Иерархический подход к выделению объектов на изображениях Текст научной статьи по специальности «Компьютерные и информационные науки»

ПРОГРЕСИВН1 1НФОРМАЦ1ЙН1 ТЕХНОЛОГ11'

ПРОГРЕСИВШ ШФОРМАЦШШ

ТЕХНОЛОГИ

ПРОГРЕССИВНЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

PROGRESSIVE INFORMATION TECHNOLOGIES

УДК 004.932.001.57

С. Г. Антощук, В. Н. Крылов, Е. В. Ткаченко

ИЕРАРХИЧЕСКИЙ ПОДХОД К ВЫДЕЛЕНИЮ ОБЪЕКТОВ

НА ИЗОБРАЖЕНИЯХ

Разработана методика применения иерархического подхода к выделению и анализу контуров в пространстве гиперболического вейвлет-преобразования при обработке изображений режущих инструментов. Предложенная методика позволяет проводить анализ признаков износа режущих инструментов с разным уровнем детализации и создавать иерархические методы обработки и распознавания изображений.

ВВЕДЕНИЕ

Одной из задач, решаемой в автоматизированных системах обработки изображений (АСОИз), является автоматическое или автоматизированное распознавание изображений объектов. В значительной части таких систем обработки визуальной информации выполняется распознавания отдельных объектов (или их фрагментов) по заданным оптико-геометрическим параметрам и выделение их на фоне совокупности других объектов. Практика использования автоматизированных систем обработки и распознавания изображений показывают, что наиболее информативной частью изображений объектов являются контуры. Поэтому для повышения эффективности распознавания решается задача перехода от растрового представления изображения к «структур© Антощук С. Г., Крылов В. Н., Ткаченко Е. В., 2005

ному» в терминах контурных линий. Такое представление позволяет на 2-4 порядка сократить объем обрабатываемой информации, обеспечить инвариантность к трансформациям яркости, снизить влияние помех и таким образом повысить эффективность [1, 2].

ПОСТАНОВКА ЗАДАЧИ

Обрабатываемое изображение чаще всего является локально неоднородным. Процесс распознавания целесообразно проводить на разных уровнях детализации объекта в зависимости от поставленной задачи. Например, в ряде практически важных задач изображение можно распознать по внешнему контуру объекта (силуэту), в других информативной частью являются мелкие детали объекта. Таким образом, при распознавании изображение целесообразно подвергнуть преобразованию, обладающему свойством пространственно-частотной локализации.

Возникает необходимость в разработке методов выделения контуров, удовлетворяющих следующим требованиям:

- регулируемая детализация изображений объектов;

102

ISSN 1607-3274 «Радюелектронжа. 1нформатика. Управлшня» № 2, 2005

- помехоустойчивость;

- быстродействие;

- относительно невысокий уровень аппаратурных затрат;

- способность к обработке протяженных перепадов интенсивности;

- адаптивный выбор порога обнаружения.

ВЫДЕЛЕНИЕ КОНТУРОВ ОБЪЕКТОВ

С РЕГУЛИРУЕМОЙ ДЕЯТЕЛЬНОСТЬЮ

Одним из наиболее перспективных методов усиления перепадов интенсивности является преобразование Гильберта (ПГ) и разработанное на его основе гиперболическое вейвлет-преобразование (ГВП), которые достаточно эффективно проводят операцию контрастирования перепадов интенсивности [3, 4]. Представим изображение в форме матрицы дискретных отсчетов яркости. Тогда г-ю строку изображения можно представить следующим образом:

5(х,у1) =

1,аг < х < ; 0, х < аг, х > Ьг.

Дискретный фильтр, аппроксимирующий ПГ и ГВП, может быть представлен [3]:

^ 1 +N 5 = 1 £ 5

п

-к ■ 9к,

(1)

к = -М

где дк = 1 /ак - коэффициенты фильтра, к = ±п при 1 < п < N, а - масштабный коэффициент, N - порядок фильтра. Для к = 0 принимаем до = 0 (центральная точка является «фовеальной»).

Такой цифровой фильтр назовем гиперболическим фильтром (ГФ).

Масштабный коэффициент задает «скорость» изменения коэффициентов, определяет частотные свойства ГФ. Выбор а определяется с учетом минимального значения коэффициентов ГФ и с учетом порядка фильтра. Ограничимся уровнем 1/8. При меньших значениях импульсной характеристики влиянием далее расположенных пикселей можно пренебречь. Масштабный коэффициент зависит от порядка фильтра, при этом при

8

к = ±1 а =1, а при к = ±N а = N■ Таким образом,

при построчной (постолбцовой) обработки импульсная характеристика определяется выражением

дк

.-1 0 1 -

(1 + (к - 1)(8 - ^ N V N (N - 1) )

(1 + (к - 1 )(8 - ^N

V N(N - 1) )

, к е [±2,N]. (2)

При N = 8 1

дк

к

... -1 0 1

1 1

к-. 8-

,к е [±2.8].

