Харківський національний університет радіоелектроніки

Смеляков Кирило Сергійович

УДК 519.67 + 681.5

Моделі та методи сегментації границь зображень нерегулярного вигляду на
основі адаптивних масок

01.05.02 – математичне моделювання та обчислювальні методи

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Харків 2004

Дисертацією є рукопис.

Робота виконана в Харківському національному університеті
радіоелектроніки,

Міністерство освіти і науки України.

Науковий керівник —

Офіційні опоненти:

Провідна установа —

доктор технічних наук,

професор Путятін Євген Петрович,

Харківський національний університет

радіоелектроніки,

завідувач кафедри інформатики.

доктор технічних наук,

професор Борисенко Олексій Андрійович,

Сумський державний університет,

завідувач кафедри електроніки і

комп’ютерної техніки;

кандидат технічних наук,

доцент Рубан Ігор Вікторович,

Харківський університет повітряних сил,

начальник кафедри математичного

та програмного забезпечення АСУ.

Інститут проблем машинобудування

ім. А.М. Підгорного НАН України

(відділ математичного моделювання та

оптимального проектування), м. Харків.

Захист відбудеться “18” січня 2005 р. о 13-00 годині на засіданні
спеціалізованої вченої ради Д 64.052.02 у Харківському національному
університеті радіоелектроніки за адресою: 61166, м. Харків, пр. Леніна,
14.

З дисертацією можна ознайомитись в бібліотеці Харківського національного
університету радіоелектроніки за адресою: 61166, м. Харків, пр. Леніна,
14.

Автореферат розіслано “14” грудня 2004 р.

Вчений секретар

спеціалізованої вченої ради
Безкоровайний В.В.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Зростання продуктивності ЕОМ і можливостей
оптико-електронної техніки для отримання цифрових зображень (ЦЗ)
об’єктів у діапазоні від мікрооб’єктів до аерокосмічних зображень, у
тому числі – із супутників “Січ-1” і “Океан-0”, істотно розширюють сферу
застосування систем технічного зору, використання яких дозволяє не лише
вивільнити кваліфікованих спеціалістів від розв’язання рутинних задач
візуального аналізу даних, але й, що часто є важливішим, зосередити їх
увагу на якісному аналізі об’єктів, що вивчаються, та підвищити
оперативність обробки даних. У теперішній час такі системи зазнають все
ширшого розповсюдження: з метою контролю доступу за відбитками пальців
та обличчями, аналізу аерофотознімків та ін. Однак, можливість їх
застосування для розв’язання споріднених задач істотно обмежена
можливостями розв’язання первинної задачі – сегментації зображень
об’єктів, що вивчаються, оскільки існуючі методи сегментації ЦЗ значною
мірою спираються на їх особливості стосовно форми, контрастності,
зашумлення та інших параметрів.

Для розв’язання цієї задачі у випадку контрастних зображень
найефективнішою вважається побудова границь за вузлами (пікселями)
зображення, які отримують сегментацією вхідного зображення на базі
використання масок. Значний внесок у розвиток цього наукового напрямку
зробили Бондаренко М.Ф., Борисенко О.А., Васильєв В.І., Глушков В.М.,
Грицик В.В., Кожемяко В.П., Машталір В.П., Путятін Є.П., Русин Б.Н.,
Сіроджа І.Б., Шлезінгер М.І. та ін.

Разом з тим застосування масок для обробки слабо контрастних зображень
за відсутності еталонів не забезпечує адекватності сегментації, оскільки
вони не передбачають комплексну адаптацію на топологічні та геометричні
особливості об’єктів, рівні контрастності та зашумлення, хоча
розв’язання відповідних практичних задач може дати значний економічний
ефект, наприклад, під час оцінки життєздатності елітних ембріонів за їх
ЦЗ, вартість яких може становити сотні гривень за штуку, а неякісний
аналіз – призводити до значних економічних збитків.

Таким чином, для ефективного розв’язання широкого класу прикладних
задач, які мають велике практичне значення для народного господарства
України та пов’язані з автоматизацією сегментації відеоданих у реальному
масштабі часу, актуальною є проблема розробки уніфікованої системи
моделей зображень нерегулярного вигляду, що містила б топологічну,
геометричну та яскравісно-контрастну підсистеми, та відповідних їй
стійких методів адекватної сегментації границь слабо контрастних
зображень, заснованих на використанні адаптивних масок.

Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна
робота виконана в Харківському національному університеті
радіоелектроніки (ХНУРЕ) в період з 2001 по 2004 роки у відповідності до
планів науково-дослідних робіт ХНУРЕ за держбюджетними темами: №ДР
0100U003416 “Концептуальні підходи та моделі розпізнавання зображень в
умовах регулярних і випадкових збурень для систем реального часу” (автор
є виконавцем: розроблені моделі й методи сегментації нерегулярного
вигляду за яскравістю); №ДР 0103U001572 “Дослідження та розробка методів
аналізу зображень в умовах складних збурень” (автор є виконавцем:
розроблені моделі й методи сегментації слабо контрастних зображень на
основі адаптивних масок).

