Конференции ИВТ СО РАН

VIII Всероссийская конференция молодых ученых по математическому моделированию и информационным технологиям

27 - 29 ноября 2007 года, Новосибирск

Тезисы докладов

Информационные технологии

Выбор устойчивого к помехам семейства алгоритмов сегментации изображения в задаче построения машинного зрения

Хлопов А.Н.

Политехнический институт Сибирского Федерального Университета

Под машинным зрением понимают способность вычислительных средств анализировать цифровые изображения и информировать систему, приминающую ращение, о семантическом содержании изображений.

Машинное зрение принято разделять на три этапа: фильтрация изображения, сегментация изображения (разделение на фрагменты), идентификация фрагментов. Каждый из этапов реализуется с помощью определенных алгоритмов, эффективных в условиях решаемой задачи. За выбор оптимальных алгоритмов с точки зрения производительности и качества всей системы машинного зрения ответственность возлагается на эксперта.

В машинном зрении под сегментацией понимают процесс разделения изображения на не пересекающиеся области, семантически соответствующие объектам. В процессе машинного зрения сегментация занимает одно из основополагающих мест по причине прямой зависимости качества получаемого решения (в результате работы системы машинного зрения в целом) от правильно выделенных объектов. Ошибочное определения положения и размеров объектов на изображении (причиной может служить избыточная или недостаточная сегментация) в значительной степени усложняет получение приемлемого решения задачи и приводит к ошибочным результатам.

Выделяют следующие семейства алгоритмов сегментации изображений:

Сегментация изображения через выделение границ объектов;
Сегментация изображения, основанная на выделении объектов с помощью пороговой обработки;
Семейство алгоритмов, учитывающих взаимное расположение и однородность точек на изображении.

Семейство алгоритмов сегментации изображения, основанное на выделении границ объекта, не применимо в широком круге задач, возникающих в настоящее время в области машинного зрения. Причиной является высокая зависимость качества получаемых решений от возможности выявления алгоритмами замкнутых границ. С целью преодоления недостатков данных методов предлагаются алгоритмы частично снимающие неопределенность разрывности границ, но не решают проблему непрерывности границ в целом, делая алгоритмы анализа изображений более сложными, поднимая уровень требований к вычислительным ресурсам.

Семейство алгоритмов сегментации изображения, основанное на выделении объектов с помощью пороговой обработки также имеют ограниченную область применения и способны решать тривиальные задачи по выделению объектов. Основными недостатком данных методов является привлечение априорной информации об анализируемом изображении, игнорирование пространственное расположение точек изображения, отсутствие устойчивости к неравномерному освещению объектов, а так же жесткая привязка к разделению изображения всего на два класса: фон и объект, что делает данное семейство алгоритмов не применимым в анализе сцен, содержащим пересекающиеся объекты.

Семейство алгоритмов учитывающих взаимное расположение и однородность точек на изображении в процессе сегментирования является перспективным направлением в области машинного зрения. Данные алгоритмы лишены основных недостатков рассмотренных выше семейств, в процессе сегментации они не используют границы и не применяют пороги, как основные факторы в принятии решения

Литература
1. Ковригин А.В., Хлопов А.Н., "Синтез и анализ алгоритмов автоматической классификации цветных изображений", Электронный журнал "Исследовано в России", 236, стр. 2417-2422, 2005 г, http://zhurnal.ape.relarn.ru/articles/2005/236.pdf
2. Салтыков С.А. "Стериометрическая металография". М: Металлургия, 1976. 272с.
3. M. Stella Atkins, Professor, Intracranial Boundary Detection and Radio Frequency Correction in Magnetic Resonance Images.
4. Компьютерная обработка изображений. Часть 2. Методы и алгоритмы (Сойфер В.А. , 1996), Математика.
5. Горелик А. Л., Скрипкин В. А. Методы распознавания: Учеб. пособие для вузов.- 3-е изд., перераб. и доп.- М.: Высш. шк., 1989.- 232 с.

Примечание. Тезисы докладов публикуются в авторской редакции

Ваши комментарии
Обратная связь

[Головная страница]
[Конференции]