การประมวลผลสัญญาณ

จะมีวิธีอย่างไรในการสร้างกิ่งก้านขึ้นใหม่ในภาพถ่ายของต้นไม้ที่ส่วนของกิ่งก้านปกคลุมด้วยใบไม้ ฉันสามารถแยกส่วนต่าง ๆ ที่มองเห็นได้ของกิ่งไม้โดยการตั้งค่าใหม่และเปิดด้วยส่วนของเส้นตรงในมุมที่แตกต่างกันไม่กี่ แต่ฉันจะ (ประมาณ) เติมช่องว่างที่ถูกปกคลุมด้วยใบไม้ได้อย่างไร สมมติว่าเราเริ่มต้นด้วยภาพวาดของต้นไม้นี้: โหลดภาพเป็นโทนสีเทา uu = mmreadgray ('tree2.jpg') เกณฑ์สีเข้ม แปลงเป็นไบนารี่ ลบภูมิภาคที่เชื่อมต่อภายใต้พื้นที่ 200px vv = mmareaopen (mmbinary (mmthreshad (mmneg (uu), 200)), 20) vv แบบเปิดที่มีส่วนของเส้น 10px ที่ 90 องศา, 180 องศา, 135 องศาและ 45 องศา; เพิ่มภาพเหล่านี้เข้าด้วยกันเพื่อสร้างภาพเครื่องหมาย zz zz = mmaddm (mmaddm (mmaddm (mmopen (vv, mmseline (10, 90)), …

12 image-processing  matlab  image-segmentation  morphology 

ฉันพยายามประเมินคุณภาพของวิธีการแก้ไขภาพหลายวิธีสำหรับแอปพลิเคชันที่เกี่ยวข้องกับการสร้างภาพที่เลื่อนพิกเซลย่อย ฉันคิดว่าฉันสามารถเปรียบเทียบผลลัพธ์ของการเลื่อนระดับพิกเซลย่อยโดยใช้ตัวแปรการประมาณค่าเหล่านี้ทั้งหมดกับภาพที่เลื่อนได้อย่างสมบูรณ์ แต่อาจเป็นไปไม่ได้ที่จะได้รับมัน (สิ่งใดที่จำเป็นสำหรับการแก้ไข) ฉันกำลังคิดเกี่ยวกับการใช้ DFT + ในโดเมนความถี่และฉันไม่แน่ใจว่ามันใช้งานได้จริงอย่างไรเมื่อเปรียบเทียบกับการสอดแทรกภาพอย่างชัดเจน (โดยใช้ bilinear, bicubic ฯลฯ ... ) ฉันแน่ใจว่ามันไม่สามารถสร้างภาพที่เลื่อนได้อย่างสมบูรณ์แต่ฉันไม่สามารถวางนิ้วลงบนมันได้ พิกเซลย่อยขยับด้วย DFT เทียบเท่ากับการใช้การประมาณค่าและถ้าใช่ใช้อันไหน อคติของค่าพิกเซลในภาพที่ได้รับโดยใช้วิธีนี้คืออะไร? ขอบคุณ! แก้ไข: หลังจากคิดเรื่องไปแล้วฉันคิดว่าเนื่องจาก FFT เป็นการประมาณ (ยิ่ง DFT) ของฟังก์ชันดั้งเดิมในแง่ของฮาร์โมนิก (ฟังก์ชันไซน์) ว่ามันจะเท่ากับการประมาณตรีโกณมิติบางประเภท ฉันจำสูตร "การแก้ไขอนุกรมฟูริเยร์" สำหรับข้อมูลที่ไม่ต่อเนื่องซึ่งเป็นการแก้ไขตรีโกณมิติ แต่ไม่แน่ใจว่ามันเชื่อมต่ออยู่หรือไม่