На самом верхнем уровне разрешения импульсная характеристика ГФ сводится к дифференциатору. Количество коэффициентов фильтра решено выбрать нечетным. Расчет коэффициентов осуществлялся согласно выражению (2).

На рис. 1 представлены импульсные характеристики ГФ при N =2, N =5, N =7, N = 10, N = 15.

Рисунок 1 - Импульсная характеристика ГФ (N = 2, N = 5, N = 7, N = 10, N = 15)

Строку изображения (рис. 2, а), содержащую три объекта, можно представить следующим образом (рис. 2, б). После свертки изображения с ГФ с носителем длиной N =10 г-я строка изображения будет выглядеть, как это показано на рис. 2, в. Как видно интенсивность контуров разных размеров одинакова. Под интенсивностью контура будем понимать амплитуду перепада в пространстве ГВП. Увеличение длины носителя до N =50 позволит увеличить отношение ин-тенсивностей контуров разного уровня детализации (рис. 2, г). Теперь ограничившись некоторыми порогами, можно выделить каждый из трех объектов на отдельном уровне иерархии и распознать объекты разного уровня детализации, независимо от других объектов.

Необходимо учитывать то, что при N ^ 0, отношение интенсивности контуров объекта К, имеющего меньший размер к интенсивности контура, имеющего больший размер стремится к 1, а при увеличении длины носителя это отношение уменьшается (рис. 3).

Для иерархического выделения контура предлагается следующая методика:

- изображение подвергается свертке с ГФ разных масштабов от наибольшего к наименьшему. Свертка проводится по строкам и по столбцам, результат объединятся по схеме ИЛИ;

ПРОГРЕСИВН1 1НФОРМАЦ1ЙН1 ТЕХНОЛОГИ

а,

а) б)

Рисунок 2:

а - исходное изображение; б - г-я строка изображения; в - г-я строка изображения после свертки с гиперболической функцией N =10; г - г-я строка изображения после свертки с гиперболической функцией N = 50

татом действия алгоритмов прослеживания является упорядоченный массив координат точек контура объекта. Процедура прослеживания контура в условиях помех сложна и носит эвристический характер. Кроме того, алгоритм прослеживания часто зависит от содержания изображений. В данной работе предлагается следующий алгоритм прослеживания контура:

- после свертки изображения с ГФ с наибольшей длиной носителя, на нем определяются пиксели с наибольшей интенсивностью;

- определяется пороговое значение интенсивности для выделения области контура;

- с единичным радиусом сканирования определяем соседний пиксель контура;

- если пиксель найден, то запоминаем направление поиска, в противном случае, увеличиваем радиус сканирования окрестности на 1;

- если радиус сканирования больше максимального, то возвращаемся до «ближайшей» развилки и повторяем процедуры сканирования;

- критерием останова алгоритма прослеживания контура является возврат в начальную точку.

*

--•к

----ч, ч \ ч

ч ■ ч.- ^ — —

- - — - N

12 64

Рисунок 3 - Отношение интенсивности контуров при разных длинах носителя ГФ (отношение размеров объектов = 1/5 (-); отношение размеров объектов =1/3 (--))

- на контрастированном изображении выделяется область контура, содержащего точки максимальной интенсивности. Это и будет изображение объекта наибольшего геометрического размера;

- выделенный контур прослеживается;

- проводится обработка следующего иерархического уровня проходит внутри контура данного изображения объекта.

Даная процедура повторяется до достижения заданного уровня детализации объектов изображения.

Прослеживание контуров является важной составной частью задачи анализа контуров объектов. Резуль-

ПРАКТИКА ИСПОЛЬЗОВАНИЯ

Данный алгоритм обладает рядом достоинств. Во-первых, так как направление поиска запоминается, то легко выделить точки перегиба контура, в которых направление поиска изменяется. При использовании данного алгоритма нет необходимости производить пороговую бинаризацию изображения и последующую процедуру скелетизации контура. Рассмотрим применение разработанной методики к прикладной задаче - диагностированию режущих инструментов (РИ) при оптическом контроле. Цель визуального контроля состоит в выявлении параметров износа и определения геометрических размеров дефектов [5]. При диагностировании РИ прецизионной обработки возникает необходимость автоматизированной классификации формы зон износа РИ с параллельным определением линейных параметров, площади и объема износа. Для этого на изображении зоны износа должны быть выделены плоские одно- или многосвязные контура - границы зоны износа, границы текстурных зон и др. В результате обработки полученной контурной сегментации изображения получают комплекс параметров зоны износа (характерные признаки), которые затем используют для определения типа износа и принятия решения по диагностике. Для решения данной задачи на первом этапе необходимо выделить область дефекта, игнорируя мелкие детали. Для этого применяется ГВП с носителем большой длины N. На втором этапе выделенная область дефекта подвергается повторным циклам обработки, с длинами носителя Мг << N. Исходя из особенностей решаемой прикладной задачи, коли-

