Алгоритмы и программные средства идентификации полутоновых изображений

• Автор: Елизаров, Алексей Игоревич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Томск
• Количество страниц: 133 с. : ил.

Содержание
Введение.

Глава 1. Анализ методов коррекции и идентификации

1.1 Отделение сюжетной части изображения от фона.

1.2 Приведение изображений к единым условиям съма

1.3 Классификация изображений.

1.4 Выводы

Глава 2. Отделение сюжета.

2.1 Предварительная обработка изображений.

2.2 Пороговая обработка.

2.3 Градиентные методы выделения контуров полутонового изображения

2.4 Выделение контуров изображения с помощью вейвлетпреобразования
2.5 Выделение сюжетной части изображения в задачах идентификации личности
2.6 Выводы
Глава 3. Методика приведения изображения к одинаковым условиям съе.ма
3.1 Построение формы изображения
3.2 Алгоритм приведения изображений к одинаковым условиям съема.
3.3 Выводы
Глава 4. Идентификация изображений по численным характеристикам
4.1 Численное описание изображений
4.2 Классификация изображений по численным характеристикам
4.3 Классификация изображений по набору оценок.
4.5 Выводы
Заключение
Список используемой литературы


В совместных работах диссертант принимал участие в непосредственной разработке алгоритмов, теоретических расчетах и вычислительных экспериментов, в интерпретации результатов. Постановка задачи исследований осуществлялась научным руководителем, к. Калайдой В. Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из наименований и приложения. Общий объем работы составляет 7 страниц, в том числе рисунка. Глава 1. Одной из главных проблем анализа изображений является создание адекватного математического описания изображений, передающего их содержание, смысл. Это описание должно отражать лишь существенные особенности изображения, и не зависеть от несущественных деталей. Такими несущественными характеристиками являются условия регистрации изображений объекта (уровень освещенности, незначительная неточность фиксации), параметры регистрирующей аппаратуры, мелкие и некоррелированные помехи (несущественные «мелкие» детали в изображении). Самые значительные искажения при анализе изображения вносит фон, на котором фиксируется анализируемое изображение. Поэтому в первую очередь необходимо найти эффективный способ выделения контура (края изображения) анализируемой части сюжета. Для этих целей возможно применение, как классических методов, так и методов морфологического анализа формы. Оконные фильтры. Интуитивно краем обычно является граница между двумя областями, каждая из которых имеет приблизительно равномерную яркость [1]. Часто края на изображении возникают как результат наличия силуэтных линий объектов. В этом случае две упомянутые области являются изображениями двух разных поверхностей. Края также возникают из-за отсутствия непрерывности в ориентации поверхности и разрывов в её отражательных свойствах. Если взять сечение функции яркости вдоль прямой, расположенной под прямым углом к краю, то, как правило, мы обнаружим скачок в её значениях. На практике перепад не будет резким ввиду размывания и ограничений, вносимых зрительным устройством. Кроме того, иногда яркостиые перепады вдоль краёв лучше моделируются в виде скачков в первых производных яркости, нежели в самой яркости. Простейшей моделью края на изображении является прямая, разделяющая две контрастные области (рис. Рис. Тогда яркость изображения можно записать в виде Е(х,у) = 5, + (В2 - ? П6(В2 -? В2 - В. Б'т(в)-усо$(в) + р). Эти дифференциальные операторы являются направленными, поскольку результат их действий зависит от ориентации края. Вектор (дЕ / дх, дЕ / ду) называется градиентом яркости. Градиент яркости представляет собой вектор, не зависящий от выбора системы координат, в том смысле, что он сохраняет свою величину и ориентацию по отношению к лежащему в основе образу, когда этот образ поворачивается или сдвигается. Альтернативными вариантами ему являются квадрат градиента, лапласиан и квадратичная вариация. ЭЕ/дх)2 + (ОЕ/ду)2 - [(Я, - В,)(У(дгп(Я) - усоь(О) + р)]2 не являясь линейным, обладает круговой симметрией и действует на края одинаково при любом их угловом расположении. Я ){Г(. В случае идеализированной модели края (рис. Среди рассмотренных операторов только лапласиан имеет тот же знак, что и перепад яркости при переходе через край. Это позволяет по изображению с обостренными краями, определить, которая из разделяемых краем сторон более ярка. Таким образом, лапласиан - это единственный оператор, по которому вообще возможно восстановление исходного изображения по изображению с обостренными краями. Кроме того, лишь он один является линейным. При использовании в качестве оператора квадрата градиента на обработанном изображении каждому краю будет соответствовать гребень с высотой, пропорциональной квадрату перепада яркости. В случае операторов Лапласа или квадратичной вариации возникнут два параллельных гребня по каждую сторону от края. При использовании лапласиана, эти гребни будут иметь противоположные знаки и край будет проходить там, где происходит смена знака. Повышение контраста перепадов без учёта их ориентации можно получить путём свёртки массива изображения с оператором Лапласа, представленным в виде маски.