Разработка и исследование статистических методов текстурной сегментации полутоновых изображений

• Автор: Патана, Елена Игоревна
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Таганрог
• Количество страниц: 177 с. : ил.

1.1 Т екстурный элемент

1.2 Правило смещения.

1.3 Текстурные функционалы.

1.4 Проверка корректности введенного определения текстуры

1.5 Выводы.
Глава 2. Статистический метод текстурной сегментации, основанный на матрице взаимного расположения градаций тона.

2.1 Обобщенный подход к статистическим методам.

2.2 Матрица взаимного расположения градаций тона как описание структуры взаимосвязи пикселей изображения

2.3 Построение матриц, инвариантных относительно углов поворотов изображений

2.4 Исследование статистических функционалов.

2.5 Метод априорной оценки количества текстур, присутствующих на изображении

2.6 Выводы.
Глава 3. Методы текстурной сегментации на основе моделирования случайных полей и анализа случайных последовательностей
3.1 Общие сведения о марковских случайных полях и их наиболее распространенных моделях.
3.2 Оценка коэффициентов взаимосвязи пикселей
3.3 Методы определения порядка окрестности и количества текстур на изображении
3.4 Уравнения взаимосвязи пикселей в окрестности
3.5 Сегментация текстур на основе выделения стационарных участков случайных последовательностей.
3.6 Выводы.
Глава 4. Экспериментальные исследования методов и алгоритмов
4.1 Общие сведения об РЛС изображениях.
4.2. Алгоритмы сегментации для исследуемых методов и результаты их
работа.
4.3 Выводы.
Заключение
Библиографический список.
Приложение 1. Программные реализации методов текстурной
сегментации.
Приложение 2. Акт об использовании результатов диссертационной
работы в учебном процессе кафедры высшей математики
Приложение 3. Акт об использовании результатов диссертационной работы в ЗАО ОКБ РИТМ.
Введение


Это обеспечивает повышение качества сегментации по сравнению с известными методами и снижает ошибку первого рода в среднем на 3, второго на 4. Предложен метод статистического анализа текстурных характеристик на основе корреляционного анализа и кластеризации при помощи транзитивного замыкания с целью устранения избыточности количества функционалов, что позволяет сократить вычислительные затраты на по сравнению с известным методом сегментации, использующим десять наиболее употребительных текстурных характеристик. С помощью построения гистограммы распределения текстурных функционалов разработан метод определения количества текстур, присугствующих на изображении, который позволяет проводить автоматизированную сегментацию и отличается от существующих методов тем, что может применяться для произвольных оконных алгоритмов получения характеристик. Разработан метод оценки порядка модели МСП, основанный на анализе степени взаимосвязи пикселей, который отличается от известных тем, что позволяет не только определить порядок окрестности МСП, но и прогнозировать тип функциональной зависимости. На основе ре1рессионного анализа синтезирован алгоритм выбора уравнения взаимосвязи пикселей окрестности, который в отличие от случая линейной зависимости более точно моделирует взаимосвязь пикселей, снижая ошибку сегментации первого рода в среднем на 5, второго на 4. Предложен метод текстурной сегментации на основе поиска точек переключения случайных процессов, который отличается от существующих тем, что для расчета текстурных характеристик используется одномерная подобласть размером пикселей при вертикальной обработке и М при горизонтальной, что сокращает количество операций пропорционально ММЫМ по сравнению с известными методами. Разработан программный комплекс для выполнения текстурной сегментации изображений. Достоверность результатов вытекает из их математического обоснования, подтверждается оценками на основе корреляционного и регрессионного анализа, детально иллюстрируется работой программного комплекса. Предложено определение текстуры, основанное на положениях теории множеств, теории групп и интегрального исчисления, а также метод определения размера текстурного элемента на основе аддитивной текстурной характеристики, который выделяет элементарную часть текстуры. Построен обобщенный подход к статистическим методам текстурного анализа первого и второго порядка на основе вычисления интеграла Лебега от разложения функции изображения в ряд Тейлора. Предложен метод статистического анализа текстурных характеристик на основе корреляционного анализа и кластеризации при помощи транзитивного замыкания с цслыо устранения избыточности количества функционалов. С помощью построения гистограммы распределения текстурных функционалов разработан метод определения количества текстур, присутствующих на изображении, который позволяет проводить автоматизированную сегментацию. Разработан метод оценки порядка модели МСП, основанный на анализе степени взаимосвязи пикселей. С помощью регрессионного анализа синтезирован алгоритм выбора уравнения взаимосвязи пикселей окрестности. Предложен метод текстурной сегментации на основе поиска точек переключения случайных процессов. Разработан программный комплекс для выполнения текстурной сегментации изображений. Практическая значимость работы определяется программной реализацией предложенных методов определения априорных параметров изображения размер модели МСП, количество текстур, присутствующих на изображении, а также модернизацией статистических методов текстурной сегментации. Реализован новый подход к анализу текстур как стационарных участков случайных последовательностей. Создан программный комплекс на языке С для ОС Vi, реализующий текстурную сегментацию изображений. Работа комплекса устойчиво дает качественные результаты сегментации. Практические результаты диссертации могут успешно применяться для обработки изображений, полученных в оптическом и радиочастотном диапазонах, а также для обработки ультразвуковых и рентгеновских снимков.