Momentos de velocidad: Capturando la dinámica: conocimientos sobre la visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
¿Qué son los momentos de velocidad?
En el campo de la visión por computadora, los momentos de velocidad son promedios ponderados de las intensidades de los píxeles en una secuencia de imágenes, similares a los momentos de las imágenes, pero en Además de describir la forma de un objeto, también describe su movimiento a través de la secuencia de imágenes. Los momentos de velocidad se pueden utilizar para ayudar a la identificación automática de una forma en una imagen cuando la información sobre el movimiento es importante en su descripción. Actualmente existen dos versiones establecidas de momentos de velocidad: cartesiana y Zernike.
Cómo se beneficiará
(I) Insights y validaciones sobre los siguientes temas :
Capítulo 1: Momentos de velocidad
Capítulo 2: Ecuaciones de Navier-Stokes
Capítulo 3: Error cuadrático medio
Capítulo 4: Rotor rígido
Capítulo 5: Estadísticas direccionales
Capítulo 6: Distribución circular
Capítulo 7: Distribución de Von Mises
Capítulo 8: Arroz distribución
Capítulo 9: Distribución normal envuelta
Capítulo 10: Proceso de varianza gamma
(II) Respondiendo a las principales preguntas del público sobre los momentos de velocidad.
(III) Ejemplos del mundo real sobre el uso de momentos de velocidad en muchos campos.
Para quién es este libro
Profesionales, estudiantes universitarios y posgrados estudiantes, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de Velocity Moments.
Lee más de Fouad Sabry
Relacionado con Momentos de velocidad
Títulos en esta serie (100)
Histograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesBanco de filtros: Información sobre las técnicas del banco de filtros de Computer Vision Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFunción de combinación de colores: Comprensión de la sensibilidad espectral en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesTransformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesMétodo de ajuste de nivel: Avances en la visión por computadora, exploración del método de conjunto de niveles Calificación: 0 de 5 estrellas0 calificacionesFiltro adaptativo: Mejora de la visión por computadora mediante filtrado adaptativo Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPercepción visual: Información sobre el procesamiento visual computacional Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesEspacio de color: Explorando el espectro de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPerfil de color: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesLeast Squares: Técnicas de optimización para visión por computadora: métodos de mínimos cuadrados Calificación: 0 de 5 estrellas0 calificacionesAjuste del paquete: Optimización de datos visuales para una reconstrucción precisa Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Campo de movimiento: Explorando la dinámica de la visión por computadora: campo de movimiento revelado Calificación: 0 de 5 estrellas0 calificacionesFlujo óptico: Explorando patrones visuales dinámicos en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPrincipios de transferencia de cantidad de movimiento Calificación: 0 de 5 estrellas0 calificacionesMétodo de ajuste de nivel: Avances en la visión por computadora, exploración del método de conjunto de niveles Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesModelo de cámara estenopeica: Comprender la perspectiva a través de la óptica computacional Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora bidimensionales: Explorando el ámbito visual: gráficos por computadora bidimensionales en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEspacio de escala: Explorando las dimensiones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la teoría de fluidos Calificación: 0 de 5 estrellas0 calificacionesCorrelación cruzada: Desbloqueo de patrones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesSuperficie procesal: Explorando la generación y el análisis de texturas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMosaico de documentos: Desbloqueo de información visual a través del mosaico de documentos Calificación: 0 de 5 estrellas0 calificacionesSolution of Mathisson-Papapetrou-Dixon equations: for spinning test particles in a Kerr metric Calificación: 0 de 5 estrellas0 calificacionesProblemas resueltos de electromagnetismo. Volumen I: Electrostática Calificación: 0 de 5 estrellas0 calificacionesTransformación lineal directa: Aplicaciones prácticas y técnicas en visión por computadora. Calificación: 0 de 5 estrellas0 calificacionesInterpolación bilineal: Mejora de la resolución y claridad de la imagen mediante interpolación bilineal Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos de torno: Explorando la manipulación visual en gráficos de torno a través de visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEstimación de movimiento: Avances y aplicaciones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGuía para el análisis y solución de problemas de resistencia de materiales Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesVibraciones y ondas Calificación: 4 de 5 estrellas4/5Visión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesLeast Squares: Técnicas de optimización para visión por computadora: métodos de mínimos cuadrados Calificación: 0 de 5 estrellas0 calificacionesEje medial: Explorando el núcleo de la visión por computadora: revelando el eje medial Calificación: 0 de 5 estrellas0 calificacionesPunto de Fuga: Explorando los límites de la visión: conocimientos de la informática Calificación: 0 de 5 estrellas0 calificacionesAnálisis estructural mediante el método de los elementos finitos. Introducción al comportamiento lineal elástico Calificación: 5 de 5 estrellas5/5Fundamentos de mecánica de fluidos.: Con ejercicios parcialmente resueltos Calificación: 0 de 5 estrellas0 calificacionesGeometría descriptiva: Desbloqueando el ámbito visual: explorando la geometría descriptiva en visión por computadora Calificación: 0 de 5 estrellas0 calificaciones
