Xreferat.com » Рефераты по информатике и программированию » Моделі мультиграничної сегментації зображень

Моделі мультиграничної сегментації зображень

Харківський національний університет радіоелектроніки


Чупиков Андрій Миколайович

УДК 004.932.2:004.93’14


МОДЕЛІ МУЛЬТИГРАНИЧНОЇ СЕГМЕНТАЦІЇ ЗОБРАЖЕНЬ


05.13.23 – системи та засоби штучного інтелекту


Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук


Харків – 2008

Дисертацією є рукопис.

Робота виконана в Харківському національному університеті радіоелектроніки, Міністерство освіти і науки України.

Науковий керівник – доктор технічних наук, професор

Машталір Володимир Петрович,

Харківський національний університет радіоелектроніки,

декан факультету комп’ютерних наук.

Офіційні опоненти: доктор технічних наук, професор

Крилов Віктор Миколайович, Григорович,

Одеський національний політехнічний університет,

професор кафедри прикладної математики та інформаційних технологій в бізнесі; Харківський нац

ух обчислювальних машин;

доктор технічних наук, професор Соколов Олександр

Шабанов-Кушнаренко Юрій Петрович, й університет

Харківський національний університет радіоелектроніки,

професор кафедри програмного забезпечення ЕОМ. .

овідна установаіональнй технічний університет України «Одеський політехнічний інститут», кафедра технчної кібернетики, Міністерство освіти і науки України, м. Одеса.

Захист відбудеться « 18 » червня 2008 р. о 1300 годині на засіданні спеціалізованої вченої ради Д 64.052.01 у Харківському національному університеті радіоелектроніки за адресою: 61166, м. Харків, пр. Леніна, 14.

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

Автореферат розісланий « 25 » квітня 2008 р.

Вчений секретар

спеціалізованої вченої ради С.Ф. Чалий


загальна характеристика роботи


Актуальність теми. Доступність візуальної інформації у цифровій формі для корпоративних та індивідуальних користувачів, її поширення в різних видах діяльності, інтенсифікація створення та використання систем із базовим носієм інформації у вигляді зображень визначають необхідність удосконалення методів автоматичної інтерпретації відеоданих. Сучасний стан методів і засобів аналізу, перетворень та інтерпретації зображень у різних предметно-орієнтованих областях фокусує увагу на ліквідації семантичного конфлікту між результатами обробки алгоритмами низького рівня і прикладним трактуванням результатів, коли зображення трансформується в деяку семантичну конструкцію. У цьому аспекті на перший план виходять задачі достовірної сегментації зображень, тобто пошуку в полі зору однорідних (із тих або інших позицій) областей, які корелюють зі значущими об’єктами сцен. Інакше кажучи, перцептивна організація даних (грануляція, кластеризація, інкапсуляція, факторизація) і є суттю сегментації – пошуку областей носія зображення на основі заданої або формованої у процесі обробки моделі подібності.

Серед основних цілей сегментації зображень варто виділити такі: позиціонування областей на основі агрегованих ознак; врахування ознак форми цільового об’єкта та просторових відношень між різними об’єктами; створення передумов для підвищення швидкодії за рахунок виключення необхідності аналізу окремих пікселів; стиснення зображень на основі сукупностей областей, які не перетинаються, та їх яскравих та геометричних ознак, забезпечення можливостей індексації та пошуку в базах даних по змісту зображень із запитами ‘ad exemplum’.

Основний вплив на розвиток методів сегментації зображень зробили українські та зарубіжні вчені С.Г. Антощук, А.М. Ахметшин, Р.А. Воробель, В.М. Крилов, Є.П. Путятін, М.І. Шлезінгер, L. Alvarez, B.K.P. Horn, W.G. Kropatsch, A. Rosenfeld, J. Serra, J. Weіckert та ін. Аналіз стану та тенденцій розвитку методів сегментації дозволяє стверджувати, що, незважаючи на численні дослідження в цьому напрямку, задача синтезу розумних із погляду прикладної інтерпретації фактор-множин ще далека від свого остаточного розв’язання.

Таким чином, вивчення зв’язків і властивостей покриття та розбиття інформації, яка зареєстрована (діапазону півтонівё або колірних складових, наборів ознак), і продукованих покриттів та розбиттів поля зору є актуальним завданням, що забезпечує можливості інтелектуального аналізу зображень.

Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконана відповідно до плану науково-дослідних робіт Харківського національного університету радіоелектроніки в межах держбюджетних тем «Дослідження та розробка методів аналізу зображень в умовах складних перетворень» (№ ДР 0103U001572, виконавець), «Розробка моделей та методів факторизації інформації в умовах багатозначності» (№ДР 0104U004063, виконавець) та “Інтелектуальний аналіз і обробка даних у реальному часі на основі засобів обчислювального інтелекту” (№ДР 0104U003432, виконавець), що виконуються згідно з наказами Міністерства освіти і науки України за результатами конкурсного відбору проектів наукових досліджень. У межах зазначених тем здобувачем було удосконалено моделі мультиграничної сегментації півтонових зображень, а також введено та обґрунтовано методи трансформації отриманих класів еквівалентностей або їх окремих елементів.

Мета і завдання дослідження. Метою дисертаційного дослідження є розроблення математичних моделей та методів мультиграничної сегментації статичних півтонових зображень на базі аналізу класів толерантностей та еквівалентностей для синтезу алгоритмів автоматичної інтерпретації візуальної інформації у конкретних предметних областях.

Відповідно до поставленої мети дисертаційна робота передбачала розв’язання таких завдань:

– синтез, обґрунтування і дослідження моделей мультиграничної сегментації на основі зв’язків покриттів або розбиттів носія та покриттів або розбиттів області значень даних, що аналізуються;

– введення і дослідження операцій на класах еквівалентностей або толерантностей для перетворень результатів сегментації для отримання областей зображень, що інтерпретуються;

– дослідження специфіки реалізації та застосування мультиграничної сегментації, створення і впровадження дослідницьких та спеціалізованих програмних засобів.

Об’єкт дослідження – процеси обробки візуальної інформації для контекстної інтерпретації в системах технічного зору.

Предмет дослідження – моделі мультиграничної сегментації візуальної інформації для контекстної інтерпретації в системах технічного зору.

Методи дослідження – при розробці та дослідженні моделей сегментації зображень було використано математичний апарат розпізнавання образів, теорії множин та алгебри, елементи статистичного аналізу.

Наукова новизна отриманих результатів. Наукова новизна дисертації полягає у постановці та розв’язанні задачі обробки зображень для предметно-орієнтованої інтерпретації. При розв’язанні здійснюється мультигранична сегментація та контекстні перетворення класів еквівалентності або толерантності:

– отримали подальший розвиток методи сегментації зображень, які, на відміну від відомих, використовують додаткові просторові дані, що забезпечує підвищення адекватності тематичної інтерпретації;

– вперше запропоновано моделі, які, на відміну від існуючих моделей граничної сегментації, пов’язують розбиття (покриття) діапазону зміни яскравості (ознак) і розбиття (покриття) поля зору, що створює передумови для інтелектуального аналізу зображення;

– отримали подальший розвиток методи перетворень розбиттів і покриттів зображень, які, на відміну від відомих, враховують характеристики форми областей або їх множин, що приводить до підвищення валідності процедур вторинної сегментації візуальної інформації.

Практичне значення отриманих результатів. Розроблені в дисертаційній роботі моделі мультиграничної сегментації зображень, що засновані на аналізі зв’язку розбиття та покриття поля зору та області значень даних із використанням їх перетворень для пошуку раціонального прикладного трактування, можуть бути застосовані для вирішення широкого кола завдань інтерпретації зображень. Використання отриманих результатів забезпечило досить стійку автоматичну сегментацію зображень та створило передумови для оцінки подібності зображень за результатами сегментації, що дозволяє враховувати надмірність або дефіцит інформації разом з її багатозначністю на етапі тематичної інтерпретації. Синтезовані методи підтвердили свою ефективність при створенні систем медичної діагностики, зокрема в Харківському державному медичному університеті (акт про впровадження від 15.09 2007 р.), в Дорожній клінічній лікарні ст. Харків (акт про впровадження від 19.09 2007 р). Також наукові положення, висновки і рекомендації, викладені в дисертації, були використані в навчальному процесі Харківського національного університету радіоелектроніки (акт про впровадження від 24.10 2007 р).