12 image-processing  dft  interpolation 

ฉันมีความรู้การใช้งานพื้นฐานของ 2D 8x8 DCT ที่ใช้ในการบีบอัดภาพและวิดีโอ ในขณะที่อ่านเกี่ยวกับการวิเคราะห์องค์ประกอบหลักการฉันสามารถเห็นความคล้ายคลึงกันได้มากมายแม้ว่า PCA จะเป็นแบบทั่วไปที่ชัดเจนกว่า เมื่อฉันอ่านเกี่ยวกับ DCT ก่อนหน้านี้มันถูกนำเสนอเสมอเกี่ยวกับ DFT ดังนั้นคำถามของฉันคือ DCT จะได้มาจากมุมมอง PCA ได้อย่างไร (แม้คำอธิบายคลื่นมือก็เพียงพอ) ขอบคุณมาก

12 image-processing  discrete-signals  dct  video-compression 

ฉันมีข้อมูลทางสรีรวิทยาหลายครั้ง ฉันกำลังทำการวิเคราะห์โดยใช้ความถี่เพื่อวิเคราะห์พลังงาน (แอมพลิจูด) ในความถี่ที่น่าสนใจ เฉลี่ยการทดลองหลายครั้งที่มีความยาวเท่ากันหรือไม่แล้วใช้ FFT เดียวของสัญญาณเฉลี่ยเทียบกับการคำนวณ FFT สำหรับการทดลองแต่ละครั้งและจากนั้นเฉลี่ยค่าเฉลี่ย bins ที่เท่ากัน? ในทางปฏิบัติฉันค้นหาสิ่งนี้ไม่ได้เป็นอย่างนั้น โดยเฉพาะอย่างยิ่งสัญญาณมีองค์ประกอบที่แข็งแกร่ง 1 / f ตามธรรมชาติและสิ่งนี้จะได้รับการเน้นถ้าฉันคำนวณ FFT ของการทดลองแต่ละครั้งและเฉลี่ยแอมพลิจูด (ส่วนที่แท้จริง) ของแต่ละช่องความถี่ ทั้งสองเทียบเท่ากันหรือไม่ มีวิธีที่ถูกต้องในการทำสิ่งต่าง ๆ หรือไม่? หรือภายใต้เงื่อนไขใดบ้างที่ควรเลือกระหว่างการหาค่าเฉลี่ยของโดเมนเวลาเทียบกับการเฉลี่ยค่าเฉลี่ยถังขยะ

12 fft 

ฉันอธิบายคำถามของฉันด้วยตัวอย่างง่าย ๆ ฉันสามารถออกแบบระบบวิชันซิสเต็มสำหรับการตรวจสอบสินค้าโดยอัตโนมัติด้วยข้อกำหนดหลักเหล่านี้: รูปภาพของชิ้นส่วนที่ดีจะต้องเป็นพื้นหลังสีดำและชิ้นส่วนต้องเป็นสีเทา ข้อบกพร่องจะต้องปรากฏเป็นพื้นที่สีขาวภายในพื้นที่สีเทา ความต้องการเหล่านี้ทำให้ส่วนซอฟต์แวร์ของระบบง่ายขึ้น: เพื่อจัดประเภทรายการเป็นอัลกอริธึมที่บกพร่องเพียงแค่นับพิกเซลสีขาว แต่เพื่อให้ได้อัลกอริธึมที่ตรงไปตรงมานี้ฉันจะต้องมีความสามารถในการออกแบบส่วนแสง / ออปติคอล / กลไกของระบบและส่วนนั้นอาจมีค่าใช้จ่ายมากกว่าซอฟต์แวร์ ในอดีตฉันอาจจะอ่านประโยคอย่าง"ทำมากที่สุดเท่าที่จะทำได้ด้วยกลไกและซอฟต์แวร์ให้น้อยที่สุด" ; ดูเหมือนว่าฉันจะอยู่ในหนังสือของปี 1990 (หรือ 1980) เกี่ยวกับการมองเห็นเครื่องจักรที่ใช้งานได้จริง แต่ฉันไม่พบการอ้างอิง / การอ้างอิงที่เหมาะสม

