Exploatarea imaginilor

Imaginea de excavare ( „ Image Mining ” ) este zona de analiză și extragere a cunoștințelor aplicate imaginilor în diferitele lor forme. Se află la intersecția viziunii pe computer, înțelegerea vizuală a imaginii, extragerea datelor , inteligența artificială și algoritmica .

Tehnicile utilizate sunt:

indexare ;
recuperarea imaginii;
clasificarea ;
clustering ( grupare ierarhică sau partiționare a datelor );
reguli de asociere .

Clustering

Segmentarea este o tradiție în exploatarea datelor . Prin urmare, nu este surprinzător să găsiți tehnici de segmentare a imaginilor.

Gruparea ierarhică

Definiție

Folosind instrumentele dezvoltate în teoria spațiului de scală , putem segmenta ierarhic o imagine. Dacă este o corespondență continuă a unei imagini, știm cum să construim o familie de funcții unde este un gaussian. Fiecare pentru care atinge un maxim local la un anumit factor de scară, definim blobul de lumină ( " light blob " ) după cum urmează: ${\ displaystyle p (x): \ mathbb {R} ^ {2} \ rightarrow \ mathbb {R}}$ ${\ displaystyle P (x, \ sigma) = p (x) * g (x, \ sigma)}$ ${\ displaystyle g (x, \ sigma) = {\ frac {1} {(\ sigma ^ {2} 2 \ pi)}} e ^ {\ frac {- \ | x \ | ^ {2}} {2 \ sigma ^ {2}}}}$
${\ displaystyle y \ in \ mathbb {R} ^ {2}}$ ${\ displaystyle P (x, \ sigma)}$

{\ displaystyle \ mathrm {B} _ {y} = ({x_ {0} \ in \ mathbb {R} ^ {2}: \ lim _ {t \ to \ infty} x (t, x_ {0}) = y}), x (t, x_ {0})}

fiind o soluție a sistemului de ecuație diferențială:

{\ displaystyle {\ begin {cases} {\ frac {dx} {dt}} = \ bigtriangledown _ {x} P (x, \ sigma) \\ x (0) = x_ {0} \ end {cases}} }

$y$ este centrul blobului luminos, toate bloburile formează o partiție a . Maximele locale satisfac ecuația și formează o curbă simplă. Algoritmul de segmentare are loc în spațiul scării după cum urmează: $\ mathbb {R} ^ {2}$ ${\ displaystyle \ bigtriangledown _ {x} P (x, \ sigma) = 0}$

Pentru a scala , toate punctele sunt centre de pete de lumină. ${\ displaystyle \ sigma = 0}$
pe măsură ce crește continuu, dacă centrul blobului luminos urmează curba maximului și niciun alt centru blob luminos nu este absorbit de acesta, segmentarea nu se schimbă. Dacă, dimpotrivă, un alt centru de lumină este absorbit în acesta, cele două lumini se îmbină și se creează o nouă segmentare. $\ sigma$
Algoritmul se oprește atunci când toate punctele sunt într-o singură lumină.

O segmentare prin dendrogramă ierarhică este astfel creată cu factorii de scară ca înălțimi.

Criteriu de evaluare durata de viață a unei clase: se măsoară prin diferența dintre scara în care apare clasa și cea în care dispare. Mai precis :

{\ displaystyle duredevie _ {\ mathbb {C} _ {i}} = \ ln (\ sigma _ {2}) - \ ln (\ sigma _ {1})}

O clasă este de calitate dacă durata sa de viață este lungă.

izolare : reflectă faptul că cu cât clasele sunt mai îndepărtate, cu atât segmentarea este mai bună. Izolația clasei este măsurată prin formula:

{\ displaystyle \ mathbb {C} _ {i}}

{\ displaystyle isolation _ {\ mathbb {C} _ {i}} = {\ frac {\ sum _ {x \ in \ mathbb {C} _ {i}} e ^ {\ frac {- \ | x-p_ {i} \ | ^ {2}} {2 \ sigma ^ {2}}}} {\ sum _ {x} e ^ {\ frac {- \ | x-p_ {i} \ | ^ {2}} {2 \ sigma ^ {2}}}}}}

Densitate : exprimă faptul că elementele din interiorul unei clase sunt apropiate și cu cât clasele sunt mai compacte, cu atât segmentarea este mai bună. Avem :

{\ displaystyle densite _ {\ mathbb {C} _ {i}} = {\ frac {\ sum _ {x \ in \ mathbb {C} _ {i}} e ^ {\ frac {- \ | x-p_ {i} \ | ^ {2}} {2 \ sigma ^ {2}}}} {\ sum _ {x \ in \ mathbb {C} _ {i}} \ sum _ {j} e ^ {\ frac {- \ | x-p_ {j} \ | ^ {2}} {2 \ sigma ^ {2}}}}}}

unde este centrul clasei . $p_ {i}$ ${\ displaystyle \ mathbb {C} _ {i}}$

Partiționarea clusterizării

Aplicații

Aplicațiile mineritului de imagini se referă la lupta împotriva pedofiliei, contrafacerii, contrabandei cu opere de artă, dar și în biometrie (recunoașterea feței, estimare universală a vârstei), în medicină (asociată cu RMN de exemplu) pentru diagnostic sau cercetare ...

Actori

LTU Technologies : LTU (Compania franco-americană) este unul dintre liderii mondiali în explorarea imaginilor. Expertiza sa se aplică la fel de bine în domeniul luptei împotriva delincvenței, precum comerțul online și urmărirea publicațiilor de reclame.

Evenimente

Atelier Internațional de Minare a Imaginilor (IMTA)
Simpozionul minier de imagine

Referințe

Ji Zhang, Wynne Hsu, Mong Li Lee, Exploatarea imaginilor: probleme, cadre și tehnici
Yee Leung, Knowledge Discovery in Spatial Data , Springer, 2010, paragraful 2.2
Hongming Yang, o nouă metodă de grupare pentru partiționarea zonei de preț în mediul pieței de energie
François Veltz, Exploatarea imaginilor: vezi eroarea de model mai repede {{Arhivă link}} : completează un parametru „ ”|titre=
Mohamed Y. Eldib, Hoda M. Onsi, Eroare model de cadru de estimare a vârstei de exploatare a imaginii web {{Link link}} : completați un parametru " "|titre=
Bingbing Ni, Zheng Song, Shuicheng Yan, Web Image Mining Towards Universal Age Estimator
Ashraf Elsayed, Frans Coenen, Marta García-Fiñana și Vanessa Sluming, Segmentation for Medical Image Mining: A Technical Report template error {{Arhivă link}} : completați un parametru " |titre= "
Tehnologii LTU Site oficial
Atelier internațional privind mineritul de imagini Site oficial
Simpozion minier de imagine, site oficial

Vezi și tu

Legături interne