Spectral and manifold clustering for image segmentation and retrieval, Dissertations in forestry and natural sciences; 69

Väitös tietojenkäsittelytieteen alalta \n\nVäittelijä: PhD Hongyu Li \n\nVäitösaika ja -paikka: 8.6.2012 klo 12.00, Louhela sali, Tiedepuisto, Joensuu \n\nDigitaalisten kuvien automaattinen segmentointi, eli kuvan jakaminen yhtenäisiin osa-alueisiin on mielenkiinnon kohteena monissa kuvankäsittelyn sovelluksissa. Konenäössä kamera ja sitä ohjaava tietokone tunnistavat esimerkiksi tuotteen pinnasta vikoja automaattisesti. Samoin suurista kuvatietokannoista tehdään hakuja, jotta löydetään hakukuvaa lähinnä olevat kuvat. Nämä toiminnot vaativat kuvan automaattista osa-alueisiin jakoa, eli kuvapisteet ryhmitellään yhtenäisiksi osa-alueiksi. \n\nKuvapisteiden samankaltaisuusmatriisiin perustuva ja monisto-ryhmittely kiinnostavat tutkijoita vakaan käyttäytymisensä ja sovellettavuutensa vuoksi. PhD Hongyu Li on väitöskirjatyössään tutkinut samankaltaisuusmatriisiin perustuvia ja monisto-ryhmittelytekniikoita ja soveltanut niitä kuvien segmentointiin, sekä kuvatiedonhakuun. \n\nSamankaltaisuusmatriisiin perustuvan ryhmittelyn menestys johtuu siitä, ettei menetelmässä tehdä vahvoja oletuksia ryhmien muodoista. Ryhmittelyssä käytetään samankaltaisuusmatriisin Laplace-matriisia. Ryhmittelyn normalisoidusta muodosta on olemassa kaksi erilaista versiota riippuen normalisoidun Laplace-matriisin valinnasta. Samankaltaisuusmatriisiin perustuva ja monisto-ryhmittely ovat menetelminä lähellä toisiaan. Ne perustuvat kahteen pääaskeleeseen: ensin (käyttäen ominaisvektoreita) datapisteet kuvataan avaruuteen, jossa niiden muodostamat ryhmät erottuvat ”selvästi” toisistaan. Seuraavaksi ryhmät erotellaan toisistaan yksinkertaista algoritmia käyttäen.\n\nSamankaltaisuusmatriisiin perustuvalla ryhmittelyllä kuvien segmentointi voidaan suorittaa suhteellisen helposti. Kuitenkin normaalitapauksessa ominaisarvojen ratkaiseminen kaikille ominaisvektoreille vaatii O(n3) laskuoperaatiota. Tämä on epäkäytännöllistä kuvien segmentoinnissa, jossa n on kuvapisteiden lukumäärä. Niin sanottu monitasostrategia sekä Nyströmin menetelmä ovat kaksi hyvää ratkaisua laskutoimitusten nopeuttamiseksi ja kuvien tallennustilan säästämiseksi. \n\nVäitöskirjassa esitelty monisto-pohjainen kuvatiedonhakumenetelmä pohjautuu viimeaikoina kehitettyyn monistojärjestysalgoritmiin. Skaalattavien datajoukkojen käsittelemiseksi on ehdotettu tehokas kuvienjärjestelymenetelmä, joka perustuu niin sanotun ankkurigraafin luomiseen sekä läheisyysmatriisin uuteen suunnitteluun. Samankaltaisuusmatriisiin perustuvat menetelmät ovat vaihtoehto kuvatiedon järjestelyyn ja sisällölliseen analyysiin kuvatietokannoista, jos ne yhdistetään Markovin ketjuteoriaan. \n\n

ISBN-10:
978-952-61-0796-7
Kieli:
eng
Sivumäärä:
71, [56] s. : kuv., taul.
Tekijät:
Li Hongyu (diss)
Tuotekoodi 020850
25,25 €