Bir fotoğraftan trafik işaretleri nasıl çıkarılır?

Trafik işaretlerini aşağıdaki gibi bir görüntüden çıkarmak için hangi görüntü analiz tekniklerini kullanabilirim?

Düzenle:

Anisotropik difüzyondan sonra: İstemediğim arka plan biraz temizleniyor

Dilatasyondan Sonra:

Difüzyon Sonrası Eşikleme: Bu amaç için en iyi eşiklemeyi bulamıyorum

Ancak nasıl arka plan kaldırmak için anlayamıyorum?

Düzenleme: Sadece resmimin bu bölümlerini istiyorum

Başka bir giriş resmi çekmek:

Medyan filtreleme ve kenar algılama uygulama:

Alt şapka filtrelemesinden sonra:

Lütfen yol işaretlerini nasıl yalıtabilirim?

Korelasyon gibi basit bir şey denediniz mi?

( DÜZENLE ). Korelasyonun arkasındaki fikir, bir şablon (sizin durumunuzda eğitimli bir yol işareti örneği) kullanmak ve bunu test görüntüsündeki her konumla karşılaştırmaktır. Aşağıdaki görüntüleri oluşturmak için kullandığım karşılaştırma işlemine normalleştirilmiş çapraz korelasyon denir . Kabaca konuşmak gerekirse, şablondaki pikselleri ve eşleştirmek istediğiniz görüntü bölümünü standartlaştırır (ortalama = 0, standart sapma = 1), piksel olarak piksel ile çarpar ve ürünlerin ortalama değerini hesaplarsınız. Bu şekilde bir "maç skoru", yani test görüntüsündeki her pozisyonda şablon ve test görüntüsü arasındaki benzerlik ölçüsü elde edersiniz. En iyi eşleşmeye sahip konum (en yüksek korelasyon), yol işaretinin konumu için en muhtemel adaydır. (Aslında, Mathematica işlevini kullandımAşağıdaki görüntüyü oluşturma direnci , bu 1 - (normalleştirilmiş korelasyon). Yani maç görüntüsündeki en karanlık nokta en iyi eşleşmeye karşılık gelir).

Başka şablonum yok, bu yüzden yayınladığınız ikinci resimdeki işareti kırptım:

Şablon hafifçe döndürülmüş olsa da, çapraz korelasyon hala kullanılabilir görünüyor

ve en iyi eşleşme doğru konumda bulunur:

(Tabii ki herhangi bir boyuttaki işaretleri tespit etmek için her şablonun birden fazla ölçekli sürümüne ihtiyacınız olacaktır)

Ustalarım sırasında, amirimin katıldığı proje, bir video sekansındaki (örneğin yol tespiti, yol merkez hattı tespiti, aynı zamanda trafik işareti tespiti ve tanıma ) her türlü farklı trafik sinyalizasyonunu tespit etmek ve tanımakla uğraşmaktı . Üzerinde çalıştığımız video çerçeveleri birçok açıdan örnek resimlerinize benziyor.

Şahsen trafik işaretleri üzerinde çalışmadıysam, en iyi sonuçların Viola-Jones Algoritması (kağıt) kullanılarak elde edildiğini düşünüyorum . Kısacası, zor görevlerde bile sağlam olan güçlü bir sınıflandırıcı oluşturmak için zayıf sınıflandırıcılardan (rastgele bir algoritmadan biraz daha yüksek doğrulukla) oluşan bir algoritma kullanır .

Proje MASTIF (Trafik Altyapısının Durumunun Haritalanması ve Değerlendirilmesi) olarak adlandırıldı ve gerçekten iyi çalışmalar yaptı. Proje ile ilgili yayınlanan tüm makalelere bağlantılar sağladığı için projenin yayın sayfası gerçekten faydalı olabilir. Size bir fikir vermek için bazı yayınları (kronolojik sırayla) açıklayayım:

• Karla Brkić, Axel Pinz, Siniša Šegvić: "Otomatik trafik altyapısı envanter sisteminin bir bileşeni olarak trafik işareti algılama"
• A. Martinović, G. Glavaš, M. Juribašić, D. Sutić ve Z. Kalafatić: "Trafik İşaretlerinin Gerçek Zamanlı Tespiti ve Tanınması"
• Igor Bonači, Ivan Kusalić, Ivan Kovaček, Zoran Kalafatić, Siniša Šegvić: "Trafik işareti algılama ve tanımada yanlış alarmları ve yerelleştirme yanlışlığını ele alma"

Bir kez daha, kişisel olarak trafik işaretleri üzerinde çalışmadım, ancak burada çok sayıda yararlı malzeme bulabileceğinizi düşünüyorum. Ayrıca, makalelerde atıfta bulunulan referansları incelemenizi de öneriyorum.

Google road way signs detection, bu konuda size birçok iyi makale sunar.

Bazıları tuhaf mavi, yeşil, kırmızı renkler vb.

Bazıları önce Gauss yumuşatma uygular, daha sonra tabela çıkarmak için canny kenar algılama ve kontur bulma.

İki bağlantıyı deneyin: Bağlantı 1 , Bağlantı 2

Kesinlikle burada bir uzman değilim ama kenar algılama (baş gibi) ile başlayabilir, daha sonra daireler, dikdörtgenler, kareler veya üçgenleri (tespit etmek istediğiniz işarete göre) tespit etmek için hough dönüşümü yapabilir, sonra şablonu yapabilirsiniz renkler yeterince farklıysa (hough dönüşümü tarafından döndürülen adaylar üzerinden).

İlk adım (hough dönüşümü kullanarak adayları tespit etmek) daha zor adımdır. Bu adayın işaret olup olmadığını tespit etmeye çalışmanın birçok yolunu düşünebilirim. Bu eğlenceli bir problem. Çözmenin tadını çıkarın :)

Bu arada, son derece alakalı iyi araştırma makaleleri bulacağınızdan eminim