12 image-processing  computer-vision  algorithms  reference-request  theory 

ฉันรู้ว่าคุณสามารถคำนวณ homographies จากภาพไปยังระนาบกล้องโดยใช้จุดการติดต่อระหว่าง "โมเดลที่สมบูรณ์แบบ" และจุดภาพ ฉันทำเพื่อสนามฟุตบอล / และใช้การตรวจจับขอบเพื่อค้นหาเส้นสีขาวในสนาม แต่กล้องไม่ได้ครอบคลุมทุกสนามดังนั้นฉันไม่สามารถมองเห็นมุมทั้งหมดได้และฉันมีเพียงมุมเท่านั้นที่เป็นที่รู้จัก 100% ในโมเดล (ไม่มีจุดที่แตกต่างอื่น ๆ ) ดังนั้นปัญหาก็คือถ้าหากเส้นตัดกับอีกเส้นหนึ่งและทำมุมฉันก็รู้จุดภาพของเส้นไม่ใช่พิกัด "เพอร์เฟ็ค / โลกแห่งความเป็นจริง" ที่สอดคล้องกันในโมเดล มีวิธีใดบ้างที่ฉันสามารถใช้บรรทัดที่ตรวจพบเพื่อคำนวณ homography หรือแม้แต่แค่ชุดของ homographies ที่มีผู้สมัครแม้ว่าเส้นที่ตรวจพบจะไม่ตัดกันและสร้างมุม? ภาพตัวอย่างการแสดงระดับเสียงมุมมองของเราและจุดที่ระดับเสียงซึ่งฉันสามารถทราบพิกัดโลก / โมเดลที่สอดคล้องกัน (วงกลมสีเขียว) และตัวอย่างของ 2 บรรทัดที่อาจไร้ประโยชน์อย่างสมบูรณ์ตั้งแต่ในมุมมองของเรา ฉันไม่มีเงื่อนงำตรงจุดที่พวกเขาเริ่มหรือหยุดในโลกแห่งความจริง / แบบจำลองของสนาม: เส้นสีแดงเป็นตัวอย่างของเส้นที่ฉันต้องการใช้ แต่ฉันไม่ทราบพิกัดของโลกแห่งความจริงและมันก็ยากที่จะประเมินเพราะมันขึ้นอยู่กับรูปแบบของกล้อง

12 image-processing  computer-vision  opencv  homography 

ฉันหวังว่าใครบางคนสามารถอธิบายวิธีการใช้ถุงรูปแบบคำในการจำแนกภาพโดยใช้คุณสมบัติ SIFT / SURF / ORB และเครื่องเวกเตอร์สนับสนุน ในขณะนี้ฉันสามารถคำนวณเวกเตอร์ฟีเจอร์ SIFT สำหรับรูปภาพและนำ SVM มาใช้อย่างไรก็ตามฉันพบว่ามันยากที่จะเข้าใจวรรณกรรมเกี่ยวกับวิธีใช้รูปแบบคำในกระเป๋าเพื่อ 'vector quantize' คุณสมบัติ SIFT และสร้างฮิสโตแกรมที่ให้ เวกเตอร์ขนาดคงที่สามารถใช้ในการฝึกอบรมและทดสอบ SVM ยินดีต้อนรับทุกลิงก์ไปยังบทเรียนหรือวรรณกรรมในหัวข้อ

