Компьютерное зрение
-
Компьютерное зрение: извлечение информации из изображений.
Компьютерное зрение: извлечение информации из изображений, анализ данных, распознавание образов. Применение в автоматизации и медицине. 🤖👁️🗨️
-
Фрактальное сжатие цифровых изображений
Фрактальное сжатие изображений: эффективный метод компрессии для текстур и природных сцен. Использует самоподобие для создания "фрактальных кодов".
-
Регистрация изображений и выравнивание данных
Регистрация изображений: объединение данных из разных источников в единую систему координат. Алгоритмы выравнивания для компьютерного зрения и анализа данных.
-
Методы обнаружения границ на изображениях
Обнаружение границ на изображениях: методы, алгоритмы и применение в компьютерном зрении. Выделение признаков и анализ изображений для машинного обучения.
-
Извлечение информации из изображений: методы и применение.
Анализ изображений: извлечение данных с помощью цифровой обработки. Компьютерное зрение, распознавание лиц, медицинская диагностика и применение ИИ.
-
Eigenfaces: Распознавание лиц с помощью собственных векторов
Распознавание лиц с помощью Eigenfaces: метод компьютерного зрения, использующий собственные векторы для классификации и снижения размерности изображений.
-
Расстояние Хаусдорфа между подмножествами метрического пространства
Расстояние Хаусдорфа: определение, свойства и применение в математике. Измеряет удаленность между подмножествами метрического пространства. Геометрия, топология.
-
Обнаружение фигур на изображениях с помощью преобразования Хафа
Обнаружение фигур на изображениях: трансформация Хафа. Алгоритм выявления линий, окружностей и эллипсов в компьютерном зрении и обработке изображений.
-
Геометрическое хеширование: метод распознавания объектов
Геометрическое хеширование: эффективный метод поиска объектов на основе дискретных точек при аффинных преобразованиях. Кодирование пар точек, хеш-таблицы.
-
Оператор Робертса: обнаружение границ на изображениях.
Оператор Робертса: обнаружение границ на изображениях. Один из первых детекторов, использующий дискретное дифференцирование для аппроксимации градиента.
-
Алгоритм обнаружения границ изображения Кэнни
Детектор границ Канни: алгоритм выявления краев на изображениях. Фильтрация шума с помощью фильтра Гаусса для точного обнаружения границ.
-
Сегментация цифровых изображений: методы и подходы
Сегментация изображений: разделение на регионы для упрощения анализа и выделения объектов. Компьютерное зрение, обработка изображений, пиксели.
-
Стеганализ: Обнаружение скрытых сообщений в цифровых данных
Стеганализ: обнаружение скрытых сообщений в данных. Исследование методов выявления стеганографии, статистический анализ, цифровая криминалистика.
-
Морфологическое открытие: принципы, свойства и реконструкция.
Морфологические операции: открытие в математической морфологии. Удаление шума, мелких объектов и поиск форм на изображениях. Компьютерное зрение.
-
Одновременная локализация и построение карты в робототехнике и автономных системах.
SLAM: одновременная локализация и картографирование для роботов и автономных систем. Алгоритмы, применение в навигации, VR/AR и робототехнике.
-
Оптический поток: Восприятие движения и структура сцены.
Оптический поток: восприятие движения в визуальной сцене. Объяснение принципов, роли в определении формы, расстояния и возможностей действий в среде.
-
Структурирующий элемент в математической морфологии: форма и размер.
Структурный элемент в математической морфологии: форма для анализа изображений. Операции расширения, эрозии, открытие, закрытие. Влияние формы на результат.
-
Сопоставление с образцом в цифровой обработке изображений
Сопоставление шаблонов в цифровой обработке изображений: поиск соответствий, применение в робототехнике и контроле качества. Использование нейросетей.
-
Плоскости битов в компьютерной графике
Битовые плоскости в компьютерной графике: что это такое и как работают. Разложение цифрового сигнала на биты для оптимизации и приближения данных.
-
Алгоритм SIFT для обнаружения и сопоставления локальных признаков на изображениях
Обнаружение ключевых точек SIFT в компьютерном зрении: алгоритм Лоу для поиска, описания и сопоставления локальных признаков изображений. Точное определение масштаба и местоположения.
-
Фазовая корреляция для оценки сдвига изображений
Фазовая корреляция: точный метод оценки сдвига между изображениями. Использует быстрое преобразование Фурье для регистрации изображений и анализа данных.
-
Оценка движения в кодировании видео
Оценка движения в видео: определение векторов смещения кадров для сжатия и анализа видео. Оптический поток, глобальное и локальное движение.
-
Алгоритм Конденсации: Отслеживание Объектов в Компьютерном Зрении
Алгоритм конденсации (CDP) в компьютерном зрении: отслеживание контуров движущихся объектов в сложных условиях. Основа для распознавания образов.
-
Алгоритмы пороговой обработки изображений: глобальные и локальные методы.
Сегментация изображений: пороговая обработка – простой метод для создания бинарных изображений из оттенков серого. Разделение пикселей по уровню яркости.
