속도 순간: 역학 포착: 컴퓨터 비전에 대한 통찰
By Fouad Sabry
()
About this ebook
속도 모멘트란 무엇입니까?
컴퓨터 비전 분야에서 속도 모멘트는 일련의 이미지에 있는 픽셀 강도의 가중 평균입니다. 이는 이미지 모멘트와 유사하지만 물체의 모양을 설명하는 것 외에도 일련의 이미지를 통해 물체의 움직임을 설명합니다. 동작에 대한 정보가 설명에 중요한 경우 속도 모멘트를 사용하여 이미지의 모양을 자동으로 식별할 수 있습니다. 현재 속도 모멘트에는 데카르 과 제르니케 라는 두 가지 버전이 있습니다.
당신이 얻을 수 있는 혜택
(I) 다음 주제에 대한 통찰력 및 검증:
1장: 속도 모멘트
2장: 나비에-스토크스 방정식
3장: 평균 제곱 오차
4장: 고정 로터
5장: 방향 통계
6장: 순환 유통
7장: 폰 미제스 분포
8장: 쌀 유통
9장: 포장 정규 분포
10장: 분산 감마 과정
(II) 속도 모멘트에 관한 대중의 주요 질문에 답합니다.
(III) 다양한 분야에서 속도 모멘트를 사용하는 실제 사례.
이 책은 누구를 위한 책인가
전문가, 학부생 및 대학원생, 매니아, 취미생활자, 모든 종류의 속도 순간 에 대한 기본 지식이나 정보를 넘어서고 싶은 사람들.
Read more from Fouad Sabry
컴퓨터 시각 인식 [Korean]
Related to 속도 순간
Titles in the series (100)
인페인팅: 컴퓨터 비전의 격차 해소 Rating: 0 out of 5 stars0 ratings이미지 히스토그램: 시각적 통찰력 공개, 컴퓨터 비전의 이미지 히스토그램 깊이 탐색 Rating: 0 out of 5 stars0 ratings컴퓨터 스테레오 비전: 컴퓨터 비전의 깊이 인식 탐구 Rating: 0 out of 5 stars0 ratings소음 감소: 선명도 향상, 컴퓨터 비전의 노이즈 감소를 위한 고급 기술 Rating: 0 out of 5 stars0 ratings톤 매핑: 톤 매핑: 컴퓨터 비전의 관점 밝히기 Rating: 0 out of 5 stars0 ratings아핀 변환: 시각적 관점 잠금 해제: 컴퓨터 비전의 아핀 변환 탐색 Rating: 0 out of 5 stars0 ratings라돈 변환: 시각적 데이터에 숨겨진 패턴 밝히기 Rating: 0 out of 5 stars0 ratings수중 컴퓨터 비전: 파도 밑에서 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings인간 시각 시스템 모델: 인식 및 처리 이해 Rating: 0 out of 5 stars0 ratings색상 프로필: 컴퓨터 비전의 시각적 인식 및 분석 탐구 Rating: 0 out of 5 stars0 ratings활성 윤곽: 능동 윤곽 기술을 통한 컴퓨터 비전의 발전 Rating: 0 out of 5 stars0 ratings히스토그램 균등화: 향상된 시각적 인식을 위한 이미지 대비 향상 Rating: 0 out of 5 stars0 ratings이방성 확산: 이방성 확산을 통한 이미지 분석 향상 Rating: 0 out of 5 stars0 ratings하다마드 변환: 컴퓨터 비전에서 아다마르 변환의 힘 공개 Rating: 0 out of 5 stars0 ratings레티넥스: 레티넥스 를 통해 컴퓨팅 비전의 비밀을 밝히다 Rating: 0 out of 5 stars0 ratings적응형 필터: 적응 필터링을 통해 컴퓨터 비전 향상 Rating: 0 out of 5 stars0 ratings허프 변환: 컴퓨터 비전에서 Hough 변환의 마법 공개 Rating: 0 out of 5 stars0 ratings색상 매핑: 컴퓨터 비전의 