Мета і задачі дослідження. Мета дисертаційної роботи полягає в розробці
ефективних моделей та методів сегментації границь слабо контрастних
зображень нерегулярного вигляду для аналізу відеоданих у системах
технічного зору. Для досягнення цієї мети в роботі поставлені такі
основні задачі:

– побудувати уніфіковану систему базових моделей зображень нерегулярного
вигляду, яка складається з топологічної, геометричної та
яскравісно-контрастної компонент, а також увести формалізовані показники
якості сегментації та методи їх оцінювання з метою забезпечення
адекватного моделювання зображень на дискретній решітці;

– розробити модель адаптивної маски для забезпечення адекватності та
стійкості сегментації граничних вузлів слабо контрастних зображень;

– в рамках уведеної системи моделей сформулювати основну задачу
сегментації граничних вузлів і побудови компонент границі зображення, а
також розробити для неї ефективні за трудомісткістю методи розв’язання,
що ґрунтуються на застосуванні адаптивної маски з метою досягнення
потрібного рівня адекватності, повноти й стійкості сегментації;

– розробити систему моделей еталонів для формалізації оцінки якості
сегментації й методи настроювання за ними параметрів масок і критеріїв з
метою забезпечення адекватності, повноти й стійкості сегментації;

– на основі методів настроювання та розв’язання основної задачі
побудувати схему розв’язання загальної задачі сегментації зображень
нерегулярного вигляду з метою забезпечення оперативності сегментації
границь для об’єктів різної природи при різних рівнях контрастності та
зашумлення.

Об’єкт дослідження – системи обробки відеоданих, засновані на
сегментації зображень фізичних об’єктів різної природи.

Предмет дослідження – моделі та методи сегментації границь зображень
нерегулярного вигляду на основі адаптивних масок.

Методи дослідження: для моделювання ЦЗ об’єктів на дискретній решітці,
побудови масок і критеріїв сегментації застосовувались методи
обчислювальної геометрії, топології, стохастичного моделювання,
обчислювальної математики, методи апроксимації; під час розробки методів
настроювання параметрів критеріїв сегментації та фільтрації також
застосовувались методи чисельної оптимізації.

Наукова новизна результатів дисертації визначається такими положеннями.

1. Побудовано уніфіковану систему базових моделей зображень, в рамках
якої вперше запропоновано систему топологічних моделей областей та
ліній, що забезпечує адекватність моделювання топології зображень, а
також удосконалено систему геометричних моделей ліній стосовно
моделювання різних класів кривих на дискретній решітці, що дозволило
побудувати модель адаптивної маски на засадах розгляду слідів кола,
забезпечити адекватність та стійкість сегментації.

2. Вперше уведено формалізовані показники адекватності, повноти й
стійкості сегментації та запропоновано методи їх оцінювання за еталонами
та вибірковими зображеннями, що забезпечує потрібну якість настроювання
параметрів масок і критеріїв та сегментації при різних рівнях
контрастності та зашумлення.

3. Вперше запропоновано модель контрастування, засновану на аналізі
спектрів контрастності вузлів границі за слідами, що дозволило у
середньому на порядок знизити вплив перешкод на результати сегментації
та збільшити рознесення для отримання контрастного подання зображення.
На цій основі подальшого розвитку набула модель маски у частині повноти
адаптації її структури та радіусу на параметри зображення, удосконалено
пороговий критерій в частині аналізу контрастності по слідам маски,
вперше запропоновано індикаторний критерій з метою забезпечення
адекватного розділення вузлів і компонент границі зображення й фону.

4. Вперше запропоновано методи сегментації граничних вузлів та побудови
границі зображення нерегулярного вигляду, засновані на використанні
запропонованих масок і критеріїв, що забезпечують адекватність
сегментації границь за різних умов контрастності та зашумлення, для яких
отримані абсолютні та порівняльні оцінки трудомісткості, що
підтверджують їх обчислювальну ефективність.

5. Отримала подальший розвиток система моделей еталонів зображень
нерегулярного вигляду, що дозволило вперше побудувати ефективні
формалізовані методи настроювання параметрів масок і критеріїв з метою
оптимізації співвідношення адекватності, повноти, стійкості та
трудомісткості сегментації.

Практичне значення отриманих результатів дисертаційної роботи.
Запропоновані в роботі методи сегментації та настроювання параметрів
масок, критеріїв і фільтрів дають змогу підвищити адекватність та
стійкість отримуваних результатів, причому з обчислювальною ефективністю
не меншою за ту, що характеризує широко використовувані аналоги,
засновані на аналізі напрямків, а також розширити спектр розв’язуваних
задач на клас частково контрастних зображень, обробка яких на основі
існуючих масок не забезпечує потрібної якості сегментації.

Це створює умови для автоматизації та зменшення витрат на розв’язання
задач сегментації при послабленні вимог до якості вхідних зображень, а
також для обґрунтування компромісу між оперативністю та точністю на
основі застосування запропонованої системи еталонів, показників якості
та процедур настроювання.