12 classification  sift 

ฉันกำลังมองหาวิธีการจับคู่แม่แบบที่คงที่และการหมุน ฉันได้ลองแล้วบางส่วน แต่พวกเขาก็ไม่ได้ผลดีนักสำหรับตัวอย่างของฉัน การตรวจจับคุณสมบัติ SIFT และ SURF ล้มเหลวโดยสิ้นเชิง ฉันยังพยายามใช้ฟังก์ชั่นการจับคู่เทมเพลต Log-Polar แต่ฉันไม่เคยทำเสร็จ (ไม่รู้วิธีการ) ในบทความเหล่านี้ (ที่แรกคือในเยอรมัน) http://cvpr.uni-muenster.de/teaching/ss08/seminarSS08/downloads/Wentker-Vortrag.pdf http://www.jprr.org/index.php/jprr/article/viewFile/355/148 ฉันอ่านเกี่ยวกับวิธีการนั้น การแมปพิกัดขั้วโลกทำงานได้ แต่ฉันไม่รู้ว่ามันถูกต้องหรือไม่ ภาพมีลักษณะเช่นนี้ source_log_polar.png http://www.shareimages.com/images/pics/0/0/3/62394-pZSfl5WenZysnpyVnKg-source_log_polar.png และหลังจากจับคู่ภาพทั้งสองนี้ด้วยฟังก์ชั่นการจับคู่เทมเพลตของ OpenCV ฉันก็ได้ผลลัพธ์นั้น ตอนนี้ฉันไม่ทำต่อไป แม่แบบของฉันเป็นสัญลักษณ์ง่าย ๆ ในการสร้างพิมพ์เขียวและพิมพ์เขียวเอง สัญลักษณ์อาจมีขนาดและทิศทางแตกต่างกัน เช่นพิมพ์เขียวอย่างง่ายของฉัน: และแม่แบบของฉัน ในตัวอย่างนี้มีเพียงหนึ่งเทมเพลต แต่ในพิมพ์เขียวมันควรจะค้นหาสิ่งที่เกิดขึ้นทั้งหมดแม้กระทั่งสิ่งที่มีขนาดและ / หรือทิศทาง ไม่มีใครมีวิธีการที่ฉันสามารถแก้ปัญหานี้ได้หรือไม่? แก้ไข: นอกเหนือจากแนวทางของ Andrey อัลกอริทึมการจับระยะทางสำหรับโปรไฟล์เรเดียล (ใช้ EmguCV) private float[] getRadialProfile( Image<Gray, byte> image, Point …

12 computer-vision  opencv  template-matching 

ฉันรู้ว่ามีออสซิลโลสโคป ( DSA8300 ) บางตัวอย่างที่ความถี่ไม่กี่ร้อย kS / s เพื่อสร้างสัญญาณ GHz ขึ้นมาใหม่ ฉันสงสัยว่าสิ่งนี้สามารถขยายไปยังสัญญาณ 2D (รูปถ่าย) ได้หรือไม่ ฉันสามารถถ่ายภาพนิ่งเป็นชุด (เช่น 4) โดยใช้กล้อง 16MP เชิงพาณิชย์เพื่อสร้างภาพ 32MP ใหม่ได้หรือไม่? การทำสิ่งนี้จะลบนามแฝงที่ฉันมีจากแต่ละภาพหรือไม่ หากมีสิ่งใดที่พยายามทำเช่นนี้จากภาพเดียวมันจะไม่ทำงานอย่างแน่นอนเนื่องจากไม่มีการแนะนำข้อมูลใหม่ หากภาพทั้งหมดที่ถ่ายนั้นเหมือนกันฉันจะยังคงอยู่ที่จุดเดียวกับภาพหนึ่งภาพหรือไม่? ดังนั้นรูปแบบต่าง ๆ จำเป็นหรือไม่ เสียงรบกวนแบบ CCD / CMOS นั้นมีความผันแปรเพียงพอที่จะทำให้สิ่งต่าง ๆ ใช้งานได้หรือไม่? มีชื่อสำหรับเทคนิคหรืออัลกอริทึมดังกล่าวหรือไม่? ฉันควรมองหาอะไร

12 image-processing  aliasing  resolution  superresolution  inverse-problem 

ฉันจะเพิ่มคี่หรือฮาร์โมนิกส์ในสัญญาณทศนิยมได้อย่างไร? ฉันต้องใช้ tanh หรือบาปหรือไม่? สิ่งที่ฉันพยายามจะทำคือการใช้เอฟเฟ็กต์การบิดเบือนที่ง่ายมาก แต่ฉันมีปัญหาในการหาข้อมูลอ้างอิงที่แน่นอน สิ่งที่ฉันต้องการคือสิ่งที่คล้ายกับที่Culture Vultureทำโดยการเพิ่มคี่และฮาร์โมนิกส์ในเพนโทดและการตั้งค่า triode ค่าลอยตัวเป็นเพียงตัวอย่างเดียวในการไหลของตัวอย่าง

