Волков Владимир Юрьевич – доктор технических наук (1993), профессор кафедры радиотехнических систем Санкт-Петербургского государственного университета аэрокосмического приборостроения. Автор 200 научных работ. Сфера научных интересов – обработка изображений в системах технического зрения; решение задач приема в условиях априорной неопределенности.
ул. Большая Морская, д. 67, Санкт-Петербург, 190000
Vladimir Yu. Volkov – Dr. of Sci. (Engineering) (1993), Professor (1995) of the Department of Radio Engineering Systems of Saint Petersburg Electrotechnical University "LETI. The author of 200 scientific publications. Area of expertise: image processing in computer vision systems; reception under a priori uncertainty conditions.
67, Bolshaya Morskaya Str., 190000, St. Petersburg
Маркелов Олег Александрович – кандидат технических наук (2014), доцент кафедры радиотехнических систем Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" им. В. И. Ульянова (Ленина). Автор более 50 научных работ. Сфера научных интересов – статистический анализ временных рядов.
ул. Профессора Попова, д. 5, Санкт-Петербург, 197376
Oleg A. Markelov – Cand. of Sci. (Engineering) (2014), Associate Professor of the Department of Radio Engineering Systems of Saint Petersburg Electrotechnical University "LETI". The author of more than 50 scientific publications. Area of expertise: statistical analysis of time series.
5, Professor Popov Str., 197376, St. Petersburg
Богачев Михаил Игоревич – кандидат технических наук (2006), доцент (2011), ведущий научный сотрудник кафедры радиотехнических систем Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" им. В. И. Ульянова (Ленина). Автор 150 научных работ. Сфера научных интересов – теория сложных систем, статистический анализ данных.
ул. Профессора Попова, д. 5, Санкт-Петербург, 197376
Mikhail I. Bogachev – Cand. of Sci. (Engineering) (2006), Associate Professor (2011), Leading Scientist of the Department of Radio Equipment Systems of Saint Petersburg Electrotechnical University "LETI". The author of 150 scientific publications Area of expertise: complex systems theory; statistical data analysis.
5, Professor Popov Str., 197376, St. Petersburg
Введение. Задачи обнаружения, выделения, селекции и локализации объектов различной формы на изображениях неразрывно связаны с автоматизацией обработки информации в системах дистанционного наблюдения, использующие телевизионные и инфракрасные камеры, обзорные радиолокаторы с синтезированной апертурой, лазерные и акустические системы.
Цель работы. Разработка методики сегментации изображений и селекции объектов на них на основе многопороговой обработки.
Материалы и методы. Предложен подход к сегментации изображений и селекции объектов на них, основанный на выборе оптимального селектирующего порога с использованием апостериорной информации о результатах многопороговой обработки изображения.
Результаты. По результатам анализа серий модельных объектов заранее известной формы в условиях добавления синтезированного шума, а также репрезентативных примеров реальных изображениях, полученных при дистанционном зондировании поверхности Земли, показано, что за счет использования результатов многопороговой обработки удается улучшить характеристики как сегментации изображения в целом, так и селекции объектов по ряду объективных критериев.
Заключение. К достоинствам предложенного подхода следует отнести минимизацию искажений формы селектируемых объектов в ходе обработки изображения. Платой за это является ресурсоемкость процедуры многопороговой обработки для каждого анализируемого изображения, что отчасти может быть компенсировано простотой алгоритма и возможностью его параллельной реализации.
Introduction. In order to automate data processing in remote observation systems using television and infrared cameras, synthetic aperture panoramic radars, as well as laser and acoustic systems, it is essential to be able to reliably detect, isolate, select and localise objects of various shapes in images.
Objective. The development of a methodology based on multi-threshold analysis.
Materials and methods. The developed image segmentation and object selection approach having optimal selection threshold assessment is based on the results of multi-threshold image analysis.
Results. Based on the analysis of a series of standard objects with known shapes hindered by synthetic noise, as well as representative examples of remotely sensed images of the Earth’s surface, improvements in the characteristics of both entire image segmentation and selection of particular objects according to several objective criteria were achieved.
Conclusion. The main advantage of the proposed approach consists in the minimisation of the post-processing shape modification of the selected objects. Although this is achieved at the cost of the resource-consuming multi-threshold analysis procedure for each processed image, this can be also partially compensated by the simplicity of the algorithm and its possible parallel implementation.
The authors declare that there are no conflicts of interest present.