Розроблені моделі та методи сегментації границь зображень нерегулярного
вигляду, а також створене на їх основі програмне забезпечення
впроваджені:

– у Таврійській державній агротехнічній академії (ТДАТА) та Харківському
державному технічному університеті сільського господарства (ХДТУСГ) з
метою автоматизації аналізу якості насіння сільськогосподарських культур
за їх геометричними характеристиками, що дало змогу підвищити точність
та забезпечити автоматизацію аналізу біологічних об’єктів при істотному
зменшенні матеріальних і часових витрат;

– у ХДТУСГ для забезпечення автоматизації аналізу життєздатності
ембріонів тварин за їх яскравісними та геометричними характеристиками за
умов значних варіацій вихідних даних щодо рівнів контрастності,
зашумлення та складності форми об’єкта аналізу з метою підвищення
точності аналізу ембріонів та забезпечення автоматизації досліджень
властивостей мікробіологічних об’єктів при зменшенні кількості персоналу
та часу дослідження;

– у навчальному процесі ХНУРЕ в дисциплінах “Математичне та інформаційне
забезпечення систем обробки складних сигналів”, “Методи та системи
розпізнавання образів”, “Алгоритми та програмне забезпечення синтезу
зображень”.

Особистий внесок здобувача. У роботах, опублікованих у співавторстві,
особистий внесок здобувача такий. У роботі [1] – сформульовані задачі
сегментації зображень нерегулярного вигляду, запропоновані їх
топологічні та геометричні моделі. У роботі [2] – запропонована
адаптивна маска й отримані умови стійкості сегментації граничних вузлів.
У роботі [5] – поставлена задача та запропонована схема сепарації
насіння за колірними характеристиками. У роботі [6] – запропонований
метод сепарації насіння за їх колірними характеристиками. У роботі [9] –
сформульована задача нормалізації зображень із складною конфігурацією
контуру, зокрема – зображень з нерегулярною конфігурацією контуру. У
роботі [12] – запропонована загальна схема розв’язання задачі
попередньої сегментації зображень.

Апробація результатів дисертації. Основні результати роботи доповідалися
й обговорювалися в 8 доповідях на 8 конференціях: на 5 Міжнародних
молодіжних форумах «Радіоелектроніка і молодь у XXI столітті» (Харків,
2000 – 2004), на двох Міжнародних конференціях «Теорія і техніка
передачі, прийому й обробки інформації» (Харків-Туапсе, 2002 – 2003), на
Міжнародній конференції «Проблеми інформатики та моделювання» (Харків,
2003).

Публікації. За темою дисертаційної роботи опубліковано 14 друкованих
робіт, з яких: 5 у виданнях, зазначених в переліках фахових видань ВАК
України, 1 деклараційний патент та 8 – у збірниках наукових праць за
матеріалами конференцій.

Структура й обсяг дисертаційної роботи. Дисертація складається із
вступу, п’яти розділів, висновків, списку використаних джерел з 168
найменувань на 15 сторінках, 2 додатка на 10 сторінках. Робота містить
38 рисунків на 13 сторінках, 3 таблиці. Загальний обсяг роботи складає
162 сторінки.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтована актуальність теми дисертації, сформульовані мета і
задачі роботи, розкрита наукова новизна та практичне значення отриманих
результатів дисертаційної роботи.

У першому розділі проведений аналіз стану проблеми підвищення
ефективності сегментації границь зображень нерегулярного вигляду для
систем технічного зору за умов слабої контрастності та зашумлення.

У результаті аналізу основних класів задач розпізнавання зображень
виділені головні вимоги, що ставляться до сегментації аерокосмічних
зображень (границь родовищ, джерел загоряння лісів, сонячних плям),
зображень медико-біологічних об’єктів і елементів їх структур
(ембріонів, радужки, гістологічних компонент, насіння), форма та розміри
котрих визначають шукані характеристики досліджуваних об’єктів, а також
зображень технічних та інших об’єктів, наприклад, ідентифікації
автомобілів за номерами, де одна з основних проблем полягає в обробці
слабо контрастних зображень.

Для задач цих класів проаналізовані можливості існуючих методів
сегментації зображень, найефективніші з яких ґрунтуються на виділенні
границь за контрастністю за допомогою масок, що дозволяє усунути
недоліки, властиві пороговим та інтервальним методам сегментації за
яскравістю.

Однак, існуючі маски не враховують топологічних, а багато з них – і
геометричних особливостей об’єктів на дискретній решітці, а критерії
сегментації не забезпечують потрібної повноти адаптації до рівня
контрастності та зашумлення у зв’язку з використанням середнього порогу
для маски. Крім того, в типовій ситуації відсутності еталонів необхідна
участь експерта в процесі сегментації, що особливо ускладнює розв’язання
класу задач, який розглядається, за умов слабої контрастності зображень.

Тому залишається актуальною проблема формалізації загальної задачі
сегментації, що полягає у виділенні границь зображення нерегулярного
вигляду за умов значної варіації яскравості і контрастності, та її
розв’язання на основі застосування ефективних масок, критеріїв і методів
сегментації граничних вузлів та побудови компонент границі, а також
методів настроювання їх параметрів на особливості зображень, що
розглядаються.

Основні аспекти моделювання цієї задачі такі.

