Transcript ΕΞΟΡΥΞΗ ΓΝΩΣΗΣ ΑΠΟ ΕΙΚΟΝΕΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΜΕΤΑΠΤΥΧΙΑΚΟΥ ΑΝΥΦΑΝΤΗΣ ΔΙΟΝΥΣΙΟΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ Π.

ΕΞΟΡΥΞΗ ΓΝΩΣΗΣ
ΑΠΟ ΕΙΚΟΝΕΣ
ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΜΕΤΑΠΤΥΧΙΑΚΟΥ
ΑΝΥΦΑΝΤΗΣ ΔΙΟΝΥΣΙΟΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ
ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ
ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ
ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ
Π. ΠΙΝΤΕΛΑΣ
Εισαγωγή - Εξόρυξη Γνώσης
 Τι είναι η Εξόρυξη Γνώσης από Εικόνες.
 Γιατί είναι Απαραίτητη.
 Τεχνικές Εξόρυξης Γνώσης από Εικόνες.
 Αναγνώριση Αντικειμένου.
 Σχήματα Ερωτήσεων.
 Εποπτευόμενη και μη Εποπτευόμενη Ταξινόμηση.
 Κανόνες Συσχέτισης.
 Πλαίσια Ανάπτυξης Εφαρμογών.
 Λειτουργικά Οδηγούμενα.
 Πληροφοριακά Οδηγούμενα.
Εξόρυξη Γνώσης από Εικόνες
2
Εισαγωγή - Ανάκτηση Εικόνων
 Τι είναι Ανάκτηση Εικόνων.
 Τύποι Ανάκτησης.
 Θεμελιώδεις Βάσεις.
 Οπτική Εξαγωγή Χαρακτηριστικών.
 Χρώμα, Yφή-Σύσταση, Σχήμα, Κατάτμηση Εικόνας,
Αναπαράσταση Χρώματος.
 Ευρετηρίαση.
 Συστήματα Ανάκτησης Εικόνων.
 QBIC, VIRAGE, MARS, NETRA, VISUALSEEK
PHOTOBOOK, RETRIEVALWARE.
Εξόρυξη Γνώσης από Εικόνες
3
Τα 5 Bασικά Bήματα
Εξόρυξη-Ανάκτηση Γνώσης
Γνώση
Μετασχηματισμός
Ερμηνεία
Προεπεξεργασία
Επιλογή
Εξόρυξη-Ανάκτηση
Φίλτρα Gabor
Iσοστάθμιση
Ιστογράμματος
Δεδομένα
Textures
Εξόρυξη Γνώσης από Εικόνες
4
Εικόνες Σύστασης-Υφής (Textures)
 Textures: Το λεξικό του Webster δίνει τον ακόλουθο
ορισμό της σύστασης-υφής: "Η χαρακτηριστική δομή των
αναμειγμένων ή συνδυασμένων νημάτων, των σκελών, ή
των ομοίων, τα οποία αποτελούν ένα ύφασμα [...]. Η
χαρακτηριστική φυσική δομή που δίνεται σε ένα υλικό, ένα
αντικείμενο, κ.λ.π., από το μέγεθος, τη μορφή, τον
προσανατολισμό, και τα ποσοστά των μερών του [...]". Οι
περισσότερες φυσικές επιφάνειες και τα φυσικά εμφανιζόμενα σχέδια συνιστούν textures.
Εξόρυξη Γνώσης από Εικόνες
5
Εφαρμογές Ανάλυσης Σύστασης






Ιατρική Απεικόνιση.
Τηλεπισκόπιση.
Βιομηχανική Επιθεώρηση.
Κατάτμηση Εγγράφων.
Βασισμένη στο Περιεχόμενο Αναζήτηση Εικόνας.
Μορφή-Σχήμα από τη Σύσταση.
Βάση Δεδομένων PONCE
 ΦΥΣΙΚΗ ΑΝΑΛΥΣΗ 640Χ480.
 EIKΟΝΕΣ ΚΛΙΜΑΚΑΣ ΤΟΥ
ΓΚΡΙΖΟΥ.
 25 ΚΑΤΗΓΟΡΙΕΣ.
 40 ΕΙΚΟΝΕΣ ΑΝΑ ΚΑΤΗΓΟΡΙΑ.
 15 ΥΠΟΕΙΚΟΝΕΣ ΜΕΓΕΘΟΥΣ
128x128.
http://www-cvr.ai.uiuc.edu/ponce_grp/data
ΣΥΝΕΠΩΣ : 15x40x25=15000
Εξόρυξη Γνώσης από Εικόνες
7
Δείγματα Βάσης PONCE
Εξόρυξη Γνώσης από Εικόνες
8
Βάση Δεδομένων BRODATZ
 ΦΥΣΙΚΗ ΑΝΑΛΥΣΗ 512x512.
 EIKΟΝΕΣ ΚΛΙΜΑΚΑΣ ΤΟΥ
ΓΚΡΙΖΟΥ.
 110 ΚΑΤΗΓΟΡΙΕΣ.
 1 ΕΙΚΟΝA ΑΝΑ ΚΑΤΗΓΟΡΙΑ.
 16 ΥΠΟΕΙΚΟΝΕΣ ΜΕΓΕΘΟΥΣ
128x128.
http://www.ux.his.no/~tranden/brodatz.html
ΣΥΝΕΠΩΣ : 16x110=1760
Εξόρυξη Γνώσης από Εικόνες
9
Δείγματα Βάσης BRODATZ
Εξόρυξη Γνώσης από Εικόνες
10
Προεπεξεργασία-Εξαγωγή Παραμέτρων
Εξόρυξη Γνώσης από Εικόνες
11
Φίλτρα Gabor
( x  x0 ) r  ( x  x0 ) cos  ( y  y0 ) sin 
( y  y0 ) r  ( x  x0 ) sin   ( y  y0 ) cos
Εξόρυξη Γνώσης από Εικόνες
12
Σχεδιασμός Φίλτρων Gabor
Εξόρυξη Γνώσης από Εικόνες
13
Eποπτική Παρουσίαση Φίλτρων
Εξόρυξη Γνώσης από Εικόνες
14
Εξόρυξη – Ανάκτηση Γνώσης
Εξόρυξη Γνώσης από Εικόνες
15
Πειραματικά Αποτελέσματα
80.000
73.380
73.320
72.678
72.461
71.658
70.000
66.328
59.918
60.000
50.000
Δένδρα
48
Αποφάσεων
40
SVM
35
30
25
Σύνολα Νευρωνικά
Κανόνων Δίκτυα
15
10
Συμπεράσματα - Επεκτάσεις
 Χρησιμοποίηση Διαφορετικών Χαρακτηριστικών
για την Εξόρυξη και την Ανάκτηση.
 Μέγεθος και Τοπολογία φίλτρου.
 Αριθμός Παραμέτρων των φίλτρων.
 Πειράματα με Διαφορετικούς Αλγορίθμους
Μηχανικής Μάθησης.
Τέλος Παρουσίασης