Особистий внесок здобувача. Усі основні результати, що виносяться на захист, отримані здобувачем особисто. У роботах, опублікованих зі співавторами, здобувачу належать: у [2] – запропоновані й досліджені моделі часткової сегментації на базі зв’язку розбиттів (покриттів) областей визначення і значень даних; у [3] – проведено оцінку ефективності застосування існуючих методів сегментації для виділення областей інтересу на різних класах зображень; у [4] – формалізовані та вивчені властивості толерантностей у задачах сегментації зображень; у [5] – введенні трансформації перерізів зображень, які є класами еквівалентностей або толерантностей; у [9] – запропоноване врахування ознак форми, яке забезпечує можливості інтерпретації перетворень результатів сегментації.

Апробація результатів дисертації. Основні результати роботи були висвітлені, обговорені і схвалені на таких науково-технічних конференціях: 10-й Міжнародний молодіжний форум “Радіоелектроніка і молодь у XXI столітті” (м. Харків, 10-12 квітня 2006 р.); Перша міжнародна наукова конференція «Глобальні інформаційні системи. Проблеми і тенденції розвитку» (м. Харків, 3-6 жовтня 2006 р.); Х Міжнародна наукова конференція, присвячена пам’яті генерального конструктора ракетно-космічних систем, академіка М.Ф. Решетнєва (м. Красноярськ, 8-10 листопада 2006 р.); Міжнародна наукова конференція «Сучасні проблеми математики та її застосування в природних науках й інформаційних технологіях» (м. Харків, 23-25 березня 2007 р.); Міжнародна конференція «Інтелектуальні системи прийняття рішень і прикладні аспекти інформаційних технологій» (м. Євпаторія, 14-18 травня 2007 р.), International conference on computer vision and graphics (Warsaw, Poland, September 22-24, 2004); 4-th International Workshop Adaptive multimedia retrieval (Geneva, Switzerland, July 27-28, 2006).

Публікації. Основні результати дисертаційної роботи надруковано у 10 наукових працях, у тому числі 3 статті у виданнях, що входять до переліків, затверджених ВАК України, та 7 публікацій у збірниках праць міжнародних наукових конференцій.

Структура дисертації. Дисертація складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатку. Повний обсяг дисертації становить 146 сторінок; обсяг основного тексту 121 сторінка; 43 рисунка; 7 таблиць; список використаних джерел, що включає 139 найменувань та займає 15 сторінок; додаток на 5 сторінках.

основний зміст роботи


У вступі обґрунтовано актуальність теми, сформульовано мету та задачі дослідження, розкрито наукову та практичну цінність отриманих результатів. Наведено відомості про публікації та апробацію роботи.

У першому розділі проведено аналіз стану й тенденцій розвитку методів сегментації зображень, основною метою яких є виділення областей поля зору, що характеризує значущі об’єкти сцен, а у кінцевому результаті – перетворення растрової візуальної інформації в деяку семантичну конструкцію.

Встановлено, що підходи до сегментації можуть розглядатися з різних позицій – локальні й глобальні методи можуть класифікуватися як порогові просторові, спектральні, гістограмні, текстурні тощо. За математичними моделями, що використовуються, в залежності від виду й обсягу апріорної інформації алгоритми розділяються на детерміновані й статистичні, а в останній час активно розвиваються моделі, які враховують неадекватність і недостовірність інформації, яку отримують із зображення, її надмірність, і в той же час дефіцит, стосовно проблемно-орієнтованої області.

Показано, що сьогодні найбільш поширені: адаптовані алгоритми кластеризації; гістограмні методи; алгоритми на основі пошуку контурних препаратів; методи нарощування областей; алгоритми, які базуються на функціях рівня; методи побудови розбиття графів; різні модифікації перетворень водорозділів; методи, які базуються на моделях або навчаючих вибірках; алгоритми на основі штучних нейронних мереж та інтерактивні алгоритми розміток областей і, головне, всі їх існуючі комбінації. На основі аналізу переваг і недоліків зазначених методів і алгоритмів визначено, що, як і раніше, порогові (просте порогове обмеження, просторово-адаптивні пороги, інтервальні пороги, квазіпорогова обробка, мультиграничні алгоритми) методи можуть забезпечувати у низці прикладних задач потрібну якість сегментації. Методи порогової обробки, незважаючи на їхні недоліки, відіграють досить істотну роль у задачах сегментації зображень. Як першопричину потрібно вказати їхні інтуїтивно зрозумілі властивості та простоту обчислювальних моделей. Проте методи граничної обробки потребують свого розвитку в плані розробки моделей, які забезпечують у деякому розумінні універсальні підходи до аналізу просторів зображень або ознак.