З погляду топології об’єкти, що розглядаються, можуть зображуватись
неоднозв’язними областями. З метою забезпечення адекватності сегментації
зображень об’єктів такого типу та їх класифікації (за типом зв’язності,
вкладеності та ін.) це визначає необхідність розгляду відповідних
топологічних аналогів для дискретного поля знімку.

З погляду геометрії постає питання щодо приведення результатів
сегментації до вигляду, що адекватно відображає геометричні властивості
прообразів за формою, положенням і метричним характеристиками з
урахуванням похибок дискретизації та допусків на варіацію границь
зображення, що сегментується.

З погляду фотометрії аналіз яскравості зображення та оцінюваної за нею
контрастності має здійснюватись з урахуванням як впливу шуму та похибок
оцифрування, так і неадекватних умов отримання ЦЗ, які призводять до
зниження контрастності й нестабільності параметрів зображень, а також з
урахуванням тополого-геометричних особливостей об’єктів, поданих на ЦЗ.

З погляду обчислень визначальною є необхідність стійкої сегментації ЦЗ у
реальному масштабі часу.

Із системного погляду схема моделювання задач сегментації має мати
відкриту ієрархічну уніфіковану структуру з метою вибору
найефективнішого методу сегментації та настроювання його параметрів на
особливості прикладної задачі, що розглядається.

З проведеного аналізу випливає, що для розв’язання класу прикладних
задач, який розглядається, актуальною є проблема розробки ефективної та
уніфікованої системи моделей зображень нерегулярного вигляду, а також
стійких критеріїв і методів сегментації, заснованих на використанні
концепції адаптивної маски, настроювання параметрів якої забезпечує
адекватність сегментації границь як контрастних, так і слабо контрастних
зображень. Показано, що розв’язання цієї загальної задачі сегментації
зводиться до розв’язання зазначених основних задач.

У другому розділі будуються топологічна та геометрична моделі зображень,
що дозволяють враховувати основні особливості об’єктів типу область і
лінія на дискретній решітці стосовно їх типів зв’язності, вкладеності,
форми та інших характеристик.

Для аналізу якості сегментації границь зображень такого типу вводиться
система показників якості та пропонуються алгоритми їх оцінювання.

.

дірками та визначається виразом

(1)

– операція замикання.

дірками у вичерпний мірі визначає топологічну модель областей на
площині, які розглядаються в задачах сегментації, і з використанням (1)
задає їх структуру та топологічну класифікацію.

у загальному випадку є лінією, і передбачається, що топологічний тип
областей та їх замкнень збігається.

, що й вихідний об’єкт (1), якщо крок решітки АЦП є достатньо малим у
порівнянні з лінійними розмірами дірок.

кола.

та визначає область адекватної сегментації вузлів границі.

.

-усуваних розривів у роботі пропонується відповідний алгоритм.

.

.

, а його стійкість забезпечується настроюванням параметрів методу
сегментації при заданих обмеженнях на повноту та адекватність.

Врешті загальна задача сегментації границь зводиться до настроювання
параметрів фільтрів, масок і критеріїв на основі використання еталонів
та вибіркових зображень (з оцінкою якості за введеними показниками) з
подальшим їх використанням для побудови границь типових зображень.

У третьому розділі надані диференціальна модель контрастування та
засновані на її використанні критерії та методи сегментації граничних
вузлів та побудови компонент границі зображення.

У розпізнаванні образів під контрастністю розуміють функцію перепаду
яскравості на границі зображення. Фактично йдеться про значущий
градієнт; однак, зважаючи на неефективність оцінювання контрастності на
основі застосування лише відомих методів чисельного диференціювання та
низьку адекватність оцінювання порогів значущості, у теперішній час для
цих цілей застосовуються інтегральні моделі – згортки на основі масок,
які задають розглядувані околи вузлів. Але і для цих моделей область
застосування обмежена контрастними зображеннями, що мають значний
перепад яскравості стосовно фону та низький рівень зашумлення.

На відміну від інтегральних моделей, запропонований підхід дає
можливість “підвищувати” контрастність зображення для забезпечення
адекватності, повноти і стійкості сегментації там, де згортка не є
ефективною. Ця модель ґрунтується на аналізі спектрів і розподілень
контрастності вузлів границі за слідами маски, параметри котрої
визначаються тополого-геометричними параметрами зображення, його рівнями
яскравості та зашумлення.

та інші критерії, що базуються на розгляді спектрів контрастності
сегментованих вузлів. Це забезпечує сегментацію границь зображень
нерегулярного вигляду за умов істотно нижчої, ніж припускається при
використанні згорток, контрастності та достатньо високого рівня
зашумлення.

зображення із застосуванням масок

, (2)

(рис. 1.б), яка дає можливість повніше оцінити перепади яскравості в
околі вузла, який розглядається.

а)
б)

(б)

. (3)

(яка становить інтерес із практичної точки зору), зображення
вважається частково контрастним (рис. 2.б).