시각적 인식 및 분석 탐구 Rating: 0 out of 5 stars0 ratings컴퓨터 시각 인식: 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings이미지 압축: 시각적 데이터 최적화를 위한 효율적인 기술 Rating: 0 out of 5 stars0 ratings활성 외관 모델: 컴퓨터 비전에서 활성 외관 모델의 힘 활용 Rating: 0 out of 5 stars0 ratings캐니 엣지 감지기: 시각적 인식의 예술 공개 Rating: 0 out of 5 stars0 ratings직접 선형 변환: 컴퓨터 비전의 실제 응용 및 기술 Rating: 0 out of 5 stars0 ratings감마 보정: 컴퓨터 비전의 시각적 선명도 향상: 감마 보정 기술 Rating: 0 out of 5 stars0 ratings필터 뱅크: 컴퓨터 비전의 필터 뱅크 기술에 대한 통찰력 Rating: 0 out of 5 stars0 ratings호모그래피: 호모그래피: 컴퓨터 비전의 변화 Rating: 0 out of 5 stars0 ratings색상 외관 모델: 컴퓨터 비전의 인식 및 표현 이해 Rating: 0 out of 5 stars0 ratings공동 사진 전문가 그룹: JPEG 표준으로 시각적 데이터의 힘 활용 Rating: 0 out of 5 stars0 ratings시각적 인식: 컴퓨터 시각적 처리에 대한 통찰력 Rating: 0 out of 5 stars0 ratings번들 조정: 정확한 재구성을 위한 시각적 데이터 최적화 Rating: 0 out of 5 stars0 ratings
Related ebooks
레벨 설정 방법: 컴퓨터 비전의 발전, 레벨셋 방식 탐구 Rating: 0 out of 5 stars0 ratings광학 흐름: 컴퓨터 비전의 동적 시각적 패턴 탐색 Rating: 0 out of 5 stars0 ratings활성 윤곽: 능동 윤곽 기술을 통한 컴퓨터 비전의 발전 Rating: 0 out of 5 stars0 ratings라돈 변환: 시각적 데이터에 숨겨진 패턴 밝히기 Rating: 0 out of 5 stars0 ratings상호 상관: 컴퓨터 비전의 패턴 잠금 해제 Rating: 0 out of 5 stars0 ratings이방성 확산: 이방성 확산을 통한 이미지 분석 향상 Rating: 0 out of 5 stars0 ratings번들 조정: 정확한 재구성을 위한 시각적 데이터 최적화 Rating: 0 out of 5 stars0 ratings직교 투영: 컴퓨터 비전의 직교 투영 탐색 Rating: 0 out of 5 stars0 ratings직접 선형 변환: 컴퓨터 비전의 실제 응용 및 기술 Rating: 0 out of 5 stars0 ratings기하학적 해싱: 이미지 인식 및 매칭을 위한 효율적인 알고리즘 Rating: 0 out of 5 stars0 ratings이중선형 보간: 쌍선형 보간을 통해 이미지 해상도 및 선명도 향상 Rating: 0 out of 5 stars0 ratings컴퓨터 비전 그래프 컷: 컴퓨터 비전의 그래프 컷 탐색 Rating: 0 out of 5 stars0 ratings하다마드 변환: 컴퓨터 비전에서 아다마르 변환의 힘 공개 Rating: 0 out of 5 stars0 ratings허프 변환: 컴퓨터 비전에서 Hough 변환의 마법 공개 Rating: 0 out of 5 stars0 ratings최소제곱: 컴퓨터 비전을 위한 최적화 기술: 최소 제곱법 Rating: 0 out of 5 stars0 ratings힐베르트 투영 정리: 컴퓨터 비전의 차원 잠금 해제 Rating: 0 out