Введение 3
Постановка задачи 5
Обзор литературы 9
Глава 1. Сегментация изображения 13
1.1. Алгоритм наращивания областей блоками 13
1.1.1. Форма блоков и связность 13
1.1.2. Алгоритм наращивания блоками единственной области 16
1.2. Автоматический выбор начальных областей 18
1.2.1. Подходы к выбору начальных областей 18
1.2.2. Алгоритм автоматической сегментации 21
1.3. Объединение областей малой площади 23
1.3.1. Алгоритм объединения областей 25
Глава 2. Текстурная классификация 27
2.1. Библиотека текстур 27
2.2. LBP-оператор 30
2.3. Дескрипторы текстур 31
2.4. Двухшаговый алгоритм классификации 33
Выводы 36
Заключение 37
Список литературы
Задача выделения объектов на фото - одна из первых задач анализа
цифровых снимков. В работе большинства алгоритмов выделения объектов используется обнаружение их контуров. Легко заметить, что контуры
являются границами областей, для внутренних элементов которых выполняется условие однородности по какому-либо признаку. В случае растровых
изображений можно сказать, что каждая область - это набор точек (пикселей), имеющих одинаковые свойства (например яркость), по которым они
и объединены. Таким образом, появилась возможность выделять отдельный
объект по его текстуре.
В текстурах отражены индивидуальные характеристики поверхности,
такие как способность отражать или рассеивать свет, однородность. Эту
особенность текстур активно используют в 3D-моделировании, где сначала создают «пластилиновый» макет, все части которого одинаковы, а затем
накладывают на отдельные части соответствующие изображения текстуры.
Однако это только пример использования текстур для задания свойств объекта. Более интересна задача текстурного анализа изображения.
Две наиболее крупные области применения текстурного анализа - это
медицина и картография. Медики с помощью него способны выявить опухоли или патологии на медицинских снимках, а так же определить объемы
тканей и органов. Чаще всего он применяется для выявления злокачественных новообразований на рентгеновских снимках. Однако на сегодняшний
день такой подход не достаточно точен для того, чтобы полностью на него
положиться и убрать человеческий фактор при анализе рентгеновских снимков. Но он получил широкое распространение в качестве вспомогательного
механизма диагностики.
3Стартовой площадкой для развития первых методов анализа аэрофотоснимков стала военная сфера. Именно в ней впервые начали массово использовать алгоритмы распознавания изображений. Примером этого может
служить обнаружение вражеских позиций. Позднее задача обнаружения отдельных объектов переросла в задачу комплексного анализа фотоснимка,
после чего, как это часто бывает, она распространилась и на гражданскую
сферу. На сегодняшний день анализ спутниковых снимков и аэрофотоснимков широко используется в картографии. К сожалению, при всём уровне
развития технологий, полностью автономного метода, гарантирующего желаемую точность преобразования фото в карту разработано не было, но
существующие алгоритмы являются неотъемлемыми инструментами, существенно экономящими время любого современного картографа.
В картографии текстурный анализ является одним из средств автоматического создания карты из аэрофотоснимка. Текстурный анализ снимка
- далеко не тривиальная задача. Первым шагом обработки обычно является сегментация фото на области разного типа. Однако требуется не просто
разбить изображение на области, но и выявить аномалии - места, которые
явным образом выделяются из однородного фона. Кроме того, в результате
области со схожими свойствами должны быть и отмечены схожим образом.
Для этого посредством анализа происходит выделение характерных свойств
каждой области. Этот аспект задачи и рассматривается текстурной классификацией.
Основной сложностью задачи текстурного анализа аэрофотоснимков является подбор методов сегментации и текстурной идентификации, учитывающих особенности данной предметной области и подбор дескрипторов,
максимально точно описывающих именно текстуры природного происхождения
В данной работе был рассмотрен подход к картографическому анализу
аэрофотоснимков. Были выявлены особенности текстур природного происхождения. Рассмотрены подходы к сегментации с учётом данных особенностей и проведена модификация метода сегментации наращивания областей. После чего был рассмотрены подходы к объединению полученных
сегментов. На этапе классификации были рассмотрены модификации LBPоператоров и на их основе были сконструированы дескрипторы текстур.
Был разработан двухшаговый алгоритм классификации текстур, позволяющий работать с неоднородной библиотекой текстур (содержащей и цветные
образцы и образцы в градациях серого).
Плюсом разработанного алгоритма является информационная ёмкость
полученных с помощью него результатов обработки аэрофотоснимка. В итоге мы получаем не просто сегментированное изображение, но и имеем информацию о каждой отдельной области. Это позволяет выделить характерные особенности каждой области, на основе чего в дальнейшем возможно
построение 3D-модели местности.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
