Ευφυείς πιθανοτικοί αλγόριθμοι αυτόνομης επισκόπησης εικόνων και εικονοσειρών

Abstract

The present doctoral thesis focuses on the problem of change detection in images and aims at supporting surveillance applications which employ intelligent image processing methods. In the presented analysis, the factors which require the employment of artificial intelligence algorithm for this specific process are discussed. Existing change detection algorithms rely on decision rules which require the availability of training image sequences. This restriction precludes their utilization when comparisons are restricted to two frames or when a time- varying noise model is observed. The contribution of the present thesis concerns the proposal of a novel statistic segmentation algorithm which performs the detection structural variations in frame pairs, without requiring the execution of a training stage on image sequences. After the description of the change detection problem in its general form, the presentation of two inspection algorithm variants follows. The first variant focuses on template-guided inspection of arbitrarily oriented targets, through the use of raster image templates. In order to implement the specific inspection application, the combination of the presented change detector and an image registration algorithm is proposed. A case study of undervehicle inspection is also presented. The second algorithm variant focuses on feature extraction from image sequences which exhibit time varying exposure conditions. Emphasis is placed on the development of highway surveillance algorithms for the support of Intelligent Transportation Systems. The exposure variability, which is observed in the related image sequences, requires the adaption of the utilized background model without the incorporation of static occlusions in its representation. In order to cope with this issue, the present thesis proposes the combination of the statistic segmentation algorithm with a novel complementary process which updates the background model and suppresses static occlusions.

Η παρούσα διατριβή εστιάζει στο πρόβλημα της ανίχνευσης μεταβολών σε εικόνες, με απώτερο στόχο την υποστήριξη εφαρμογών επισκόπησης που βασίζονται σε ευφυείς τεχνικές Επεξεργασίας Εικόνας. Στα πλαίσια της περιγραφής του προβλήματος, αναφέρονται οι παράγοντες που επιβάλλουν την εφαρμογή αλγορίθμων Τεχνητής Νοημοσύνης για την εκτέλεση της εν λόγω διεργασίας. Οι υπάρχοντες αλγόριθμοι ανίχνευσης μεταβολών εμπλέκουν κανόνες απόφασης που προϋποθέτουν την διαθεσιμότητα εκπαιδευτικών ακολουθιών. Ο περιορισμός αυτός αποτρέπει τη χρήση τους στην περίπτωση σύγκρισης ενός ζεύγους εικόνων, καθώς και στην περίπτωση παρατήρησης χρονομεταβλητών ιδιοτήτων θορύβου. Η συνεισφορά της παρούσας διατριβής έγκειται στην πρόταση ενός αλγορίθμου στατιστικής κατάτμησης που ανιχνεύει δομικές μεταβολές σε ζεύγη εικόνων, χωρίς την ανάγκη διαθεσιμότητας εκπαιδευτικών ακολουθιών εικόνων. Κατόπιν της ανάλυσης του προβλήματος ανίχνευσης μεταβολών στη γενική του μορφή, ακολουθεί η παρουσίαση δύο παραλλαγών συστημάτων επισκόπησης. Η πρώτη παραλλαγή επικεντρώνεται στην επιθεώρηση στόχων αυθαιρέτου προσανατολισμού με τη χρήση ψηφιδοπλεγματικών προτύπων. Για την υλοποίησή της προτείνεται ο συνδυασμός ανίχνευσης μεταβολών με διεργασίες χωρικής ταύτισης εικόνων. Επίσης, παρατίθεται ως περιπτωσιακή μελέτη η αξιολόγηση ενός συστήματος επισκόπησης κάτω όψης οχημάτων. Η δεύτερη αλγοριθμική παραλλαγή εστιάζει στην εξαγωγή χαρακτηριστικών από εικονοσειρές με μεταβαλλόμενες συνθήκες έκθεσης, δίνοντας έμφαση την επισκόπηση οδικών δικτύων. Η μεταβλητότητα στις συνθήκες έκθεσης των εν λόγω πεδίων επιβάλλει την αναπροσαρμογή του προτύπου παρασκηνίου, χωρίς την ενσωμάτωση στατικών επικαλύψεων σε αυτό. Για την επίλυση του εν λόγω προβλήματος, προτείνεται ο συνδυασμός του προτεινομένου αλγορίθμου στατιστικής κατάτμησης με μία καινοτόμο συμπληρωματική διεργασία ενημέρωσης παρασκηνίου με καταστολή προσθήκης στατικών επικαλύψεων.