΟΙΗΣΗ ΠΛΗΡΟΦΟΡΙΑΣ 2. ΨΗΦΙΟΠΟΙΗΣΗ ΠΛΗΡΟΦΟΡΙΑΣ Περιγραφή πληροφορίας. Η πληροφορία περιγράφεται σαν μία ή περισσότερες χρονικές ή χωρικές μεταβλητές. Μετατρέπει την φυσική ποσότητα σε ηλεκτρικό σήμα To σήμα αναπαριστά το

Διαβάστε περισσότερα

Έγχρωµο και Ασπρόµαυρο Φως

Έγχρωµο και Ασπρόµαυρο Φως Έγχρωµο και Ασπρόµαυρο Φως Χρώµα: κλάδος φυσικής, φυσιολογίας, ψυχολογίας, τέχνης. Αφορά άµεσα τον προγραµµατιστή των γραφικών. Αν αφαιρέσουµε χρωµατικά χαρακτηριστικά, λαµβάνουµε ασπρόµαυρο φως. Μόνο

Διαβάστε περισσότερα

Ταίριασμα διδιάστατων εικόνων με ανάλυση σχήματος

Ταίριασμα διδιάστατων εικόνων με ανάλυση σχήματος ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ Ταίριασμα διδιάστατων εικόνων με ανάλυση σχήματος ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ

Διαβάστε περισσότερα

Περιεχόµενα. xii. Κεφάλαιο 1: Εισαγωγή. Κεφάλαιο 2: Επεξεργασία δυαδικών εικόνων

Περιεχόµενα. xii. Κεφάλαιο 1: Εισαγωγή. Κεφάλαιο 2: Επεξεργασία δυαδικών εικόνων xii Ðåñéå üìåíá Περιεχόµενα Κεφάλαιο 1: Εισαγωγή 1.1 ΕΙΣΑΓΩΓH... 1 1.2 ΤΙ ΕIΝΑΙ ΜΙΑ ΨΗΦΙΑΚH ΕΙΚOΝΑ.... 2 1.3 ΠΛHΘΟΣ BITS ΠΟΥ ΑΠΑΙΤΟΥΝΤΑΙ ΓΙΑ ΤΗΝ ΑΠΟΘHΚΕΥΣΗ ΜΙΑΣ ΕΙΚOΝΑΣ... 4 1.4 ΕΥΚΡIΝΕΙΑ ΕΙΚOΝΑΣ... 5

Διαβάστε περισσότερα

Συστήματα Πολυμέσων. Ενότητα 6: Συμπίεση Ψηφιακής Εικόνας. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Συστήματα Πολυμέσων. Ενότητα 6: Συμπίεση Ψηφιακής Εικόνας. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 6: Συμπίεση Ψηφιακής Εικόνας Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία

Τηλεπισκόπηση - Φωτοερμηνεία ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας

Διαβάστε περισσότερα

Βίντεο και κινούµενα σχέδια

Βίντεο και κινούµενα σχέδια Βίντεο και κινούµενα σχέδια Περιγραφή του βίντεο Ανάλυση του βίντεο Κωδικοποίηση των χρωµάτων Μετάδοση τηλεοπτικού σήµατος Συµβατικά τηλεοπτικά συστήµατα Τεχνολογία Πολυµέσων 06-1 Περιγραφή του βίντεο

Διαβάστε περισσότερα

Μάθημα 7 ο. Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

Μάθημα 7 ο. Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1 Μάθημα 7 ο Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι τεχνικές συμπίεσης βασίζονται στην απόρριψη της πλεονάζουσας πληροφορίας Ανάγκες που καλύπτονται Εξοικονόμηση μνήμης Ελάττωση χρόνου και εύρους

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 2

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 2 Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 2 Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Παρουσιάση πλάτους

Διαβάστε περισσότερα

ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011. Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών.

ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011. Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών. 1 ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011 2 Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών. Ενδεδειγμένες και αξιόπιστες μέθοδοι αποτύπωσης Εμπειρικές Τοπογραφικές

Διαβάστε περισσότερα

Τεχνολογία Πολυμέσων. Ενότητα # 11: Κωδικοποίηση εικόνων: JPEG Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής

Τεχνολογία Πολυμέσων. Ενότητα # 11: Κωδικοποίηση εικόνων: JPEG Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Τεχνολογία Πολυμέσων Ενότητα # 11: Κωδικοποίηση εικόνων: JPEG Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου

Διαβάστε περισσότερα

Κωδικοποίηση βίντεο (MPEG)

Κωδικοποίηση βίντεο (MPEG) Κωδικοποίηση βίντεο (MPEG) Εισαγωγή στο MPEG-2 Κωδικοποίηση βίντεο Κωδικοποίηση ήχου Ροή δεδοµένων Εισαγωγή στο MPEG-4 οµή σκηνών Κωδικοποίηση ήχου και βίντεο Τεχνολογία Πολυµέσων 11-1 Εισαγωγή στο MPEG-2