of 5 stars0 ratings모션 필드: 컴퓨터 비전의 역학 탐구: 모션 필드 공개 Rating: 0 out of 5 stars0 ratings선반 그래픽: 컴퓨터 비전을 통해 선반 그래픽의 시각적 조작 탐구 Rating: 0 out of 5 stars0 ratings마르코프 랜덤 필드: 컴퓨터 비전에서 마르코프 랜덤 필드의 성능 탐색 Rating: 0 out of 5 stars0 ratings호모그래피: 호모그래피: 컴퓨터 비전의 변화 Rating: 0 out of 5 stars0 ratings절차적 표면: 컴퓨터 비전에서 텍스처 생성 및 분석 탐색 Rating: 0 out of 5 stars0 ratings멀티뷰 3차원 재구성: 컴퓨터 비전의 공간 인식을 위한 고급 기술 Rating: 0 out of 5 stars0 ratings컴퓨터 비전 기본 매트릭스: '컴퓨터 비전' 영역에 '컴퓨터 비전 기본 매트릭스'라는 제목의 책 부제를 제안해주세요. 추천 자막에는 ':'이 포함되어서는 안 됩니다. Rating: 0 out of 5 stars0 ratings아핀 변환: 시각적 관점 잠금 해제: 컴퓨터 비전의 아핀 변환 탐색 Rating: 0 out of 5 stars0 ratings도형 기하학: 시각적 영역 잠금 해제: 컴퓨터 비전의 기술 기하학 탐색 Rating: 0 out of 5 stars0 ratings경계 볼륨: 컴퓨터 비전의 공간 표현 탐구 Rating: 0 out of 5 stars0 ratings내측 축: 컴퓨터 비전의 핵심 탐구: 중간 축 공개 Rating: 0 out of 5 stars0 ratings규모 공간: 컴퓨터 비전의 차원 탐색 Rating: 0 out of 5 stars0 ratings모션 추정: 컴퓨터 비전의 발전과 응용 Rating: 0 out of 5 stars0 ratings레이 트레이싱 그래픽: 컴퓨터 비전의 사실적 렌더링 살펴보기 Rating: 0 out of 5 stars0 ratings
Reviews for 속도 순간
0 ratings0 reviews
Book preview
속도 순간 - Fouad Sabry
챕터 1: 속도 모멘트
이미지 모멘트와 마찬가지로 속도 모멘트는 일련의 사진에서 픽셀 강도의 가중 평균입니다. 그러나 물체의 모양을 정의하는 것 외에도 속도 모멘트는 이미지 시퀀스에서 물체의 이동성을 특징짓습니다. 속도의 순간은 움직임에 대한 설명이 중요할 때 이미지에서 모양을 자동으로 식별하는 데 도움이 될 수 있습니다. 현재 허용되는 속도 모멘트에는 두 가지 버전이 있습니다. 데카르트
단일 그림의 데카르트 모멘트 계산
{\displaystyle m_{pq}=\sum _{x=1}^{M}\sum _{y=1}^{N}x^{p}y^{q}P_{xy}}여기서 M 와 N 는 영상의 차원이고, 는 {\displaystyle P_{xy}} 영상의 (x,y) 한 점에 있는 픽셀의 강도 {\displaystyle x^{p}y^{q}} 이고, 는 기저 함수입니다.
이러한 데카르트 모멘트는 데카르트 속도 모멘트의 기초입니다.
데카르트 속도 모멘 {\displaystyle vm_{pq\mu \gamma }} 트는 다음과 같이 정의됩니다.
{\displaystyle vm_{pq\mu \gamma }=\sum _{i=2}^{images}\sum _{x=1}^{M}\sum _{y=1}^{N}U(i,\mu ,\gamma )C(i,p,g)P_{i_{xy}}}여기서 M 와 N 는 다시 이미지의 차원이고, {\displaystyle images} 는 시퀀스에 있는 이미지의 수이고, {\displaystyle P_{i_{xy}}} 는 이미지의 한 지점에서 픽셀의 강도입니다 (x,y) i .
