Введение 3
Постановка задачи 5
Глава 1. Обзор литературы 6
Глава 2. Методы сегментации 10
2.1. Пороговые методы 11
2.1.1. Пороговый метод с постоянным порогом 12
2.1.2. Пороговый метод с адаптивным порогом 13
2.2. Выделение границ 14
2.3. Наращивание областей 17
2.3.1. Центроидное связывание 17
2.3.2. Слияние-расщепление 18
2.3.3. Метод водоразделов 19
2.4. Текстурные методы 20
Глава 3. Методы селекции объектов 22
Глава 4. Селекция объектов на основе мультипороговой обработки 26
4.1. Мультипороговая сегментация 26
4.2. Селекция зданий по площади 29
4.3. Тестирование алгоритма 32
4.4. Вывод 36
Выводы 38
Заключение 39
Список литературы 40
Процесс обработки, анализа и синтеза изображений являются приоритетными для систем технического зрения, образующих отдельное направление исследований в области искусственного интеллекта. Этот процесс можно представить в виде шести основных этапов [7]:
1) ввод информации;
2) предварительная обработка;
3) сегментация;
4) описание;
5) распознавание;
6) интерпретация.
Ввод информации представляет собой получение визуального изображения, которое будет подвергаться дальнейшему исследованию. Предварительная обработка информации заключается в использовании таких методов как понижение шума или улучшение изображения отдельных деталей. Сегментация — процесс выделения на изображении интересующих объектов. При описании определяются характерные параметры (например, размеры или форма), необходимые для выделения требуемого объекта на фоне других. Распознавание представляет собой процесс идентификации объектов. Интерпретация выявляет принадлежность к группе распознаваемых объектов.
Сущность обработки изображения состоит в том, чтобы привести исходное изображение к виду, позволяющему решить задачу распознавания его объектов.
Рассмотрим подробнее третий этап - сегментация изображения. На этой стадии происходит подразделение изображения на составляющие его области или объекты. При этом группирование осуществляется по различным признакам, таким как яркость, цвет, текстура, движение в одном направлении, с одинаковой скоростью и тому подобные признаки. Сегментация изображений, не являющихся тривиальными, представляет собой одну из самых сложных задач обработки изображений. Конечный успех компьютерных процедур анализа изображений во многом определяется точностью сегментации, по этой причине значительное внимание должно быть уделено повышению ее надежности [1]. Между тем, нет единого, общепринятого подхода, который бы лежал в основе большинства алгоритмов. Также нет и общего алгоритма, позволяющего осуществлять оптимальную сегментацию для абсолютно любого изображения. В этом и заключается одна из сложностей сегментации, и это является причиной большого числа различных подходов при решении данных задач обработки изображений.
В последние годы широкое освещение получили работы, связанные с применением систем технического зрения в космических исследованиях, в частности для изучения спутниковых данных. Вследствие активного развития технологий дистанционного зондирования требуется разработка все новых методов и алгоритмов для анализа спутниковых данных.
Одной из активно развивающихся задач обработки спутниковых статических снимков и видеопоследовательностей является поиск антропогенных объектов. Под антропогенным объектом (от греч. anthropos - человек и genes - рождающий, рожденный) понимается объект, созданный человеком для обеспечения его социальных потребностей и не обладающий свойствами природных объектов [18]. Такими объектами могут быть: здание, транспортное средство, объекты дорожной инфраструктуры и др. В дальнейшем в качестве антропогенного объекта будем рассматривать здания. Задача выделения зданий на спутниковых изображениях очень актуальна на текущий момент и пробудила значительный интерес во всем мире за последние годы [10][12][16].
В связи с актуальностью решения такой задачи в настоящей работе предлагается провести исследование, направленное на изучение существующих методов сегментации и разработку наиболее подходящего алгоритма сегментации зданий на спутниковых статических снимках и видеопоследовательностях.
Постановка задачи
Целью исследования является разработка наиболее подходящего метода сегментации зданий на спутниковых статических снимках и видеопоследовательностях.
Для достижения поставленной цели были сформулированы следующие задачи.
1. Провести анализ существующих методов и алгоритмов сегментации, а также их применение в рамках поставленной проблемы.
2. Выбрать наиболее подходящий подход к обработке спутниковых изображений и видеопотоков, позволяющего повысить адекватность тематической сегментации.
3. Исследовать данный подход при различных параметрах
В рамках данной работы были достигнуты следующие результаты.
• Проведен анализ существующих методов и алгоритмов сегментации, а также их применение в рамках поставленной проблемы.
• Предложен подход к сегментации спутниковых изображений и видеопотоков, основанный на использовании мультипороговой обработки и результатов селекции объектов интереса по площади.
• Данный подход был исследован при различных значениях порога.