Διαβάστε περισσότερα

Βίντεο. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 06-1

Βίντεο. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 06-1 Βίντεο Εισαγωγή Χαρακτηριστικά του βίντεο Απόσταση θέασης Μετάδοση τηλεοπτικού σήματος Συμβατικά τηλεοπτικά συστήματα Ψηφιακό βίντεο Εναλλακτικά μορφότυπα Τηλεόραση υψηλής ευκρίνειας Κινούμενες εικόνες

Διαβάστε περισσότερα

2.1 ΕΙΣΑΓΩΓΗ 2.1 2.2 ΤΟ ΦΩΣ 2.2 2.3 ΘΕΜΕΛΙΩΔΗ ΣΤΟΙΧΕΙΑ ΧΡΩΜΑΤΟΣ 2.5

2.1 ΕΙΣΑΓΩΓΗ 2.1 2.2 ΤΟ ΦΩΣ 2.2 2.3 ΘΕΜΕΛΙΩΔΗ ΣΤΟΙΧΕΙΑ ΧΡΩΜΑΤΟΣ 2.5 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΕΙΣΑΓΩΓΗ 1.1 ΕΙΣΑΓΩΓΗ 1.1 1.2 ΤΙ ΕΙΝΑΙ ΜΙΑ ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ 1.2 1.3 ΠΛΗΘΟΣ BITS ΜΙΑΣ ΕΙΚΟΝΑΣ 1.4 1.4 ΕΥΚΡΙΝΕΙΑ ΕΙΚΟΝΑΣ 1.5 1.5 ΕΠΙΠΕΔΑ BITS ΜΙΑΣ ΕΙΚΟΝΑΣ 1.8 1.6 ΣΥΣΤΗΜΑ ΣΥΝΤΕΤΑΓΜΕΝΩΝ ΣΤΙΣ

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. 27 Ιουνίου 2008 Ημερίδα για το ΔΠΜΣ - Ηλεκτρονική και Επεξεργασία της Πληροφορίας Τμήμα Φυσικής Πανεπιστήμιο Πάτρας

Αναγνώριση Προτύπων. 27 Ιουνίου 2008 Ημερίδα για το ΔΠΜΣ - Ηλεκτρονική και Επεξεργασία της Πληροφορίας Τμήμα Φυσικής Πανεπιστήμιο Πάτρας Αναγνώριση Προτύπων 27 Ιουνίου 2008 Ημερίδα για το ΔΠΜΣ - Ηλεκτρονική και Επεξεργασία της Πληροφορίας Τμήμα Φυσικής Πανεπιστήμιο Πάτρας Θανάσης Ζάγουρας ΕΡΓΑΣΙΑ 1 ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΣΩΠΟΥ 2/14 Αναγνώριση Προσώπου

Διαβάστε περισσότερα

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ "ΕΞΟΡΥΞΗ ΠΛΗΡΟΦΟΡΙΑΣ ΑΠΟ ΠΟΛΥΜΕΣΑ ΜΕ ΧΡΗΣΗ ΓΝΩΣΗΣ" ΙΩΣΗΦΙ

Διαβάστε περισσότερα

Τεχνολογία Πολυμέσων. Ενότητα # 12: Κωδικοποίηση βίντεο: H.26x Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής

Τεχνολογία Πολυμέσων. Ενότητα # 12: Κωδικοποίηση βίντεο: H.26x Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Τεχνολογία Πολυμέσων Ενότητα # 12: Κωδικοποίηση βίντεο: H.26x Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ,

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 4: ΣΥΣΤΗΜΑΤΑ ΠΟΛΥΜΕΣΩΝ Ακαδηµαϊκό Έτος 004 005, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Η εξέταση αποτελείται από δύο µέρη. Το πρώτο περιλαµβάνει

Διαβάστε περισσότερα

Εφαρμογές της Θεωρίας της Πληροφορίας σε διαδικασίες ανάκτησης εικόνας

Εφαρμογές της Θεωρίας της Πληροφορίας σε διαδικασίες ανάκτησης εικόνας Εφαρμογές της Θεωρίας της Πληροφορίας σε διαδικασίες ανάκτησης εικόνας Μακεδόνας Ανδρέας Μεταδιδακτορικός Ερευνητής Τμ. Φυσικής, Εργαστήριο Ηλεκτρονικής Ένα απλό ερώτημα Στον κόσμο την πληροφορίας υπάρχει

