Сетевое издание
Международный студенческий научный вестник
ISSN 2409-529X

РЕШЕНИЕ ЗАДАЧИ СЕГМЕНТАЦИИ ПОЛНОГРАДАЦИОННЫХ ИЗОБРАЖЕНИЙ

Брызгалин В.В. 1 Сальников И.И. 1
1 Пензенский государственный технологический университет
1. Хорн Б.К.П. Зрение роботов. – М.: Мир, 1989. – 487 с.
2. Сальников И.И. Растровые пространственно-временные сигналы в системах анализа изображений. – М.: Физматлит, 2009. – 248 с.
3. Мартышкин А.И. Программный комплекс для имитационного моделирования диспетчеров задач многопроцессорных систем с использованием приоритетных сетей массового обслуживания // Фундаментальные исследования. – 2014. – № 11-10. – C. 2155-2159.

Сегментация как метод цифровой обработки изображений представляет собой разделение растра на пространственно-связанные группы элементов [1]. В [2] сегменты также называются локальными областями. Наиболее простой вариант сегментации возможен, если исходное изображение бинарное. Такой способ локализации областей имеет следующие недостатки:

1) В бинарном изображении невозможно определить координаты максимумов сегментов.

2) Бинарное изображение не всегда точно передает очертания объектов реального мира.

Поэтому наиболее корректная сегментация получается, если исходное изображение полноградационное.

Перед исследованием ставятся следующие цели:

1) Определение принадлежности пикселей к сегментам;

2) Определение границ между объектами, между объектом и фоном;

3) Определение координат максимумов локальных областей.

При проведении исследования приняты следующие допущения:

1) В качестве полезных объектов выступают пятна белого гауссового шума.

2) Яркость пикселя в области пересечения пятен определяется максимальнымзначением яркости пересекающихся пятен для данных координат.

3) Воздействие высокочастотных шумов при проведении исследования не учитывается.

Исходное изображение представляет собой совокупность гауссовых пятен с разной амплитудой, смещением в пространстве и дисперсией (рис. 1).

Функция Гаусса двух переменных описывается выражением (1):

appara12.wmf, (1)

где σ – среднеквадратичное отклонение; µx, µy – смещение от центра пятна от начала координат по осям X, Y.

Следует учесть, что пороговый уровень яркости для выделения локальной области должен подбираться индивидуально в зависимости от максимальной яркости пятна. В результате проведенного исследования разработан алгоритм сегментации полноградационных изображений и реализован в виде программы для ПК. Алгоритм сегментации состоит из следующих действий:

1) Анализ растра начинается с пикселя с координатами [i=1, j=1]. На него устанавливается указатель. Изображение обрабатывается не последовательно, а по цепочке. Для пикселя с координатами [i, j] проверяется яркость соседних пикселей. В данном случае применяется 8-связная система соседства [1].Среди соседних пикселей находится максимум. Если яркость максимума ≥ яркости выбранного указателем пикселя, то указатель переносится на максимум, обоим пикселям присваивается номер сегмента ns=1, они отмечаются проверенными.

2) Цепочка продолжается до тех пор, пока по соседству с пикселем [i, j] не останется непроверенных пикселей с яркостью ≥ яркости пикселя [i, j]. Пиксель [i, j] признается максимумом сегмента ns. Цепочка завершается.

3) Производится последовательный поиск в растре непроверенных пикселей, начиная с координат [i=1, j=2]. Первый найденный непроверенный пиксель начинает новую цепочку. Далее возможны 2 варианта развития событий.

4) Если цепочка завершается нахождением непроверенного максимума, то создается новый сегмент, ему присваивается номер ns> 1 (аналогично п.2).

5) Если обнаруженный максимум относится к какому-либо сегменту, то все пиксели цепочки присоединяются к сегменту, к которому относится максимум.

6) Растр анализируется до тех пор, пока все пиксели не будут проверены. При этом следует исключить проверку пикселей на краях изображения.

7) Необходимо выделить область фона, не относящуюся ни к одному из сегментов. Для каждого пикселя проверяется условие (2).

appara13.wmf (2)

где ns[i,j] – номер сегмента пикселя с координатами i, j; S[i,j] – уровень яркости пикселей с координатами i, j; SMIN – минимальный уровень яркости распознавания объектов или максимальный уровень помех; X – чувствительность распознавания объектов в %; SMAX[ns] – максимальный уровень яркости сегмента с номером ns.

Результаты сегментации приведены на рисунке. Чувствительность распознавания объектов для данного изображения принята равной 50 %.

appar2.tif

Исходное изображение (слева) и результаты сегментации (справа)

В результате проведенного исследования разработан и реализован в виде программы для ПК алгоритм сегментации полноградационных изображений.


Библиографическая ссылка

Брызгалин В.В., Сальников И.И. РЕШЕНИЕ ЗАДАЧИ СЕГМЕНТАЦИИ ПОЛНОГРАДАЦИОННЫХ ИЗОБРАЖЕНИЙ // Международный студенческий научный вестник. – 2016. – № 3-1. ;
URL: https://eduherald.ru/ru/article/view?id=14726 (дата обращения: 28.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674