а)
б)

Рис. 2. Розподіл контрастності на границі контрастного (а) та частково
контрастного зображення (б)

o

¬

oe

o

z | ~ ? A A Ae AE o 6

?

ae

e

Oe0”y\

E

a6g?j`l¤n¦nOnOn:[email protected]|–o?‚O„ ‡d?iiiiiiiiiiiiaaaiiiiiiiiiii

·®?(1/4R3/4Ae??Ae?CiiiiiiaUIiiiiiiiiiiiiiii

a$

j?

?Т?Т??

??????????

oc**C»»?************

.

.

.

компонент, визначається відповідною множиною виділених компонент.

не проводиться.

Серед виділених можуть бути й адекватні й хибні компоненти.

.

.

-смуги апроксиманту границі між наявними фрагментами.

Внаслідок застосування цього методу отримуємо не лише компоненту
границі, але також її апроксимант, який дає згладжену границю, що
забезпечує можливість “швидкої” ідентифікації об’єкта за параметрами
апроксиманту.

Для забезпечення стійкості сегментації ліній в роботі пропонується
відповідний фільтр ліній.

У четвертому розділі розглядаються моделі та методи настроювання
параметрів фільтрів, масок і критеріїв для побудови границь зображень
нерегулярного вигляду з метою забезпечення адекватності, повноти та
стійкості сегментації для різних рівнів контрастності та зашумлення.

Для розв’язання цієї задачі вводиться система еталонів і пропонуються
засновані на їх застосуванні методи настроювання параметрів, які в
подальшому використовуються під час розв’язання основної задачі.

Система еталонів

,

які адаптуються, містить:

, об’єднань та перетинань;

;

відсутності викривлень у вузлі.

еталону будується на базі відомих методів геометричного проектування.

вводиться регіональна модель зашумлення.

В разі потреби еталони можуть використовуватись без яскравісних
параметрів.

.

Цей самий метод може використовуватись для настроювання параметрів
маски на вибіркове зображення з тією відмінністю, що суміщення границь
еталону та вибіркового зображення здійснюється експертом.

.

Оскільки задача сегментації границь частково контрастних зображень
нерегулярного вигляду не піддається формалізації повною мірою, постає
проблема автоматизації її розв’язання, важливим етапом котрої є
настроювання параметрів системи.

, після чого розв’язується задача оптимізації параметрів маски,
фільтрів і критеріїв сегментації.

Отримані настройки можуть уточнюватись на основі їх застосування до
вибіркового зображення. Далі, отримані настройки використовуються для
сегментації границь типових зображень в інтерактивному режимі або на
етапі 2 чи 3.

На другому етапі отримані настройки використовуються для сегментації
границь типових зображень під постійним або періодичним контролем
експерта, який може прийняти рішення щодо переходу до етапу 1 або 3.

На третьому етапі задані настройки використовуються для сегментації
границь типових зображень в автоматичному режимі.

У п’ятому розділі розглянуті результати обчислювального експерименту та
практичної реалізації запропонованих методів сегментації границь ЦЗ.

Оперативне отримання даних щодо сонячних плям (СП) по знімках фотосфери
Сонця, що надаються в електронному вигляді в рамках Всесвітньої служби
Сонця, є необхіднім для підвищення точності прогнозування сонячної
активності.

сумісно з топологічною моделлю (1) дає можливість класифікувати СП, а
також ефективно виявляти та визначати параметри СП зі складною
структурою (з кількома ділянками тіні).

.

Через високу вартість ембріонів племінних тварин для оцінки їх
життєздатності все ширше застосовуються методи, засновані на
комп’ютерному аналізі їх топологічних, геометричних і яскравісних
характеристик.

. Для досягнення потрібного рівня якості та оперативності настроювання
ПК здійснюється в інтерактивному режимі з використанням еталонів.

Усі три ПК на виході надають результати у числовому та графічному
вигляді, причому для найскладніших типів вхідних даних, що зустрічаються
в практичних задачах, час розв’язання не перевищує 2-3с (Intel Pentium
III 550 MHz).

ВИСНОВКИ

Для вирішення проблеми сегментації границь контрастних і частково
контрастних зображень нерегулярного вигляду, яка постає під час
розв’язання актуальних практичних задач обробки відеоданих за змінних
умов освітленості та зашумлення, розроблена уніфікована система моделей
та методів, заснованих на використанні адаптивних масок, які дають
можливість розв’язати поставлену задачу з потрібним рівнем адекватності,
повноти, стійкості й оперативності.

При цьому отримані такі основні наукові результати.

1. Виділені основні аспекти моделювання задач сегментації контрастних і
частково контрастних зображень нерегулярного вигляду, що виникають під
час аналізу зображень медико-біологічних об’єктів, аерокосмічних
зображень та в інших застосуваннях. Показано, що відсутність
уніфікованої системи моделей та методів сегментації, які б враховували
яскравісно-контрастні, топологічні та геометричні параметри зображень на
дискретній решітці, унеможливлює адекватне розв’язання задач сегментації
зображень класу, що розглядається.

2. Показано, що для адекватного вирішення проблеми сегментації зображень
класу, що розглядається, в реальному масштабі часу необхідно: розробити
уніфіковану систему базових моделей зображень, яка містить топологічну,
геометричну й яскравісно-контрастну компоненти; увести показники
ефективності сегментації та методи їх оцінювання; розробити модель
адаптивної маски та, на її основі, ефективні за трудомісткістю методи
сегментації границь; розробити систему еталонів і методи їх використання
для настроювання параметрів сегментації.

