URSI-TÜRKİYE’2014 VII. Bilimsel Kongresi, 28-30 Ağustos 2014, ELAZIĞ
Önsel Bilgiyle El İmgelerinin Çevritini Bulma ve Temel Bileşenler
Analiziyle Eli Yeniden Modelleme
Bekir Dizdaroğlu, Elif Bayrak
Karadeniz Teknik Üniversitesi
Bilgisayar Mühendisliği Bölümü
Trabzon
[email protected], [email protected]
Özet: Bu bildiride verilen girdi imgelerindeki el modelleri dikkate alınarak yeni bir el modelinin oluşturulması
işlemi gerçekleştirilmiştir. Yöntemde, başlangıçta renkli girdi imgeleri iki düzeyli imgelere dönüştürülmüştür.
Daha sonra çevrit noktalarındaki koordinat değerlerinin ortalamaları elde edilir ve ortak değişinti matrisi
hesaplanır. Son olarak ortak değişinti matrisinden elde edilen en anlamlı özdeğerlere ait özvektörler dikkate
alınarak yeni bir el modeli oluşturulur. Önerilen yönteme ait görsel sonuçlar kendi veritabanımızdaki imgeler
üzerinden elde edilmiştir.
Abstract: In this paper, the estimation process of a new hand model is performed taking into account hand
models in the given input images. In the method, firstly, the color input images are converted to binary images.
Afterwards, the averages of coordinate values at contour points are obtained, and the covariance matrix is
calculated. Lastly, a new hand model is created taking into account the eigenvectors related to the most
significant eigenvalues of the covariance matrix. The visual results for the proposed method are generated with
the images in our database.
1. Giriş
Herhangi bir imgedeki nesnelerin algılanması ve kenarlarının belirlenmesi sayısal imge işlemde en kritik ön
işlem adımlarından bir tanesidir. Çünkü nesnenin geometrik veya radyometrik bir bozulmaya uğraması, bazı
kısımlarının başka bir nesne tarafından örtülmesi veya gürültü içermesi gibi istenmeyen durumlar daha sonraki
işlem adımlarını oldukça etkilemektedir. Geometrik ve radyometrik bozulmalar, nesneler normalize edilerek
giderilebilir. Örtüşme sorunları ise, aktif şekil modelleme yaklaşımlarıyla ortadan kaldırılabilir. Gürültü azaltma
işlemini yapılırken dikkat edilmesi gereken nokta ise, imgenin yapı ve doku bilgisinin korunmasıdır.
Gradyan vektör alanı gibi klasik kenar belirleme yaklaşımları kapalı bir çevrit üretemediğinden, nesne
kenarlarının belirlenmesinde aktif şekil modelleme ve düzey küme yaklaşımları kullanılmaktadır [1-3]. Aktif
şekil modelleme, üzerinde işlem yapılacak model için daha önceden elde edilen önsel bilgileri dikkate alarak
çözüm uzayına kısıtlama getiren bir modelleme yaklaşımıdır. Öte yandan, düzey küme yöntemleri kenar ve
bölge tabanlı olmak üzere iki ayrı ana başlık altında toplanabilir. Kenar tabanlı yaklaşımlarda gradyan vektör
alanından yararlanılmaktadır. Bölge tabanlı yaklaşımlarda ise, arkaplana ve nesneye ait bölgelerdeki piksellerin
ortalama değerleri dikkate alınmaktadır.
Aktif şekil modellemede önsel bilgiler kullanılarak nesneye ait yapı, doku, renk ve devinim gibi öznitelikler
çıkarılmakta ve elde edilen bu öz nitelikler dikkate alınarak herhangi bir imgede benzer bir nesnenin olup
olmadığı tespit edilebilmektedir.
Bu çalışmada da temel bileşenler analizi yaklaşımı [1, 3] kullanılmış ve veritabanındaki farklı el resimlerine
bağlı olarak yeni bir el modeli oluşturulmuştur. Aşağıdaki bölümde önerilen çalışmayla ilgili detaylı açıklamalar
yapılmıştır.
2. Önerilen Yöntem
Yapılan çalışma, birkaç işlem adımlarından oluşmaktadır. Bu işlem adımları aşağıda verilmiştir:
(a) Veritabanındaki her bir renkli imgeyi gri düzeye çevir, elde edilen gri düzeyli imgeyi eşik değeri 80 olan bir
eşikleme işlemine tabi tutarak iki düzeyli bir imgeye dönüştür (Şekil 1). İki düzeyli imgenin çevritlerini, o
URSI-TÜRKİYE’2014 VII. Bilimsel Kongresi, 28-30 Ağustos 2014, ELAZIĞ
anki işlenen piksel pencerenin merkezini göstermek şartıyla
bir pencere maskesi içersinde saat
yönünün tersinde arama yaparak bul ve bu çevrit noktalarını belli aralıklarla, örneğin 4 nokta atlayarak bir
diziye aktar. Önerilen yaklaşımda, her bir imgedeki çevrit noktaları için dizi boyutu 82 olarak alınmıştır.
