Визначення меж об’єктів півтонового зображення

Автор(и)

  • Калмиков В.Г. https://orcid.org/0000-0001-8928-182X , Институт проблем математических машин и систем НАН Украины, г. Киев, Украина
  • Шарипанов А.В. https://orcid.org/0000-0001-6804-0533 , Институт проблем математических машин и систем НАН Украины, г. Киев, Украина

DOI:

https://doi.org/10.34121/1028-9763-2019-4-52-64

Ключові слова:

grayscale image, variable resolution, cellular complexes, півтонове зображення, змінна роздільна здатність, клітинні комплекси

Анотація

Півтонове зображення містить інформацію про об’єкт інтересу. Вільна від об’єкта інтересу частина зображення відноситься до фону. Відомі методи розпізнавання, зокрема, статистичні методи, передбачають оброблення усієї площі зображення. Якщо фон непередбачувано змінюється, то якість оброблення та розпізнавання такого зображення стає проблематичною, оскільки межа, що відокремлює об’єкт інтересу від фону, заздалегідь невідома. Задача визначення меж об’єктів інтересу на півтонових зображеннях, при неоднорідному фоні та в умовах впливу завад, з метою подальшого використання цих результатів у задачах розпізнавання є актуальною. Визначення меж об’єктів у зоровій системі людини відбувається непомітно, на підсвідомому рівні, навіть при значній кількості завад, що зумовлено наявністю механізму змінної роздільної здатності у зоровій системі людини. Представлено огляд та аналіз відомих методів визначення меж об’єктів півтонового зображення. У роботі розглянуті метод, алгоритм для визначення меж об’єктів півтонового зображення, яке представлене як дискретна реалізація невідомої кусково-гладкої функції. Для адекватного відтворення зображення воно представлене у вигляді клітинних комплексів, що дає можливість відтворювати межі об’єктів як одновимірні лінії без товщини, що, у свою чергу, дозволяє точно відобразити найменші деталі форми об’єкта при заданій роздільній здатності. При обробленні зображення застосовується змінна роздільна здатність, що забезпечує можливість автоматичного оброблення зображення при наявності завад без попереднього визначення їх параметрів. Наведені результати експериментів щодо визначення меж об’єктів півтонового зображення у порівнянні з результатами, які отримані при використанні відомих методів.

Посилання

1. Вишневський В.В. Еволюція технологічного задуму проекту «Медгрід». Системи підтримки прийняття рішень. Теорія і практика (СППР’2017): зб. доп. наук.-практ. конф. з міжнар. участю (м. Київ, 5 червня 2017 р.). Київ: ІПММС НАНУ, 2017. С. 77–80.

2. Кийко В.М., Кийко К.В., Мацелло В.В., Провалов Ю.Л., Шарипанов В.М. Система доступу до приміщення на основі розпізнавання людських облич. УкрОБРАЗ’2006: восьма Всеукр. міжнар. конф. (м. Київ, 28–31 серпня 2006 р.). Київ: Міжнародний науково-навчальний центр інформаційних технологій та систем, 2006. С. 123–126.

3. Старостенко В.И., Шарыпанов В.М., Шарыпанов А.В., Савченко А.С., Легостаева О.В., Макаренко И.Б., Куприенко П.Я. Интерактивный программный комплекс Isohypse для построения геолого-геофизических моделей и его практическое использование. Геофизический журнал. 2016. Т. 38. № 1. С. 30–42.

4. Костенко В.В., Лавренюк І.В., Пономарьов В.М. Дослідження можливостей ефективного використання методів розпізнавання для обробки фотозображень автомобільних номерних знаків. Вісник АМСУ. Технічні науки. 2014. № 1 (51). С. 48–56.

5. Медведев Д.Г. Метод выделения контуров объектов с нечеткими краями на цветных изображениях. Цифровая Обработка Сигналов. 2014. № 3. С. 62–67.

6. Kaas M., Witkin A., Terzopoulos D. Snakes: Active Contour Models. Int. Journal of Computer Vision. 1987. N 1. P. 312–331.

7. Canny J.F. A computational approach to edge detection. IEEE Trans. Pattern Anal. Machine Intell. 1986. Vol. PAMI-8, N 6. P. 679–698.

8. Kovalevsky V. Finite Topology as Applied to Image Analysis. Computer Vision, Graphics and Image Processing. 1989. Vol. 45, N 2. P. 141–161.

9. Александров П.С. Комбинаторная топология. М., Л.: ОГИЗ. Гос. изд-во технико-теорет. лит, 1947. 660 с.

10. Kovalevsky V.A. Geometry of Locally Finite Spaces. Berlin: Dr. Baerbel Kovalevski, 2008. 322 p.

11. Калмыков В., Вишневский В., Власова Т. Структурная модель полутонового изображения и ее использование в задаче сегментации изображения. Intenational Book Series “Information, Science And Computing”, Book 5 “Intelligent Technologies and Applications”. Sofia, 2008. С. 153–160.

12. Kalmykov V., Sharypanov A. Segmentation of Experimental Curves Distorted by Noise. Journal of Computer Science Systems Biology. 2017. Vol. 10, Issue 3. P. 50–55.

13. Подвигин Н.Ф. Динамические свойства нейронных структур зрительной системы. Л.: Наука, 1979. 158 с.

14. Ruksenas O., Bulatov A., Heggelund P. Dynamics of Spatial Resolution of Single Units in the Lateral Geniculate Nucleus of Cat During Brief Visual Stimulation. J Neurophysiol. 2007. N 97. P. 1445–1456.

15. Martin D., Fowlkes C., Tal D., Malik J. A Database of Human Segmented Natural Images and its Application to Evaluating Segmentation Algorithms and Measuring Ecological Statistics. Proc. 8th Int’l Conf. Computer Vision (July 2001). 2001. Vol. 2. P. 416–423. URL: https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/papers/mftm-iccv01.pdf.

Завантаження

Views: 56
Downloads: 20

Опубліковано

2019-12-01

Номер

Розділ

ІНФОРМАЦІЙНІ І ТЕЛЕКОМУНІКАЦІЙНІ ТЕХНОЛОГІЇ