На цій базі розробити схему розв’язання загальної задачі сегментації
границь для випадків застосування еталону та вибіркового зображення.

3. З метою моделювання на дискретній решітці зображень нерегулярного
вигляду побудована уніфікована система базових моделей зображень, яка
містить топологічні моделі областей та ліній, а також геометричні моделі
ліній. На цій основі загальна задача сегментації зведена до основної
задачі сегментації граничних вузлів і побудови компонент границі
зображення, а також системи допоміжних задач.

4. Для оцінки якості сегментації границь введені показники адекватності,
повноти й стійкості, а також методи їх оцінювання за параметрами
еталонів та вибіркових зображень.

5. Побудована система моделей адаптивних масок, яка, разом із
запропонованою моделлю оцінювання контрастності вузлів, пороговим та
індикаторним критеріями сегментації, забезпечує дискримінацію граничних
вузлів з високим рівнем адекватності, повноти та стійкості завдяки
урахуванню не лише рівня контрастності, але й топологічних та
геометричних параметрів зображень.

6. Для розв’язання основної задачі розроблені методи сегментації вузлів
і побудови компонент границі, які ґрунтуються на використанні
запропонованих фільтрів, масок і критеріїв аналізу вузлів за їх спектром
контрастності.

7. Для настроювання параметрів масок і критеріїв сегментації розроблена
система еталонів, які адаптуються, зображень нерегулярного вигляду та
методів їх використання для оптимізації рівнів адекватності, повноти й
стійкості сегментації у залежності від рівнів контрастності та
зашумлення зображення.

8. Отримані оцінки трудомісткості підтверджують обчислювальну
ефективність запропонованих методів сегментації та настроювання.

9. Розроблена схема розв’язання загальної задачі сегментації границь
зображень нерегулярного вигляду, яка містить етапи інтерактивної,
контрольованої та автоматичної сегментації.

Основна перевага запропонованих моделей та методів сегментації границь
полягає в забезпеченні адекватного, стійкого та оперативного розв’язання
нового класу практичних задач, пов’язаних із сегментацією зображень
об’єктів різної фізичної природи, за умов низької контрастності, причому
з наданням можливості пошуку компромісу між якістю та трудомісткістю
сегментації відповідно до рівнів контрастності та зашумлення.

Запропоновані в роботі моделі, методи й алгоритми знайшли застосування:
у ТДАТА та ХДТУСГ під час розробки програмних комплексів,
призначених для автоматизації розв’язання актуальних задач сегментації
та визначення геометричних характеристик зображень насіння
сільськогосподарських культур і елементів структури ембріонів; у
навчальному процесі ХНУРЕ під час проведення лекцій та підготовки
методичних посібників для лабораторних робіт.

Використання цих програмних комплексів для розв’язання практичних задач
підтверджує отримані теоретичні оцінки трудомісткості, загальну
ефективність запропонованих методів і алгоритмів виділення границь
частково контрастних зображень, а також їх вищу стійкість під час
обробки контрастних зображень у порівнянні з існуючими аналогами.

Достовірність одержаних результатів підтверджується застосуванням
математичних методів і доведенням відповідних положень, проведенням
обчислювального експерименту та результатами впровадження розроблених
програмних комплексів.

За перспективний напрямок розвитку результатів роботи можна вважати
розповсюдження запропонованих моделей та методів сегментації для випадку
кольорових зображень, а з практичної точки зору – адаптацію
запропонованих комп’ютерних моделей для аналізу аерокосмічних зображень,
гістологічних зразків і елементів радужки ока, а також розробку
спеціалізованих програмно-апаратних комплексів з метою їх впровадження
на підприємствах України.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ РОБОТИ

1. Путятин Е.П., Смеляков К.С. Модель и метод решения задачи сегментации
типовых изображений нерегулярной формы // Радиоэлектроника и
информатика.- 2003.- № 2 (23).- С. 124-130.

2. Смеляков К.С., Шубин И.Ю. Адаптивная маска и условия устойчивости для
сегментации граничных элементов изображения // Моделирование и
информационные технологии.- К.: Институт проблем моделирования в
энергетике НАН Украины, 2003.- № 22.- С. 178-183.

3. Смеляков К.С. Модель эталонного изображения объекта и критерий
дискриминации для задачи сегментации изображений // Системы обработки
информации.- Харьков: НАНУ, ПАНИ, ХВУ, 2000.- Т.3, №9.- С. 97-99.

4. Смеляков К.С. Модель задачи распознавания цветных изображений
нерегулярных объектов // Системы обработки информации. — Харьков: ХВУ,
2001.- Т.1, № 11.- С. 170-174.

5. Мунтян В.О., Смеляков К.С. Багатофракційна електронно-світлова
сепарація насіння за його забарвленням // Праці Таврійської державної
агротехнічної академії.- Мелітополь: ТДАТА, 2002.- №9.- С. 22-24.

