Idea de proyecto | (Optimización del Análisis de Imágenes Basado en Objetos con Super-Pixel para Mapeo de Cobertura Terrestre)

RESUMEN:
Un requisito previo para el análisis de imágenes basado en objetos es la generación de segmentos adecuados. Sin embargo, los parámetros para los algoritmos de segmentación de imágenes a menudo se definen manualmente. Por lo tanto, la generación de un nivel de segmentación ideal suele ser costosa y dependiente del usuario. Se introduce una estrategia para una optimización semiautomática de la clasificación basada en objetos de datos multitemporales mediante el uso del algoritmo Super-Pixel (SP). El algoritmo Super pixel Contour se usa para generar un conjunto de diferentes niveles de segmentación, usando varias combinaciones de parámetros. Finalmente, la mejor combinación de parámetros se selecciona en función de la validación cruzada, como el error fuera de bolsa (OOB) que proporciona SP. Al mover las combinaciones seleccionadas, se encuentra el objeto oculto. Esta estrategia propuesta que utiliza el error OOB para la selección del nivel de segmentación ideal proporciona precisiones de clasificación similares, en comparación con los resultados logrados por la segmentación de imágenes manual. Este sistema es operativo y fácil de manejar y así economiza la búsqueda de objetos perdidos en el denso bosque.

 IMPLEMENTACIÓN

La clasificación en varios segmentos se basa en árboles de decisión.

• Los árboles de decisión son aprendices individuales que se combinan. Son uno de los métodos de aprendizaje más populares comúnmente utilizados para la exploración de datos.
• Un tipo de árbol de decisión se llama árbol de clasificación y regresión CART.
• CART: particionamiento recursivo, binario de arriba hacia abajo, codicioso, que divide el espacio de características en conjuntos de regiones rectangulares inconexas.
  • Las regiones deben ser puras con respecto a la variable de respuesta.
  • El modelo simple se ajusta a cada región: voto mayoritario para la clasificación, valor constante para la regresión.

INVESTIGAR:

Segmentación de imágenes basada en superpíxeles.

HERRAMIENTAS:
Java proporciona ricas bibliotecas para redes y procesamiento de imágenes. Java y Netbeans se pueden descargar desde el siguiente enlace:
http://www.oracle.com/technetwork/java/javase/downloads/index.html

CONCLUSIÓN

            En este proyecto, la imagen estática se obtiene del usuario y luego se utiliza el algoritmo Super-Pixel para detectar el píxel de los objetos mediante la técnica de segmentación. El algoritmo Super-Pixel la usó si se encontró que era más preciso en comparación con otros algoritmos.

Además, los cuadros segmentados se procesan para obtener la ubicación exacta de la imagen de destino que se debe encontrar. Esto ayuda a encontrar los objetos que se pierden en el denso bosque.

Después de ver las dificultades para encontrar el objeto en el denso bosque, nos sentimos motivados e inspirados para crear este proyecto que aligeraría su carga. Este proyecto les ayuda a localizar fácilmente la posición exacta del objeto en el entorno forestal. Por lo tanto, se puede reducir la mano de obra, la energía y el costo. Con suerte, esto los hace trabajar de manera más inteligente.

MEJORAS FUTURAS

i) Detección humana

• Este proyecto se puede extender a imágenes 3D para encontrar a los humanos en el marco. La salida se puede procesar aún más para distinguir entre humanos y no humanos en la vista de campo.
• Esto se puede implementar utilizando un algoritmo de reconocimiento de objetos. Después de lo cual se puede realizar la comparación de plantillas.
• Mediante el uso de la coincidencia de plantillas, el marco detectado por humanos se puede comparar con varias imágenes almacenadas en la base de datos.
• Por lo tanto, la identidad del marco puede coincidir si existe una coincidencia. Por lo tanto, al agregar estas características, se pueden introducir más precisión y detalles más finos.

ii) Seguimiento de movimiento

• El sistema propuesto se puede hacer portátil integrándolo con hardware y software integrados junto con la cámara.
• Esto mejora la portabilidad y mejora la accesibilidad.
• Una extensión adicional del proyecto incluiría el seguimiento del movimiento del objeto de interés.
• Se utiliza para localizar fácilmente el objeto perdido.
• Esto se puede utilizar en el sistema de vigilancia y visión robótica.

REFERENCIA:

Shin, KG y Mckay, ND (1984) ‘Segmentación de imágenes de superpíxeles’, Proc.Amer.Contr.Conf., San Diego, CA, págs. 1231-1236.

Este artículo es una contribución de Kishar Ahmed . Si le gusta GeeksforGeeks y le gustaría contribuir, también puede escribir un artículo y enviarlo por correo electrónico a contribuya@geeksforgeeks.org. Vea su artículo que aparece en la página principal de GeeksforGeeks y ayude a otros Geeks.