Стосовно інтерактивної та автоматичної обробки візуальної інформації акцент переноситься на розв’язання задачі ліквідації семантичного конфлікту, тобто результати обробки зображень алгоритмів низького рівня, що орієнтовані на обробку зображень як двомірних полів, не завжди придатні для тематичної інтерпретації навіть у конкретних предметних областях. Для усунення цього недоліку необхідно вміти отримувати та трансформувати дані в прийнятну форму, зокрема находити компроміс між недостатньою та надмірною сегментацією. Таким чином, одним із напрямків, які мають теоретичний інтерес та практичну значущість, є моделювання півтонових та/або кольорових зображень на основі зв’язків покриттів (розбиттів) області значень та покриттів (розбиттів) носія.

На основі проведеного аналізу зроблено висновок щодо актуальності створення моделей сегментації на основі багаторівневого представлення зображень за допомогою бінарних відношень ліній рівня та вивчення операцій, які забезпечують адаптацію часткової мультиграничної сегментації до розв’язання задач синтаксичної, семантичної, якісної та кількісної інтерпретації зображень.

У другому розділі запропоновано нові мультиграничні моделі взаємозв’язку результатів сегментації з вихідним зображенням, в основу яких покладено систему відношень, що враховує подібність яскравісних характеристик (ознак). Властивості цих відношень забезпечують ефективну алгоритмізацію сегментації, що в кінцевому результаті надає достовірні дані для етапу інтелектуального аналізу зображень та дозволяє запропонувати нові методи, які враховують просторові властивості.

У полі зору відеодатчика (прямокутної фінітної області Моделі мультиграничної сегментації зображень) аналізуються цифрові форми подання зображень, тобто функція розподілу яскравості Моделі мультиграничної сегментації зображень набуває тільки повнозначних числових значення у вузлах сітки розміру Моделі мультиграничної сегментації зображень. Для спрощення запису (з урахуванням построкової розгортки) носій зображення представлений множиною Моделі мультиграничної сегментації зображень, де Моделі мультиграничної сегментації зображень. Тоді зображення Моделі мультиграничної сегментації зображень при довільному законі квантування з Моделі мультиграничної сегментації зображень рівнями визначається множиною


Моделі мультиграничної сегментації зображень.


Розглянемо покриття Моделі мультиграничної сегментації зображень діапазону значень Моделі мультиграничної сегментації зображень, де Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень. Функція Моделі мультиграничної сегментації зображень і покриття Моделі мультиграничної сегментації зображень індукують на Моделі мультиграничної сегментації зображень бінарне відношення, яке є відношенням толерантності.


Моделі мультиграничної сегментації зображень (1)


де Моделі мультиграничної сегментації зображень


З іншого боку, відношення Моделі мультиграничної сегментації зображень реалізує багатозначні відображення з Моделі мультиграничної сегментації зображень в Моделі мультиграничної сегментації зображень, які продукують ліві та праві суміжні класи:


Моделі мультиграничної сегментації зображень – клас образів елемента Моделі мультиграничної сегментації зображень;

Моделі мультиграничної сегментації зображень – клас прообразів елемента Моделі мультиграничної сегментації зображень.


Система класів толерантності утворює покриття множини Моделі мультиграничної сегментації зображень Моделі мультиграничної сегментації зображень. Довільне покриття Моделі мультиграничної сегментації зображень названо правильним, якщо й тільки якщо для будь-яких його двох елементів Моделі мультиграничної сегментації зображень і Моделі мультиграничної сегментації зображень виконуються відношення Моделі мультиграничної сегментації зображень і Моделі мультиграничної сегментації зображень.

Твердження 1. Класи толерантності утворюють правильне покриття множини Моделі мультиграничної сегментації зображень.

Довільне покриття Моделі мультиграничної сегментації зображень скінченної множини Моделі мультиграничної сегментації зображень названо впорядковано зв’язним, якщо існує індексація, при якій у будь-якому представнику покриття втримуються тільки занумеровані підряд (без пропусків) елементи, тобто Моделі мультиграничної сегментації зображень Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень. Довільна трійка Моделі мультиграничної сегментації зображень різних елементів множини Моделі мультиграничної сегментації зображень із заданим на ній покриттям Моделі мультиграничної сегментації зображень названа транзитивним триплетом, якщо будь-яка пара точок лежить хоча б у одному елементі покриття.