(b)
(a)
(c)
Şekil 1. Ön işlem adımları: (a) Girdi imgesi , (b) gri düzeyli imge, (c) eşikten geçirilmiş iki düzeyli imge.
(b) Diziye aktarılmış her bir el imgesindeki çevriti dikkate alarak ortak değişinti matrisini hesapla:
Ön işlemlerden elde edilen çevrit noktalarını
koordinatlarıyla temsil
edilmek üzere,
şeklinde bir dizide tut. Bu verilerin ortalama değerlerini,
tane
farklı el imgesi için aşağıdaki gibi elde et:
(1)
Daha sonra ortak değişinti matrisini hesapla:
(2)
(c) Ortak değişinti matrisinden tekil değerler ayrışımı yöntemiyle ilgili özvektörleri ve
özdeğerleri elde
et, burada
aralığındadır ve dikkate alınacak en anlamlı özdeğerlerin sayısını göstermektedir.
(d) Son olarak yeni el modelini aşağıda verilen denkleme göre oluştur [1]:
(3)
burada
dir.
3. Deneysel Çalışmalar
Yönteme ait elde edilen sonuçlar aşağıda Şekil 2.’de verilmiştir. Yöntemde eğitim verisi olarak
boyutlu
11 farklı renkli el imgesi kullanılmıştır. Modelleme işleminde, elde edilen en büyük özdeğerli özvektörler
dikkate alınmıştır. Yöntem, önsel işlem için kullanılan veritabanındaki imgelerin sayısından ve bu bilgilerden
elde edilen özdeğerli özvektörlerden ne kadarının işleme katılıp katılmamasına bağlı olarak farklı sonuçlar
üretmektedir. Ayrıca, bazı imgelerde dikkate alınan çevrit noktalarında eksiklik olduğundan yeni el imgesi tam
anlamıyla kestirilememektedir. Bu sorun girdi imgelerinin geometrik bozulma içermesinden kaynaklanmaktadır.
Uygulamaya ait bir bilgisayar programı Microsoft Visual C++ ile yazılmıştır ve yeni bir el modeli oluşturmak
için geçen süre, Pentium 2.20 GHz işlemcili ve 2GB RAM bellekli bir dizüstü bilgisayarda yaklaşık 3 sn. dir.
URSI-TÜRKİYE’2014 VII. Bilimsel Kongresi, 28-30 Ağustos 2014, ELAZIĞ
(a)
(b)
(c)
(d)
Şekil 2. Önerilen yöntemle yeni el modeli oluşturma: (a) Veritabanındaki örnek iki el modeli (üst ve alt taraf),
(b) a) daki el imgelerine ait çevrit noktaları, (c) işlemde dikkate alınan 82 tane çevrit noktası ve (d) modellenen
yeni el imgeleri (üst taraftaki imge modellemesinde özdeğerli özvektörlerin ilk 17 tanesi ve alt taraftaki imge
modellemesinde ise özdeğerli özvektörlerin ilk 3 tanesi dikkate alınmıştır).
4. Sonuçlar
Bu bildiride, farklı açılardan çekilmiş el fotoğrafları girdi imgeleri olarak alınmış, bu imgelerden öznitelik
çıkarımı yapılmış ve buna göre yeni bir el modeli oluşturulmaya çalışılmıştır. Elde edilen sonuçlar, kestirimi
yapılan yeni el modelinin biraz şekil bozukluğu içerdiğini göstermektedir. Bu yüzden, daha sonraki çalışmalarda
ölçekleme, öteleme, döndürme, kayıklık ve ayna yansıması gibi geometrik bozulmaları ortadan kaldırmak için
girdi imgelerinin normalize edilmesi [4] ve ayrıca örtüşme ve eksiklik içeren el imgelerinin aktif çevrit
modelleme yaklaşımıyla [2,3] bölütlenmesinin yapılması planlanmaktadır.
Kaynaklar
[1] Cootes T., Cooper D., Taylor C. ve Graham J., "Active shape models-their training and application",
Computer Vision and Image Understanding, 61(1), s. 38-59, 1995.
[2] Kass M., Witkin A. ve Terzopoulos D., "Snakes: Active contour models", Int. J. Comput. Vis., 1, s. 321–
331, 1988.
[3] Bresson X., Vandergheynst P. ve Thiran J.-P., "A variational model for object segmentation using boundary
information and shape prior driven by the Mumford-Shah functional", Int. J. Comput. Vis., 68 (2), s. 145162, 2006.
[4] Flusser J., Suk T. ve Zitova B., Moments and moment invariants in pattern recognition, Wiley, Chichester,
United Kingdom, 2009.
Download

Önsel Bilgiyle El İmgelerinin Çevritini Bulma ve Temel Bileşenler