12 audio  signal-detection  c  distortion 

ฉันต้องการใช้ STFT สำหรับการวิเคราะห์แบบหลายจุด ฉันรู้ว่าการตรวจจับชิ้นงานที่มีอยู่ในสัญญาณนั้นเป็นเพียงการเริ่มต้น ยังฉันมีปัญหากับมัน 44100Hzสมมติว่าผมมีสัญญาณที่มีความถี่ตัวอย่าง 'CD' พร้อมหน้าต่างของ1024ตัวอย่างที่ฉันได้รับมติ bin 22500Hz/512=43Hzความถี่ของ นี้ก็พอเพียงที่จะมองเห็นโน้ตเปียโนสูงเช่น: และC5 = 523.251HzC#5 = 554.365 ฉันเคยคิดว่า1024ค่อนข้างเป็นหน้าต่างบานใหญ่ แต่มันอาจจะไม่ใช่และโดยปกติจะใช้หน้าต่างขนาดใหญ่กว่าเพื่อตรวจจับชิ้นงาน? สามารถเพิ่มความละเอียดความถี่ด้วยวิธีอื่นนอกเหนือจากการเพิ่มขนาดหน้าต่างซึ่งการแก้ไขเวลาแย่ลงหรือไม่ ฉันคิดถึงสองวิธี: method1: แบ่งสัญญาณออกเป็นคลื่นความถี่ด้วย bandpassfilters (เช่น0-11.25Hzและ11.25-22.5Hz) Downsample แบนด์ที่สูงขึ้นเพื่อให้ความถี่สูงดั้งเดิมตอนนี้เป็นความถี่ต่ำ (เช่นสำหรับแบนด์ที่สอง11.25-22.5Hz -> 0Hz-22.5Hz) - ไม่แน่ใจว่าเป็นไปได้ ถังขยะที่เกิดขึ้นพร้อมกันตั้งค่าด้วยฉลากที่ปรับ Method2: ใช้ชุดตัวกรอง lowpass พร้อมเพิ่มขีด จำกัด ดำเนินการ FFT เมื่อเพิ่มช่วงความถี่ สำหรับแต่ละความถี่ให้ใช้ความละเอียดที่ดีที่สุด (ถังขยะจาก FFT แรกซึ่งรวมถึงความถี่นี้) สิ่งนี้จะทำให้ความถี่ต่ำมีความละเอียดที่ดีขึ้น แต่ฉันคิดว่ามันโอเคเพราะสำหรับโน้ตที่สูงขึ้นความแตกต่างของความถี่ก็น่ากลัวกว่า ฉันจะขอบคุณข้อสังเกตใด ๆ เกี่ยวกับปัญหานี้ ฉันยังอ่านที่นี่: …

12 filters  fft  pitch  stft 

เมื่อเร็ว ๆ นี้ฉันพบระบบ DSP ซึ่งทำการอัปเดตภายในผ่านการเติมเต็มศูนย์ คาดว่าจะมีคำสั่งซื้อเป็นศูนย์ฉันรู้สึกประหลาดใจที่พบว่าสัญญาณ DC ไม่ได้สร้างเอาต์พุต DC; นอกจากนี้ยังมีฮาร์โมนิกของความถี่การสุ่มตัวอย่างภายใน (ล่าง) ในเอาต์พุต สิ่งนี้นำไปสู่คำถามของฉัน: เทคนิคการสุ่มตัวอย่างแบบใดที่ใช้กันทั่วไปและข้อดีของญาติคืออะไร ทำไมฉันถึงต้องเลือกศูนย์การแพ็ดการถือออเดอร์เป็นศูนย์หรือการระงับออเดอร์แรกและเทคนิคใดบ้างที่มีให้ คำอธิบายบางอย่าง: ระบบเป็นเรียลไทม์ดังนั้นรูปแบบการสุ่มตัวอย่างจะต้องเป็นสาเหตุ ตัวเพิ่มค่าต่ำสุดจะตามด้วยตัวกรองการลดรอยหยักที่สามารถระบุได้