Inteligencia (IA) y semántica para usted
Chat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesCómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesArquitectura de computadoras Calificación: 0 de 5 estrellas0 calificacionesDominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5R en profundidad: Programación, gráficos y estadística Calificación: 0 de 5 estrellas0 calificacionesAprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesFundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Casos prácticos con aprendizaje profundo Calificación: 4 de 5 estrellas4/5Resumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Desarrollo de aplicaciones C#: con Visual Studio .NET Curso práctico Calificación: 0 de 5 estrellas0 calificacionesEl mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5Cómo triunfar en Instagram usando ChatGPT: La guía definitiva para crear contenido impactante con ChatGPT Calificación: 0 de 5 estrellas0 calificaciones¿Cómo ganar dinero con la inteligencia artificial? Calificación: 0 de 5 estrellas0 calificacionesMonetización de ChatGPT: aproveche el poder de AI: Spanish Calificación: 1 de 5 estrellas1/5Introducción a la computación cuántica para ingenieros Calificación: 0 de 5 estrellas0 calificacionesCiencias de la Computación en la escuela: Guía para enseñar mucho más que a programar Calificación: 5 de 5 estrellas5/5Laravel: Curso práctico de formación Calificación: 0 de 5 estrellas0 calificacionesMecatrónica Calificación: 0 de 5 estrellas0 calificacionesGuíaBurros: Inteligencia Artificial: Su lado oscuro y el fin del principio Calificación: 0 de 5 estrellas0 calificacionesMetodología de la Programación Orientada a Objetos Calificación: 0 de 5 estrellas0 calificacionesPHP: Programación web avanzada para profesionales Calificación: 0 de 5 estrellas0 calificacionesCómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: la cuarta revolución industrial Calificación: 0 de 5 estrellas0 calificacionesProgramacion Orientada a Objetos y Estructura de Datos a Fondo Calificación: 0 de 5 estrellas0 calificacionesInteligencia Artificial Calificación: 4 de 5 estrellas4/5Escritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5
Comentarios para Momentos de velocidad
0 clasificaciones0 comentarios
Vista previa del libro
Momentos de velocidad - Fouad Sabry
Capítulo 1: Momentos de velocidad
Al igual que los momentos de imagen, los momentos de velocidad son promedios ponderados de las intensidades de los píxeles en una secuencia de fotografías. Sin embargo, además de definir la forma de un objeto, los momentos de velocidad también caracterizan su movilidad a través de la secuencia de imágenes. Los momentos de velocidad se pueden utilizar para ayudar en la identificación automatizada de una forma en una imagen cuando la descripción del movimiento es significativa. Actualmente, existen dos versiones aceptadas de los momentos de velocidad: Cartesiana
Calcular el momento cartesiano de una sola imagen
{\displaystyle m_{pq}=\sum _{x=1}^{M}\sum _{y=1}^{N}x^{p}y^{q}P_{xy}}donde M y N son las dimensiones de la imagen, {\displaystyle P_{xy}} es la intensidad del píxel en el punto de (x,y) la imagen, y {\displaystyle x^{p}y^{q}} es la función base.
Estos momentos cartesianos son la base de los momentos de velocidad cartesiana.
Un momento de velocidad cartesiana {\displaystyle vm_{pq\mu \gamma }} se define por
{\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}}}donde M y N son de nuevo las dimensiones de la imagen, {\displaystyle images} es el número de imágenes en la secuencia, y {\displaystyle P_{i_{xy}}} es la intensidad del píxel en el punto de la (x,y) imagen i .
{\displaystyle C(i,p,q)} se toma de los momentos centrales, se suma para hacer que la traslación de la ecuación sea invariante, definida como
{\displaystyle C(i,p,q)=(x-{\overline {x_{i}}})^{p}(y-{\overline {y_{i}}})^{q}}donde \overline {x_{i}} es la x coordenada del centro de masa para la imagen i , y de manera similar para y .
{\displaystyle U(i,\mu ,\gamma )} introduce la velocidad en la ecuación como
{\displaystyle U(i,\mu ,\gamma )=({\overline {x_{i}}}-{\overline {x_{i-1}}})^{\mu }({\overline {y_{i}}}-{\overline {y_{i-1}}})^{\gamma }}donde {\displaystyle {\overline {x_{i-1}}}} es la x coordenada del centro de masa para la imagen anterior, i-1 , y de nuevo de manera similar para y .
Después de calcular el momento de velocidad cartesiana, se puede normalizar mediante
{\displaystyle {\overline {vm_{pq\mu \gamma }}}={\frac {vm_{pq\mu \gamma }}{A*I}}}donde A es el área promedio del objeto, en píxeles, y I es el número de imágenes.
Ahora el valor es independiente del número de fotografías de una secuencia y del tamaño del elemento.