Διαβάστε περισσότερα

MPEG-4: Διαδραστικές εφαρμογές πολυμέσων

MPEG-4: Διαδραστικές εφαρμογές πολυμέσων MPEG-4: Διαδραστικές εφαρμογές πολυμέσων Γιώργος Τζιρίτας Τμήμα Επιστήμης Υπολογιστών http://www.csd.uoc.gr/~tziritas Άνοιξη 2016 1 Εισαγωγή Δημοσίευση 1998 (Intern. Telecom. Union) Επικοινωνίες με πολυμέσα,

Διαβάστε περισσότερα

Επεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας

Επεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Ενότητα 4: Συµπίεση Εικόνας 2 Συµπίεση Εικόνας Μείωση Πλεονασµού: Το σήµα εικόνας παρουσιάζει

Διαβάστε περισσότερα

ΝΤUA. Τεχνολογία Πολυμέσων

ΝΤUA. Τεχνολογία Πολυμέσων ΝΤUA Τεχνολογία Πολυμέσων Contents 2. Lesson 5: Video Metadata What Metadata is data about data. An item of metadata may describe an individual datum, or content item, or a collection of data including

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 1. Εισαγωγή

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 1. Εισαγωγή Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 2015-16 Παρουσίαση Νο. 1 Εισαγωγή Τι είναι η εικόνα; Οτιδήποτε μπορούμε να δούμε ή να απεικονίσουμε Π.χ. Μια εικόνα τοπίου αλλά και η απεικόνιση

Διαβάστε περισσότερα

Ζητήματα ηήμ με τα δεδομένα

Ζητήματα ηήμ με τα δεδομένα Ζητήματα ηήμ με τα δεδομένα Ποιότητα Απαλοιφή θορύβου Εντοπισμός ανωμαλιών λώ Ελλιπείς τιμές Μετασχηματισμός Κβάντωση Μείωση μεγέθους Γραμμών: ειγματοληψία Στηλών: Ιδιοδιανύσματα, Επιλογή χαρακτηριστικών

Διαβάστε περισσότερα

ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ. Εισαγωγή

ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ. Εισαγωγή ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ 1 Εισαγωγή Το μάθημα «Αρχές Ψηφιακής Τηλεόρασης» εξετάζει τις τεχνολογίες και τους μηχανισμούς που παρεμβάλλονται για να διανεμηθεί

Διαβάστε περισσότερα

ΟΜΑΔΟΠΟΙΗΣΗ ΑΡΙΘΜΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

ΟΜΑΔΟΠΟΙΗΣΗ ΑΡΙΘΜΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΤΟΠΟΓΡΑΦΙΑΣ ΟΜΑΔΟΠΟΙΗΣΗ ΑΡΙΘΜΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΒΥΡΩΝΑΣ ΝΑΚΟΣ ΑΘΗΝΑ 2006 ΠΕΡΙΕΧΟΜΕΝΑ Περιεχόμενα 1. Εισαγωγή 1 2. Μέθοδοι σταθερών

Διαβάστε περισσότερα

DIP_05 Τµηµατοποίηση εικόνας. ΤΕΙ Κρήτης

DIP_05 Τµηµατοποίηση εικόνας. ΤΕΙ Κρήτης DIP_05 Τµηµατοποίηση εικόνας ΤΕΙ Κρήτης ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Τµηµατοποίηση εικόνας είναι η διαδικασία µε την οποία διαχωρίζεται µία εικόνα σε κατάλληλες περιοχές ή αντικείµενα. Για την τµηµατοποίηση εικόνας

Διαβάστε περισσότερα

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση Χειμερινό Εξάμηνο 2013-2014 Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση 4 η Παρουσίαση : Επεξεργασία Εικόνας Διδάσκων: Γιάννης Ντόκας Εισαγωγή στις Έννοιες των Εικόνων Στο χώρο των πολυμέσων χρησιμοποιείται

Διαβάστε περισσότερα

Α.Τ.Ε.Ι. ΜΑΚΕΔΟΝΙΑΣ Τμήμα πληροφορικής και επικοινωνιών. Συμπίεση ψηφιακών εικόνων με ανάλυση κύριων συνιστωσών και χρήση νευρωνικού δικτύου.

