Разработка и исследование методов сегментации изображений на основе многомерных цепей Маркова

• Автор: Курбатова, Екатерина Евгеньевна
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Киров
• Количество страниц: 140 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1. ОБЗОР И АНАЛИЗ МЕТОДОВ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ
1.1. Систематизация методов сегментации изображений
1.2. Методы сегментации на основе выделения контуров
1.3. Методы сегментации на основе выделения областей
1.4. Обзор методов заполнения сегментов
1.5. Выбор математической модели изображения
1.6. Выводы по главе
2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ВЫДЕЛЕНИЯ КОНТУРОВ
2.1. Постановка задачи
2.2. Разработка метода выделения контуров в полутоновых изображениях
2.3. Разработка метода удаления ложных контуров
2.4. Критерии качества метода выделения контуров
2.5. Анализ эффективности методов выделения контуров и удаления точечных помех
2.6. Заполнение сегментов на изображении
2.7. Разработка и исследование метода сегментации цветных изображений
2.8. Выводы по главе
3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДА ВЫДЕЛЕНИЯ КОНТУРОВ НА ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЯХ
3.1. Постановка задачи
3.2. Комбинированный метод выделения контуров на зашумленных изображениях
3.3. Анализ эффективности комбинированного метода выделения контуров

3.4. Выводы по главе
4. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДА ТЕКСТУРНОЙ СЕГМЕНТАЦИИ НА ОСНОВЕ ДВУМЕРНЫХ ЦЕПЕЙ МАРКОВА
4.1. Постановка задачи
4.2. Разработка метода текстурной сегментации полутоновых изображений
4.3. Анализ эффективности метода текстурной сегментации
4.4. Исследование влияния размера окна и значения порога на качество сегментации
4.5. Оценка качества метода текстурной сегментации
4.6. Сегментация цветных текстурных изображений
4.7. Выводы по главе
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
СПИСОК АВТОРСКИХ ТРУДОВ ПО ТЕМЕ ДИССЕРТАЦИИ
Введение
В настоящее время стремительно возрастает объем информации, передаваемой в виде отдельных или последовательных во времени изображений. В современных системах мониторинга, видеонаблюдения, охранного телевидения, технического зрения, медико-биологических системах изображения хранятся, обрабатываются и передаются в цифровом виде с помощью широкого комплекса технических средств и новейших методов цифровой обработки изображений. При этом постоянно увеличивается степень автоматизации систем обработки изображений, роль оператора в которых сводится к уточнению данных автоматической обработки.
Изображения естественных сцен содержат множество разнообразных объектов. Для конкретных систем важными являются не все объекты, а определенный класс объектов в зависимости от назначения системы. Например, в системах мониторинга земной поверхности объектами исследования могут быть очаги пожаров, области, затопленные в результате наводнения, территории вырубки леса и т.д. Эффективным способом такой интерпретации изображений является сегментация.
Сегментация изображений является предварительным этапом любой системы анализа и обработки изображений. Она позволяет оперативно выделить интересующие объекты на изображении от фона и других объектов, определить размер, форму, положение объекта, преобразовать изображение к виду удобному для дальнейшей обработки автоматическими системами и эффективного решения задач более высокого уровня, таких как распознавание образов и анализ сцен. Качество сегментации изображений оказывает значительное влияние на качество финальной стадии обработки изображения. Неточная, недостаточная или избыточная сегментация может привести к возникновению ошибок на следующих этапах обработки изображения.
Большой вклад в развитие методов предварительной обработки изображений внесли российские и зарубежные ученые: Журавлев Ю.И., Бакут П.А.,

встретиться граничный элемент. Затем проверяются строки выше и ниже анализируемой с целью выявления на них элементов, которым не присвоены метки. Если таковые элементы имеются то, крайний левый элемент считается затравочным для данной строки.
Поскольку данный метод предполагает хранение только одного затравочного элемента для каждой строки в пределах заполняемого сегмента, то он требует меньшего объема памяти и времени обработки по сравнению с простым методом заполнения с затравкой. При этом построчный метод заполнения с затравкой более сложен в реализации.
Из приведенного обзора можно сделать вывод, что основным недостатком методов многоугольника является невозможность с их помощью заполнить области сложной конфигурации, но при этом они обеспечивают высокую скорость обработки.
Методы затравочного заполнения обладают меньшей скоростью обработки, но при этом позволяют заполнять области любой конфигурации.
В результате выделения контуров на изображениях естественных сцен могут находиться объекты произвольной конфигурации, поэтому методы многоугольника могут привести к неверной сегментации. Методы затравочного заполнения наиболее приемлемы для выделения объектов на контурном изображении. При этом к системам автоматической сегментации также предъявляются требования по скорости обработки изображений. Поэтому из методов данной группы следует выбрать тот, который обеспечивает наибольшую скорость сегментации. Таким методом является построчный метод заполнения с затравкой.
1.5. Выбор математической модели изображения
Для разработки методов обработки изображений, представляющих собой многомерные случайные процессы, необходимы математические модели. Одним из важнейших показателей математических моделей (ММ)