Fourier Vision: Segmentation and Velocity Measurement using the Fourier Transform

فوریه ویژن روش جدیدی از تقسیم‌بندی شکل-زمینی در صحنه‌هایی که شامل اجسام شفاف، نیمه شفاف یا مات هستند، ارائه می‌کند. این تکنیک با بهره‌برداری از حرکت نسبی بین شکل و زمین، به صراحت با جداسازی سیگنال‌های افزایشی سروکار دارد و هیچ فرضی در مورد محتوای فضایی یا طیفی تصاویر نمی‌کند، با تقسیم‌بندی فاز به فاز در حوزه فوریه انجام می‌شود. این دوربین با چندین پیکربندی دوربین مانند حرکت دوربین و استریو دوچشمی با خط پایه کوتاه کار می‌کند و بهترین عملکرد را روی تصاویر با سرعت/جابجایی کوچک، معمولاً یک تا ده پیکسل در هر فریم دارد. این کتاب همچنین به استفاده از تکنیک های فوریه برای تخمین نابرابری استریو و جریان نوری می پردازد. نمونه های متعددی در سراسر ارائه شده است.
فوریه ویژن برای محققان در پردازش تصویر و بینایی کامپیوتری و به ویژه برای کسانی که باید با اجسام شفاف یا نیمه شفاف بر روی هم سروکار داشته باشند، ارزشمند خواهد بود. محققان در زمینه های کاربردی مانند تصویربرداری پزشکی و پردازش سیگنال صوتی نیز این مورد را مورد توجه قرار خواهند داد.

Fourier Vision provides a new treatment of figure-ground segmentation in scenes comprising transparent, translucent, or opaque objects. Exploiting the relative motion between figure and ground, this technique deals explicitly with the separation of additive signals and makes no assumptions about the spatial or spectral content of the images, with segmentation being carried out phasor by phasor in the Fourier domain. It works with several camera configurations, such as camera motion and short-baseline binocular stereo, and performs best on images with small velocities/displacements, typically one to ten pixels per frame. The book also addresses the use of Fourier techniques to estimate stereo disparity and optical flow. Numerous examples are provided throughout.
Fourier Vision will be of value to researchers in image processing & computer vision and, especially, to those who have to deal with superimposed transparent or translucent objects. Researchers in application areas such as medical imaging and acoustic signal processing will also find this of interest.