12 resampling 

ฉันกำลังทำงานในโครงการที่มีการฉายบริเวณขอบภาพกับเรื่องและถ่ายภาพ ภารกิจคือการหาเส้นกลางของขอบซึ่งเป็นตัวแทนทางคณิตศาสตร์, เส้นโค้ง 3 มิติของการแยกระหว่างระนาบขอบและพื้นผิวของเรื่อง ภาพถ่ายเป็น PNG (RGB) และความพยายามในอดีตเคยใช้การไล่ระดับสีเทาจากนั้นจึงปรับความแตกต่างของภาพเพื่อให้ได้ภาพถ่ายขาวดำที่มีลักษณะคล้ายม้าลายซึ่งง่ายต่อการค้นหาจุดกึ่งกลางของแต่ละพิกเซลของแต่ละขอบ ปัญหาคือโดยการกำหนดค่าใหม่และด้วยการใช้ความสูงเฉลี่ยของคอลัมน์พิกเซลแยกเรามีการสูญเสียและความแม่นยำเชิงปริมาณบางอย่างซึ่งไม่ต้องการเลย ความประทับใจของฉันจากการดูภาพคือเส้นกลางอาจต่อเนื่องได้มากกว่า (มีจุดมากขึ้น) และนุ่มนวลขึ้น (ไม่นับจำนวน) หากตรวจพบได้โดยตรงจากภาพที่ไม่ผ่านเกณฑ์ (เช่น RGB หรือโทนสีเทา) โดยวิธีการทางสถิติ (น้ำท่วม / วนซ้ำวนซ้ำอะไรก็ตาม) ด้านล่างเป็นภาพตัวอย่างจริง: ข้อเสนอแนะใด ๆ ที่จะได้รับการชื่นชมมาก!

12 image-processing  peak-detection  image-segmentation 

ฉันใช้อัลกอริทึมแบบซ่อนมาร์คอฟสำหรับการรู้จำเสียงอัตโนมัติในระดับการประมวลผลสัญญาณ ตอนนี้จะผ่านวรรณคดีการเรียนรู้ของเครื่องฉันเห็นว่าอัลกอริทึมจัดเป็น "การจำแนก", "การจัดกลุ่ม" หรือ "การถดถอย" ถังใดบ้างที่ HMM ตกลงไป ฉันไม่ได้พบกับรุ่นมาร์คอฟที่ซ่อนอยู่ที่ปรากฏในวรรณกรรม

12 algorithms 

ขณะนี้ฉันกำลังพัฒนาโครงการเคาน์เตอร์คนเดินเท้า (ใช้ OpenCV + QT บน Linux) ความคิดของฉันเกี่ยวกับวิธีการคือ: เฟรมจับภาพ ทำการลบพื้นหลัง เสียงที่ชัดเจน (กร่อนขยาย) ค้นหา blobs (cvBlobslib) - วัตถุเบื้องหน้า สำหรับแต่ละหยดตั้งค่า ROI และค้นหาคนเดินเท้า (LBP ด้วย detectMultiScale) ใน blobs เหล่านี้ (เพื่อประสิทธิภาพที่ดีขึ้น) สำหรับคนเดินถนนที่พบแต่ละคนทำการค้นหาร่างกายส่วนบนที่ซ้อนกัน (ไม่แน่ใจ) (ความน่าเชื่อถือที่ดีขึ้น) หากพบคนเดินถนนเดียวกันบนเฟรมต่อเนื่อง (อาจมี 3-4 เฟรม) - เพิ่มพื้นที่นั้นไปที่เพลาลูกเบี้ยวและแทร็ก - ทำเครื่องหมายว่าเป็นคนเดินเท้า ยกเว้นพื้นที่การติดตามเพลาลูกเบี้ยวจากการตรวจจับหยดน้ำสำหรับเฟรมถัดไป หากคนเดินเท้าข้ามหมายเลขที่เพิ่มขึ้นบรรทัด ฉันต้องการตรวจสอบว่าฉันอยู่ในเส้นทางที่ถูกต้องหรือไม่ คุณมีข้อเสนอแนะเกี่ยวกับวิธีปรับปรุงวิธีการของฉันหรือไม่? หากใครบางคนทำงานในสิ่งที่คล้ายกันฉันจะขอบคุณเคล็ดลับที่มีประโยชน์ทรัพยากร (และการวิจารณ์) เกี่ยวกับปัญหานี้

12 computer-vision  opencv  object-recognition