Адаптивное выделение мелких объектов на цифровых изображениях

Полный текст:


Аннотация

Задача обнаружения и локализации протяженных мелких объектов различных размеров и формы встречается в радиотехнических системах наблюдения, которые используют радары с синтезированной апертурой, лидары, инфракрасные и телевизионные камеры. Основной трудностью при обработке является интенсивный и нестационарный фон. Эта задача решается с использованием ориентированной фильтрации, адаптивной пороговой обработки и морфологического анализа. Предложен усовершенствованный метод адаптации порога обнаружения, основанный на анализе изолированных фрагментов, остающихся на изображении после пороговой обработки.

Об авторе

В. Ю. Волков
Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича
Россия
доктор технических наук, профессор кафедры радиосистем и обра­ ботки сигналов


Список литературы

1. Волков В. Ю. Методы дискретной фильтрации и задачи обработки изображений в радиотехнических системах наблюдения / СПбГУТ. СПб., 2013. 144 с.

2. Волков В. Ю. Адаптивные и инвариантные алгоритмы обнаружения объектов на изображениях и их моделирование в Matlab: учеб. пособие. СПб.: Лань, 2014. 191 с.

3. Гонсалес Р., Вудc Р., Эддинс С. Цифровая обра-ботка изображений в среде MATLAB. М.: Техносфера, 2006. 615 c.

4. Gao Gui. Statistical modeling of SAR images. A Sur-vey // Sensors. 2010. Vol. 10, iss. 1. P. 775-795.

5. Misra A., Kartikeyan B. Denosing techniques for synthetic aperture radar data - a Review // Int. J. Com-puter Engineering & Technology (IJCET). 2015. Vol. 6, iss. 9. P. 01-11.

6. Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных: справ. изд. М.: Финансы и статистика, 1983. 471 с.

7. Волков В. Ю., Турнецкий Л. С. Пороговая обра-ботка для сегментации и выделения протяженных объектов на цифровых изображениях // Информаци-онно-управляющие системы. 2009. № 5 (42). С. 10-13.

8. Sezgin M., Sankur B. Survey over image threshold-ing techniques and quantitative performance evaluation. // J. of Electronic Imaging. 2004. Vol. 13, iss. 1. P. 146-165.

9. Volkov V. Segmentation and Extraction of Exten-sive Objects on Digital Images // Proc. 2009 Intern. conf. on Image Processing, Computer Vision and Pattern Recognition. IPCV2009, Las Vegas, USA, Jul 13-16, 2009. Las Vegas: CSREA Press, 2009. Vol. II. P. 656-662.

10. Volkov V. Thresholding for segmentation and extraction of extensive objects on digital images // Proc. 32 Ann. German Conf. on Artificial Intelligence. KI 2009, Paderborn, Germany, Sept. 15-18, 2009. Berlin: Springer Verlag, 2009. P. 623-630.


Дополнительные файлы

Для цитирования: Волков В.Ю. Адаптивное выделение мелких объектов на цифровых изображениях. Известия высших учебных заведений России. Радиоэлектроника. 2017;(1):17-28.

For citation: Volkov V.Y. Adaptive Extraction of Small Objects in Digital Images. Journal of the Russian Universities. Radioelectronics. 2017;(1):17-28. (In Russ.)

Просмотров: 34

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1993-8985 (Print)
ISSN 2658-4794 (Online)