Como tanto los momentos cartesianos como los momentos de velocidad cartesiana no son ortogonales, los distintos momentos pueden estar estrechamente conectados. Sin embargo, estos momentos de velocidad ofrecen traslación e invariancia de escala (a menos que la escala cambie dentro de la secuencia de imágenes).
El momento Zernike de una sola imagen se calcula mediante
{\displaystyle A_{mn}={\frac {m+1}{\pi }}\sum _{x}\sum _{y}[V_{mn}(r,\theta )]^{*}P_{xy}}donde ^{*} denota el conjugado complejo, m es un número entero entre {\displaystyle 0} y \infty , y n es un número entero tal que {\displaystyle m-|n|} es par y {\displaystyle |n|
Para determinar los momentos de Zernike, la imagen, Una parte relevante de la imagen se asigna al disco de la unidad, luego {\displaystyle P_{xy}} es la intensidad del píxel en el punto (x,y) del disco y {\displaystyle x^{2}+y^{2}\leq 1} es una restricción en los valores de x y y .
A continuación, las coordenadas se convierten a forma polar y r son \theta las coordenadas polares del punto (x,y) en el mapa de disco de unidad.
{\displaystyle V_{mn}(r,\theta )} se deriva de los polinomios de Zernike y se define por
{\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}}Los momentos de velocidad de Zernike se basan en estos momentos de Zernike.
Un momento de velocidad de Zernike {\displaystyle A_{mn\mu \gamma }} se define por
{\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}}}donde {\displaystyle images} es de nuevo el número de imágenes en la secuencia, y {\displaystyle P_{i_{xy}}} es la intensidad del píxel en el punto (x,y) del disco unitario mapeado a partir de la imagen i .
{\displaystyle U(i,\mu ,\gamma )} introduce la velocidad en la ecuación de la misma manera que en los momentos de velocidad cartesianos y {\displaystyle [V_{mn}(r,\theta )]^{*}} es de la ecuación de momentos de Zernike anterior.
Al igual que los momentos de velocidad cartesianos, los momentos de velocidad de Zernike se pueden normalizar utilizando la misma fórmula.
{\displaystyle {\overline {A_{mn\mu \gamma }}}={\frac {A_{mn\mu \gamma }}{A*I}}}donde A es el área promedio del objeto, en píxeles, y I es el número de imágenes.
Debido al hecho de que los momentos de velocidad de Zernike se derivan de los momentos ortogonales de Zernike, ofrecen descripciones menos correlacionadas y más compactas que los momentos de velocidad cartesianos. Además, los momentos de velocidad de Zernike ofrecen traslación e invariancia de escala (incluso cuando la escala cambia dentro de la secuencia).
{Fin del capítulo 1}
Capítulo 2: Ecuaciones de Navier-Stokes
Las ecuaciones de Navier-Stokes son ecuaciones diferenciales parciales que describen el movimiento de sustancias fluidas viscosas, Claude-Louis Navier y George Gabriel Stokes fueron los homónimos. Ambos eran ingenieros y físicos franceses.
Son la culminación de décadas de investigación y desarrollo teórico incremental, que abarcan desde 1822 (Navier) hasta 1842-1850 (Stokes).
La conservación y el equilibrio del momento lineal se expresan cuantitativamente mediante las ecuaciones de Navier-Stokes para fluidos newtonianos. A veces se proporciona una ecuación de estado que conecta la presión, la temperatura y la densidad junto con ellos. Suponiendo que la tensión en el fluido es igual al producto de un componente viscoso difuso (proporcional al gradiente de velocidad) y un término de presión, resultan de aplicar la segunda ley de Isaac Newton al movimiento del fluido. Las ecuaciones de Navier-Stokes son similares a las ecuaciones de Euler, pero las ecuaciones de Euler solo modelan el flujo invisible, mientras que las ecuaciones de Navier-Stokes también tienen en cuenta la viscosidad. Con esta compensación en la estructura matemática vienen las características analíticas mejoradas de Navier-Stokes, que son una ecuación parabólica (por ejemplo, nunca son completamente integrables).
La física de muchos fenómenos de interés científico y de ingeniería puede describirse mediante las ecuaciones de Navier-Stokes, lo que las convierte en una herramienta útil. Puede usarlos para simular todo, desde el clima hasta las corrientes oceánicas, el flujo de agua en un conducto y el flujo de aire sobre un ala. El diseño de aeronaves y automóviles, la investigación del flujo sanguíneo, la construcción de centrales eléctricas, la evaluación del impacto ambiental y muchos otros campos se benefician de las ecuaciones completas y simplificadas de Navier-Stokes. Se pueden utilizar para modelar y analizar la magnetohidrodinámica cuando se combinan con las ecuaciones de Maxwell.
En un sentido estrictamente matemático, las ecuaciones de Navier-Stokes también son de enorme interés. No se ha establecido la existencia de soluciones fluidas en tres dimensiones, es decir, soluciones que