Α.Τ.Ε.Ι. ΜΑΚΕΔΟΝΙΑΣ Τμήμα πληροφορικής και επικοινωνιών. Συμπίεση ψηφιακών εικόνων με ανάλυση κύριων συνιστωσών και χρήση νευρωνικού δικτύου. ΑΤΕΙ ΜΑΚΕΔΟΝΙΑΣ Τμήμα πληροφορικής και επικοινωνιών Συμπίεση ψηφιακών εικόνων με ανάλυση κύριων συνιστωσών και χρήση νευρωνικού δικτύου Ψηφιακή είκόνα Η ψηφιακή εικόνα είναι ένα πεπερασμένο σύνολο περιοχών

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 6 η : Συμπίεση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 6 η : Συμπίεση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 6 η : Συμπίεση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στη συμπίεση εικόνας Μη απωλεστικες

Διαβάστε περισσότερα

Ανάκτηση Εικόνας βάσει Υφής με χρήση Eye Tracker

Ανάκτηση Εικόνας βάσει Υφής με χρήση Eye Tracker Ειδική Ερευνητική Εργασία Ανάκτηση Εικόνας βάσει Υφής με χρήση Eye Tracker ΚΑΡΑΔΗΜΑΣ ΗΛΙΑΣ Α.Μ. 323 Επιβλέπων: Σ. Φωτόπουλος Καθηγητής, Μεταπτυχιακό Πρόγραμμα «Ηλεκτρονική και Υπολογιστές», Τμήμα Φυσικής,

Διαβάστε περισσότερα

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Σύνθεση Πανοράµατος Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Τµήµα Εφαρµοσµένης Πληροφορικής Πρόγραµµα Μεταπτυχιακών Σπουδών Ειδίκευσης Σύγκριση Μεθόδων Ανάκτησης Εικόνας Βασισµένης στο Περιεχοµένο µε

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 3. Δισδιάστατα σήματα και συστήματα #2

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 3. Δισδιάστατα σήματα και συστήματα #2 Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 2015-16 Παρουσίαση Νο. 3 Δισδιάστατα σήματα και συστήματα #2 Πληροφορία πλάτους-φάσης (1/4) Ο μετασχηματισμός Fourier διακριτού χρόνου είναι μιγαδική

Διαβάστε περισσότερα

Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα

Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα Απεικόνιση Γραφικά ΥφήςΥπολογιστών Απεικόνιση Υφής Μέρος Α Υφή σε Πολύγωνα Γ. Γ. Παπαϊωάννου, - 2008 Τι Είναι η Υφή; Η υφή είναι η χωρική διαμόρφωση των ποιοτικών χαρακτηριστικών της επιφάνειας ενός αντικειμένου,

Διαβάστε περισσότερα

ΦΩΤΟΡΕΑΛΙΣΜΟΣ & ΚΙΝΗΣΗ (ΘΕΩΡΙΑ)

ΦΩΤΟΡΕΑΛΙΣΜΟΣ & ΚΙΝΗΣΗ (ΘΕΩΡΙΑ) ΦΩΤΟΡΕΑΛΙΣΜΟΣ & ΚΙΝΗΣΗ ΔΙΔΑΣΚΩΝ : ΝΤΙΝΤΑΚΗΣ ΙΩΑΝΝΗΣ (MSC) Καθηγητής Εφαρμογών ΚΑΡΔΙΤΣΑ 2013 ΤΙ ΕΙΝΑΙ ΦΩΤΟΑΠΟΔΟΣΗ: ΕΝΝΟΟΥΜΕ ΤΗ ΔΙΑΔΙΚΑΣΙΑ ΚΑΘΟΡΙΣΜΟΥ ΟΛΩΝ ΕΚΕΙΝΩΝ ΤΩΝ ΣΤΟΙΧΕΙΩΝ ΚΑΙ ΠΑΡΑΜΕΤΡΩΝ ΩΣΤΕ ΝΑ ΕΧΟΥΜΕ

Διαβάστε περισσότερα

Μελέτη χαρτογραφικής οπτικοποίησης χρονικά μεταβαλλόμενων κλιματικών δεδομένων του Ελλαδικού χώρου για άτομα με δυσχρωματοψία.

Μελέτη χαρτογραφικής οπτικοποίησης χρονικά μεταβαλλόμενων κλιματικών δεδομένων του Ελλαδικού χώρου για άτομα με δυσχρωματοψία. ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ Μελέτη χαρτογραφικής οπτικοποίησης χρονικά μεταβαλλόμενων κλιματικών δεδομένων του Ελλαδικού χώρου για άτομα με δυσχρωματοψία. ΑΝΤΩΝΟΠΟΥΛΟΥ ΚΩΝΣΤΑΝΤΙΝΑ ΕΛΕΝΗ ΠΑΠΑΚΩΝΣΤΑΝΤΙΝΟΥ ΑΠΟΣΤΟΛΟΣ

Διαβάστε περισσότερα

Wavelets α. Τι είναι τα wavelets;

Wavelets α. Τι είναι τα wavelets; α. Τι είναι τα wavelets; Τα wavelets είναι συναρτήσεις που ικανοποιούν συγκεκριμένες απαιτήσεις. Το όνομα προέρχεται από την απαίτηση να ολοκληρώνονται στο μηδέν, waving πάνω και κάτω από τον άξονα-x.

Διαβάστε περισσότερα