6. Патент. Украина. Способ повышения качества сепарации семян по цвету
зерен / В.П. Путятин, К.С. Смеляков, В.О. Мунтян (Украина). № 62047 А.
Опубл. 15.12.2003. Бюл. № 12.- 3 с.

7. Смеляков К.С. Задача оптимизации динамического распознавания и
идентификации изображений // Тр. Междунар. конф. ”Радиоэлектроника и
молодежь в XXI веке”.- Харьков: ХТУРЭ, 2000.- Т.2.- С. 281-282.

8. Смеляков К.С. Постановка задачи сегментации изображений с
предварительным контрастированием // Тр. Междунар. конф.
”Радиоэлектроника и молодежь в XXI веке”.- Харьков: ХТУРЭ, 2001.- Т.1.-
С. 274-275.

9. Машталир С.В., Смеляков К.С. Нормализация изображений, представленных
выпуклыми оболочками бинарных сечений // Тр. Междунар. конф.
”Радиоэлектроника и молодежь в XXI веке”.- Харьков: ХНУРЭ, 2002.- Т.2.-
С. 386-387.

10. Смеляков К.С. Основные требования к модели задачи сегментации
изображений прикладных объектов // Тр. Междунар. конф. ”Радиоэлектроника
и молодежь в XXI веке”.- Харьков: ХНУРЭ, 2003.- С. 413.

11. Смеляков К.С. Адаптивная маска для сегментации границ изображения //
Тр. Междунар. конф. ”Радиоэлектроника и молодежь в XXI веке”.- Харьков:
ХНУРЭ, 2004.- С. 85.

12. Путятин Е.П., Смеляков К.С. Задача предварительной сегментации
изображений // Тр. Междунар. конф. “Теория и техника передачи, приема и
обработки информации”.- Харьков: ХНУРЭ, 2002.- С. 537-538.

13. Смеляков К.С. Основные аспекты задачи сегментации типовых
изображений нерегулярной формы // Тр. Междунар. конф. “Теория и техника
передачи, приема и обработки информации”.- Харьков: ХНУРЭ, 2003.- С.
313-314.

14. Смеляков К.С. Адаптивная маска для сегментации изображений с учетом
их топологии // Тр. Междунар. конф. “Проблемы информатики и
моделирования — 2003”, ПИМ-2003.- Харьков: НТУ “ХПИ”, 2003.- С. 9.

АНОТАЦІЯ

Смеляков К.С. Моделі та методи сегментації границь зображень
нерегулярного вигляду на основі адаптивних масок. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за
спеціальністю 01.05.02 – математичне моделювання та обчислювальні
методи. – Харківський національний університет радіоелектроніки, Харків,
2004.

Дисертація присвячена розробці моделей та методів розв’язання задач
сегментації границь частково контрастних зображень нерегулярного вигляду
на основі адаптивних масок.

Запропонована система моделей, яка дозволяє враховувати
яскравісно-контрастні, топологічні та геометричні параметри зображень.
Уведені показники ефективності сегментації та методи їх оцінювання. На
цій основі загальна задача сегментації границь зображень зведена до
основної задачі сегментації граничних вузлів і побудови компонент
границі, а також системи допоміжних задач.

Для розв’язання основної задачі запропонована система адаптивних масок і
низка критеріїв, що забезпечують адекватність, повноту і стійкість
сегментації. Для масок і критеріїв розроблена система еталонів і методів
настроювання їх параметрів на рівень контрастності та зашумлення.
Запропонована схема розв’язання загальної задачі. Для розроблених
методів отримані оцінки трудомісткості.

Запропоновані методи реалізовані у трьох програмних комплексах для
сегментації та оцінювання геометричних параметрів сонячних плям, насіння
та ембріонів.

Ключові слова: границя зображення, граничні вузли, область, лінія,
сегментація, контрастність, часткова контрастність, маска, критерій,
настроювання.

АННОТАЦИЯ

Смеляков К.С. Модели и методы сегментации границ изображений
нерегулярного вида на основе адаптивных масок. – Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по
специальности 01.05.02. – математическое моделирование и вычислительные
методы. – Харьковский национальный университет радиоэлектроники,
Харьков, 2004.

Для эффективного решения широкого класса прикладных задач, связанных с
комплексной автоматизацией обработки видеоданных в реальном масштабе
времени для переменных условий освещенности и при наличии аддитивного
шума случайной природы, актуальной является проблема разработки
унифицированной системы моделей изображений нерегулярного вида,
включающей топологическую, геометрическую и яркостно-контрастную
подсистемы, и соответствующих ей вычислительно эффективных методов,
основанных на использовании адаптивных масок, обеспечивающих устойчивую
и адекватную сегментацию границ изображений в условиях слабо и
неоднородно выраженной контрастности.

На основе анализа задач сегментации контрастных и частично контрастных
изображений нерегулярного вида, возникающих при анализе изображений
медико-биологических объектов, АКИ и в иных приложениях, показано, что
отсутствие унифицированной системы моделей и методов сегментации,
учитывающих яркостно-контрастные, топологические и метрические параметры
изображений на дискретной решетке, делает невозможным адекватное решение
задач сегментации изображений рассматриваемого класса. Показано, что для
адекватного решения проблемы сегментации изображений рассматриваемого
класса в реальном времени необходимо: разработать унифицированную
систему базовых моделей ЦИ, включающую топологическую, геометрическую и
яркостно-контрастную компоненты; ввести показатели эффективности
сегментации и методы их оценивания; разработать модель адаптивной маски
и, на ее основе, эффективные по трудоемкости методы сегментации границ и
схему решения общей задачи сегментации границ; разработать систему
эталонов и методы их использования для настройки масок.

