ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2016 г.)
2-летний импакт-фактор РИНЦ: 0,493
2-летний импакт-фактор РИНЦ без самоцитирования: 0,389
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,732
5-летний импакт-фактор РИНЦ: 0,364
5-летний импакт-фактор РИНЦ без самоцитирования: 0,303
Суммарное число цитирований журнала в РИНЦ: 5022
Пятилетний индекс Херфиндаля по цитирующим журналам: 355
Индекс Херфиндаля по организациям авторов: 499
Десятилетний индекс Хирша: 11
Место в общем рейтинге SCIENCE INDEX за 2016 год: 304
Место в рейтинге SCIENCE INDEX за 2016 год по тематике "Автоматика. Вычислительная техника": 11

Больше данных по публикационной активности нашего журнале за 2008-2016 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2017

Реализация системы обработки изображений линейчатых объектов

Статья опубликована в выпуске журнала № 4 за 2007 год.[ 21.12.2007 ]
Аннотация:
Abstract:
Авторы: Орлов А.А. (alexeyalexorlov@gmail.com) - уромский институт (филиал) Владимирского государственного университета им. Александра Григорьевича и Николая Григорьевича Столетовых, г. Муром, Россия, доктор технических наук
Количество просмотров: 6843
Версия для печати
Выпуск в формате PDF (2.00Мб)

Размер шрифта:       Шрифт:

Для большинства классов изображений наибольшую ценность представляют данные препарата протяженных линейчатых объектов. Таковыми являются, например, контуры на изображениях. По границам (контурам) человек распознает и анализирует форму объектов на рассматриваемой сцене. Сообразно с этим в области компьютерной обработки изображений существует большее количество работ, связанных с выделением и анализом границ (напр.: Методы компьютерной обработки изображений. М.: Физматлит, 2003 и Yin Y., Tian G.Y., Automatic X-Ray Image characterization for Non-Destructive Evaluation, School of Computing and Engineering Researchers’ Conference, University of Huddersfield, Dec 2006). Имеются также сцены, на которых непосредственно присутствуют изображения объектов в виде полос (линейчатых образов). Это изображения рукописей, треков движения объектов и частиц, сварных соединений, ребер на флюорограммах и многое другое.

На простых изображениях выделение и анализ таких полосовых объектов (или просто полос) не составляет трудности, но на сложных и малоконтрастных реальных сценах выделяемые объекты разрушены шумом и присутствием других образов. Анализ таких изображений является весьма малоизученной предметной областью: большинство методов данной сферы являются эмпирическими, а некоторые важные ее задачи до сих пор не решены.

Актуальным является создание новой математической теории, позволяющей построить алгоритм (связанный с полосовым анализом) для реализации системы обработки линейчатых изображений.

Целью работы является создание системы обработки и анализа полосовых растровых образов.

Можно показать, что на многих изображениях среднестатистически профиль (срез) яркости полосы на полутоновом изображении аппроксимируется второй производной гауссиана  .

Для анализа таких перепадов яркости будем использовать вэйвлет-преобразование (Малла С. Вэйвлеты в обработке сигналов. М.: Мир, 2005):

,

где f(t) – профиль функции яркости исходного изображения; s – масштаб, равный полуширине полосы.

Коэффициент  обеспечивает равновесомость откликов на перепады яркости различных масштабов.

Для обратного вэйвлет-преобразования используется выражение:

,

где С – нормирующий множитель; – Фурье-спектр .

В работе С. Малла (ссылку см. выше) показано, что Фурье-спектр g(t):

.

Будем полагать, что, интегрируя не от -¥ до +¥, а в промежутке [s1,s2], мы подавляем (фильтруем) перепады с масштабом не из этого промежутка, то есть выделяем перепады яркости с масштабом от s1  до s2. В результате образуется фильтр, подчеркивающий средние частоты, соответствующие [s1,s2].

Обобщим формулы на двухмерный случай. Будем решать задачу выделения полосы, заданной функцией f: R2 ®R. Для этого представим полосу как объект, состоящий из некоторых сегментов. Каждый сегмент аппроксимируем второй производной гауссоида .

В таком случае фильтрация полосы запишется:

,

где ; m – параметр, характеризующий длину сегмента полосы.

Обозначим данное преобразование как g(x,y)=F[f(x,y),s1,s2]. Введем интегральное преобразование, учитывающее ориентацию сегмента полосы:

,

где q – угол поворота поверхности z=y(x,y) вокруг оси аппликат.

Введенное выражение назовем интегральным преобразованием по сегменту полосы полушириной [s1, s2].

Таким образом, алгоритм выделения полос будет состоять из двух шагов:

1) формирование функции g(x,y,q);

2) поиск максимальных значений по углам из заданного промежутка [q1 ,q2].

На основе полученной теории на языке программирования С++ разработана система для вы-

деления полосовых образов. Созданная система исследовалась на тестовых образах и апробирована на реальных изображениях ребер на флюорограммах, текстах рукописей и дефектоскопических снимках для выделения трещин. Получены хорошие результаты, подтверждающие высокое качество работы алгоритмов системы.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=308
Версия для печати
Выпуск в формате PDF (2.00Мб)
Статья опубликована в выпуске журнала № 4 за 2007 год.

Назад, к списку статей

Хотите оценить статью или опубликовать комментарий к ней - зарегистрируйтесь