Εκτίμηση Σημείων Εστιάσεως Του Ματιού Με Χρήση Τεχνικών Όρασης Υπολογιστών

Abstract

Η οπτική αντίληψη είναι η ικανότητα των ζώντων οργανισμών να αντιλαμβάνονται και να αντιδρούν σε οπτικά ερεθίσματα. Στους ανθρώπους, επιστρατεύονται ποικίλες ομάδες κυττάρων, που διεκπεραιώνουν διεργασίες επεξεργασίας οπτικών ερεθισμάτων. Συνοπτικά, οι φωτοϋποδοχείς (photoreceptors), εντοπίζουν δραστηριότητα στο οπτικό πεδίο, αντιλαμβανόμενοι αλλαγές στη φωτεινότητα και το χρώμα. Η απόκρισή τους οδηγείται στα οριζόντια (horizontal) και δίπολα (bipolar) κύτταρα, που διαμορφώνουν το σήμα και το μεταδίδουν μέσα από Κανάλια Παράλληλης Πληροφορίας (Parallel Information Channels). Στη συνέχεια, οι αποκρίσεις αυτών προωθούνται στα βραχύινα (amacrine) και τα γαγγλιακά (ganglion) κύτταρα, επανατροφοδοτούμενες και στους φωτοϋποδοχείς. Τέλος, οι αποκρίσεις των βραχύινων και των γαγγλιακών κυττάρων συνδυάζονται δημιουργώντας μία παλμοσειρά από δυναμικά ενεργείας, που είναι υπεύθυνη για την ενεργοποίηση των νευρώνων και μεταδίδεται στον εγκέφαλο μέσω του οπτικού νεύρου. Ορισμένες παθήσεις, όπως η εκφύλιση της ωχράς κηλίδας (Age related Macular Degeneration) και η μελαγχρωστική αμφιβληστροειδοπάθεια (Retinitis Pigmentosa), πλήγουν τις προαναφερθείσες ομάδες κυττάρων, συνηθέστερα τους φωτοϋποδοχείς. Ωστόσο, το τελικό επίπεδο των γαγγλιακών κυττάρων, που ευθύνεται για την ενεργοποίηση των νευρώνων, παραμένει φυσιολογικά υγιές. Συνεπώς, το οπτικό νεύρο μπορεί να ενεργοποιηθεί επιτυχώς, εάν δημιουργήσουμε ένα κατάλληλο σήμα εισόδου μέσω διατάξεων προσθετικής του αμφιβληστροειδούς (retinal prosthesis).Στην παρούσα διπλωματική εργασία, υλοποιούμε μία μέθοδο για την εκτίμηση των σημείων μιας εικόνας στα οποία είναι πιθανότερο να εστιάσει ο ανθρώπινος οφθαλμός. Φυσιολογικά, οι άνθρωποι δεν κοιτούν μία σκηνή σταθερά, αλλά τα μάτια κινούνται συνεχώς, εντοπίζοντας ενδιαφέροντα τμήματα της σκηνής. Αυτή η διαδοχή εστιάσεων σε περιοχές ενδιαφέροντος και ραγδαίων κινήσεων αποτελεί τις λεγόμενες σακκαδικές κινήσεις (saccades). Η μετρική η οποία χρησιμοποιείται για να εκτιμήσει τις περιοχές ενδιαφέροντος σε μία εικόνα είναι οι χάρτες προεξοχής (saliency maps), όπου η προεξοχή (saliency) ενός αντικειμένου ορίζεται ως η ιδιότητά του να ξεχωρίζει ως προς τα γειτονικά του αντικείμενα.Αρχικά, αναπτύσσουμε ένα μοντέλο υπολογισμού της προεξοχής σε κάθε σημείο μιας εικόνας, βασισμένο σε χαρακτηριστικά χαμηλού, μεσαίου και υψηλού επιπέδου, υλοποιώτας στο πλαίσιο αυτό ανιχνευτές γωνιών και ακμών. Χρησιμοποιώντας το μοντέλο, εξάγουμε τους χάρτες προεξοχής για όλες τις εικόνες στη βάση δεδομένων μας. Οι χάρτες αυτοί υπόκεινται σε περαιτέρω επεξεργασία, μέσω κατωφλίωσης σε πολλαπλές κλίμακες, ώστε να εξαχθούν τα πιο πιθανά σημεία εστιάσεως στην εικόνα. Μετά από μία τελική επεξεργασία των σημείων αυτών, ώστε να διαχωριστούν τα σημεία εστίασης από τις σακκαδικές κινήσεις, λαμβάνουμε την προβλεπόμενη ακολουθία εστιάσεων, την οποία αποτιμούμε με χρήση διαφόρων μετρικών. Τέλος, χρησιμοποιούμε την προβλεπόμενη ακολουθία εστιάσεων ώστε να τεμαχίσουμε την εικόνα στην περιοχή όπου συγκεντρώνει το μεγαλύτερο ενδιαφέρον.Στα τελευταία κεφάλαια της εργασίας, συγκρίνουμε τα αποτελέσματά μας με συναφείς υπάρχουσες τεχνικές και προτείνουμε επιπλέον βελτιστοποιήσεις, που θα μπορούσαν να βοηθήσουν τον τομέα της προσθετικής του αμφιβληστροειδούς.