{\displaystyle C(i,p,q)} 는 중앙 모멘트에서 가져온 것으로, 방정식 변환 불변을 만들기 위해 추가되며 다음과 같이 정의됩니다.
{\displaystyle C(i,p,q)=(x-{\overline {x_{i}}})^{p}(y-{\overline {y_{i}}})^{q}}여기서 \overline {x_{i}} 는 x image 에 대한 질량 중심의 좌표 i 이고, 마찬가지로 y 에 대한 좌표입니다.
{\displaystyle U(i,\mu ,\gamma )} 방정식에 속도를 다음과 같이 도입합니다.
{\displaystyle U(i,\mu ,\gamma )=({\overline {x_{i}}}-{\overline {x_{i-1}}})^{\mu }({\overline {y_{i}}}-{\overline {y_{i-1}}})^{\gamma }}여기서 {\displaystyle {\overline {x_{i-1}}}} 는 x 이전 이미지의 질량 중심 좌표이고, 의 좌표도 i-1 비슷합니다 y .
데카르트 속도 모멘트를 계산한 후 다음과 같이 정규화할 수 있습니다.
{\displaystyle {\overline {vm_{pq\mu \gamma }}}={\frac {vm_{pq\mu \gamma }}{A*I}}}여기서 A 는 객체의 평균 면적(픽셀 단위)이고 I 는 이미지 수입니다.
이제 값은 시퀀스의 사진 수 및 항목 크기와 무관합니다.
데카르트 모멘트와 데카르트 속도 모멘트는 모두 직교하지 않기 때문에 서로 다른 모멘트가 밀접하게 연결될 수 있습니다. 그러나 이러한 속도 모멘트는 변환 및 배율 불변성을 제공합니다(이미지 시퀀스 내에서 배율이 변경되지 않는 한).
단일 이미지의 Zernike 모멘트는 다음과 같이 계산됩니다.
{\displaystyle A_{mn}={\frac {m+1}{\pi }}\sum _{x}\sum _{y}[V_{mn}(r,\theta )]^{*}P_{xy}}여기서 ^{*} 는 복소수 켤레를 나타내고, m 는 와 사이의 정수 {\displaystyle 0} \infty 이며, n 는 짝수인 와 {\displaystyle m-|n|} 같은 정수입니다 {\displaystyle |n|
체르니케 모멘트를 결정하기 위해, 이미지는, 이미지의 관련 부분이 단위 디스크에 매핑되고, 는 {\displaystyle P_{xy}} 디스크 상의 (x,y) 한 점에서의 픽셀의 강도 이며, {\displaystyle x^{2}+y^{2}\leq 1} 와 x 의 값에 대한 제한이다 y .
그런 다음 좌표는 극좌표 형식으로 변환되며 r 단위 \theta 디스크 맵에 있는 (x,y) 점의 극 좌표입니다.
{\displaystyle V_{mn}(r,\theta )} 는 Zernike 다항식에서 파생되며 다음과 같이 정의됩니다.
{\displaystyle V_{mn}(r,\theta )=R_{mn}(r)e^{jn\theta }}{\displaystyle R_{mn}(r)=\sum _{s=0}^{\frac {m-|n|}{2}}(-1)^{s}F(m,n,s,r)}{\displaystyle F(m,n,s,r)={\frac {(m-s)!}{s!({\frac {m+|n|}{2}}-s)!({\frac {m-|n|}{2}}-s)!}}r^{m-2s}}체르니케 속도의 모멘트는 이러한 체르니케 모멘트를 기반으로 합니다.
Zernike 속도 모멘트는 다음과 {\displaystyle A_{mn\mu \gamma }} 같이 정의됩니다.
