| Биография | Реферат | Библиотека | Ссылки | Отчет о поиске | Индивидуальный раздел | ДонНТУ | Портал магистров ДонНТУ |
Источник: Материалы четвертой международной научно-технической конференции студентов, аспирантов и молодых ученых «Інформатика та комп'ютерні технології», ДонНТУ, Донецк, 25-27 октября 2008 г.
Федяев О.И. Фёдоров А.В.
Донецкий национальный технический университет
В качестве первоисточников информации для исследования характерных признаков технологических объектов используются, как правило, видео- и фото изображения. При этом на них могут присутствовать объекты произвольного вида [1]. Поэтому перед непосредственным анализом изображенных предметов необходимо выполнить ряд предварительных операций, позволяющих получить изображение самих объектов без посторонних изображений [2].
В большинстве автоматизированных систем обработки изображений выполняется распознавание отдельных объектов (их фрагментов) по заданным объектно-геометрическим параметрам. При этом обрабатываемое изображение локально неоднородно и распознаваемый объект может делиться на подобъекты и элементарные объекты [3].
Для эффективного использования таких изображений используются разные подходы к декомпозиции модели данных, позволяющие представить общую модель как совокупность иерархически взаимосвязанных более простых моделей разного уровня иерархии [4].
Одним из самых распространенных методов решения этих задач является контурная сегментация.
Методы контрастной сегментации используются во многих областях, где объекты на анализируемых изображениях обладают большой сложностью и многофакторностью, что обусловливает высокие требования к надёжности, точности и достоверности результатов исследований. Использование вычислительной техники и математических методов в этой области позволяет не только ускорить процесс обработки материала, но и повысить точность результатов исследования [4].
Быстрое развитие цифровой техники в последнее время открывает новые возможности в реализации этих методов. Увеличение быстродействия вычислительной техники позволяет использовать сложные, критичные ко времени алгоритмы, а благодаря появлению цветных телевизионных датчиков высокого разрешения можно получать и обрабатывать цветные изображения. Именно новые технические возможности позволяют значительно расширить круг исследований, открывают новые пути решения задач, касающихся анализа изображений [5].
Наиболее типичные методы контрастной сегментации: метод определенного окна и метод цепных кодов.
Граница – контрастная область изображения, содержащая резкое различие яркости между двумя соседними пикселями. Такие перепады яркости, как правило, являются границами объекта, где фон и яркость самого объекта значительно отличаются. Существует множество различных методов выделения границ. Они могут сочетаться с коррекцией по гистограммам и бинаризацией изображения. Самые распространенные методы выделения границ: алгоритмы Собеля, Кенни, Робинсона [3].
На подготовительном этапе метода определенного окна находят области, содержащие необходимую контрастность (высокую или, наоборот, низкую). Далее создается окно, исходя из примерных размеров и формы искомого объекта, и считается количество граней в «подозрительных» областях. Если оно находится в заданном диапазоне – объект выделен. Диапазон количества граней выбирается экспериментально.
Недостаток использования данного метода заключается в том, что выбранный порог бинаризации не может работать хорошо на всех изображениях. Освещение, цвета могут влиять на качество бинаризации изображения. Ещё один недостаток метода – низкая скорость работы, так как значения всех пикселей в выделенном окне должны быть неоднократно суммированы. Третий существенный недостаток – низкое качество распознавания. Поэтому необходимо дополнительно использовать другие методы. Метод контурной сегментации способен определить местонахождение объекта с вероятностью около 73%.
Метод цепного кодирования был предложен Фриманом [5]. Он заключается в том, чтобы границу объекта, расположенного на дискретной сетке, представить в виде набора элементарных отрезков. Тогда полной характеристикой границы объекта в каждой точке является направление требуемого отрезка (1 – вверх, 2 – вправо, 3 – вниз, 4 - влево). Предполагается, что точки на границе являются только 4-х связными (модификация метода использует 8-связную модель).
Несомненным достоинством представления границы изображаемого объекта цепным кодом является простота реализации алгоритма его описания, простота получения на основе этого описания геометрических характеристик объекта (периметр, площадь, линейные размеры по вертикали и горизонтали и др.), возможность достижения инвариантности к преобразованиям подобия – масштабированию изображения, его переносу и повороту.
Основным недостатком данного метода является высокая неустойчивость получаемых описаний к искажениям в изображениях [5].
В рамках исследования промоделирована работа описанных выше двух методов контурной сегментации. На программной модели проведены сравнение и анализ этих методов. Программная модель позволяет по исходным графическим образам оценивать качество рассмотренных методов контрастной сегментации изображений.
Также промоделированы методы бинаризации и коррекции по гистограммам. Для каждой области применения выделены методы, дающие наилучшие результаты.
Литература