Αλγόριθμοι Αναγνώρισης Εικόνας
Στάθμη γνώσεων σε θέματα αξιολόγησης μεθοδολογιών αναγνώρισης ακμών και χρώματος. Συλλογή δεδομένων από πολυαξονικές κατεργασίες
Το παραδοτέο αποτελεί τεχνική έκθεση στάθμης γνώσεων για αλγορίθμους και μεθόδους αναγνώρισης εικόνας, με έμφαση στην ανίχνευση ακμών, την τμηματοποίηση και την αναγνώριση χρώματος, όπως απαιτούνται στο έργο για την ανάλυση ψηφιδωτών και άλλων αντικειμένων πολιτιστικής κληρονομιάς. Αρχικά παρουσιάζεται ο ρόλος της ψηφιακής επεξεργασίας εικόνας και εξηγείται γιατί η ανίχνευση ακμών αποτελεί θεμελιώδες βήμα για επόμενες διεργασίες, όπως αναγνώριση αντικειμένων και τμηματοποίηση.
Στη συνέχεια αναλύονται οι βασικοί τύποι ακμών (βήματος, γραμμής, ράμπας, οροφής), η έννοια της κλίσης (gradient) και ο ρόλος των παραγώγων πρώτης και δεύτερης τάξης. Παρουσιάζονται αναλυτικά οι κλασικοί τελεστές Roberts, Prewitt και Sobel, καθώς και οι τελεστές Laplacian και Laplacian of Gaussian (LoG) για ανίχνευση ακμών μέσω δεύτερης παραγώγου. Περιγράφεται ο αλγόριθμος Marr–Hildreth (LoG) και αναλύεται διεξοδικά ο πολυσταδιακός ανιχνευτής Canny (εξομάλυνση με Gaussian, υπολογισμός κλίσης, εξάλειψη μη μέγιστων, διπλή κατωφλίωση και σύνδεση ακμών), με σύγκριση πλεονεκτημάτων και μειονεκτημάτων όλων των μεθόδων.
Έπειτα, το παραδοτέο εστιάζει στην τμηματοποίηση εικόνας ως διαχωρισμό της εικόνας σε περιοχές/αντικείμενα, παρουσιάζοντας τις τρεις βασικές κατηγορίες: σημασιολογική, τμηματοποίηση παρουσίας (instance) και πανοπτική τμηματοποίηση. Γίνεται επισκόπηση των κλασικών προσεγγίσεων (κατωφλίωση global/local, τμηματοποίηση με βάση ακμές ή περιοχές, clustering, μέθοδοι γραφημάτων) και αναδεικνύονται οι περιορισμοί τους σε θορυβώδεις ή πολύπλοκες σκηνές. Στη συνέχεια περιγράφονται οι σύγχρονες προσεγγίσεις βαθιάς μάθησης με συνελικτικά νευρωνικά δίκτυα (CNNs), αρχιτεκτονικές όπως U-Net, DeepLabV3+ και Vision Transformers, που προσφέρουν μεγάλη ακρίβεια και προσαρμοστικότητα σε πραγματικά δεδομένα.
Ακολουθεί ενότητα για την αναγνώριση χρώματος, όπου παρουσιάζονται διαφορετικοί χρωματικοί χώροι (π.χ. RGB, HSI) και αλγόριθμοι εξαγωγής κυρίαρχων χρωμάτων (όπως k-means), με έμφαση στη σημασία της χρωματικής πληροφορίας για την κατανόηση υλικών, φθορών και τεχνοτροπιών. Τέλος, δίνονται ενδεικτικές εφαρμογές των παραπάνω μεθόδων στην πολιτιστική κληρονομιά: αυτόματη τμηματοποίηση ψηφίδων, ταξινόμηση χρωμάτων σε μωσαϊκά, χρήση νεφών σημείων και GIS, καθώς και ψηφιακή ανακατασκευή και οπτικοποίηση ιστορικών μωσαϊκών. Η έκθεση καταλήγει ότι οι κλασικοί αλγόριθμοι παραμένουν χρήσιμοι για απλές ή διδακτικές εφαρμογές, αλλά οι μέθοδοι βαθιάς μάθησης αποτελούν πλέον την καταλληλότερη επιλογή για τις απαιτήσεις ακριβείας και αυτοματοποίησης του έργου.