Морфологический анализ цветных (спектрозональных) изображений
, в данном случае
, причем *f действует фактически только на "видимую компоненту" g(×
), обращая "невидимую, ИК, компоненту" g(×
) в ноль.
Форма ИК компоненты f(× ) может быть определена лишь тогда, когда известно множество возможных преобразований j 2(× ) f2(× ).
Некоторые применения.Задачи идентификации сцен.
Рассмотрим вначале задачи идентификации сцен по их изображения, неискаженным геометрическими преобразованиями, поворотами, изменениями масштаба и т.д. Ограничимся задачами, в которых предъявляемые для анализа изображения получены при изменяющихся и неконтролируемых условиях освещения и неизвестных и, вообще говоря, различных оптических характеристиках сцены.
1). Задачи идентификации при произвольно меняющейся интенсивности освещения.
Можно ли считать f(× ) и g(× ) изображениями одной и той же сцены, возможно, отличающимя лишь распределениями яркости, например, наличием теней?
В простейшем случае для идентификации достаточно воспользоваться теоремой 5, а именно, f(×
) и g(×
) можно считать изображениями одной и той же сцены, если существует распределение цвета
, для которого v(j
(×
)) содержит f(×
) и g(×
). Если
, и
, то, очевидно, существует
, при котором f(x)Î
v(j
(×
)), g(x)Î
v(j
(×
)), а именно,
,
, если
,
, если
, и, наконец,
- произвольно, если
.
На практике удобнее использовать другой подход, позволяющий одновременно решать задачи совмещения изображений и выделения объектов. Можно ли, например, считать g(× ) изображением сцены, представленной изображением f(× )? Ответ следует считать утвердительным, если
.
Здесь j
(×
) - распределение цвета на изображении f(×
), символ ~0 означает, что значение d
(g(×
)) можно объяснить наличием шума, каких-либо других погрешностей, или, наконец, - наличием или, наоборот, отсутствием объектов объясняющим несовпадение g(×
) и f(×
) с точностью до преобразования распределения яркостей. Такие объекты, изменившие распределение цвета g(×
) по сравнению с распределением цвета f(×
), представлены в
.
2).Идентификация при произвольном изменении распределения интенсивности и пространственно однородном изменении спектрального состава освещения.
Можно ли считать изображением сцены, представленной на изображении f(× ), изображение, полученное при изменившихся условиях регистрации, например, перемещением или изменением теней и изменением спектрального состава освещения?
Пусть - форма в широком смысле изображения f(×
), определенная в теореме @, П* - форма f(×
). Тогда ответ на поставленный вопрос можно считать утвердительным, если
. Если изменение g(×
) обусловлено не только изменившимися условиями регистрации, но также появлением и (или) исчезновением некоторых объектов, то изменения, обусловленные этим последним обстоятельством будут представлены на
.
3). Задачи совмещения изображений и поиска фрагмента.
Пусть f(× ) - заданное изображение, AÌ X - подмножество поля зрения, c A(× ) - его индикатор, c A(× )f(× ) -назовем фрагментом изображения f(× ) на подмножестве A, представляющем выделенный фрагмент сцены, изображенной на f(× ). Пусть g(× ) - изображение той же сцены, полученное при других условиях, в частности, например, сдвинутое, повернутое, т.е. геометрически искаженное по сравнению с f(× ). Задача состоит в том, чтобы указать на g(× ) фрагмент изображения, представляющий на f(× ) фрагмент сцены и совместить его с c A(× )f(× ).
Ограничимся случаем, когда упомянутые геометрические искажения можно моделировать группой преобразований R2->R2, преобразование изображения
назовем сдвигом g(×
) на h. Здесь
Q(h): Rn->Rn, hÎ H, - группа операторов. Векторный сдвиг на h¢ Î H даст
.
В задаче выделения и совмещения фрагмента рассмотрим фрагмент сдвинутого на h изображения g(× ) в “окне” A:
(100)
причем, поскольку
где
то в (100)
- ограничение на сдвиг “окна” А, которое должно оставаться в пределах поля зрения X.