104

1607-3274 «Радюелектронжа. 1нформатика. Управлшня» № 2, 2005

чество уровней иерархии обуславливается необходимой детальностью объектов на изображении.

Исходное изображение режущего инструмента представлено на рис. 4, а.

Как видно резец обладает ярка выраженным типом износа. Поэтому необходимо на первом уровне иерархии выделить общую область износа, а на втором -в области износа выделить характерный дефект.

При выделении контура зоны износа с помощью дифференциального метода Собела (рис. 4, б) контурный препарат перегружен шумовыми составляющими и второстепенными деталями, поэтому проследить интересующие контура не удастся. Воспользуемся разработанной выше методикой выделения контура с помощью ГВП. Результат свертки исходного изображения с ГФ (порядок фильтра N = 80) представлен на рис. 5, а. На следующем уровне детализации сворачиваем выделенную область с гиперболической функцией (порядок фильтра N = 10) (рис. 5, б). На рис. 5, в и 5, г представлены прослеженные с помощью разработанного алгоритма контура объектов на разных уровнях детализации.

Рисунок 4:

а - исходное изображение режущего инструмента; б - контур исходного изображения, полученный с помощью метода Собела

в)

г)

Рисунок 5:

а, б - свертка исходного изображении с гиперболической функцией N = 80 и N = 10 соответственно; в, г - прослеженные контура объектов различных уровней детализации

Используя разработанный алгоритм прослеживания контуров, получены контурные описания области износа и области характерного дефекта. По полученным контурным описаниям можно рассчитать необходимые признаки такие как: площадь, периметр, кривизна и т. д. По полученному вектору признаков можно принимать решение о характере износа и типе дефекта режущего инструмента.

ЗАКЛЮЧЕНИЕ

Использование ГФ для подчеркивания и выделения контурной структуры изображений позволяет регулировать уровень детализации. Это способствует созданию иерархических методов анализа и распознавания изображений. Помехоустойчивость операции выделения контуров растет с увеличением уровня разрешения. Поэтому контура крупных деталей выделяются с более высокой помехоустойчивостью, чем контура мелких. Результаты исследований позволяют рекомендовать предложенную методику иерархического выделения объектов на изображениях для широкого круга прикладных задач, в которых производится анализ изображений, имеющих в своем составе детали разных геометрических размеров.

ПЕРЕЧЕНЬ ССЫЛОК

1. Прэтт V, Цифровая обработка изображений. - Т. 2. -М.: Мир, 1982. - 480 с.

2. Методы компьютерной обработки изображений / Под ред. В. А. Сойфера. - 2-е изд., испр. - М.: ФИЗМАЛИТ, 2003. - 784 с.

3. Крылов В, Н,, Антощук С, Г, Определение границ и площади загрязнений водной поверхности // Труды Одесского политехнического университета. - Одесса, 1997. -Вып. 2. - С. 128-132.

4. Антощук С, Г,, Крылов В, Н,, Максимов М, В, Система технического зрения для управления перемещением ядерного топлива на АЭС // Системний анал1з, управ-лшня та ¡нформацшш технологи: Вюник Харювського пол1т. Ун-та. - Харьков, 1999. - Вып. 71. - С. 111-114.

5. Деревянченко А, Г,, Павленко В, Д,, Андреев А, В, Диагностирование состояний режущих инструментов при прецизионной обработке. - Одесса, Астропринт, 1999. -184 с.

Надшшла 11.04.05 Шсля доробки 31.10.05

Розроблено методику застосування 1ерарх1чного nid-ходу до видiлення та аналiзу контурiв у nросторi гтер-болiчного вейвлет-перетворення при обробщ зображень pi-жучих iнстpументiв. Запропонована методика дозволяе проводити аналiз ознак iзносу piжучих iнстpументiв з piз-ним piвнем детальностi та створювати iepаpхiчнi мето-ди обробки та розтзнавання зображень.

Methodic of application of hierarchical approach to edge detection and analysis in hyperbolic wavelet transfer domain when cutting tools images are treating was worked out. Suggested methodic allows different details level and create hierarchical methodics of image treating and recognition.