У загальному випадку будь-яка пара Моделі мультиграничної сегментації зображень аналогічно (1) індукує на множині Моделі мультиграничної сегментації зображень відношення толерантності, а саме


Моделі мультиграничної сегментації зображень


Вивчені властивості правильних і впорядковано зв’язних покриттів.

Властивість 1. Для будь-якої пари елементів впорядковано зв’язного, правильного покриття існує хоча б один нетранзитивний триплет, який належить до їхнього об’єднання Моделі мультиграничної сегментації зображень, два елемента якого не належать одному елементу покриття, тобто


Моделі мультиграничної сегментації зображень.


Властивість 2. Якщо для будь-якої пари елементів Моделі мультиграничної сегментації зображень довільного покриття Моделі мультиграничної сегментації зображень існує нетранзитивний триплет Моделі мультиграничної сегментації зображень, який лежить у їхньому об’єднанні, то це покриття правильне.

Властивість 3. Довільне розбиття скінченної множини Моделі мультиграничної сегментації зображень є впорядковано зв’язним покриттям.

Довільне бінарне відношення Моделі мультиграничної сегментації зображень, яке задане на множині Моделі мультиграничної сегментації зображень, названо функціональним, якщо задана деяка функція Моделі мультиграничної сегментації зображень, а на Моделі мультиграничної сегментації зображень задано покриття Моделі мультиграничної сегментації зображень і Моделі мультиграничної сегментації зображень, де Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень.

Твердження 2. Функціональне відношення не зміниться, якщо з покриття, що його індукує, будуть вилучені всі неправильні елементи.

Ці результати створили передумови для вивчення питань взаємозв’язку завдання покриттів значень функцій розподілу яскравості і результатів сегментації.

На питання, коли суміжні класи і класи толерантності збігаються для функціональних відносин, відповідь дає

Твердження 3. Класи образів і прообразів заданого на довільній множині Моделі мультиграничної сегментації зображень функціонального відношення Моделі мультиграничної сегментації зображень, індукованого функцією Моделі мультиграничної сегментації зображень і деяким упорядковано зв’язним покриттям Моделі мультиграничної сегментації зображень, є класами толерантності тоді і тільки тоді, коли Моделі мультиграничної сегментації зображень – розбиття.

Інтерпретація доведеного твердження прозора – при раціональному розбитті діапазону зміни функції розподілу яскравості можна одержати "області подібності" на носії зображення у вигляді класів толерантності, які трактуються доволі просто.

Використання впорядкованого зв’язного покриття Моделі мультиграничної сегментації зображень є принциповим, тобто якщо його виключити із розгляду, то збіг класів образів і класів толерантності не гарантує, що Моделі мультиграничної сегментації зображень є розбиттям.

На питання про зв’язок класів толерантності й суміжних класів відповідає

Твердження 4. Будь-який суміжний клас довільного толерантного відношення містить підмножину – клас толерантності, якому належить елемент, що породжує цей суміжний клас.

Побудова обчислювальних моделей базується на такому результаті.

Твердження 5. Якщо матриця довільного толерантного відношення має блочний вигляд, то покриття Моделі мультиграничної сегментації зображень і Моделі мультиграничної сегментації зображень, які утворені відповідно суміжними і толерантними класами, є впорядковано зв’язними. При цьому Моделі мультиграничної сегментації зображень – правильне покриття, а Моделі мультиграничної сегментації зображень – правильне тоді і тільки тоді, коли суміжні класи або класи толерантності не перетинаються для елементів, які мають різні образи, і фактично збігаються.

Будь-яка функціональна толерантність, яка індукована відображенням Моделі мультиграничної сегментації зображень, яке можна трактувати як зображення, тобто функцією розподілу яскравості у полі зору, ставить у відповідність кожному елементу покриття Моделі мультиграничної сегментації зображень бінарні відношення на множині Моделі мультиграничної сегментації зображень


Моделі мультиграничної сегментації зображень


де Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень, Моделі мультиграничної сегментації зображень.

Оскільки відображення Моделі мультиграничної сегментації зображень є відображенням у множині Моделі мультиграничної сегментації зображень, довільний елемент Моделі мультиграничної сегментації зображень має повний прообраз – так називані лінії рівня Моделі мультиграничної сегментації зображень. Якщо розглянути при відображенні всіх елементів покриття Моделі мультиграничної сегментації
    <div class=

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: