Алгоритмы цветовой сегментации, применимые в условиях сложного освещения сцены

• Автор: Николаев, Дмитрий Петрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Москва
• Количество страниц: 125 с. : ил.

ОГЛАВЛЕНИЕ
Введение

Глава I. Обзор современных моделей и методов цветовой сегментации

1.1. Основные понятия цветовой теории

1.2. Цветовая сегментация изображения в зрительной системе человека

1.3. Наиболее распространенные методы сегментации изображения эвристический подход

1.4. Цветовая сегментация па основе линейной модели формирования спектрального стимула
Глава II. Математическая модель формирования изображения и методы линейной цветовой сегментации

.1. Цветовая объектная сегментация изображения как задача морфологического анализа

.2. Линейная модель формирования спектрального стимула и постановка задачи цветовой сегментации в терминах модели

.3. Ранговая классификация и редукция цветового пространства

.4. Численные методы детекции несущих линейных подмногообразий в цветовом пространстве
Глава III. Итерационный алгоритм быстрого выделения объектов
Глава IV. Алгоритм автоматической цветовой сегментации, основанный на линейной модели формирования спектрального стимула
IV. 1. рсдварительная сегментация изображения
IV.2. Критерии слияния областей
IV.3. Окончательная сегментация с использованием метода
слияния областей
Глава V. Алгоритмы сегментации для изображений,
полученных с некалибруемого нелинейного сенсора
V.. Типы и ориентация кластеров в нелинейном цветовом
пространстве
V.2. Алгоритм сегментации в нелинейном цветовом
пространстве для изображений сцен с малым числом объектов
V.3. Алгоритм сегментации с полем внимания для
изображений произвольных сцен
Заключение
Список литературы


И смысл этот связывается со свойствами наблюдаемой сцены, а не со свойствами (пусть и статистически достоверными) самого изображения. Задача сегментации как задача цветоразличения объектов вне зависимости от условий освещения и регистрации была впервые сформулирована еще в г. ЦОС должна опираться не на анализ скачков «цветности», «тона», «яркости» (или других условных величин), а на анализ поведения величин, инвариантных к условиям освещения и наблюдения, но зависящих от цветовых свойств поверхносги. В такой постановке задача ЦОС может быть рассмотрена как задача морфологического анализа изображения [-]. Методология морфологического анализа предполагает построение математической модели формирования изображения, построение максимального инварианта изображения относительно всевозможных изменений условий наблюдения. Этот инвариант называется формой изображения. После такой формализации становится возможным строить наилучшие (в некотором смысле) алгоритмы анализа формы изображения, сводя задачу к вариационной. Ранее уже удалось получить такие алгоритмы для сегментации монохромных изображений объектов достаточно простых сцен []. Вместе с тем, задача веб ещё не решена для цветных изображений реальных сцен со сложными условиями освещения. Эго, в первую очередь, объясняется тем, что физико-математические модели таких сцен достаточно сложны и мало изучены. Цель настоящей работы -в значительной степени заполнить этот пробел. Рассмотрим подробнее сложности построения формы изображения в задаче ЦОС. Очевидный инвариант цветного изображения - это спектральные отражательные свойства поверхности. Однако, восстановление информации об этих свойствах по изображению -практически невыполнимая задача. К счастью, такое восстановление является необходимым только для задачи идентификации окрасок, но не для задачи ЦОС. Алгоритмы ЦОС должны детектировать скачки параметров отражательных свойств, а не вычислять или оценивать сами значения. Эта залача существенно проще. Практическое использование этих цветовых инвариантов затрудняет то обстоятельство, что различным условиям освещения, физическим свойствам поверхностей и условиям регистрации удовлетворяют значительно различающиеся выражения для инвариантов, поскольку они опираются на характеристики сцены и физическую модель формирования спектрального стимула. Например, цветовой тон и нормализованные значения цветовых координат в пространстве 1ЮВ являются постоянными характеристиками однородно окрашенного объекта только в случае освещения сцены белым светом [9]. При цветном освещении нужно искать другие инварианты [4, , ]. Наиболее универсальным в этой связи представляется метод сегментации, который основывается на геометрических особенностях цветовых распределений, выявленных при анализе структуры спектрального стимула в определенных физических моделях. Впервые такая модель была рассмотрена П. П. Николаевым для нескольких типов сцен разной степени сложности и названа “Линейной моделью формирования спектрального стимула” [4, ] (см. В середине гг. С. Шефер для случая однородно окрашенной поверхности, освещенной одним точечным источником или двумя (точечным и диффузным) источниками (7, , ]. Модель Шефера, названную “Дихроматической моделью отражения”, можно рассматривать как частный случай более общей модели Николаева [8]. В случаях, когда линейная модель адекватна, решить задачу цветоразличения объектов можно посредством кластерного анализа цветового распределения в цветовом пространстве (ЦП) сенсора, регистрирующего изображение. П.П. Николаев и С. Шефер показали, что благодаря этому свойству задача ЦОС корректна и разрешима при некоторых ограничениях на сложность сцены. Задачей настоящей работы было, во-первых, построить общую математическую модель сцен, удовлетворяющих этим ограничениям, и их изображений; во-вторых, дать более общее физическое обоснование линейной модели формирования спектрального стимула; в-третьих, развить методы детекции линейных подмногообразий в ЦП и продемонстрировать применимость подхода в целом для сегментации реальных изображений.