{\displaystyle A_{mn\mu \gamma }={\frac {m+1}{\pi }}\sum _{i=2}^{images}\sum _{x=1}\sum _{y=1}U(i,\mu ,\gamma )[V_{mn}(r,\theta )]^{*}P_{i_{xy}}}여기서 {\displaystyle images} 는 다시 시퀀스의 이미지 수이고, 는 {\displaystyle P_{i_{xy}}} 이미지에서 매핑된 단위 디스크의 (x,y) 한 지점에 있는 픽셀의 강도 입니다 i .
{\displaystyle U(i,\mu ,\gamma )} 데카르트 속도 모멘트와 같은 방식으로 방정식에 속도를 도입하며 {\displaystyle [V_{mn}(r,\theta )]^{*}} 위의 Zernike 모멘트 방정식에서 가져온 것입니다.
데카르트 속도 모멘트와 유사하게, 체르니케 속도 모멘트는 동일한 공식을 사용하여 정규화할 수 있습니다.
{\displaystyle {\overline {A_{mn\mu \gamma }}}={\frac {A_{mn\mu \gamma }}{A*I}}}여기서 A 는 객체의 평균 면적(픽셀 단위)이고 I 는 이미지 수입니다.
체르니케 속도 모멘트는 직교하는 체르니케 모멘트에서 파생되기 때문에 데카르트 속도 모멘트보다 상관관계가 적고 더 간결한 설명을 제공합니다. 또한 Zernike 속도 모멘트는 변환 및 스케일 불변성을 제공합니다(시퀀스 내에서 스케일이 변경되는 경우에도).
{챕터 1 종료}
챕터 2: 나비에-스톡스 방정식
Navier-Stokes 방정식 (/ nævˈjeɪ stoʊks / nav-YAY STOHKS)은 점성 유체 물질의 운동을 설명하는 편미분 방정식으로, Claude-Louis Navier와 George Gabriel Stokes가 그 이름을 따서 명명되었습니다. 그들은 모두 프랑스의 공학자이자 물리학자였다.
그들은 1822 년 (Navier)에서 1842-1850 년 (Stokes)에 걸친 수십 년간의 연구와 점진적 이론 개발의 정점입니다.
운동량 보존 및 균형은 뉴턴 유체에 대한 Navier-Stokes 방정식으로 정량적으로 표현됩니다. 압력, 온도 및 밀도를 연결하는 상태 방정식이 때때로 함께 제공됩니다. 유체의 응력이 확산 점성 성분(속도 구배에 비례)과 압력 항의 곱과 같다고 가정하면 아이작 뉴턴의 제2법칙을 유체 운동에 적용한 결과입니다. Navier-Stokes 방정식은 오일러 방정식과 유사하지만 오일러 방정식은 점성 유동만 모델링하는 반면 Navier-Stokes 방정식은 점도도 고려합니다. 수학적 구조의 이러한 절충으로 인해 포물선 방정식인 Navier-Stokes의 향상된 분석 기능이 제공됩니다(예: 완전히 적분할 수 없음).
과학 및 공학적 관심의 많은 현상의 물리학은 Navier-Stokes 방정식으로 설명될 수 있으므로 유용한 도구가 됩니다. 날씨에서 해류, 도관의 물 흐름, 날개 위의 공기 흐름에 이르기까지 모든 것을 시뮬레이션하는 데 사용할 수 있습니다. 항공기 및 자동차 설계, 혈류 연구, 발전소 건설, 환경 영향 평가 및 더 많은 분야에서 모두 완전하고 단순화된 Navier-Stokes 방정식의 이점을 누릴 수 있습니다. Maxwell의 방정식과 결합할 때 자기 유체 역학을 모델링하고 분석하는 데 사용할 수 있습니다.
엄밀히 말하면 나비에-스톡스 방정식도 매우 흥미롭습니다. 3차원의 원활한 솔루션, 즉 도메인의 모든 위치에서 끝없이 차별화할 수 있는(또는 제한된) 솔루션의 존재는 다양한