Если кроме цвета g(×
) может отличаться от f(×
), скажем, произвольным преобразованием распределения яркости при неизменном распределении цвета и
- форма фрагмента f(×
), то задача выделения и совмещения фрагмента сводится к следующей задаче на минимум
.(101)
При этом считается, что фрагмент изображения g(× ), соответствующий фрагменту c A(× )f(× ), будет помещен в “окно”.А путем соответствующего сдвига h=h*, совпадает с c A(× )f(× ) с точностью до некоторого преобразования распределения яркости на нем. Это означает, что
.
т.е. в (101) при h=h* достигается минимум.
4). В ряде случаев возникает следующая задача анализа спектрозональных изображений: выделить объекты которые “видны”, скажем, в первом канале и “не видны” в остальных.
Рассмотрим два изображения
и
. Определим форму в широком смысле
как множество всех линейных преобразований
:
(A - линейный оператор R2->R2, не зависящий от xÎ
X). Для определения проектора на
рассмотрим задачу на минимум
.[*]
Пусть
,
, тогда задача на минимум [*] эквивалентна следующей: tr A*AS - 2trAB ~
. Ее решение
(знаком - обозначено псевдообращение).
=
=
Рис.1.
fe - вектор выходных сигналов детекторов, отвечающий излучению e(× ), j e - его цвет; j 1,j 2,j 3, - векторы (цвета) базовых излучений, b - белый цвет, конец вектора b находится на пересечении биссектрис.
Литература.[1] Пытьев Ю.П. Морфологические понятия в задачах анализа изображений, - Докл. АН СССР, 1975, т. 224, №6, сс. 1283-1286.
[2] Пытьев Ю.П. Морфологический анализ изображений, - Докл. АН СССР, 1983, т. 296, №5, сс. 1061-1064.
[3] Пытьев Ю.П. Задачи морфологического анализа изображений, - Математические методы исследования природных ресурсов земли из космоса, ред. Золотухин В.Г., Наука, Москва, 1984, сс. хххх-ххххх.
[4] Пытьев Ю.П., Чуличков А.И. ЭВМ анализирует форму изображения, - Знание,сер. Математика, Кибернентика, Москва, 1988, 47 стр.
[5] Yu.P.Pyt’ev. Morphological Image Analysis, Patt. Recogn. and Image Analysis, 1993, v.3, #1, pp.19-28.
[6] Антонюк В.А., Пытьев Ю.П. Спецпроцессоры реального времени для морфологического анализа реальных сцен. Обработка изображений и дистанционное исследования, -Новосибирск, 1981, сс. 87-89.
[7] Антонюк В.А., Пытьев Ю.П., Рау Э.И. Автоматизация визуального контроля изделий микроэлектроники,Радиотехника и электроника, 1985, т. ХХХ,№12, сс. 2456-2458.
[8] Ермолаев А.Г., Пытьев Ю.П. Априорные оценки полезного сигнала для морфологических решающих алглритмов, - Автоматизация, 1984, №5, сс. 118-120.
[9] Пытьев Ю.П, Задорожный С.С., Лукьянов А.Е. Об автоматизации сравнительного морфологического анализа электронномикроскопических изображений, - Изв. АН СССР, сер. физическая, 1977, т. 41, №11, сс. хххх-хххх.
[10] A.A. Stepanov, S.Yu. Zheltov, Yu.V. Visilter. Shape analysis using Pyt'ev morphological paradigm and its using in machine vision. Proc. SPIE - Th. Intern. Soc. For Optical Engineering Videometrics III, 1994, v. 2350, pp. 163-167.
[11] Пытьев Ю.П.. Математические методы интерпретации эксперимента, Высшая школа, 351 стр., 1989.
[12] Майзель С.О. Ратхер Е.С. Цветовые расчеты и измерения. М:Л:Госэнергоиздат 1941, (Труды всесоюзного электротехнического института, вып.56).
[13] P. Kronberg. Fernerkundung der Erde Ferdinand Enke. Verlag Stuthgart 1985.