-
Алгоритм сжатия изображений EZW на основе вейвлет-преобразований и zerotrees.
Сжатие изображений EZW: эффективный алгоритм с потерями, использующий вейвлет-преобразование и "нулевые деревья" для высокой степени компрессии и качества.
-
Гауссовское размытие: теория и реализация в обработке изображений
Размытие по Гауссу: эффективный метод снижения шума и детализации изображений в графике и компьютерном зрении. Сглаживание с помощью гауссовой функции.
-
Метод Отсу и итеративная трехклассовая пороговая обработка изображений.
Автоматическое пороговое выделение на изображениях методом Оцу. Определение оптимального порога для разделения фона и переднего плана, минимизация внутриклассовой дисперсии.
-
Оператор Превитта: дискретное дифференцирование для обработки изображений
Оператор Превитта в обработке изображений: обнаружение границ, вычисление градиента интенсивности. Быстрый, но менее точный, чем Sobel и Kayyali.
-
Отслеживание видео: Алгоритмы и методы
Отслеживание видео: определение местоположения объектов в движении с помощью камеры. Применение в безопасности, медицине, AR и других сферах. Алгоритмы анализа кадров.
-
Моменты изображений: определение, свойства и применение.
Моменты изображения: взвешенное среднее интенсивности пикселей для анализа и распознавания образов. Применение в компьютерном зрении и обработке изображений.
-
Алгоритм обрезки для удаления паразитных элементов в изображениях
Алгоритм обрезки в обработке изображений: удаление паразитных элементов (шпор) для улучшения распознавания форм, например, рукописного текста. Морфология.
-
Алгоритмическая генерация цифровых изображений и синтез текстур
Синтез текстур: алгоритмическое создание изображений из образцов. Применение в графике, 3D, кинопроизводстве. Восстановление, расширение изображений.
-
Метод Качмарза: Итерационный алгоритм решения систем линейных уравнений.
Метод Качмаржа: итеративный алгоритм решения систем линейных уравнений. Применение в КТ, обработке сигналов и биомедицинской визуализации. ART.
-
Преобразование растровых изображений в векторные
Преобразование растровой графики в векторную: что это, зачем нужно и как избежать артефактов при увеличении изображений. Векторизация растра.
-
Склейка изображений: создание панорам и изображений высокого разрешения.
Склейка фотографий: объединение изображений для создания панорам и высококачественных снимков. Регистрация, калибровка, blending – этапы процесса.
-
Изменение разрешения цифровых изображений
Изменение разрешения изображений: масштабирование векторной и растровой графики. Увеличение (upscaling) и уменьшение размера, потеря качества при сжатии.
-
Алгоритм поиска блоков для оценки движения в видео
Алгоритм поиска блоков: оценка движения в видео для сжатия и компьютерной графики. Сравнение макроблоков, векторизация движения, повышение эффективности кодирования.
-
Прогнозирование качества цифрового видео: Индекс структурного сходства (SSIM)
Индекс SSIM: оценка качества видео и изображений. Сравнение с MSE/PSNR. Метод предсказания восприятия, учитывающий структурные изменения и маскировку.
-
Определение позы объекта на изображении
Поза объекта в изображении: определение, ориентация, позиция в 3D. Оценка позы в компьютерном зрении для робототехники и навигации. Матрицы трансформации.
-
Особенности изображений в компьютерном зрении
Особенности изображений в компьютерном зрении: что такое признаки, как они выделяются и для чего используются в обработке и анализе изображений.
-
Алгоритм улучшения изображений на основе разности Гауссиан
Алгоритм DoG в обработке изображений: усиление деталей путем вычитания размытых изображений с разными параметрами Гаусса. Повышение резкости и фильтрация частот.
-
Прокрустов анализ: Статистический анализ формы
Прокрустов анализ: статистический метод для сравнения форм и выявления оптимальных вращений/отражений объектов. Алгоритм Кабша. Математика и статистика.
-
Выравнивание гистограммы для коррекции контраста изображений
Выравнивание гистограммы: улучшение контрастности изображений в обработке данных. Распределение интенсивности, повышение видимости деталей, оптимизация гистограммы.
-
CellProfiler: Автоматизированный анализ изображений для биологических исследований.
CellProfiler: бесплатное ПО для автоматического анализа изображений в биологии. Измеряйте фенотипы, используйте модули и pipelines без программирования! Windows, macOS, Linux.
-
Фундаментальная матрица в компьютерном зрении: теория и применение.
Фундаментальная матрица в компьютерном зрении: связь точек на стереоизображениях, эпиполярная геометрия, оценка по 7 точкам. Ключевой параметр камер.
-
Градиент изображения: определение, применение и вычисление.
Градиент изображения: изменение интенсивности или цвета. Основа обработки изображений, используется в детекторах границ (Canny). Цветовые переходы в графике.
-
Corner detection
-
Structure from motion
-
ANIMAL (image processing)
-
Scale-space segmentation
-
Computational visualistics
-
Active appearance model