Я ищу алгоритмы/методы, которые используются для классификации или различения двух внешних сред. Имея изображение с транспортными средствами, мне нужно определить, находятся ли транспортные средства в естественном пустынном ландшафте или в городе.
Я искал, но не могу найти соответствующую работу по этому вопросу. Возможно, из-за того, что я новичок в компьютерном зрении, я использую неправильные условия поиска.
Любые идеи? Есть ли работа (или родственная) в этом направлении?
Казалось бы, сложные классификации, подобные «цивилизации» и «природе», могут быть решены просто с помощью определенных эвристик наряду с классификацией, основанной на цвете. Как сказал Гилеви, городские сцены обязательно содержат много плоских линий и прямых углов, в то время как в пустынных сценах преобладают холмистые дюны и так далее.
Чтобы решить эту проблему напрямую, вы можете использовать алгоритм OpenCV hough-lines на изображениях (конечно, настроенный для этой проблемы) и посмотреть:
а) сколько строк подходит к изображению при заданном пороге б) сколько строк подходит, каков ожидаемый угол между двумя из них; если углы распределены равномерно, то это случайность, но если углы сгруппированы вокруг числа, кратного пи / 2 (больше прямых углов и прямых линий), то это, скорее всего, городской пейзаж.
Я бы посоветовал прочитать принца Computer Vision: Models, Learning, and Inference (бесплатно PDF доступен). Он охватывает классификацию изображений, а также многие другие области CV. Мне посчастливилось пройти курс по машинному зрению в UCL, для которого и была разработана эта книга, и это отличный справочник.
Конкретно для решения вашей проблемы простая модель MAP или MLE для цветов пикселей, вероятно, обеспечит разумный эталон. Оттуда вы можете посмотреть на более сложные модели и разработку функций.
Компоненты цвета, текстуры и степень плавности (изменчивость или градиент изображения) могут различать фон пустыни и города. Вы также можете попробовать преобразование Хафа, которое используется для обнаружения линий, которые можно рассматривать как элементы города (здания, дороги, мосты, автомобили и т. д.).
Я бы порекомендовал вам это исследование очень похожее на ваш проект . В этой статье представлено сравнение различных методов классификации для получения классификатора сцен (город, шоссе и сельская местность) на основе изображений.
См. мой ответ здесь: Как сопоставить сходство текстур в изображениях? Вы можете использовать тот же метод. Я уже решал в прошлом проблемы, подобные той, которую вы описали, с помощью этого метода.
Проблема, которую вы описываете, связана с категоризацией сцен. Поиск работ, использующих базу данных SUN.
Однако вы работаете только с двумя относительно разными категориями, поэтому я не думаю, что вам нужно убивать себя, внедряя современные алгоритмы. Я думаю, что использование функций GIST + функций цвета и обучение нелинейной SVM поможет.
Городская среда обычно характеризуется большим количеством горизонтальных и вертикальных линий, GIST фиксирует эту информацию.
