СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ И СЕЛЕКЦИЯ ОБЪЕКТОВ НА ОСНОВЕ МНОГОПОРОГОВОЙ ОБРАБОТКИ
https://doi.org/10.32603/1993-8985-2019-22-3-24-35
Аннотация
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.
Об авторах
В. Ю. Волков
Санкт-Петербургский государственный университет аэрокосмического приборостроения
Россия
Россия
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
О. А. Маркелов
Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)
Россия
Россия
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
М. И. Богачев
Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)
Россия
Россия
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
Список литературы
1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера. 2005. 1104 с.
2. Blaschke T. Object based image analyses for remote sensing // ISPRS J. of Photogrammetry and Remote Sensing. 2010. Vol. 65, iss. 1. P. 2–16. doi: 10.1016/j.isprsjprs.2009.06.004
3. Towards a (GE)OBIA 2.0 Manifesto-achievements and open challenges in information & knowledge extraction from big earth data / S. Lang, A. Baraldi, D. Tiede, G. Hay, T. Blaschke // GEOBIA'2018, Montpellier, 18–22 June, 2018. Basel: MDPI AG. P.
4. Gao G. Statistical modeling of SAR images: A survey // Sensors. 2010. Vol. 10, № 1. P. 775–795. doi: 10.3390/s100100775
5. Zhou W. Troy A. An object-oriented approach for analyzing and characterizing urban landscape at the parcel level // Int. J. of Remote Sensing. 2008. Vol. 29, № 11. P. 3119–3135. doi: 10.1080/01431160701469065
6. An efficient parallel multi-scale segmentation method for remote sensing imagery / H. Gu, Y. Han, Y. Yang, H. Li, Z. Liu, U. Soergel, T. Blaschke, S. Cui // Remote Sensing. 2018. Vol. 10, № 4. P. 590(1–18). doi: 10.3390/rs10040590
7. Fast and accurate online video object segmentation via tracking parts / J. Cheng, Y. Tsai, W. Hung, S. Wang, M. Yang // Proc. of the 2018 IEEE Conf. on Computer Vision and Pattern Recognition. 18–23 June 2018, Salt Lake City. Piscataway: IEEE, 2018. P. 7415–7424. doi: 10.1109/CVPR.2018.00774
8. Wang M. A. Multiresolution remotely sensed image segmentation method combining rainfalling watershed algorithm and fast region merging // Int. Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2008. Vol. XXXVII. Pt. B4. P. 1213–1217.
9. Multilevel thresholding for image segmentation through a fast statistical recursive algorithm // S. Arora, J. Acharya, A. Verma, P. K. Panigrahi // Pattern Recognition Letters. 2008. Vol. 29, iss. 2. P. 119–125. doi: 10.1016/j.patrec. 2007.09.005
10. Multi-threshold image Segmentation based on Kmeans and firefly algorithm // J. Yang, Y. Yang, W. Yu, J. Feng, J. Yang // Proc. of 3rd Int. Conf. on Multimedia Technology (ICMT-13). Paris: Atlantis Press, 2013. P. 134– 142. doi: 10.2991/icmt-13.2013.17
11. Multi level fuzzy threshold image segmentation method for industrial applications / P. Priyanka, K. Vasudevarao, Y. Sunitha, B. A. Sridhar // IOSR J. of Electronics and Communication Engineering (IOSR-JECE), 2017, Vol. 12, iss. 2, Ver. III. P. 06–17. doi: 10.9790/2834-1202030617
12. Banimelhem O., Yahya A. Y. Multi-thresholding image segmentation using genetic algorithm // Proc. IPCV, 16– 19 July 2012, Las-Vegas, Las-Vegas: CSREA, 2012. URL: http://worldcomp-proceedings.com/proc/p2011/IPC8346.pdf (дата обращения 11.06.2019)
13. Multithreshold segmentation by using an algorithm based on the behavior of locust swarms. Hindawi Publishing Corporation / E. Cuevas, A. González, F. Fausto, D. Zaldívar, M. Pérez-Cisneros // Mathematical Problems in Engineering. Vol. 2015. Art. ID 805357 (1–25). doi: 10.1155/2015/805357
14. Volkov V. Extraction of extended small-scale objects in digital images // The ISPRS Archives. 2015. Vol. XL-5/W6. P. 87–93. doi: 10.5194/isprsarchives-XL-5-W6-87-2015
15. Selection and quantification of objects in microscopic images: from multi-criteria to multi-threshold analysis / M. Bogachev, V. Volkov, G. Kolaev, L. Chernova, I. Vishnyakov, A. Kayumov // Bionanoscience. 2019. Vol. 9, iss. 1. P. 59–65. doi: 10.1007/s12668-018-0588-2 (дата обращения 11.06.2019)
16. Клюев Н. Ф. Обнаружение импульсных сигналов с помощью накопителей дискретного действия. М.: Сов. радио. 1963. 111 с.
17. Волков В. Ю. Адаптивное выделение мелких объектов на цифровых изображениях // Изв. вузов России. Радиоэлектроника. 2017. № 1. С. 17–28.
Рецензия
При поддержке: Работа выполнена при поддержке Российского Научного Фонда (исследовательский проект № 16-19-00172-П).
Для цитирования:
Волков В.Ю., Маркелов О.А., Богачев М.И. СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ И СЕЛЕКЦИЯ ОБЪЕКТОВ НА ОСНОВЕ МНОГОПОРОГОВОЙ ОБРАБОТКИ. Известия высших учебных заведений России. Радиоэлектроника. 2019;22(3):24-35. https://doi.org/10.32603/1993-8985-2019-22-3-24-35
For citation:
Volkov V.Yu., Markelov O.A., Bogachev M.I. IMAGE SEGMENTATION AND OBJECT SELECTION BASED ON MULTI-THRESHOLD PROCESSING. Journal of the Russian Universities. Radioelectronics. 2019;22(3):24-35. https://doi.org/10.32603/1993-8985-2019-22-3-24-35
Просмотров: 940
Послать статью по эл. почте 