N A U K A
CHAP – Kognitywna, automatyczna interpretacja zawartości obrazów Kognitywne Hierarchiczne Aktywne Podziały CHAP (ang. cognitive hierarchical active partitions) jest to metoda służąca automatycznej interpretacji zawartości obrazów, która próbuje naśladować proces analizy obrazów przez człowieka.
Przykładowe strukturalne sposoby reprezentacji zawartości obrazu
22
Metoda CHAP może być traktowana jako proces, w którym w każdym kroku wiedza na temat obrazu jest rozszerzana poprzez identyfikacje tych jego obszarów, którym można przypisać interpretację semantyczną istotną z punktu widzenia konkretnego zadania. Podejście to odpowiada zatem wstępującemu procesowi analizy obrazów, w którym opierając się na wcześniej zidentyfikowanych szczegółach konstruowane jest pełne wyobrażenie o jego zawartości. Powstało ono w wyniku połączenia wcześniejszych doświadczeń z prac nad technikami aktywnych konturów oraz nad metodami strukturalnej analizy obrazów. Co warte podkreślenia ma ono swoje biologiczne inspiracje szczególnie widoczne w związkach z teorią widzenia Davida Marra. Życie Uczelni nr 135
System oparty na koncepcji CHAP został jak dotąd z powodzeniem użyty do analizy zarówno obrazów naturalnych (lokalizacja znaków drogowych), jak i obrazów medycznych (obrazy tomografii komputerowej serca, rezonans magnetyczny kolan, mammogramy itp.). Może on być bez żadnych dodatkowych modyfikacji zastosowany do sekwencji obrazów (zarówno przestrzennych – obrazy 3D, jak i czasowych – sekwencje wideo), gdyż zwiększenie wymiarowości obrazu wpływa jedynie na rodzaj elementów obrazu, które należy rozważyć. Dodatkową zaletą opisywanego podejścia do analizy obrazów jest to, że potrzebne obliczenia mogą być łatwo rozproszone, a także to, że łatwo jest włączyć ekspertów
dziedzinowych w proces analizy automatycznej, tam gdzie w pełni zautomatyzowane metody jeszcze zawodzą. W praktyce oznacza to, że niektóre etapy przetwarzania mogą być wykonywane niezależnie od siebie, zarówno przez ludzi, jak i maszyny znajdujące się w nawet bardzo oddalonych miejscach. Dobrym przykładem możliwości skorzystania z tej zalety podejścia CHAP są małe, prowincjonalne centra analizujące obrazy, które nie musiałyby ani zatrudniać wysoko wyspecjalizowanych ekspertów ani posiadać sprzętu z odpowiednio dużą mocą obliczeniową, a mimo to mogą korzystać z prezentowanej metody i uzyskiwać wyniki analizy dla pozyskiwanych lokalnie obrazów. n Arkadiusz Tomczyk n Piotr Szczepaniak n Michał Pryczek
Instytut Informatyki
CHAP – kognitywna, automatyczna interpretacja zawartości obrazów została doceniona przez jury na wystawach innowacji i wynalazków, m.in. w Genewie i w Warszawie. Międzynarodowe grono specjalistów nagrodziło metodę opracowaną przez naszych naukowców srebrnym medalem.