テクスチャ、形状、色などの基本的な特徴に基づいて、画像に存在するさまざまなオブジェクトを認識するシステムを開発しようとしています。
このプロセスの最初の段階は、画像から個々のオブジェクトを抽出し、後でそれぞれに対して画像処理を行うことです。
しかし、私がこれまでに研究してきたセグメンテーション アルゴリズムは、理想的なイメージ セグメンテーション アルゴリズムと呼ばれる完全なものではありません。
セグメンテーションの精度によって、システムが特定のクエリにどれだけうまく応答するかが決まります。
セグメンテーションは、高速かつ正確でなければなりません。
これまでに開発または実装されたセグメンテーション アルゴリズムを提案できますか?
どんなヘルプでも大歓迎です..
残念ながら、顔認識に最適なアルゴリズム タイプはウェーブレット再構築を使用します。これは簡単なことではなく、現在使用されているほとんどすべてのアルゴリズムは独自のものです。これは応答が遅いため、役に立たないかもしれませんが、流域アルゴリズムを使用することをお勧めします。事前に、顔の一般的な描画 (白黒) を使用して、描画の FFT を生成できます。これを *FFT_Face* と呼びます。
次に、ウォーターシェッド アルゴリズムを使用して人物の顔の画像をセグメント化します。セグメント化された画像を *Water_face* と呼びます。各輪郭/セグメントの重心を見つけます。*Water_Face* の FFT を生成し、それを *FFT_Face 画像* と関連付けます。結果の画像で最も明るいピクセルが顔の中心になるはずです。これで、この点と以前に生成されたセグメントの中心との間の距離を計算できます。最初のいくつかの距離は、ある人物を別の人物と区別するのに十分なはずです。
プロセスにはいくつかの改善点があると確信していますが、一般的な考え方はそこに到達するはずです.
Google 検索を行うと、この論文が見つかりました: http://www.cse.iitb.ac.in/~sharat/papers/prim.pdf
これ以上良くするのは難しい問題のようですので、そこにあるもので解決する必要があるかもしれません.
流域セグメンテーション アルゴリズムを試すことができます。また、定性的尺度によってセグメンテーション アルゴリズムの精度を計算することもできます。