Для моделирования на дискретной решетке изображений нерегулярного вида
построена система базовых моделей ЦИ, включающая топологические модели
областей и линий, а также геометрические модели линий. На этой основе
общая задача сегментации сведена к основной задаче сегментации граничных
узлов и построения компонент границы изображения, а также системе
вспомогательных задач. Для оценки качества сегментации границ введены
критерии полноты, адекватности и устойчивости, а также методы их
оценивания.

Построена система моделей адаптивных масок, которая, совместно с
предложенным критерием оценивания контрастности узлов, пороговым и
индикаторным критериями сегментации, обеспечивает дискриминацию
граничных узлов с высоким уровнем устойчивости, адекватности и полноты
за счет учета не только контрастных, но и топологических и
геометрических параметров изображений.

Для решения основной задачи разработаны методы сегментации узлов и
построения компонент границы, основанные на использовании предложенных
фильтров, масок и критериев анализа узлов по их спектру контрастности.

Для настройки параметров масок и критериев сегментации разработана
система адаптируемых эталонов изображений нерегулярного вида и методов
их использования для оптимизации уровней полноты, адекватности и
устойчивости сегментации в зависимости от уровней контрастности и
зашумления изображения.

Разработана схема решения общей задачи сегментации границ изображений
нерегулярного вида, которая включает этапы интерактивной, контролируемой
и автоматической сегментации. Полученные оценки трудоемкости
подтверждают вычислительную эффективность предложенных методов
сегментации и настройки.

Основное преимущество предложенных моделей и методов сегментации границ
состоит в обеспечении оперативности, устойчивости и адекватности решения
нового класса практических задач в условиях низкой контрастности,
возможности оптимизации соотношения качества и трудоемкости сегментации.

Предложенные в работе модели, методы и алгоритмы нашли применение: в
Таврической государственной агротехнической академии и Харьковском
государственном техническом университете сельского хозяйства при
разработке ПК, предназначенных для автоматизации решения актуальных
задач сегментации и определения геометрических характеристик изображений
семян сельскохозяйственных культур и элементов структуры эмбрионов; в
учебном процессе Харьковского национального университета
радиоэлектроники при проведении лекций и подготовке методических пособий
для лабораторных работ.

Использование этих ПК для решения практических задач подтверждает
полученные теоретические оценки трудоемкости, общую эффективность
предложенных методов и алгоритмов выделения границ, их более высокую
устойчивость при обработке контрастных изображений по сравнению с
существующими аналогами.

Достоверность полученных результатов подтверждается проведением
вычислительного эксперимента и результатами внедрения разработанных ПК.

Ключевые слова: граница изображения, граничные узлы, область, линия,
сегментация, контрастность, частичная контрастность, маска, критерий,
настройка.

ABSTRACT

Smelyakov K.S. Models and methods for segmentation of irregular image
bounds on the basis of adaptive edge detectors. – Manuscript.

Thesis for candidate’s degree in technical science by speciality
01.05.02 – mathematical modelling and numerical methods. – Kharkov
National University of Radioelectronics, Kharkov, 2004.

The thesis is devoted to development of models and methods for solving
of problems of segmentation of partially contrast irregular image bounds
on the basis of adaptive edge detectors. A system of models is proposed
that permits to take account of brightness/contrast, topological and
metrical image parameters. The segmentation efficiency indices and the
methods for estimating them are defined. On these grounds the general
image bound segmentation problem is reduced to the main problem of bound
nodes segmentation and construction of image bound components, and to a
series of auxiliary problems.

For solving of the main problem a system of adaptive edge detectors is
proposed and a series of criteria that provide stability, adequacy and
completeness of segmentation. For the edge detectors and criteria a
system of templates and the methods for adjusting their parameters to
the level of contrast and noise are developed. An algorithm for solving
of the general problem is proposed. The developed methods are provided
with time consumption estimates. These methods make the basis of three
program systems provided for segmentation and estimation of geometrical
parameters of sunspots, seeds and germs.

Keywords: image bound, edge nodes, area, trace, segmentation, contrast,
partial contrast, edge detector, criterion, adjustment.

Підп. до друку 18.11.2004. Зам. № 2-1199.

Формат 60х84 1/16. Спосіб друку – ризографія.

Умов. друк. арк. 0,9. Тираж 100 прим.

Облік. вид. арк. 1,2. Ціна договірна.

____________________________________________________________________

Україна, 61166, м. Харків, просп. Леніна, 14, ХНУРЕ

____________________________________________________________________

Надруковано в навчально-науковому

видавничо-поліграфічному центрі ХНУРЕ.

Україна, 61166, м. Харків, просп. Леніна, 14

PAGE 22

Похожие записи